【導讀】工業大數據作為制造業數字化轉型與智能化升級的關鍵點，引起了業界的普遍關注。其中，對工業數據的分析、挖掘、利用，更成為重中之重。 特別是隨著大數據技術的發展，工業界通過數據分析建模系統在多個細分領域內，進行了諸多值得借鑒與思考的應用實踐。
■ 有的企業專注于石油液壓升降系統的優化和維護，不僅沉淀了人工舉升采油法中的大量現代物理學知識，而且積累了海量的油井運行數據，在此基礎上不斷訓練分析模型，更好診斷井下和地表異常，并優化油井運行參數;
■ 有的企業積累了800多種工業設備、 55000種故障模式和維護策略的工業知識庫，并收集了大量工業天氣、交通模式、衛星圖像、地理空間系統等數據集，更好支持分析模型的構建;
■ 還有企業聚焦預測性維護領域，開發了機器學習引擎，提供故障預測、噪音過濾、圖像分析、異常檢測、動態規劃等功能，提高石油鉆井平臺、風力渦輪機、工程機械等資產運行效能。
總結來說，數據分析建模系統主要面向信息化相關人員和業務分析人員，聚焦工業領域的各類數據分析場景，以最新的大數據、機器學習、深度學習等前沿技術為基礎，解決實際業務問題為導向，創造實際價值為目的的全流程數據建模分析平臺。
工業互聯網平臺
對數據分析建模能力的要求
數據分析的精髓在于把統計學知識、行業經驗、數據庫技術、機器學習方法結合起來，以此從數據中提取出有意義且實用的信息。
另外，數據分析的對象通常都是需要存儲、處理和計算的大數據集，因而數據庫技術、并行計算以及分布式計算在數據分析中扮演著重要角色。數據分析通過描述分析、行為分析及預測分析來分析過去發生了什么、正在發生什么以及將要發生什么。數據分析建模系統最終輸出的模型結果將用來進行各個層面的優化包括，業務優化、設計優化、流程優化、運維優化等。
數據分析建模系統應該可以支持在工業領域實現廣泛應用。例如，主軸分析、軸承分析、風機診斷、地鐵門分析、健康度/剩余壽命、虛擬量測/良率提升等優化場景。
工業互聯網產業聯盟針對數據分析建模系統在工業領域的應用范圍和應用價值也做了梳理。據統計，目前市場應用的熱點在生產設備管控、生產質量管理、產品運維等領域;而系統應用的核心價值主要體現在降低生產運營成本、資產管理成本以及提升已有產品良率等方面;而較為常見的數據建模場景包括：設備故障分析、能耗分析、工藝參數優化等。
事半功倍
工業數據分析必備系統探析
數據是未來企業核心價值與競爭力，尤其在工業領域更是如此。利用工業大數據分析，構建以數據為驅動的生產運營能力、對數據進行建模分析和價值挖掘，已成為絕大多數制造企業致力實現的目標。以廣泛應用在工業領域的寄云NeuSeer 數據分析模型開發系統為例，該系統旨在幫助工程技術人員快速從繁雜的數據中，通過智能的分析建模，充分挖掘數據的潛在價值。
聚焦工業領域，NeuSeer 數據分析模型開發系統的易用性、高效率，尤其在面對海量數據的全流程分析是更能凸顯其優勢。幫助企業快速對接各類實時、結構化和非結構化的異構數據源，自定義跨系統的數據集，通過自帶分析組件來快速定義可視化的分析工作流，利用數據集實現分析模型的訓練、驗證和應用，支持自定義算法組件以及組件共享，提供SPC、RCA等分析模型模板，支持多種模式的分析任務和跨系統的分析模型在線部署，提供分析結果的圖表展示。
五大產品優勢
支持豐富的數據源：支持對接多種不同類型的數據源，屏蔽底層的連接細節/數據量，而將來自不同數據源的數據抽象成可直接被分析的數據對象;
支持海量數據的全流程分析：數據降采樣、數據空值填充、數據亂序處理;
邊云協同：端側數據管理能力、云側數據分析能力;
支持在線部署：組件可擴展，支持團隊協作;用戶可上傳自己寫好的組件，也可訂閱其他用戶公開的組件進行建模分析;
低門檻，易操作：整個建模流程設計基于拖拽式布局、連線式流程編排和指導式參數配置，使用者根據業務需要快速完成建模分析，并且每步的操作執行結果支持可視化顯示。
六大產品功能
快速對接數據源：快速對接各類實時、結構化和非結構化的異構數據源，支持自定義跨系統的統一數據集，利用數據來訓練和驗證模型，并實現數據的高級分析;
豐富的分析組件：提供數百種數據分析組件，并且持續更新迭代，組件包括工業數據預處理、統計、機器學習算法、深度學習、NLP、模型評估器、建模(訓練、驗證、應用)。另外，還提供特定工業組件，包括SPC、數據平滑、PCA、FIR濾波、IIR濾波、FFT、平穩性檢驗、Apriori、WignerVill分布、Pearson相關系數、方差分析等。組件式開發降低了建模難度，提高了建模效率;
可視化的分析工作流：通過拖放式對選擇的組件進行連接以構建可視化的分析工作流，分步驟運行，每一步都能及時地查看執行結果，從而方便地嘗試不同算法組合，快速實現流程化、定制化的數據分析;
自定義算法組件：支持上傳算法代碼生成自定義的算法組件，組件發布后支持跨團隊的訂閱和共享。另外，平臺提供常用的分析模型模板助力企業快速地模型開發，包括統計過程控制(SPC)，自動根因分析(RCA)，多元異常檢測，虛擬量測(VM)等等;
多種任務部署：平臺支持模型實例發布為API任務、定時任務、實時任務、交互式任務等模式。分析模型支持發布到數據管理系統、邊緣系統以及云端，實現基于模型的實時計算、邊緣計算和云端計算。
數據可視化：支持組件執行結果實時展示及繪圖，包括：柱狀圖、折線圖、雷達圖等圖形，同時提供鉆取、聯動、縮放、篩選、鏈接等交互操作。另外，可視化場景可直接生成鏈接，提供其它應用系統使用。
挖掘數據潛在價值
工業數據分析場景應用豐富
寄云科技扎根工業數據分析領域，始終高度專注于在工業領域的大數據建模與分析建設。目前，已在高端制造、軌道交通、石油石化、電力能源等細分領域多有應用。以NeuSeer數據分析模型開發系統為例，其典型應用場景是為某軌道交通車輛研究所對地鐵車輛設備進行故障診斷和健康狀態檢測。
在該應用中，客戶通過寄云數據分析模型開發系統對軌道交通車輛上已部署多種智能傳感、設備進行數據分析，從而實現在軌車輛的智能管控、風險管理和預測性維護，規避軌道列車在實際運行過程中存在的，空調溫控不均、車門不合、牽引失效等運行風險?；谲囕v的機理模型和運行業務大數據，采用混合融合數據式建模的方式完成了對空調系統、牽引系統、車門系統的故障診斷和健康狀態的監測模型的建立;為運營決策提供依據，提升設備的可用性與生命周期，提升管理水平;通過便捷場景可視化，降低數據處理、分析和人工智能建模的門檻;通過引入先進建模和分析算法，共享專家大腦以實現智能分析成果的共享。
依托于豐富的典型工業場景應用積累，寄云NeuSeer數據分析模型開發系統已經深深植根于工業數據分析中，并通過充分感知工業用戶的實際需求，逐漸形成了契合工業深度應用的核心競爭實力。
當下，寄云科技正致力于以完整和專業的NeuSeer工業互聯網平臺，通過新技術解決多源、異構、海量數據的全生命周期管理，通過大數據建模與分析釋放數據智能的力量，提供設備預測性維護，設備運行效率優化，以及生產管理優化等智能數據應用，為工業企業提升數據化、網絡化、智能化奠定數據基礎，持續釋放數據價值，以更好實現工業企業客戶數字價值的高效呈現。
（轉載）
