【导读】工业大数据作为制造业数字化转型与智能化升级的关键点，引起了业界的普遍关注。其中，对工业数据的分析、挖掘、利用，更成为重中之重。 特别是随着大数据技术的发展，工业界通过数据分析建模系统在多个细分领域内，进行了诸多值得借鉴与思考的应用实践。
■ 有的企业专注于石油液压升降系统的优化和维护，不仅沉淀了人工举升采油法中的大量现代物理学知识，而且积累了海量的油井运行数据，在此基础上不断训练分析模型，更好诊断井下和地表异常，并优化油井运行参数;
■ 有的企业积累了800多种工业设备、 55000种故障模式和维护策略的工业知识库，并收集了大量工业天气、交通模式、卫星图像、地理空间系统等数据集，更好支持分析模型的构建;
■ 还有企业聚焦预测性维护领域，开发了机器学习引擎，提供故障预测、噪音过滤、图像分析、异常检测、动态规划等功能，提高石油钻井平台、风力涡轮机、工程机械等资产运行效能。
总结来说，数据分析建模系统主要面向信息化相关人员和业务分析人员，聚焦工业领域的各类数据分析场景，以最新的大数据、机器学习、深度学习等前沿技术为基础，解决实际业务问题为导向，创造实际价值为目的的全流程数据建模分析平台。
工业互联网平台
对数据分析建模能力的要求
数据分析的精髓在于把统计学知识、行业经验、数据库技术、机器学习方法结合起来，以此从数据中提取出有意义且实用的信息。
另外，数据分析的对象通常都是需要存储、处理和计算的大数据集，因而数据库技术、并行计算以及分布式计算在数据分析中扮演着重要角色。数据分析通过描述分析、行为分析及预测分析来分析过去发生了什么、正在发生什么以及将要发生什么。数据分析建模系统最终输出的模型结果将用来进行各个层面的优化包括，业务优化、设计优化、流程优化、运维优化等。
数据分析建模系统应该可以支持在工业领域实现广泛应用。例如，主轴分析、轴承分析、风机诊断、地铁门分析、健康度/剩余寿命、虚拟量测/良率提升等优化场景。
工业互联网产业联盟针对数据分析建模系统在工业领域的应用范围和应用价值也做了梳理。据统计，目前市场应用的热点在生产设备管控、生产质量管理、产品运维等领域;而系统应用的核心价值主要体现在降低生产运营成本、资产管理成本以及提升已有产品良率等方面;而较为常见的数据建模场景包括：设备故障分析、能耗分析、工艺参数优化等。
事半功倍
工业数据分析必备系统探析
数据是未来企业核心价值与竞争力，尤其在工业领域更是如此。利用工业大数据分析，构建以数据为驱动的生产运营能力、对数据进行建模分析和价值挖掘，已成为绝大多数制造企业致力实现的目标。以广泛应用在工业领域的寄云NeuSeer 数据分析模型开发系统为例，该系统旨在帮助工程技术人员快速从繁杂的数据中，通过智能的分析建模，充分挖掘数据的潜在价值。
聚焦工业领域，NeuSeer 数据分析模型开发系统的易用性、高效率，尤其在面对海量数据的全流程分析是更能凸显其优势。帮助企业快速对接各类实时、结构化和非结构化的异构数据源，自定义跨系统的数据集，通过自带分析组件来快速定义可视化的分析工作流，利用数据集实现分析模型的训练、验证和应用，支持自定义算法组件以及组件共享，提供SPC、RCA等分析模型模板，支持多种模式的分析任务和跨系统的分析模型在线部署，提供分析结果的图表展示。
五大产品优势
支持丰富的数据源：支持对接多种不同类型的数据源，屏蔽底层的连接细节/数据量，而将来自不同数据源的数据抽象成可直接被分析的数据对象;
支持海量数据的全流程分析：数据降采样、数据空值填充、数据乱序处理;
边云协同：端侧数据管理能力、云侧数据分析能力;
支持在线部署：组件可扩展，支持团队协作;用户可上传自己写好的组件，也可订阅其他用户公开的组件进行建模分析;
低门槛，易操作：整个建模流程设计基于拖拽式布局、连线式流程编排和指导式参数配置，使用者根据业务需要快速完成建模分析，并且每步的操作执行结果支持可视化显示。
六大产品功能
快速对接数据源：快速对接各类实时、结构化和非结构化的异构数据源，支持自定义跨系统的统一数据集，利用数据来训练和验证模型，并实现数据的高级分析;
丰富的分析组件：提供数百种数据分析组件，并且持续更新迭代，组件包括工业数据预处理、统计、机器学习算法、深度学习、NLP、模型评估器、建模(训练、验证、应用)。另外，还提供特定工业组件，包括SPC、数据平滑、PCA、FIR滤波、IIR滤波、FFT、平稳性检验、Apriori、WignerVill分布、Pearson相关系数、方差分析等。组件式开发降低了建模难度，提高了建模效率;
可视化的分析工作流：通过拖放式对选择的组件进行连接以构建可视化的分析工作流，分步骤运行，每一步都能及时地查看执行结果，从而方便地尝试不同算法组合，快速实现流程化、定制化的数据分析;
自定义算法组件：支持上传算法代码生成自定义的算法组件，组件发布后支持跨团队的订阅和共享。另外，平台提供常用的分析模型模板助力企业快速地模型开发，包括统计过程控制(SPC)，自动根因分析(RCA)，多元异常检测，虚拟量测(VM)等等;
多种任务部署：平台支持模型实例发布为API任务、定时任务、实时任务、交互式任务等模式。分析模型支持发布到数据管理系统、边缘系统以及云端，实现基于模型的实时计算、边缘计算和云端计算。
数据可视化：支持组件执行结果实时展示及绘图，包括：柱状图、折线图、雷达图等图形，同时提供钻取、联动、缩放、筛选、链接等交互操作。另外，可视化场景可直接生成链接，提供其它应用系统使用。
挖掘数据潜在价值
工业数据分析场景应用丰富
寄云科技扎根工业数据分析领域，始终高度专注于在工业领域的大数据建模与分析建设。目前，已在高端制造、轨道交通、石油石化、电力能源等细分领域多有应用。以NeuSeer数据分析模型开发系统为例，其典型应用场景是为某轨道交通车辆研究所对地铁车辆设备进行故障诊断和健康状态检测。
在该应用中，客户通过寄云数据分析模型开发系统对轨道交通车辆上已部署多种智能传感、设备进行数据分析，从而实现在轨车辆的智能管控、风险管理和预测性维护，规避轨道列车在实际运行过程中存在的，空调温控不均、车门不合、牵引失效等运行风险。基于车辆的机理模型和运行业务大数据，采用混合融合数据式建模的方式完成了对空调系统、牵引系统、车门系统的故障诊断和健康状态的监测模型的建立;为运营决策提供依据，提升设备的可用性与生命周期，提升管理水平;通过便捷场景可视化，降低数据处理、分析和人工智能建模的门槛;通过引入先进建模和分析算法，共享专家大脑以实现智能分析成果的共享。
依托于丰富的典型工业场景应用积累，寄云NeuSeer数据分析模型开发系统已经深深植根于工业数据分析中，并通过充分感知工业用户的实际需求，逐渐形成了契合工业深度应用的核心竞争实力。
当下，寄云科技正致力于以完整和专业的NeuSeer工业互联网平台，通过新技术解决多源、异构、海量数据的全生命周期管理，通过大数据建模与分析释放数据智能的力量，提供设备预测性维护，设备运行效率优化，以及生产管理优化等智能数据应用，为工业企业提升数据化、网络化、智能化奠定数据基础，持续释放数据价值，以更好实现工业企业客户数字价值的高效呈现。
（转载）
