2019-02-25

工业大数据分析指南

分享:

工业大数据是工业领域相关数据集的总称,是工业互联网的核心,是智能制造的关键。工业大数据分析技术作为工业大数据的核心技术之一,是工业智能化发展的重要基础和关键支撑。为此,在工业互联网产业联盟的指导下,工业大数据特设组主持编写了这本《工业大数据分析指南》。
       本书旨在对通用的工业大数据分析方法和分析流程进行归纳总结,对其关键共性进行辨识、抽象和提升,而非针对某一特定行业、企业或产品进行阐述。本书更加关注于方法论而非某些具体的技术,因此具有更加广泛的通用性和相对普遍的指导意义。
       本书共分为9章,第1章首先论述了工业大数据分析的概念、特殊性以及常见的问题;第2章提出了工业大数据分析框架,简要介绍了CRISP-DM模型,并针对模型落地的难点和模型使用的指导思想展开讨论;从第3章到第8章,依次对业务理解、数据理解、数据准备、数据建模、模型验证与评估、模型部署这6个CRISP-DM模型的基本步骤进行了详细的阐述,从需求分析到目标评估,从数据来源到数据分类,从数据预处理到建模过程,从模型验证到部署问题处理,对每一个步骤中的原理方法、分析过程、处理方式、问题排除等都一一进行了讲解和说明;最后,第9章对工业大数据分析的未来发展进行了展望。
       本书由工业大数据特设组组长单位清华大学牵头编写,在编写过程中得到了工信部领导的悉心指导和相关单位的有力支撑。特别感谢清华大学孙家广院士、工信部信软司谢少锋司长等给予的全面指导。同时,北京工业大数据创新中心的李三华、田春华,清华大学的任艮全、徐哲、强逍等在本书的编写阶段也给予了无私的帮助,在此表示诚挚的谢意。
工业大数据作为新兴概念,其数据分析的原则、手段、方法和流程还很模糊,对海量数据的挖掘、分析和处理等技术仍在不断的发展和进步,由于作者自身的能力和水平有限,本书不可避免的存在诸多的缺点和不足,期待各位读者能够积极发现问题,并予以批评指正。