1、工業(yè)大數(shù)據(jù)方案，技術(shù)方案，職位：技術(shù)顧問方向：工業(yè)云平臺，大數(shù)據(jù)管理，數(shù)據(jù)挖掘和機器學(xué)習(xí)。學(xué)歷：內(nèi)蒙古大學(xué)碩士學(xué)位。工作經(jīng)歷：在安石亞太(北京)科技電纜公司工作，擔任知識工程系統(tǒng)架構(gòu)師，2010年參與國家科委支持的基于知識和過程的新一代飛機設(shè)計系統(tǒng)，主持西飛國際MA60外場監(jiān)控系統(tǒng)的規(guī)劃和架構(gòu)設(shè)計。他曾在廣州巨山軟件開發(fā)電纜公司工作，擔任廣發(fā)銀行圖像和歷史數(shù)據(jù)管理平臺的架構(gòu)師。曾在王一研究院工作，擔任智能工廠軟件系統(tǒng)研究員，2017年主持工業(yè)和信息化部電子標準化研究院創(chuàng)新支撐項目，擔任工業(yè)云測量驗證系統(tǒng)架構(gòu)師。參與青島海爾科斯莫一期項目的實施和二期項目的初步規(guī)劃。顧問簡介，目錄，1，工業(yè)大數(shù)據(jù)

2、藍圖，3，工業(yè)大數(shù)據(jù)建模，2，工業(yè)數(shù)據(jù)湖，4，預(yù)測和優(yōu)化，5，主要業(yè)務(wù)規(guī)劃，大數(shù)據(jù)智能工廠規(guī)劃，基于機器學(xué)習(xí)的工業(yè)大腦，設(shè)備1，設(shè)備2，設(shè)備3，設(shè)備4，設(shè)備5，設(shè)備6，設(shè)備7，設(shè)備8，設(shè)備8。EMS數(shù)據(jù)、ERP數(shù)據(jù)、MES數(shù)據(jù)、檢驗數(shù)據(jù)、設(shè)備數(shù)據(jù)、傳感器數(shù)據(jù)、數(shù)據(jù)源、DCS數(shù)據(jù)、工業(yè)大數(shù)據(jù)架構(gòu)、大數(shù)據(jù)應(yīng)用、大數(shù)據(jù)處理、過程優(yōu)化、質(zhì)量改進、生產(chǎn)線故障預(yù)測、預(yù)測維護、效率改進、可視化監(jiān)控、事務(wù)數(shù)據(jù)、MPP數(shù)據(jù)庫、Hadoop。列存儲、粗粒度索引、數(shù)據(jù)壓縮、SQL優(yōu)化、動態(tài)擴展、資源管理、大型表關(guān)聯(lián)、并行加載、半結(jié)構(gòu)化、非結(jié)構(gòu)化構(gòu)造、HDFS、Map/Reduce、Hive、Pig、事務(wù)處理、數(shù)據(jù)完

3、整性、鎖機制、索引機制、SQL優(yōu)化、SQL執(zhí)行、備份恢復(fù)、斷點處理、監(jiān)控管理、流處理(Struts、Spark Streaming)、智能制造大數(shù)據(jù)藍圖、技術(shù)、人員、材料、設(shè)備、質(zhì)量、大數(shù)據(jù)平臺、業(yè)務(wù)系統(tǒng)實時查詢服務(wù)、批量檢索服務(wù)、數(shù)據(jù)共享服務(wù)、數(shù)據(jù)下載服務(wù)、數(shù)據(jù)倉庫和分析面向主題、歷史和、應(yīng)用編程接口、供應(yīng)鏈優(yōu)化、工作行為優(yōu)化、設(shè)備預(yù)測性維護、Spark ML、目錄、1、工業(yè)大數(shù)據(jù)藍圖、3、工業(yè)大數(shù)據(jù)建模、2、工業(yè)數(shù)據(jù)湖、4、預(yù)測和優(yōu)化、多樣化、實時和海量數(shù)據(jù)需要依靠大數(shù)據(jù)技術(shù)進行數(shù)據(jù)管理和生成價值、交互式查詢、批量查詢、機器學(xué)習(xí)、實時分析、設(shè)備、傳感器、質(zhì)量、人員、事件、ETL工具、定義的

4、主題、查詢、結(jié)果呈現(xiàn)、材料、元數(shù)據(jù)和工業(yè)數(shù)據(jù)湖，機器學(xué)習(xí)/數(shù)據(jù)分析，HADOOP/Spark技術(shù)，流處理，信息，基于數(shù)據(jù)湖的分析，機器學(xué)習(xí)，大數(shù)據(jù)存儲，SQL數(shù)據(jù)倉庫，數(shù)據(jù)湖，數(shù)據(jù)湖和價值發(fā)現(xiàn)，目錄，1，工業(yè)大數(shù)據(jù)藍圖，3，工業(yè)大數(shù)據(jù)建模，2，工業(yè)數(shù)據(jù)湖，4，預(yù)測和優(yōu)化，5 03，04，機器學(xué)習(xí)算法如上圖所示， 多級算法分析引擎可以根據(jù)工廠安裝設(shè)備的數(shù)據(jù)采集和工藝流程自動繪制出內(nèi)在的邏輯關(guān)系，并顯示工藝流程和數(shù)據(jù)流之間的直接或間接關(guān)系，以及這種關(guān)系存在的原因。 這種深入而獨特的分析提供了一個高級平臺，用于檢測異常、通過行為和運營績效標記質(zhì)量和效率，以及進行微觀辯證根本原因分析。生產(chǎn)過程建模，設(shè)

5、備數(shù)據(jù)建模，結(jié)果的相似性和相關(guān)性，生產(chǎn)線數(shù)據(jù)建模，模型算法-DNN，神經(jīng)網(wǎng)絡(luò)是一組模擬人腦進行模式識別的算法組合，它可以通過對原始數(shù)據(jù)進行聚類或標記來識別向量中包含的真實世界數(shù)據(jù)，以進行數(shù)據(jù)感知。深層神經(jīng)網(wǎng)絡(luò)與單層神經(jīng)網(wǎng)絡(luò)的區(qū)別在于數(shù)據(jù)已經(jīng)通過了多步模式識別的隱層處理。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)算法依賴于一個輸入、一個輸出和一個隱藏的淺層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，而深層神經(jīng)網(wǎng)絡(luò)在多個隱藏層中學(xué)習(xí)。模型和數(shù)據(jù)、實時數(shù)據(jù)處理、歷史數(shù)據(jù)處理、模型分析、實時數(shù)據(jù)檢測設(shè)備狀態(tài)、設(shè)備故障預(yù)防、生產(chǎn)過程優(yōu)化、產(chǎn)品質(zhì)量改進、能源效率提高和人機合作。通過清理和整合歷史數(shù)據(jù)，訓(xùn)練模型，優(yōu)化模型參數(shù)，進行更有效的生產(chǎn)和經(jīng)營。增強模

6、型，目錄，1，工業(yè)大數(shù)據(jù)藍圖，3，工業(yè)大數(shù)據(jù)建模，2，工業(yè)數(shù)據(jù)湖，4，預(yù)測和優(yōu)化，5，主要業(yè)務(wù)規(guī)劃，設(shè)備預(yù)測性維護，時間單位故障警告日志分為時間單位，故障或警告被視為一個事件，事件與下一個事件之間的時間間隔超過某個時間被視為不同的單位。伴隨概率對同一時間單位內(nèi)的故障和告警進行聯(lián)合概率分析，計算該單位內(nèi)任意兩個事件同時發(fā)生的概率。故障事件觀察某個故障的先行事件。事件與最后一個事件之間或同一故障最后一次發(fā)生之間的間隔內(nèi)的故障或警告被視為先行事件，并計算不同先行事件的發(fā)生次數(shù)。相關(guān)性分析可以通過對伴隨發(fā)生概率的分析，了解任意事件之間的相關(guān)性，找到同時發(fā)生概率高的事件。通過對斷層前序事件的分析，可以了

7、解斷層前序發(fā)生的事件以及前序事件與斷層之間的關(guān)系。異常檢測、時間序列對采集的底層設(shè)備數(shù)據(jù)進行時間序列分析，生成時間序列數(shù)據(jù)圖，并根據(jù)時間段觀察圖像特征。聚類分析根據(jù)時間端特征提取并聚類建模的時間序列數(shù)據(jù)，聚類結(jié)果與采集的國內(nèi)生產(chǎn)數(shù)據(jù)相對應(yīng)。相關(guān)分析用于通過延長時間軸的長度來分析不同分類數(shù)據(jù)的相關(guān)性。行為分析分析收集到的事件和分類數(shù)據(jù)之間的相關(guān)性，并與生產(chǎn)線的運行行為相對應(yīng)。通過分析流程的周期時間、流程瓶頸和相應(yīng)的等待事件，提出了流程各步驟所需的產(chǎn)能平衡建議。異常事件通過對過程事件的分析，找出頻繁發(fā)生異常事件的原因：機器、人員、原材料、能源等。在分析過程中，通過記錄的質(zhì)量信息的反饋來分析缺陷事件

8、，并分析相關(guān)因素，通過改善相關(guān)因素來提高質(zhì)量。根據(jù)優(yōu)化挖掘發(fā)現(xiàn)過程事件的原因，改變相應(yīng)的優(yōu)化方案。調(diào)度優(yōu)化了機器和人員的執(zhí)行和調(diào)度。通過對歷史運行數(shù)據(jù)的分析，找到最適合相應(yīng)崗位的人員，并對操作人員進行刻畫，以保證人機之間的良好協(xié)調(diào)。人因分析：在具體任務(wù)操作過程中，通過因果關(guān)系分析操作者的操作行為和執(zhí)行結(jié)果，給出良好操作的關(guān)鍵行為要素。目錄、1、工業(yè)大數(shù)據(jù)藍圖、3、工業(yè)大數(shù)據(jù)建模、2、工業(yè)數(shù)據(jù)湖、4、預(yù)測和優(yōu)化、5、主要業(yè)務(wù)規(guī)劃、大數(shù)據(jù)業(yè)務(wù)規(guī)劃、大數(shù)據(jù)技術(shù)、工具、方法、鋼鐵企業(yè)生產(chǎn)業(yè)務(wù)的理解、規(guī)劃基礎(chǔ)、業(yè)務(wù)藍圖、數(shù)據(jù)藍圖、技術(shù)藍圖、大、基于大數(shù)據(jù)的應(yīng)用規(guī)劃、關(guān)鍵設(shè)備的預(yù)測和維護、高爐異常事件的預(yù)防和控制、產(chǎn)品質(zhì)量改進、人員操作優(yōu)化、生產(chǎn)效率優(yōu)化、 智能制造大數(shù)據(jù)策略、可編程控制器、集散控制系統(tǒng)、監(jiān)控和數(shù)據(jù)采集、生產(chǎn)線設(shè)備和工業(yè)網(wǎng)絡(luò)、制造執(zhí)行系統(tǒng)、環(huán)境管理系統(tǒng)、生產(chǎn)過程。 2.能源消耗。3.異常事件。4.災(zāi)難性事件。1、設(shè)備參數(shù)。2.調(diào)度行為。，煉鋼廠數(shù)據(jù)湖，異常質(zhì)量改進監(jiān)控人機協(xié)同避災(zāi)，大數(shù)據(jù)處理，煉鋼生產(chǎn)過程中的大數(shù)據(jù)應(yīng)用，料層厚度燒結(jié)溫度點火溫度垂直燃燒速度混合水分燃料比機器速度利用系數(shù)冶煉強度焦比噴煤比燃料氧比風溫度氧壓氬壓，鋼鐵生產(chǎn)過程中的大數(shù)據(jù)應(yīng)用，可