从工业大数据本质看工业大数据下的决策方式
我们要看大数据与工业的深度融合之前,先看看核心要素大数据的本质是什么。
大数据的本质就是,“数据+算法=服务”,数据来自机器数据,业务数据,产品数据。这些数据需要通过物联网、传感器不断的获取。而算法部署在云端,一类是机理模型,另外一类是AI或者大数据模型。
通过大数据和算法,带来了新的服务,服务包括四个层次:描述这个世界(发生了什么);诊断这个世界(为什么发生);预测这个世界(将会发生什么);进行决策(应该怎么做)。最终实现优化资源配置效率,提高生产力。这也是一种全新的认识和改造这个世界的方法论。
我们说大数据的下半场是跟产业的深度融合,那么大数据与工业融合之后的工业大数据,其本质又是什么?我认为工业大数据的本质是:数据+算法=服务。
一个工业机理模型可以实现四类功能:一、描述,描述设备、工艺发生了什么;二、诊断,发生了什么问题、什么地方发生了问题;三、预测,如果不处理设备将有什么问题,能耗会有什么问题,质量会有什么问题;四、决策、***怎么办,是对那个环节进行维修,那个环节进行优化,或者保养,增加或者减少物料的输入等等,给操作手、给总工、给管理层提供一个解决方案。
机理模型的落地,就是我们认识客观世界的一个过程。一般说会有四个阶段:一、理论推理,把工业中的热平衡、物质平衡等通过抽象的方法形成理论模型;二、实验验证,对理论模型进行实验验证,仿真验证的过程;三、模拟择优,在虚拟世界里面去完成,通过大数据模拟选择***的结果;四、大数据分析通过模拟+大数据发现新的规律。
机理模型构建了业务场景的数字孪生,通过设备上云、物联网、互联网,实现了从局部数字孪生到跨节点的数字孪生,从静态的数字孪生到动态的数字孪生。我们在热平衡模型的应用中,对每日、每时、每秒的数据进行优化,指导在工艺环节的优化。构建一个机理模型、数字孪生,背后的原理就是大数据+算法=服务。他可以缩短研发周期,提高资源优化效率,提供新的分析方法,构建资源配置新模式。
依托于工业大数据的支持,工业企业的决策方式也将增加为更加科学规范的模式:数据+算法。数据+算法的决策机制,不是对已有决策机制的一种替代,而是增加。
“数据+算法”的决策机制原理有几个方面,对于不确定性的问题,我们首先要获得数据,理解这个世界,理解和认知规律;理解之后我们要预测发生什么,做边缘响应和远端响应;***我们要去控制,将决策付诸行动。
企业的核心问题是解决和提高资源配置效率。大数据如何支撑企业决策,就是将正确的数据,在正确的时间,以正确的方式传递给正确的人和机器。大规模个性化生产实现了从固定靶到空中飞碟的转变。这其中,通过模型可以提供将不确定性转化为确定性的***路径,通过大数据将数据转化为知识,将隐形数据显性化、将隐形知识显性化。
相关文章
- 第一个C语言程序(从Hello World开始)
- C语言中的整型数据类型(你真的了解吗)
- 七夕来袭——属于程序员的浪漫
- 经典算法——顺序查找
- Markdown怎么加入emoji
- 技术文档丨 OpenSCA技术原理之npm依赖解析
- 经典算法——直接插入排序
- 经典算法——直接选择排序
- 经典算法——二分查找
- 经典算法——冒泡排序
- 经典算法——折半插入排序
- SpringBoot Application事件监听的实现方案(动态写入yml)
- Spring自定义启动图标(个性化启动图标)
- Spring @Transactional事务管理
- Spring 四种方式教你异步接口返回结果
- SpringBoot 使用Logback日志框架
- Nexu私服安装配置,IDEA打包上传私服
- Mybatis-Plus批量插入应该怎么用
- Java8中的函数式接口(你知道几个?)
- Spring-webflux 响应式编程