DATA ＆ ANALYTICS - IoT - from small data to big data: Building solutions with connected devices
來源：物联网世界 作者：简北
8月1日，對岸2018 深圳國際工業物聯網應用研討會，在深圳會展中心隆重舉辦。本次大會共邀請了物聯網工業製造行業產業鏈各環節的優秀企業、行業權威專家、製造業終端用戶代表共同參與，剖析行業發展方向，共同探索行業發展新模式。
參數技術(上海)軟件有限公司(以下簡稱為PTC)的物聯網業務拓展經理高誼，出席本次大會，並在會上以《工業物聯網平台的大數據應用》為主題，為會嘉賓分享大數據對工業物聯網平台的影響。
參數技術(上海)軟件有限公司 物聯網業務拓展經理高誼
從傳統的工業物聯網，演進到當今的工業互聯網，其實質是將業務的重心，從追求數據的匯集，轉變為側重數據的價值挖掘。基於即時性大數據分析，所衍生的預測性維護、產品設計優化、營運流程優化和企業智慧決策等應用需求，成為了工業物聯網領域備受關注的發展方向。
工業大數據分析三要素
在工業互聯網這個應用領域，工業大數據分析是一個炙手可熱的話題，將數據採集起來以後，便成為了一個資源的海洋，但是怎麼在海洋裡邊，把我們想要的功能挖掘出來，就需要進行大數據分析了。針對大數據分析，據高經理介紹實際上有三個最主要的要素。
1.首先是數據本身。
這是進行價值挖掘的原材料，目的是要怎麼根據這些實際的數據來做決策，把數據轉化為洞察力，最核心的部分是要有邏輯。因此，數據、邏輯和洞察力是一個因果關係。
當公司想提高產業利潤、提高經營效益的時候，就會反過頭來看，我們有什麼樣的數據？最核心的是什麼？企業內部是有什麼樣的業務邏輯？對此來做大數據分析，比如說機器發生了故障，可以看到在過去的時間裡機器發生了什麼，再根據以前發生的事情來分析，反過頭來去做一些判斷，或者提前做一些警告。
這是進行價值挖掘的原材料，目的是要怎麼根據這些實際的數據來做決策，把數據轉化為洞察力，最核心的部分是要有邏輯。因此，數據、邏輯和洞察力是一個因果關係。
當公司想提高產業利潤、提高經營效益的時候，就會反過頭來看，我們有什麼樣的數據？最核心的是什麼？企業內部是有什麼樣的業務邏輯？對此來做大數據分析，比如說機器發生了故障，可以看到在過去的時間裡機器發生了什麼，再根據以前發生的事情來分析，反過頭來去做一些判斷，或者提前做一些警告。
2.其次是預測反饋。
建立數據分析模型，根據以前累積下來的知識和現有的數據，分析出將會發生什麼？而更高的一個層次是什麼？這就是工業互聯網平台最主要的一個能力，將我們的預測反饋到整個工業營運的系統當中去，指導我們怎麼去避免將要發生的問題，防患於未然！
建立數據分析模型，根據以前累積下來的知識和現有的數據，分析出將會發生什麼？而更高的一個層次是什麼？這就是工業互聯網平台最主要的一個能力，將我們的預測反饋到整個工業營運的系統當中去，指導我們怎麼去避免將要發生的問題，防患於未然！
從工業互聯網和工業物聯網，採集數據的維度上來看，它不僅是從數量上、數據類型上發生的速度，乃至各方面角度的變化，都具備一個特點。
第一是維度，工業設備的健康分析是根據時間，比如過去的維修記錄、整機的老化過程，還包括空間，機器設備部署在什麼樣的場合，什麼樣的生產環境下等。
第二是地理位置，這跟普通商業數據來講，它的維度要大很多，包括了溫度、緯度等等。
第三是先進的技術，在工業領域，實際上有大量的機理原型，很多機器設備的設計製造，都有它原始的物理知識、化學知識，甚至工業創新知識在裡面，而且有很多專家經驗的堆積，基於這些能力，會發現有非常多的方向和參考空間。
所以在這種情況下，我們面向某種工業領域的具體的數據分析的時候，會有非常多的視角和相關性。
所以在這種情況下，我們面向某種工業領域的具體的數據分析的時候，會有非常多的視角和相關性。
3.最後是預防式維護。
以產品全生命週期管理為例，一個設備的智慧維運，通常需要若干個小型的模型，完成不同的功能，而互聯網大數據相對中心化，圍繞著一個主題和應用場景，做更豐富的功能開發，和更深的數據挖掘，而我們要做的，就是一個點的預測。
以產品全生命週期管理為例，一個設備的智慧維運，通常需要若干個小型的模型，完成不同的功能，而互聯網大數據相對中心化，圍繞著一個主題和應用場景，做更豐富的功能開發，和更深的數據挖掘，而我們要做的，就是一個點的預測。
傳統的預測分析過程，有定義業務問題、映射到機器學習問題、數據準備、探索性數據分析、建模、評估模型和實施這幾個步驟，在3~9個月的過程中，僅就單一問題的分析，整個過程下來需要付出百分之百的努力，而優秀的分析平台，能極大地提升分析工作效能，一半的工作取決於你的數據管理策略，另一半的工作完全可借助自動化，單一問題的分析過程，也可從數月縮短到數周。
在工業互聯網服務平台領域，既要幫客戶採集數據，也要引入相關的行業知識，這是工業數據分析規劃的一個特點，在此需要把設備及資產的模型，以及企業營運的模型，作為機器學習的入口。
透過這個入口關聯匹配統計，來形成企業的收益，只有構成了這種價值體系，工業互聯網大數據分析，才會有真正的市場。
透過這個入口關聯匹配統計，來形成企業的收益，只有構成了這種價值體系，工業互聯網大數據分析，才會有真正的市場。
PTC的ThingWorx平台特點
PTC的ThingWorx平台針對數據，主要提供了分析和仿真兩個能力，在與Ansys公司的合作中，Ansys多元化的應用仿真系統可以直接面向模型進行模擬，同時提供了一套ThingWorx Analytics機器學習的工具來幫助客戶。
根據客戶行業知識和採集的數據，輸入一個大數據分析的計算器，來統籌你所需要的業務模型，怎麼來實現的？在這個解決方案當中，PTC公司提供了三個層次的能力，高經理在會上表示。
根據客戶行業知識和採集的數據，輸入一個大數據分析的計算器，來統籌你所需要的業務模型，怎麼來實現的？在這個解決方案當中，PTC公司提供了三個層次的能力，高經理在會上表示。
第一層叫Thing Watcher(在邊緣設備上即時發現異常)，實際上是一個邊緣計算的架構，我們可以把預測性分析能力，放在機器設備的採集端，來進行一些預測性的、非觸發性的告警分析。
第二層是Thing Predictor(預測未來結果)，是做多因素的預測性分析，來幫助客戶實現預測性維護。
第三層是Thing Optimizer(模擬和規範化，以改進未來性能和結果)，用來優化我們整個企業的運行。在這個解決方案當中，PTC公司提供了一套專有的數據機器學習分析工具Analytics Server。
第二層是Thing Predictor(預測未來結果)，是做多因素的預測性分析，來幫助客戶實現預測性維護。
第三層是Thing Optimizer(模擬和規範化，以改進未來性能和結果)，用來優化我們整個企業的運行。在這個解決方案當中，PTC公司提供了一套專有的數據機器學習分析工具Analytics Server。
用大數據分析的能力，幫助客戶提建議，出預防性維護的節點，形成一個預見式的維護系統。
如圖，當有一條魚突然向右游的時候，系統就自動報警，無需去預先設定某些參數值，這就是PTC利用工業化即時數據、自動建模、自動預測、自動根據狀態報警的一套整體解決方案。
在這個平台之上，PTC提供了一套大數據分析的管理工具，叫Analytics Manager，它可以在系統平台內部進行數據的分析，也可以整合外部的分析工具和模型，來形成一個多元化的大數據工業分析的整合系統。
沒有留言:
張貼留言