工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)概述

1、工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)概述 #目錄TOC o 1-5 h z HYPERLINK l bookmark2 第一章工業(yè)大數(shù)據(jù)系統(tǒng)綜述1 HYPERLINK l bookmark4 1.1建設(shè)意義及目標1 HYPERLINK l bookmark6 1.2重點建設(shè)問題2 HYPERLINK l bookmark8 第二章工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)概述3 HYPERLINK l bookmark10 2.1數(shù)據(jù)采集與交換5 HYPERLINK l bookmark12 2.2數(shù)據(jù)集成與處理6 HYPERLINK l bookmark14 2.3數(shù)據(jù)建模與分析8 HYPERLINK l bookmark18 2.

2、4決策與控制應(yīng)用9 HYPERLINK l bookmark20 2.5技術(shù)發(fā)展現(xiàn)狀10 # 第一章工業(yè)大數(shù)據(jù)系統(tǒng)綜述1.1建設(shè)意義及目標工業(yè)大數(shù)據(jù)是工業(yè)生產(chǎn)過程中全生命周期的數(shù)據(jù)總和，包括產(chǎn)品研發(fā)過程中的設(shè)計資料；產(chǎn)品生產(chǎn)過程中的監(jiān)控與管理數(shù)據(jù)；產(chǎn)品銷售與服務(wù)過程的經(jīng)營和維護數(shù)據(jù)等。從業(yè)務(wù)領(lǐng)域來看，可以分為企業(yè)信息化數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)和外部跨界數(shù)據(jù)?，F(xiàn)階段工業(yè)企業(yè)大數(shù)據(jù)存在的問題包括數(shù)據(jù)來源分散、數(shù)據(jù)結(jié)構(gòu)多樣、數(shù)據(jù)質(zhì)量參差不齊、數(shù)據(jù)價值未有效利用等情況。工業(yè)大數(shù)據(jù)技術(shù)的應(yīng)用，核心目標是全方位采集各個環(huán)節(jié)的數(shù)據(jù)，并將這些數(shù)據(jù)匯聚起來進行深度分析，利用數(shù)據(jù)分析結(jié)果反過來指導(dǎo)各個環(huán)節(jié)的控制與管理

3、決策，并通過效果監(jiān)測的反饋閉環(huán)，實現(xiàn)決策控制持續(xù)優(yōu)化。如果將工業(yè)互聯(lián)網(wǎng)的網(wǎng)絡(luò)比做神經(jīng)系統(tǒng)，那工業(yè)大數(shù)據(jù)的匯聚與分析就是工業(yè)互聯(lián)網(wǎng)的大腦，是工業(yè)互聯(lián)網(wǎng)的智能中樞。工業(yè)大數(shù)據(jù)系統(tǒng)的建設(shè)首要解決的是如何將多來源的海量異構(gòu)數(shù)據(jù)進行統(tǒng)一采集和存儲。工業(yè)數(shù)據(jù)來源廣泛，生產(chǎn)流程中的每個關(guān)鍵環(huán)節(jié)都會不斷的產(chǎn)生大量數(shù)據(jù)，例如設(shè)計環(huán)節(jié)中非結(jié)構(gòu)化的設(shè)計資料、生產(chǎn)過程中結(jié)構(gòu)化的傳感器及監(jiān)控數(shù)據(jù)、管理流程中的客戶和交易數(shù)據(jù)、以及外部行業(yè)的相關(guān)數(shù)據(jù)等，不僅數(shù)據(jù)結(jié)構(gòu)不同，采集周期、存儲周期及應(yīng)用場景也不盡相同。這就需要一個能夠適應(yīng)多種場景的采集系統(tǒng)對各環(huán)節(jié)的數(shù)據(jù)進行統(tǒng)一的收集和整理，并設(shè)計合理的存儲方案來滿足各種數(shù)據(jù)的留存

4、要求。同時需要依據(jù)合適的數(shù)據(jù)治理要求對匯入系統(tǒng)的數(shù)據(jù)進行標準和質(zhì)量上的把控，根據(jù)數(shù)據(jù)的類型與特征進行有效管理。之后就需要提供計算引擎服務(wù)來支撐各類場景的分析建模需求，包括基礎(chǔ)的數(shù)據(jù)脫敏過濾、關(guān)聯(lián)數(shù)據(jù)的輕度匯總更深入的分析挖掘等。這些都需要為工業(yè)大數(shù)據(jù)系統(tǒng)選擇合適的基礎(chǔ)架構(gòu)作支撐。建設(shè)工業(yè)大數(shù)據(jù)系統(tǒng)能有效地整合工業(yè)生產(chǎn)各個環(huán)節(jié)零散的數(shù)據(jù)，進行統(tǒng)一的收集、管理和應(yīng)用，在產(chǎn)品設(shè)計環(huán)節(jié)，全面地收集用戶需求，在生產(chǎn)環(huán)節(jié)有效地提高設(shè)備運行可靠性、提升產(chǎn)品生產(chǎn)效率，在銷售環(huán)節(jié)增強用戶體驗、提升服務(wù)質(zhì)量，實現(xiàn)制造-服務(wù)-用戶之間狀態(tài)和數(shù)據(jù)的互聯(lián)互通，使企業(yè)能獲得全方位的數(shù)據(jù)感知，及時調(diào)整運行模式，做出合理決策

5、。1.2重點建設(shè)問題建設(shè)企業(yè)級工業(yè)大數(shù)據(jù)系統(tǒng)，需要解決多個層面的問題，業(yè)務(wù)層面需要對各個環(huán)節(jié)的數(shù)據(jù)進行梳理和分析，形成完善的數(shù)據(jù)體系，來描述完整的工業(yè)生產(chǎn)流程；技術(shù)層面需要建立統(tǒng)一的大數(shù)據(jù)系統(tǒng)來匯集和處理工業(yè)全流程的數(shù)據(jù)，其中需要根據(jù)具體的業(yè)務(wù)場景選擇合適的技術(shù)架構(gòu)，系統(tǒng)建設(shè)中需要重點考慮的問題包括以下四個方面：如何采集來自多種數(shù)據(jù)源的異構(gòu)數(shù)據(jù)；如何按照不同的數(shù)據(jù)留存需求進行高效存儲；如何按照業(yè)務(wù)需求選擇數(shù)據(jù)計算引擎和處理工具；如何保障系統(tǒng)的安全和穩(wěn)定運行。智能化生嚴協(xié)同化組細個性叱定制服務(wù)化制造 第二章工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)概述本白皮書中描述的工業(yè)大數(shù)據(jù)架構(gòu)體系，是基于2016年工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)

6、盟發(fā)布的工業(yè)互聯(lián)網(wǎng)體系架構(gòu)（1.0）中對工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)體系架構(gòu)描述的細化，見圖1。決蕭與圍H應(yīng)用（支犀nt互聯(lián)網(wǎng)各個環(huán)節(jié)應(yīng)用1協(xié)同陶釀亍性燼制服茅優(yōu)利產(chǎn)產(chǎn)線窿橫說備建模k栽據(jù)預(yù)處理與存儲埶據(jù)衆(zhòng)集與交按（實現(xiàn)工業(yè)互麻囲呂環(huán)節(jié)鎖據(jù)的交按與互捉柞）圖1工業(yè)互聯(lián)網(wǎng)體系架構(gòu)（1.0）中的數(shù)據(jù)體系參考架構(gòu)可以總結(jié)為數(shù)據(jù)采集與交換、數(shù)據(jù)集成與處理、數(shù)據(jù)建模與分析和數(shù)據(jù)驅(qū)動下的決策與控制應(yīng)用四個層次，功能架構(gòu)見圖2。決策與控制應(yīng)用數(shù)1S過模與分析仿真測試流程分祈運營分析1i菅浬分析-1I-市場分斯1/數(shù)裾ETL數(shù)據(jù)存儲數(shù)據(jù)集成與處理設(shè)備數(shù)抿傳感器數(shù)據(jù)管腔數(shù)抿外部數(shù)據(jù)數(shù)據(jù)采集與交扌奐圖2工業(yè)大數(shù)據(jù)功能架構(gòu)采集交

7、換層：主要指從傳感器、SCADA、MES、ERP等內(nèi)部系統(tǒng)，以及企業(yè)外部數(shù)據(jù)源獲取數(shù)據(jù)的功能，并實現(xiàn)在不同系統(tǒng)之間數(shù)據(jù)的交互。集成處理層：從功能上，主要將物理系統(tǒng)實體的抽象和虛擬化，建立產(chǎn)品、產(chǎn)線、供應(yīng)鏈等各種主題數(shù)據(jù)庫，將清洗轉(zhuǎn)換后的數(shù)據(jù)與虛擬制造中的產(chǎn)品、設(shè)備、產(chǎn)線等實體相互關(guān)聯(lián)起來。從技術(shù)上，實現(xiàn)原始數(shù)據(jù)的清洗轉(zhuǎn)換和存儲管提理，供計算引擎服務(wù)，完成海量數(shù)據(jù)的交互查詢、批量計算、流式計算和機器學(xué)習(xí)等計算任務(wù)，并對上層建模工具提供數(shù)據(jù)訪問和計算接口。建模分析層：功能上主要是在虛擬化的實體之上構(gòu)建仿真測試、流程分析、運營分析等分析模型，用于在原始數(shù)據(jù)中提取特定的模式和知識，為各類決策的產(chǎn)生提供

8、支持。從技術(shù)上，主要提供數(shù)據(jù)報表、可視化、知識庫、機器學(xué)習(xí)、統(tǒng)計分析和規(guī)則引擎等數(shù)據(jù)分析工具。決策控制層：基于數(shù)據(jù)分析結(jié)果，生成描述、診斷、預(yù)測、決策、控制等不同應(yīng)用，形成優(yōu)化決策建議或產(chǎn)生直接控制指令，從而對工業(yè)系統(tǒng)施加影響，實現(xiàn)個性化定制、智能化生產(chǎn)、協(xié)同化組織和服務(wù)化制造等創(chuàng)新模式，最終構(gòu)成從數(shù)據(jù)采集到設(shè)備、生產(chǎn)現(xiàn)場及企業(yè)運營管理優(yōu)化的閉環(huán)。功能架構(gòu)在對應(yīng)到具體的技術(shù)實現(xiàn)時可以參考下圖中的技術(shù)架構(gòu)。圖3工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)2.1數(shù)據(jù)采集與交換將工業(yè)互聯(lián)網(wǎng)中各組件、各層級的數(shù)據(jù)匯聚在一起，是大數(shù)據(jù)應(yīng)用的前提。要實現(xiàn)數(shù)據(jù)從底層向上層的匯集，以及在同層不同系統(tǒng)間傳遞，需要完善的數(shù)據(jù)采集交換技術(shù)支

9、持。工業(yè)互聯(lián)網(wǎng)系統(tǒng)是一個分布式系統(tǒng)，有眾多不同的組件組為成了，避免在不同系統(tǒng)間建立連接導(dǎo)致的N平方復(fù)雜性，一般采取消息中間件(Message-orientedmiddleware)技術(shù)來實現(xiàn)。如下圖所示，消息中間件的主要功能是實現(xiàn)消息傳輸管理、隊列管理、協(xié)議轉(zhuǎn)換等功能。主流消息中間件產(chǎn)品包括的MQ、Oracle公司的JMS、微軟的MSMQ等。消息中間件通過MQTT、DDS、AMQP、XMPP等協(xié)議與不同系統(tǒng)對接。圖4工業(yè)大數(shù)據(jù)采集交換層技術(shù)MESERPBli-AMQTT/DDS/jMQP7MS,.,.數(shù)據(jù)交換=消息中間件(訂閱/發(fā)布模式)OFC-*JAOFC-UA口PC-UAPLCDCSCMC

10、匚UA匚UAOP匚-LlAPLCDCSCIMCcipc-LiqDPE-UADR匚-UACMC 一個比較大的工業(yè)互聯(lián)網(wǎng)系統(tǒng)中，數(shù)據(jù)來源和數(shù)據(jù)需求系統(tǒng)可能有成百上千個，為了簡化數(shù)據(jù)交換，一般采取“發(fā)布/訂閱”模式傳遞消息。數(shù)據(jù)生產(chǎn)者將數(shù)據(jù)發(fā)送給消息中間件，數(shù)據(jù)消費者則向消息中間件發(fā)出一個訂閱條件,表示對系統(tǒng)中的哪些數(shù)據(jù)感興趣,如果不再感興趣,則可以取消訂閱；而消息中間件則根據(jù)一定的路由算法，將生產(chǎn)者發(fā)布的事件及時、可靠地傳送給所有對之感興趣的消費者。信息的生產(chǎn)者也稱為發(fā)布者(Publisher)，信息的消費者稱為訂閱者(Subscriber)。數(shù)據(jù)采集是對各種來自不同傳感器的信息進行適當(dāng)轉(zhuǎn)換例如采

11、樣、量化、編碼、傳輸。一個數(shù)據(jù)采集系統(tǒng)，一般包括數(shù)據(jù)采集器、微機接口電路、數(shù)模轉(zhuǎn)換器。數(shù)據(jù)交換是指工業(yè)大數(shù)據(jù)應(yīng)用所需的數(shù)據(jù)在不同應(yīng)用系統(tǒng)之間的傳輸與共享，通過建立數(shù)據(jù)交換規(guī)范，開發(fā)通用的數(shù)據(jù)交換接口，實現(xiàn)數(shù)據(jù)在不同系統(tǒng)與應(yīng)用之間的交換與共享，消除數(shù)據(jù)孤島，并確保數(shù)據(jù)交換的一致性。工業(yè)系統(tǒng)中，數(shù)據(jù)采集與交換是工業(yè)系統(tǒng)運作的基底，從微觀層每一個零部件信息，到宏觀層整個生產(chǎn)流水線信息，如何基于各種網(wǎng)絡(luò)鏈接實現(xiàn)數(shù)據(jù)從微觀層到宏觀層的流動，形成各個層、全方位數(shù)據(jù)鏈條，并保證多源數(shù)據(jù)在語義層面能夠互通，降低數(shù)據(jù)交換的時延，以實現(xiàn)有效數(shù)據(jù)交換，技術(shù)上是一個比較大的挑戰(zhàn)。2.2數(shù)據(jù)集成與處理工業(yè)大數(shù)據(jù)集成就是

12、將工業(yè)產(chǎn)品全生命周期形成的許多個分散的工業(yè)數(shù)據(jù)源中的數(shù)據(jù)，邏輯地或物理地集成到統(tǒng)一的工業(yè)數(shù)據(jù)集合中。工業(yè)大數(shù)據(jù)集成的核心是要將互相關(guān)聯(lián)的分布式異構(gòu)工業(yè)數(shù)據(jù)源集成到一起，使用戶能夠以透明的方式訪問這些工業(yè)數(shù)據(jù)源，達到保持工業(yè)數(shù)據(jù)源整體上的數(shù)據(jù)一致性、提高信息共享與利用效率的目的。工業(yè)大數(shù)據(jù)處理是利用數(shù)據(jù)庫技術(shù)、數(shù)據(jù)清洗轉(zhuǎn)換加載等多種工業(yè)大數(shù)據(jù)處理技術(shù)，將集成的工業(yè)數(shù)據(jù)集合中大量的、雜亂無章的、難以理解的數(shù)據(jù)進行分析和加工，形成有價值、有意義的數(shù)據(jù)。工業(yè)大數(shù)據(jù)集成處理層，主要涉及數(shù)據(jù)的抽取轉(zhuǎn)換加載（ETL）技術(shù)、數(shù)據(jù)存儲管理技術(shù)、數(shù)據(jù)查詢與計算技術(shù)，以及相應(yīng)的數(shù)據(jù)安全管理和數(shù)據(jù)質(zhì)量管理等支撐技術(shù)。

13、其中，ETL、數(shù)據(jù)查詢與計算等技術(shù)，與互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)相似，而基于開源的Hadoop等技術(shù)將成為未來的發(fā)展趨勢，具體如圖4所示。圖5工業(yè)數(shù)據(jù)集成處理框架其中，ETL包括三部分：數(shù)據(jù)抽取、清洗轉(zhuǎn)換與加載。數(shù)據(jù)抽取主要將分散的、異構(gòu)工業(yè)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時中間層；數(shù)據(jù)清洗是對抽取到臨時中間層的數(shù)據(jù)進行審查、過濾和校驗，旨在去除噪聲數(shù)據(jù)、刪除重復(fù)信息、糾正錯誤，并維護數(shù)據(jù)的一致性；數(shù)據(jù)轉(zhuǎn)換主要包括數(shù)據(jù)格式規(guī)范化與數(shù)據(jù)拆分等，數(shù)據(jù)規(guī)范化實現(xiàn)字段格式的約束定義，以利于數(shù)據(jù)的建模與分析；數(shù)據(jù)加載是將已經(jīng)加工好的數(shù)據(jù)加載到數(shù)據(jù)倉庫中。由于加載到數(shù)據(jù)倉庫中數(shù)據(jù)量巨大，且包含結(jié)構(gòu)化

14、、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)的關(guān)系型SQL數(shù)據(jù)庫難以滿足大數(shù)據(jù)的存儲與管理。因此，需要借助實時數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫、NoSQL數(shù)據(jù)庫，實現(xiàn)工業(yè)大數(shù)據(jù)的存儲與管理。實時數(shù)據(jù)庫是基于實時數(shù)據(jù)模型建立，用于處理不斷更新、快速變化以及具有時間限制的數(shù)據(jù)，隨著技術(shù)的演進，時序數(shù)據(jù)庫也逐漸興起，在部署方式、檢索性能及使用成本上對比傳統(tǒng)實時數(shù)據(jù)庫均有優(yōu)化；關(guān)系型數(shù)據(jù)庫是采用關(guān)系模型來組織數(shù)據(jù)，用于處理永久、穩(wěn)定的數(shù)據(jù)；NoSQL數(shù)據(jù)庫是指非關(guān)系型的數(shù)據(jù)庫，具有靈活的可擴展性，在大數(shù)據(jù)量下具有非常高的讀寫性能。數(shù)據(jù)查詢與計算主要采用SQL查詢引擎、批處理、流處理、機器學(xué)習(xí)等方法。其中，SQL查詢引擎將用戶輸入

15、的SQL語句序列轉(zhuǎn)換為一個可執(zhí)行的操作序列，并返回查詢結(jié)果集；批處理主要操作大容量靜態(tài)數(shù)據(jù)集，并返回計算結(jié)流果處理則對實時進入系統(tǒng)的數(shù)據(jù)進行計算，處理結(jié)果即時可用，并將隨新數(shù)據(jù)的到達持續(xù)更新。數(shù)據(jù)服務(wù)層的主要作用是提供數(shù)據(jù)服務(wù)的接口，以實現(xiàn)工業(yè)大數(shù)據(jù)的訪問、更新等基本功能。2.3數(shù)據(jù)建模與分析數(shù)據(jù)建模是根據(jù)工業(yè)實際元素與業(yè)務(wù)流程，在設(shè)備物聯(lián)數(shù)據(jù)、生產(chǎn)經(jīng)營過程數(shù)據(jù)、外部互聯(lián)網(wǎng)等相關(guān)數(shù)據(jù)的基礎(chǔ)上，構(gòu)建供應(yīng)商、用戶、設(shè)備、產(chǎn)品、產(chǎn)線、工廠、工藝等數(shù)字模型，并結(jié)合數(shù)據(jù)分析提供諸如數(shù)據(jù)報表、可視化、知識庫、數(shù)據(jù)分析工具及數(shù)據(jù)開放功能，為各類決策提供支持。工業(yè)大數(shù)據(jù)分析建模技術(shù)已，經(jīng)形成了一些比較成熟穩(wěn)定

16、的模型算法。從大的方面可以分為基于知識驅(qū)動的方法和基于數(shù)據(jù)驅(qū)動的方法。有時候數(shù)據(jù)可視化技術(shù)本身也被稱為一種數(shù)據(jù)分析方法。工業(yè)大數(shù)據(jù)建模分析技術(shù)體系如圖5所示。可視化魏據(jù)驅(qū)動基于規(guī)則主成分分析案例推理神經(jīng)網(wǎng)第綺計方法隨肌森林知識庫數(shù)據(jù)挖搞（機器學(xué)習(xí)）圖6工業(yè)大數(shù)據(jù)分析技術(shù)體系知識驅(qū)動的分析方法，是基于大量理論模型以及對現(xiàn)實工業(yè)系統(tǒng)的物理、化學(xué)、生化等動態(tài)過程進行改造的經(jīng)驗，建立在工業(yè)系統(tǒng)的物理化學(xué)原理、工藝及管理經(jīng)驗等知識之上，包括基于規(guī)則的方法、主成分析技術(shù)、因果故障分析技術(shù)和案例推理技術(shù)等。其中，知識庫是支撐這類方法的基礎(chǔ)。數(shù)據(jù)驅(qū)動的分析方法，很少考慮機理模型和閉環(huán)控制邏輯的存在，而是利用算

17、法在完全數(shù)據(jù)空間中尋找規(guī)律和知識，包括神經(jīng)網(wǎng)絡(luò)、分類樹、隨機森林、支持向量機、邏輯回歸、聚類等機器學(xué)習(xí)方法，以及基于統(tǒng)計學(xué)的方法。兩類方法的對比如表1所示，分別適用于不同的場景。表1：工業(yè)數(shù)據(jù)分析的兩類主要方法對比方法知識驅(qū)動的分析方法數(shù)據(jù)驅(qū)動的分析方法優(yōu)勢有理論基礎(chǔ)和確定的因果關(guān)系直觀，容易理解數(shù)據(jù)量和計算量需求小可以動態(tài)調(diào)整對先驗知識的依賴程度低建模周期短劣勢是靜態(tài)模型，離線無法動態(tài)調(diào)整創(chuàng)新理論和模型建立周期比較長1.數(shù)據(jù)量和計算量需求大2因果關(guān)系不明確，可解釋性較差3.置信度難以達到工業(yè)級要求2.4決策與控制應(yīng)用根據(jù)數(shù)據(jù)分析的結(jié)果產(chǎn)生決策，從而指導(dǎo)工業(yè)系統(tǒng)采取行動，是工業(yè)大數(shù)據(jù)應(yīng)用的最終

18、目的。工業(yè)大數(shù)據(jù)應(yīng)用可以分為以下5大類：描述類(descriptive)應(yīng)用：主要利用報表、可視化等技術(shù)，匯總展現(xiàn)工業(yè)互聯(lián)網(wǎng)各個子系統(tǒng)的狀態(tài)，使得操作管理人員可以在一個儀表盤dashboard)上總覽全局狀態(tài)。此類應(yīng)用一般不給出明確的決策建議，完全依靠人來做出決策。診斷類(diagnostic)應(yīng)用：通過采集工業(yè)生產(chǎn)過程相關(guān)的設(shè)備物理參數(shù)、工作狀態(tài)數(shù)據(jù)、性能數(shù)據(jù)及其環(huán)境數(shù)據(jù)等，評估工業(yè)系統(tǒng)生產(chǎn)設(shè)備等運行狀態(tài)并預(yù)測其未來健康狀況，主要利用規(guī)則引擎、歸因分析等，對工業(yè)系統(tǒng)中的故障給出告警并提示故障可能的原因，輔助人工決策。預(yù)測類（predictive）應(yīng)用：通過對系統(tǒng)歷史數(shù)據(jù)的分析挖掘，預(yù)測系統(tǒng)的

19、未來行為。主要是利用邏輯回歸、決策樹等，預(yù)測未來系統(tǒng)狀態(tài)，并給出建議。決策類（deceive）應(yīng)用：通過對影響決策的數(shù)據(jù)進行分析與挖掘，發(fā)現(xiàn)決策相關(guān)的結(jié)構(gòu)與規(guī)律，主要是利用隨機森林、決策樹等方法，提出生產(chǎn)調(diào)度、經(jīng)營管理與優(yōu)化方面的決策建議。控制類（contro1）應(yīng)用：根據(jù)高度確定的規(guī)則，直接通過數(shù)據(jù)分析產(chǎn)生行動指令，控制生產(chǎn)系統(tǒng)采取行動。基于大數(shù)據(jù)的工業(yè)決策控制技術(shù)的框架如下圖所示。分析技術(shù)L描瞇賁應(yīng)用（呈現(xiàn)）人工干預(yù)Z謖斷類應(yīng)用（故障啟原圉）人工干呼莊牛王預(yù)測類應(yīng)用（室間型時御）AT干預(yù)訣策行動2決瑋類應(yīng)均（決策吏持和自動決策）5握制冀應(yīng)用（自動揑制】人工干碩企業(yè)飆曙前ES/APS&CADA/PLC/DCS實時機囂圖7工業(yè)大數(shù)據(jù)決策與控制應(yīng)用技術(shù)2.5技術(shù)發(fā)展現(xiàn)狀現(xiàn)階段工業(yè)大數(shù)據(jù)的建設(shè)仍處于發(fā)展極不均衡的狀態(tài)，部分先進的工業(yè)企業(yè)已經(jīng)