面向智慧工厂的数据分析方法研究方向

在工业4.0及大数据应用背景下，“智慧工厂”的建设将以大数据中心为平台，辅以智能技术、数字技术、信息技术，构建精益化的大融合研制体系，形成基于知识工程的产品研发设计、仿真、试验、制造、检验、售后等一体化的服务型研制模式，打造具有自主创新能力、透明管控能力、自我优化能力的智慧化生态环境。智慧工厂“智慧”的体现应涵盖企业的各个业务领域，能够实现科研院所信息流、物流、资金流、知识流、服务流的高度集成与融合，使得企业持续创新，并不断开发新产品、新服务。但工业大数据具有数据量大、来源广泛、形式多样、种类繁杂等特点，传统的数据分析手段难以实现数据分析和利用。所以要实现各业务领域的智慧就必须结合数据挖掘、文本视频挖掘、统计分析、高维可视化等技术实现工业大数据的充分利用，具体介绍如下：

数据挖掘技术：“数据海量、信息缺乏”是相当多企业在信息化建设和技术手段更新后遇到的问题，数据挖掘又称为知识发现（Knowledge Discovery），是通过分析每个数据，从大量数据中寻找其规律的技术。知识发现过程通常由数据准备、规律寻找和规律表示3个阶段组成。数据准备是从数据中选取所需数据并整合成用于数据挖掘的数据集；规律寻找是用分类、聚类、回归、预测、关联等算法将数据集所含规律尽可能以用户理解的方式将找出来。第三节的案例详细描述了整个过程。

图像挖掘技术：产品制造使用过程中有大量的视频、文本、图纸等非结构化数据，这些数据占到了企业数据的80％以上，如何进行非结构化数据挖掘分析是工业大数据利用的核心问题。例如，某汽轮机企业通过X光机进行叶片虚焊质量监测，传统采用人工方式进行看片，工作量巨大且长时间在高亮度环境下工作对人体有害。该企业对历史二十万张X光机底片进行扫描，并提取存在虚焊的底片利用聚类算法提取虚焊特征，并采用机器学习技术进行算法优化并建立专家库。现在通过X光扫描仪就可以进行疑似虚焊底片的识别，人工再进行复查，提高了检验准确率并减低了人员工作强度。(www.xing528.com)

高维数据可视化技术：该技术旨在用图形表现高纬度的数据，并辅以交互手段，帮助人们分析和理解高维数据。例如，一个机电产品包含了型号、厂家、价格、性能、售后服务等多种属性，传统BI手段很难直观地表现三维以上的数据关系，人们也很难直观快速地理解。高维数据可视化是将多维度的原始数据通过聚类算法转换成可显示的低纬度数据，通过分类算法进行规律总结并通过计算机以图形和图像的技术表达。比如复杂机电产品寿命数据是一序列的时间记录，利用高维数据可视化技术将产品失效率的演变规律用图像方式表达，帮助用户直观地了解运行环境的可靠性。