高教社2024工业互联网数据采集技术教学课件任务1.3.pptx

项目01工业数据采集技术概述项目02工业数据采集与设备安装工业数据采集网络建设项目04项目03工业数据传输与处理项目05工业数据上云项目06工业数据采集综合应用

工业数据采集技术概述01项目

随着智能技术以及现代信息技术的不断发展，一个全新的智能时代已经到来，曾经仅存于幻想中的场景逐渐成为现实。例如，工人只需要发出口头指令就可以指挥机器人完成相应的生产工序，从生产到检测再到市场投放全过程实现自动化。这种自动化场景的实现，均离不开工业大数据的支持。在人与人、物与物、人与物的信息交流中逐步衍生出了工业大数据，并贯穿于产品的整个生命周期中。任务描述本任务将主要介绍工业大数据与云计算的相关知识，包括工业大数据的定义、工业大数据的特点、工业大数据的处理与应用和工业云计算。

工业大数据的定义1工业大数据是指在工业领域信息化应用中所产生的数据，是工业互联网的核心，是工业智能化发展的关键。工业大数据是基于网络互联和大数据技术，贯穿于工业的设计、生产、管理、服务等各环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。知识链接

工业大数据的特点2（１）数据容量（Ｖｏｌｕｍｅｓ）大数据的大小决定其价值和潜在的信息。工业数据体量比较大，大量机器设备的高频数据和互联网数据持续涌入，大型工业企业的数据集将达到ＰＢ级甚至ＥＢ级别。（２）数据类别（Ｖａｒｉｅｔｙ）多数据类别多是指数据类型的多样性和来源广泛。工业数据广泛分布于机器设备、工业产品、管理系统、互联网等各个环节，并且结构复杂，既有结构化和半结构化的传感数据，也有非结构化数据。知识链接

工业大数据的特点2（３）数据处理速度（Ｖｅｌｏｃｉｔｙ）快数据处理速度是指获得和处理数据的速度。工业数据处理速度需求多样，生产现场级要求时间分析达到毫秒级，管理与决策应用需要支持交互式或批量数据分析。（４）价值密度（Ｖａｌｕｅ）低工业大数据更强调用户价值驱动和数据本身的可用性，包括提升创新能力和生产经营效率，以及促进个性化定制、服务化转型等智能制造新模式变革。知识链接

工业大数据的特点2（５）时序性（Ｓｅｑｕｅｎｃｅ）工业大数据具有较强的时序性，如订单、设备状态数据等。（６）强关联性（ＳｔｒｏｎｇＲｅｌｅｖａｎｃｅ）一方面，产品生命周期同一阶段的数据具有强关联性，如产品零部件组成、工况、设备状态、维修情况、零部件补充采购等；另一方面，产品生命周期的研发设计、生产、服务等不同环节的数据之间需要进行关联。知识链接

工业大数据的特点2（７）准确性（Ａｃｃｕｒａｃｙ）主要指数据的真实性、完整性和可靠性，更加关注数据质量，以及处理、分析技术和方法的可靠性。对数据分析的置信度要求较高，仅依靠统计相关性分析不足以支撑故障诊断、预测预警等工业应用，需要将物理模型与数据模型结合，挖掘因果关系。（８）闭环性（ＣｌｏｓｅｄＬｏｏｐ）包括产品全生命周期横向过程中数据链条的封闭和关联，以及智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等闭环场景下的动态持续调整和优化。知识链接

工业大数据的处理与应用3工业大数据的处理从大数据的整个生命周期来看，其从数据源经过分析挖掘到最终获得价值需要经过４个环节，包括大数据集成与清洗、存储与管理、分析与挖掘、可视化，如图所示。知识链接

工业大数据的处理与应用3（１）大数据集成与清洗大数据集成是把不同来源、格式、特点性质的数据有机集中。大数据清洗是将平台集中的数据进行重新审查和校验，发现和纠正可识别的错误，处理无效值和缺失值，从而得到干净的数据。（２）大数据存储与管理大数据存储与管理是指采用分布式存储、云存储等技术将数据经济、安全、可靠地存储管理，并采用高吞吐量数据库技术和非结构化访问技术支持云系统中数据的高效快速访问。知识链接

工业大数据的处理与应用3（３）大数据分析与挖掘大数据分析与挖掘是指从海量、不完全、有噪声、模糊及随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识。广义的数据挖掘是指信息内容发现的全过程；狭义的数据挖掘是指统计分析、机器学习等发现数据模式的智能方法，即偏重于模型和算法。知识链接

工业大数据的处理与应用3（４）大数据可视化大数据可视化是指利用包括二维综合报表、ＶＲ／ＡＲ等计算机图形图像处理技术和可视化展示技术，将数据转换成图形、图像并显示在屏幕上，使数据变得直观且易于理解。知识链接如图所示为大数据可视化示例。

工业大数据的处理与应用3知识链接工业大数据的应用现代化工业制造生产线安装有数以千计的小型传感器，用来探测温度、压力、热能、振动和噪声