京公网安备 11010802034615号
经营许可证编号:京B2-20210330
新制造企业革命:工业大数据与CPS应用
“为什么CPS对中国制造有跳跃式的影响,中国的利益点在哪里呢?这些数据(数据分析师)出来之前,一定是有隐秘,所以需要一个消化系统,你需要机器的软件,找特征,我们装备也是这样的,把数据变成不同的特征。经过分析之后把设备的关系建立起来就不容易出故障。”
“从2011年GE形成了工业大数据的观念,一台发动机在上面,经过数据的特征回到机器再转成信息分享出来。”李杰讲到,“我们2011年所有的数据从历史数据开始,到现在控制器数据,甚至我不愿意用的数据,都来做整合分析,这些数据你要有一个分析的方法,找出还没有发生的问题,这个在2015年以前是一个科学上最大的缺失,当初我们提出的观念很多人不了解,企业界说很合理,但是不知道怎么去实现。”
对于今天我们所获取到的诸多特征信息,李杰给出了一个很形象的比喻,“好比一个人,一个健康的心脏,可能胆固醇、中风都会发生,但是我怎么知道你会发生,需要测量胆固醇来分析你的风险等级,所以每个方向都不一样。”
李杰讲到,从航空领域来说,我们通过监测飞机数据(数据分析师培训),把数据简化、归类、比较,不用每一次做分析,这样数据量就减少了很多,避免了很多不必要的发动机监控,之后我们发现大数据的挑战不是在数据量,真正的挑战是数据的自然碎片化问题,你拿到数据的时候天气跟之前不一样,环境跟之前不一样,数据的有效性受到很大影响,所以环境背景很重要,所以我们就开发了Cyber。
另外,李杰还讲到,比如我们做的实体海上风电,可以把状态、发电量,发电组做比较,可以看出差异化,看出关系,在这些基础上到第三年可以很快预测哪一个风电不稳。针对机床运行时候的多种影响,我们发明了Cyber-Twin Machine,信息实体对称模型。这套模型是今天比较成功的产品,已经在上海刚刚展示过。
李杰认为大数据的目的就是没有数据,需要我们找出逻辑关系,在今年上海的工博会,已经展示的“风云”就是使用的这个平台。而CyberTwin的观念是不同的物体运动的时候会产生大量数据,我们需要再通过其它的数据把这些数据进行简化。
随后,李杰还给我们分享了一个目前比较成功的案例,“有一个做机床的小企业,用锯片切飞机发功机的叶片,锯片切10片、8片就坏掉了,这是德国的锯片,因此我们想说刀具是软肋,那就让刀具变成数据化,我们试了一下,这在去年的美国展示过,用刀具切的时候,把量跟速度建档,可以评估不同的健康指标,不同的力,我们建立了一个数据模型,可以把特征找出来,就是刀子从新到坏的过程。对此,德国的刀具厂商说,你是不是知道我跟别的刀具有什么区别,有什么缺点,我说当然知道,那么他说,麻烦你不要说出去,而这个机床企业得到这些数据以后,可以依靠这些数据‘威胁’德国的刀具供应商对产品打折,当然这种‘威胁’是正面的。”
最后,对于中国制造2025年要做哪些事情,以及大数据对人民、社会、国家、乃至全球都会做出哪些具有的贡献。李杰给出了自己的答案,“智慧海洋中的‘5S’工程,这‘5S’就是韩国造船和中国造船的区别,韩国的船是来自星星的,而中国的船是来自北斗,中国造船真正能走向世界就一定是依靠大数据,所以应该为中国骄傲。”数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16