大数据时代的工业互联网研究.pdfVIP

大数据时代的工业互联网研究

工业互联网是继物联网、移动互联网之后，出现的又一个热门

的技术领域。它是将现代工业领域中所拥有的大量设备、仪器、

传感器等与互联网技术相结合，实现对工业机器、人员、物料等

的全面感知、管理和优化，进而实现工业生产、服务的高效、准

确和高质量。大数据时代的到来，更是促进了工业互联网的发展。

本文将从数据的收集、传输、存储和分析等方面，阐述大数据时

代的工业互联网研究。

一、大数据在工业互联网中的应用

要想谈论大数据时代的工业互联网研究，必须先谈论大数据在

工业互联网中的应用。因为在现今的工业实践中，数据始终是最

重要的决策来源和核心资源。通过应用大数据技术，可以更好地

实现对工业数据的挖掘和分析，促进生产力的提升和生产效率的

提高。工业技术的发展和数据的应用不断地互相促进，大数据时

代也确实为实现工业互联网的进一步扩展和发展提供了广阔的空

间和条件。下面将分别从数据的收集、传输、存储和分析等四个

方面介绍大数据在工业互联网中的应用。

1.数据的收集

工业互联网要想发挥效能，就必须准确地掌握工厂中的各类数

据。这些数据可以是设备产生的数据，也可以是人员的数据或者

是物料的数据。利用大数据技术，可以实现多种数据的采集，实

现多种数据的收集，包括传感器收集、RFIDID标签、机器视觉、

激光测量、生产计划、设备维护、设备状况监测等。

2.数据的传输

除了收集以外，数据的传输也至关重要。根据不同的需求和场

景，工业互联网可以实现多种传输方式，如有线电缆、无线射频、

移动GPRS、卫星通讯等多种方式。当前，最主要的方式是通过物

联网技术实现数据传输，利用物联网技术可以实现对数据的稳定

传输，实现全面监控，从而实现工业互联网的高效管理。

3.数据的存储

传输完的数据需要储存，这是数据的管理很重要的一个方面。

为了方便后续的查找、使用，数据的储存必须要清晰和系统化。

另外，灾难恢复是大数据储存的另一个重要考虑因素，以防后续

的事件对数据的损失。数据的储存方式有多种，如云储存、分布

式文件系统、分布式数据库等，这些储存方式可以根据企业自身

具体情况选择。

4.数据的分析

最后，还有一个重要的环节：数据的分析。工业互联网通过对

数据的挖掘与分析，实现对潜在问题的提前预警、对生产过程的

优化和改进、对生产线以及设备自身状况的监控和维护、对人力

资源的优化等。数据的分析通常包含了数据挖掘、机器学习、数

据建模等多方面内容。数据的分析对工业互联网来说非常重要，

在实践中应当选择合适的数据分析工具、研究出最佳的分析方法，

使得这些数据变为有用的信息。

二、大数据时代的工业互联网研究

大数据技术对于工业互联网的发展意义重大，但也面临诸多的

挑战。在信息的时代，业界对于如何安全、高效地处理大量工业

数据进行研究。研究团队通常应当关注构建工业互联网安全、稳

定、高效的算法、模型、方法和体系架构，同时考虑到企业中人

员、差异等特点的选项该如何进行。

1.数据安全问题

一方面，随着数据的增长，信息系统中数据的泄漏和安全成为

了关注的问题。想在工业互联网应用大数据技术，必须关注信息

系统和数据的安全，并制定出完备的保护措施，使得这些数据保

持安全性，不受非授权人员和黑客攻击的影响。

2.工业数据的质量问题

另一方面，协同合作得到工业互联网的应用。这涉及到大量的

厂商，每个厂商会有不同的公共数据源，并经由工业互联网传输。

而这些不同的数据源的制约和变化也会影响大数据的质量。因此，

需要研究人员考虑工业互联网中如何保证数据的质量，以及如何

选择最佳数据源来支持数据分析和挖掘。

3.工业数据的处理/计算能力提高

目前的大数据技术处理数据的能力不得不承认大大地提升了大

数据时代的发展。但是目前工业互联网所困扰的问题是需要分布

式计算的能力和更加高性能的数据存储和计算。因此，还需要进

一步研究如何将云计算的技术应用于工业互联网，实现数据的快

速分析。

4.对普通大数据算法的应用与改进

在工业互联网中，由于数据的特殊性，往往需要对一些算法进

行改进以适应数据的处理，例如随机森林技术，需要适应数据特

征进行改进，解决处理效率的问题。同时，工业互联网中的数据

往往是多维的，需要针对性地进行数据分析与挖掘，这需要研究

者开发出一些更适合工业互联网的算法。

三、结论

无论是大数据技术对于工业互