
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
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02