1、工業(yè)感知大數(shù)據(jù)獲取與計(jì)算技術(shù)創(chuàng)新，變革未來(lái)報(bào)告內(nèi)容一、工業(yè)大數(shù)據(jù)的泛在性 二、工業(yè)大數(shù)據(jù)關(guān)鍵問(wèn)題 三、一些探索及部分結(jié)果正在來(lái)臨第四次工業(yè)革命第四次工業(yè)革命與大數(shù)據(jù)工業(yè)互聯(lián)網(wǎng)（以數(shù)據(jù)為中心）互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、無(wú)線網(wǎng)、電信網(wǎng)、傳感網(wǎng)工業(yè) 大數(shù)據(jù)信息 知識(shí)控制 決策分析 挖掘決策制定數(shù)據(jù) 獲取執(zhí)行控制智能設(shè)計(jì)智能設(shè)備智能制造智能產(chǎn)品智能服務(wù)為企業(yè)和用戶創(chuàng)造最大價(jià)值工業(yè)大數(shù)據(jù)是在工業(yè)領(lǐng)域信息化相關(guān)應(yīng)用中所產(chǎn)生的 海量數(shù)據(jù)產(chǎn)品數(shù)據(jù)、環(huán)境數(shù)據(jù)、使用數(shù)據(jù)工業(yè)大數(shù)據(jù)來(lái)源亍產(chǎn)品全生命周期的各個(gè)環(huán)節(jié)：需求、設(shè)計(jì)、原料、制造、倉(cāng)儲(chǔ)、物流、銷(xiāo)售、 消費(fèi)等各個(gè)環(huán)節(jié)產(chǎn)品 生命期企業(yè) 產(chǎn)業(yè)鏈 外部數(shù)據(jù)再利用工業(yè)大數(shù)據(jù)的泛在

2、性電梯安全家具汽車(chē)生產(chǎn)紡織制藥化工飛機(jī)引擎監(jiān)測(cè)造紙工業(yè)大數(shù)據(jù)特點(diǎn)行業(yè)相關(guān)性感知數(shù)據(jù)具有很強(qiáng)的行業(yè)相關(guān)性，從 而具有不同的潛在逡輯機(jī)理關(guān)系。流程關(guān)聯(lián)性產(chǎn)品各個(gè)階段產(chǎn)生的感知數(shù)據(jù)之間相 虧關(guān)聯(lián)、相虧影響。工業(yè)大數(shù)據(jù)特點(diǎn)3. 價(jià)值時(shí)效性當(dāng)前時(shí)刻產(chǎn)生的數(shù)據(jù)如果不迅速轉(zhuǎn)變 為可以支持決策的信息，其價(jià)值就會(huì) 隨時(shí)間流逝而迅速減退。4. 模態(tài)多樣性感知數(shù)據(jù)的類(lèi)型越來(lái)越豐富，既包含 溫度、濕度、光強(qiáng)等結(jié)構(gòu)化數(shù)據(jù)，也 包括圖像、音視頻等非結(jié)構(gòu)化數(shù)據(jù) n xx 2 x1 x mn yy yyy m1m22n 22y1n y11y12 yY 21工業(yè)大數(shù)據(jù)特點(diǎn)低精度傳感器及環(huán)境干擾造成 感知數(shù)據(jù)不精確。23 22.

3、3 22.5 NULL23 失效 采樣頻率、感知節(jié)點(diǎn)失效、數(shù) 據(jù)丟失等因素影響，無(wú)法保證 在仸意時(shí)刻獲得全部實(shí)時(shí)感知 數(shù)據(jù)。 當(dāng)集成來(lái)自亍不同數(shù)據(jù)源的數(shù) 據(jù)時(shí)，環(huán)境、用途等因素造成 數(shù)據(jù)不一致。不精確不完整不一致不及時(shí)因采集、傳輸、更新等延遲使 得數(shù)據(jù)中含有過(guò)時(shí)數(shù)據(jù)。24.5 23 不一致5. 質(zhì)量低劣性工業(yè)大數(shù)據(jù)的關(guān)鍵技術(shù)問(wèn)題問(wèn)題1：工業(yè)大數(shù)據(jù)的獲取、傳輸與融合？問(wèn)題2：低質(zhì)量工業(yè)大數(shù)據(jù)管理與計(jì)算？ 問(wèn)題3：工業(yè)大數(shù)據(jù)的自然規(guī)律？問(wèn)題4：工業(yè)大數(shù)據(jù)的計(jì)算、分析與挖掘？ 問(wèn)題5：工業(yè)大數(shù)據(jù)的計(jì)算平臺(tái)？報(bào)告內(nèi)容一、工業(yè)大數(shù)據(jù)與其應(yīng)用 二、工業(yè)感知大數(shù)據(jù)挑戰(zhàn) 三、一些探索及部分結(jié)果部分研究結(jié)果（一

4、）感知數(shù)據(jù)的高質(zhì)量獲取部分研究結(jié)果（一）感知大數(shù)據(jù)例1現(xiàn)代化工業(yè)制造生產(chǎn)線安裝有數(shù)以千計(jì)的小型傳 感器探測(cè)溫度、壓力、熱能、振動(dòng)和噪聲每隔幾秒就收集一次數(shù)據(jù)利用這些數(shù)據(jù)可以實(shí)現(xiàn):設(shè)備診斷、用電量分析、能耗分析、質(zhì)量事故分析（包括違反 生產(chǎn)規(guī)定、零部件故障）等。輔助生產(chǎn)工藝的改進(jìn)部分研究結(jié)果（一）感知大數(shù)據(jù)例2在波音的飛機(jī)上，發(fā)動(dòng)機(jī)、燃油系統(tǒng)、液壓和 電力系統(tǒng)等數(shù)以百計(jì)的變量組成了在航狀態(tài)， 這些數(shù)據(jù)不到幾微秒就被測(cè)量和發(fā)送一次。波音737發(fā)動(dòng)機(jī)在飛行中每30分鐘就能產(chǎn)生10TB 數(shù)據(jù)。在馬航MH370失聯(lián)客機(jī)搜尋過(guò)程中，波音公司獲 取的發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)數(shù)據(jù)對(duì)亍確定飛機(jī)的失聯(lián)路徑起到 了關(guān)鍵作用。智能

5、感知是工業(yè)智能系統(tǒng)的基礎(chǔ)。高質(zhì)量數(shù)據(jù)采集是后續(xù)分析挖掘的保障一個(gè)設(shè)備的全生命期信息設(shè)備運(yùn)行的狀態(tài)信息設(shè)備運(yùn)行的工況信息設(shè)備使用中的環(huán)境信息維護(hù)保養(yǎng)信息感知數(shù)據(jù)部分研究結(jié)果（一）連續(xù)過(guò)程 離散化Why？人類(lèi)通過(guò)感知數(shù)據(jù)獲得信息：兩個(gè)階段都可能產(chǎn)生 質(zhì)量問(wèn)題！現(xiàn)有計(jì)算方法：僅感考知慮數(shù)如據(jù)何解決第二階段的問(wèn)題均以計(jì)等算頻數(shù)據(jù)采集為前提部分研究結(jié)果（一）問(wèn)題？等頻數(shù)據(jù)采集可行嗎？曲線失真，關(guān)鍵數(shù)據(jù)特征或變化要素丟失！部分研究結(jié)果（一）問(wèn)題？加大等頻數(shù)據(jù)采集的頻 率可行嗎？加大采集頻率意味著：產(chǎn)生更加龐大的感知 數(shù)據(jù)加重?cái)?shù)據(jù)存儲(chǔ)與傳輸 的負(fù)擔(dān)變頻數(shù)據(jù)采集是否可行？部分研究結(jié)果（一）Determine

6、the next sampling time tc+1, tc= tc+1 tc is current sampling time tc-1 is the last sampling time before tc基于Hermit插值的變頻數(shù)據(jù)采集算法將時(shí)間軸分成若干時(shí)間區(qū)間采樣頻S率am調(diào)ple節(jié)Se過(guò)nse于d V頻alu繁es 、in 數(shù)tc-1據(jù),tc采集次數(shù)較多 曲線光滑度不高、二階間斷點(diǎn)多tc=tfCompute Sensed Curvein tc-1,tc部分研究結(jié)果（一）要步驟k+1k+2測(cè)下一個(gè)時(shí)間窗口T,T的數(shù)據(jù)采集周期基于三次樣條插值的變頻數(shù)據(jù)采集算法思想：一段時(shí)間調(diào)整一次

7、數(shù)據(jù)采集頻率若干時(shí)間區(qū)間構(gòu)成一個(gè)時(shí)間窗口一個(gè)時(shí)間窗口內(nèi)進(jìn)行等頻采樣，不同窗口間調(diào)整采樣頻率主=0)部分研究結(jié)果（二）理論結(jié)果與核心算法問(wèn)題的難度證明了該問(wèn)題是P問(wèn)題解決該問(wèn)題的時(shí)間下界為O(n3)相關(guān)系數(shù)矩陣的計(jì)算與維護(hù)基于滑動(dòng)窗口的相關(guān)系數(shù)矩陣增量式維護(hù)算法基于抽樣的相關(guān)系數(shù)矩陣近似計(jì)算算法部分研究結(jié)果（二）理論結(jié)果與核心算法-主數(shù)據(jù)集中式獲取與計(jì)算基于矩陣的特征值與特征向量計(jì)算方法所構(gòu)建的優(yōu)點(diǎn)：給出精確解，復(fù)雜度為O(n3)，主數(shù)據(jù)規(guī)模最小缺點(diǎn)：需要把網(wǎng)內(nèi)任意兩點(diǎn)的相關(guān)系數(shù)集中式的收集 起來(lái)，能量消耗巨大-主數(shù)據(jù)分布式計(jì)算基于Lanczos方法所構(gòu)建的優(yōu)點(diǎn)：結(jié)果滿足-主數(shù)據(jù)定義，復(fù)雜度為O

8、(1)，主數(shù)據(jù)規(guī) 模近似最優(yōu)，能量消耗小部分研究結(jié)果（二）部分實(shí)驗(yàn)結(jié)果主數(shù)據(jù)集合僅用了6.55% 的數(shù)據(jù)量就能保證了原始數(shù) 據(jù)集合所攜帶的95%信息能夠保留.發(fā)表的部分論文Hong Gao, Xiaolin Fang, Jianzhong Li, YingshuLi. Data Collection in Multi- Application Sharing Wireless Sensor Networks, IEEE Trans. Parallel Distrib. Syst. (IEEE TPDS 2015).Xiaolin Fang, Hong Gao, Jianzhong Li, Yi

9、ngshu Li. Approximate Multiple Count in Wireless Sensor Networks, The 33nd IEEE International Conference on Computer Communications (IEEE INFOCOM 2014)Xiaolin Fang, Hong Gao, Jianzhong Li, Application-Aware Data Collection in Wireless Sensor Networks, The 32nd IEEE International Conference on Comput

10、er Communications (IEEE INFOCOM 2013)Guohua Li, Jianzhong Li, Hong Gao, -Approximation to Data Streams in Sensor Networks, The 32nd IEEE International Conference on Computer Communications (IEEE INFOCOM 2013)Siyao Cheng, Jianzhong Li, O()-Approximation to Physical World by Sensor Networks , The 32nd

11、 IEEE International Conference on Computer Communications (IEEE INFOCOM 2013)Jianzhong Li, Guohua Li, Hong Gao, Novel -Approximation to Data Streams inSensor Networks, IEEE Trans. Parallel Distrib. Syst. 2014,結(jié)束語(yǔ)工業(yè)大數(shù)據(jù)是未來(lái)工業(yè)在全球市場(chǎng)競(jìng)爭(zhēng)中發(fā)揮優(yōu)勢(shì)的關(guān)鍵任重道遠(yuǎn)！工業(yè)大數(shù)據(jù)及其應(yīng)用工業(yè)4.0與CPS2011年出現(xiàn)2013年4月的漢諾威工業(yè)博覽會(huì)上正式推出以信息物理融合系統(tǒng)(CP

12、S)為基礎(chǔ)，將生產(chǎn)中的 供應(yīng)，制造，銷(xiāo)售信息數(shù)據(jù)化、智慧化，最后 達(dá)到快速，有效，個(gè)性化的產(chǎn)品供應(yīng)。旨在提升制造業(yè)的智能化水平虧聯(lián)網(wǎng)與工業(yè)的深度融合大數(shù)據(jù)是工業(yè)4.0的重要特征工業(yè)感知大數(shù)據(jù)的泛在性電梯安全家具汽車(chē)生產(chǎn)紡織制藥化工飛機(jī)引擎監(jiān)測(cè)造紙感知數(shù)據(jù)是工業(yè)大數(shù)據(jù)的重要組成工業(yè)大數(shù)據(jù)的科學(xué)技術(shù)問(wèn)題問(wèn)題1：工業(yè)大數(shù)據(jù)的獲取、傳輸與網(wǎng)內(nèi)計(jì)算具體地：頻繁變化感知數(shù)據(jù)的高效獲取滿足給定時(shí)間約束的感知數(shù)據(jù)實(shí)時(shí)獲取與計(jì)算感知數(shù)據(jù)流按照預(yù)定的流程逡輯進(jìn)行流水線式處理工業(yè)大數(shù)據(jù)的科學(xué)技術(shù)問(wèn)題n xx2 1x mn y yy x y yyyym2 m12n 22211nY 問(wèn)題2：低質(zhì)量工業(yè)大數(shù)據(jù)管理與處理？具體地：如何確保感知數(shù)據(jù)的高質(zhì)量獲取如何自動(dòng)發(fā)現(xiàn)幵修復(fù)感知數(shù)據(jù)中各種錯(cuò)誤，使之成 為正確的數(shù)據(jù),支持精確計(jì)算；如果錯(cuò)誤不能被完全發(fā)現(xiàn)幵修復(fù)，則數(shù)據(jù)變?yōu)槿蹩捎脭?shù)據(jù)，如何在11y其12上執(zhí)行滿足誤差要求的近似計(jì)算。工業(yè)大數(shù)據(jù)的科學(xué)技術(shù)問(wèn)題問(wèn)題3：工業(yè)大數(shù)據(jù)的自然規(guī)律？具體地：多模態(tài)感知數(shù)據(jù)的表示多模態(tài)感知數(shù)據(jù)的存儲(chǔ)以多模態(tài)感知數(shù)據(jù)為輸入，求解各種查詢、