当前位置:主页 > 大数据 > 产业大数据:车间物联网数据治理

大数据:产业大数据:车间物联网数据治理
作者:邵雨伯  发布日期:2018-08-30   浏览:143

传统的治理系统将人作为数据采集端,用流程来固化组织的行为,用指标来衡量评价流程和组织的效率。

  《制造业数据治理的再认知》一文中我们将产业大数据分为公共资源数据、工程类数据、治理类数据和物联数据。这篇文章主要谈谈物联数据,也是数据治理部分的最后一篇了。传统的治理系统将人作为数据采集端,用流程来固化组织的行为,用指标来衡量评价流程和组织的效率。产业企业的物联网,就是要将人和物联系起来,将系统和物联系起来,将物作为数据采集端,由人或系统进行数据分析和决策。数据的分析与优化是物联网的关键技巧之一,,也是未来物联网发挥价值的关键点。物联网在产业中有很多种应用方法,如物流仓储、生产制造、产品运维等,我们这里重点讲讲生产制造和产品运维。

  第一节物联数据的组织方法

  产业企业的生产制造物联网应用一般称为车间物联网或者叫制造物联,通过使用RFID传感器、无线网络通讯、GPS定位、语音视频系统等技巧把制造打算与制造资源“人、机、料、法、环”等信息链接起来,从而对五大制造资源智能化辨认、定位、跟踪、监控和治理,从而满足企业指挥调度、环境监测等方面的治理要求。五大制造资源分为静态属性和动态属性,如一台机床设备的静态属性又可以分为治理信息(设备编码、设备名称、设备分类等)、静态参数(工作环境、进给速度、切削参数等)、动态参数(机床状态、车床完备率、车床负荷率、维修记载等)。静态属性不受生产过程的影响,并在生产流程开始之前已经断定,是车间现场治理中的常量数据,但这些数据并非永远固定不变,它们可在生产过程结束后由用户进行调整;动态数据是一直处于变更中的数据,车间物联网数据大多属于动态数据。

产业大数据:车间物联网数据治理

  第二节物联数据的治理技巧

  车间物联网是一种范例的复杂信息系统,涉及数据治理的各个方面,主要包含:数据质量把持、数据融合与集成、复杂事件处理、数据存储与处理,以及安全访问把持等。

  数据质量把持:物联网的数据质量可以用精确度、置信度和完整性三个指标来衡量。在进步射频辨认、传感器网络数据质量把持方面,主要采用清除多读和误读数据、填补漏读的数据。数据清洗通常采用概率统计和时空关联的方法。

  数据融合与集成:物联网数据空间内数据对象的多态性表现在多类型、异构和无同一模式。因此,一方面需要构建车间同一的数据模型,用同一的方法表达数据;第二方面以同一数据模型为基础,研究如何将异构数据映射和转换到同一的数据框架中;第三方面物联网中的数据源是分布、自治和独立的。在数据集成过程中,有时需要自动地发明相关的数据源;第四方面要记载数据的来源,从而实现数据的溯源;第五方面车间制造资源是不断变更的,这种变更会对于数据的一致性、版本和模式更新等产生影响,要能够记载数据演化的过程。

  复杂事件处理:在范例的物联网应用中,上层系统负责监测各个物体的状态和行为,并把持其按照既定的程序作出智能反响并完成相应行为。物体的行为通常以事件形式表达。

AI智能 大数据 物联网 新科技 城市资讯
Copyright © 2012-2018 版权所有  亚洲城娱乐_亚洲城国际娱乐_ca88亚洲城游戏官网 网站首页 | 网站地图1 | 网站地图2