新闻中心

当前页面: 首页 >新闻中心 >业界动态 >大数据研究各国大PK

大数据研究各国大PK

--[db:副标题]

供稿:中国工控网 2016/12/22 16:56:22
0 人气:239

数据模型又叫黑箱模型,指基于数据的模型,相关的概念包括人工智能,数据挖掘,机器学习等。数据模型有几个不足,首先,得有大量的数据;其次,数据的分布必须合理;其三,分析方法得恰当,否则存在于数据之上的模型可能和事实并不吻合。数据建模的软件也很多,例如专业软件SAS,而Hadoop与Oracle也提供数据分析包,云计算服务商则提供物美价廉的计算服务,机器学习的研发人员可能还习惯用Python,R语言。还有很多计算工具,如Excel也是非常实用的工具,而Matlab提供非常丰富的机理仿真和数据分析工具。从人工经验,到数据分析,到机理规律,是对事物越来越理性的刻画。完美的建模过程,应该包括三个步骤。人工经验是模糊的,也是引发思考的;数据分析,已经在慢慢量化,初步揭示了事物之间的联系;深层次的机理规律才是真正揭示了事物因素间的必然联系。严谨的建模过程,最好是三者吻合,最起码是两者互相验证,互相补充,单纯依赖一种结果是可怕的。

例如,传感器装再多,也不可能无处不在,因为传感器需要成本,而且需要有合适的安装位置。合适的机理模型,加上传感器数据的验证(或者通过传感器数据确定机理模型的参数等,专业术语叫辨识),就可以获得空间、时间维度更完整的信息。

德国的优势在于人工经验和机理规律,弱势在于数据分析能力(德国人口少,信息技术和数据分析技术很难广泛频繁运用,所以数据分析技术并不发达)。所以德国的模型是基于机理规律的,是直观的。

日本的精益制造中,非常突出人工经验。而美国的优势在于数据分析和机理规律,弱势在于人工经验。美国NI公司的最新嵌入式控制器网络同步精度小于100ns,体现了美国人对数据的孜孜不倦的追求。TS16949质量体系,也体现了美国人对数据的钟爱,是早期工业化与信息化融合的优秀范本。

中国在数据分析上有一定的优势,弱势在于人工经验和机理规律,也就是专业软件。长期起来,各类专业软件都是盗版的。加上中国产学研脱节比较严重,很多大学的研究成果是无法深究的。如果建立合适的产学研通道,学校的老师和博士还是有能力的。研究成果无法深究,很多时候不是能力问题,而是和社会沟通不够,从论文到论文,没有把理论应用到实践。如何将院所研究与企业实践做到完美的融合,是当下中国智能制造急需克服的成果转化的事情。

综合起来,人工经验、机理规律和数据分析各有利弊。各个行业和公司,需要采用合适的建模方法,以最大程度提高公司和产品的核心竞争力。中国当下已经有非常低成本的获取工业数据的办法(得益于百度云、阿里云的飞速发展)。数据回来了,人工经验分析下曲线,也已经可以获得有意义的信息了;通过数据分析,即使是只用Excel,也可以解决很多问题。阿里云对于采集、存储与数据分析都非常低廉。建立统一的工业互联网也许痛苦,但子系统依靠仪表以及原有的控制系统,采集数据并不那么难。即使实在不行,还可以借鉴TS16949质量体系,采用表格,也可以回来有价值的数据。

工业化与信息化融合是智能制造的必经之路,打磨和应用这三把利刃是最大的基本功。

更多内容请访问 中国工控网(http://www.gongkong.com)
新闻来源: 互联网/ca800

手机扫描二维码分享本页

工控网APP下载安装

工控速派APP下载安装

 

我来评价

评价:
一般