以下为《工业大数据与智慧服务学习体会》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

工业大数据与智慧服务学习体会

工业大数据即工业数据的总和，分成三类，即企业信息化数据、工业物联网数据，以及外部跨界数据。工业大数据不仅存在于企业内部，还存在于产业链和跨产业链的经营主体中，如SCM、CRM。工业大数据主要由人和机器。人产生数据如：设计数据、业务数据、产品数据。机器数据有生产设备（生产调度、质量控制与绩效数据）和工业产品（智能服务）

从数据流动的视角来看，数字化解决了“有数据”的问题，网络化解决了“能流动”的问题，智能化要解决数据“自动流动”的问题，即能够把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，能够把海量的工业数据转化为信息，信息转化为知识，知识转化为科学决策，以应对和解决制造过程的复杂性和不确定性等问题。

1、本质特征：具有复杂动态系统特性。确定性是工业系统本身有效运行的基础。应对不确定性的前提是感知信息、消除不确定性。

2、4V特征：大规模（Volumn）、速度快（Velocity）、类型杂（Variety）、低质量（Veracity）

所谓“大规模”，就是指数据规模大 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 纳为跨尺度、协同性、多因素、因果性、强机理等几个方面。（“跨尺度”、“协同性”主要体现在大数据支撑工业企业的在线业务活动、推进业务智能化的过程中）

“跨尺度”：工业4.0 强调的横向、纵向、端到端集成，就是把不同空间、时间尺度的信息集成到一起。为此，需要综合利用云计算、物联网、边缘计算等技术。

“协同性”：工业系统强调系统的动态协同，工业大数据就要支持这个业务需求。我们进行信息集成的目的，是促成信息和数据的自动流动，加强信息感知能力、减少了决策者所面临的不确定性，进而提升决策的科学性。

“多因素”是工业对象的特性（复杂的动态系统）所决定的。

“因果性”源于工业系统对确定性的高度追求。为了把数据分析结果用于指导和优化工业过程，其本身就要高度的可靠性。

“强机理”是获得高可靠分析结果的保证。分析结果的可靠性体现在因果和可重复性，需要排除来自各方面的干扰。在数据维度较高的前提下，人们往往没有足够的数据用于甄别现象的真假。这时，领域中的机理知识实质上就起到了数据降维的作用，分析的结果必须能够被领域的机理所解释。

[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。

1. 工业和信息化部关于工业大数据发展的指导意见
2. 手机抄表APP功能需求
3. 技术参数要求
4. 【三级】等保通用拓扑图v2.0-08课件
5. 三级等保的标准是什么
6. 绿色建筑设计专篇暖通专业
7. 大数据开发工程师岗位的职责描述
8. 硕士研究生招生专业考试大纲
9. 关于新带息负债系统上线安排的通知
10. 市建系统应急预案
11. ***GIS系统数据更新入库流程说明
12. 计算机A试卷
13. 新老系统迁移及整合方案

以上为《工业大数据与智慧服务学习体会》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。