400-618-1990

搜索

资源中心

女优馆

服务热线:

产品方案

瑞风测试

400-618-1990

8610-82119375

女优馆
市场活动
行业资讯

 

 

知识平台

试验测试
设计仿真
综合保障
智能仪器
西门子产品
其他平台

文档下载
软件下载
视频下载
产品授权

公司介绍
女优馆
荣誉资质
人才招聘
合作伙伴
媒体链接
联系我们

 

瑞风产品
解决方案

关于瑞风

女优馆

工业大数据工程建设之策略

【试验工程师·公益学习营】第二期第一讲

【试验工程师·公益学习营】第二期第1讲于2020214日如期举行,分享主题为《工业大数据工程建设之策略》,分享嘉宾是女优馆技术发展部经理秦家深。

 

 

秦家深在《工业大数据工程建设之策略》中,重点分享了试验数据工程建设总体思路、试验数据工程建设策略、试验数据工程建设实践分享和试验数据工程建设效果评估。

在分享中,秦家深提到工业试验数据有数据源多、数据量大;数据结构复杂、描述方式多;数据规律隐蔽、价值利用不足;数据管理工程化实施难度大等特点。对于这些特点还有相应的需求分析,即需要强大的数据采集、存储和管理能力;需要丰富的融合和关联能力;需要深入的挖掘整理能力;需要通盘统筹规划。

对于试验数据工程建设,秦家深提到以下“十四”个策略:

1、 建立数据标准

2、 试验数据建模

3、 建立试验体系

4、 元数据管理

5、 主数据管理

6、 数据质量控制

7、 数据安全管理

8、 全域数据采集策略

9、 数据存储策略

10、数据管理策略

11、数据分析用用策略

12、数据共享管理

13、数据管理保障措施

14、数据工程建设实施要点

秦家深针对工业数据工程建设 “十四”策略,进行了详细解读和分享。

 

 

关于工业数据工程效果评估,秦家深认为需要重点关注以下五个方面:

1、 提升数据管理效率

1) 支持TB级增长

2) 统一搜索浏览所有DM,无须切换

2、 提升数据分析能力

1) 数据算法:规律挖掘/智能判断

2) 可视化手段:图表/3D/VR

3、 提升数据应用深度

1) 汇集数据,全程推送

2) 基于数据谱系,实现关联融合

4、 提升决策辅助水平

1) 领导驾驶舱:统计/趋势数据

2) 分级预警/全景视窗

5、 支持设计、仿真优化

1) 数据驱动,数据对比

2) 试验-设计迭代优化

3) 试验-仿真迭代优化

工业数据工程,标准应先试先行,秦家深认为不但要制定数据标准,进行数据模型规范化搭建,选取适当的存储策略,采用多元化的采集手段和采集工具,实现内外部数据采集,并进行数据清洗整理存储,然后建立数据管理谱系;而且需要建立完善的数据审查和数据安全机制,确保数据完备;这样才能抽取数据形成多种主题的数据仓库,进一步利用业务分析工具集和大数据挖掘工具进行数据分析应用,积累试验业务知识,支持专业的数据展示、态势感知以及辅助决策。

 

女优馆