1.新用户冬季如何使用智能壁挂炉

又一年采暖季到了，增加了许多壁挂炉用户，对新用户来说，对壁挂炉的使用可能不太了解，正确使用尤为重要，现在我们来说说注意事项：

1、保证壁挂炉烟管的吸、排气通畅：壁挂炉一般都是双芯烟管，外管吸入新鲜空气，内管排出 废气，两根管道必须保持畅通，烟道的吸排口必须伸出窗外，不能安装在室内和伸入通风管道内，否则会将废气排在室内，供氧不足，造成安全隐患。

2、家里如果长期没有人，要保证水、电、气通畅，壁挂炉设置防冻模式，避免暖气管道或壁挂炉水泵、膨胀罐、换热器等重要设备冻坏。

3、注意节能，鲁尔云管家智能壁挂炉可以通过大数据中心分析，根据用户使用习惯，房间朝向、天气环境等等，设置火排大小 ，用户还可以根据使用费用来制订消费习惯。

4、不在常开常关，有些新用户认为白天不在家我就关掉，晚上人回来了再开开，其实这样是非常不科学的，不仅不节能反而更浪费天然气，费用高。

对于新用户来说，正确使用壁挂炉，不仅可以提高壁挂炉的工作效率，而且可以避免安全事故的发生，一定要认真阅读说明书，按照说明书操作。

2.万字演讲精华、十多名专家发言，这届制造业峰会到底留下了什么

文 / 巴九灵

“中国制造，我们不该只刷屏一天！”

一位制造业的朋友，在为期两天的中国基本盘·首届中国制造业领袖峰会结束后，有点依依不舍地对小巴说道。

类似这样的热情，在10月15日—16日的“制造之城”东莞，我们感受了太多——

◎ 有零星的疫情阻道，但20多位专家学者以及行业领军人，如约赴会；

◎ 一千多名来自各行各业各地的制造业企业家，汇聚一堂；

◎ 隔着屏幕，还有30万人次在线上观看了直播。

两天的峰会，信息量太大。

既有大格局大视野，如年过七旬的原工信部部长李毅中，依然在为制造业鼓与呼，他提醒我们，“制造业占比过早过快下降要引起警觉”；原工信部副部长杨学山教授，他强调：“工业技术是制造业的根，今天是，明天是，21世纪是，22世纪是，23世纪还是，哪怕是无人制造了，工业技术依然是根。”

也有实战在一线的专家经验，如中控集团创始人褚健认为：“数字化转型不是为了转型而转型，而是为了解决企业的困难。”5G与数字化转型专家黄荔城提出“在制造能力数字化转型的同时，必须要配合组织转型和数据治理的转型，以及人才的转型”。

企业家则带来了他们最新的探索，其中最令人印象深刻的，要数董明珠的霸气演讲喜提了四个热搜。

吴老师在压轴演讲时问大家：“一场会议之后我们会带走什么？”

答案或许要在很多年后才能慢慢显现，但有一个内容，如今就能直接带走。

那就是接下来小巴为大家奉上的本次峰会的嘉宾演讲精华。

陈锦石

中南集团创始人

董事局主席

早在100多年前那个动荡的时代，张謇就已经认识到了制造业对于国家发展的重要性，而在今天，面临这样一个重要的历史节点，制造业不仅是稳住中国经济的基本盘，更是实现伟大复兴中国梦的关键。

中国已经连续11年稳居世界第一制造大国，但仍然面临很多的问题和不确定性，当下这个节点，中南集团联合中德制造业研修院、联合吴晓波先生、联合东莞市政府一起发起了本次制造业领袖峰会，这么多政府领导和企业家朋友来到现场，也正是说明大家对制造业的关注，希望我们能一起顺应局势，共克时艰。

响应时代要求，紧随“制造强国”战略，早在2013年，中南集团就已经提前布局了产业板块中南高科，在这8年多时间里，中南高科已经进入全国超50个城市，布局了上百个产业集群。聚焦新兴产业，推动高质量发展，纵深服务于中国制造业：

◎ 服务于“缺芯少屏”等关键技术“卡脖子”问题；

◎ 服务于产业转型升级，打造新兴产业主题园区；

◎ 服务于“专精特新”发展；

◎ 服务于技术创新。

中德制造业研修院就是中南联合吴晓波老师的890新商学，共同打造的特色产业服务产品，我们邀请各行业产业专家为制造业企业家提供专业化行业培训服务，不到一年时间已经有400名企业家入学学习。跟随着国家“用3到5年培育1万家专精特新‘小巨人’企业”的要求，未来的3到5年我们也将在自己园区培育出300家专精特新“小巨人”企业。

李毅中

中国工业经济联合会会长

工业和信息化部原部长

工业制造业的使命和责任

发达国家是在上个世纪中叶后陆续实现工业化的，美国是1955年，德国是1965年，日本是1972年，韩国是1995年，它们已经实现工业化了。

而它们现在制造业占国民经济的比重，仍然保持在一定的水平上。比如美国的工业占比下降了很多，但是不要误解，它的绝对量并没有减少。而且在多个行业上保持了领先地位，这个我们不能小看。

2016年制造业占GDP的比重，美国是11.6%，德国是20.8%，日本是20.7%，韩国是27.6%。美国在金融危机之后提出了再工业化、重振制造业，德国现在是23%，宣布到2025年要提高到25%，工业占比还要再多两个百分点。

社会上有些观点，认为我国已经工业化了，到后工业化了，这是对中国国情的误判。因此产生了“脱实向虚”，工业被空心化、边缘化，这种形势比较严峻。经过多年努力，实事求是地讲，还没有根本改变。

我在这里画了两条曲线，我国2006年工业占GDP的比例达到了高峰42%，然后一路下降，降到现在是32%，一年降0.8个百分点。红线是制造业，同时从32.5%下降到27.7%。

27.7%是什么概念呢？和韩国一样。韩国1995年工业化，我们到2035年才基本工业化，韩国人均GDP 3万美元，我们才1万美元，而我们现在制造业的占比和韩国一样。同志们，是不是有点危险？

工业制造业占比过早过快地下降要引起警觉。

王琼

腾讯企业微信行业拓展总经理

中国制造，一场数字化变革正在发生

我们正处于制造业变革的第一现场——传统行业的智能化变革。

如果没有解决市场竞争力的问题，生产越快，就意味着衰弱越快。这是一个认知范式的转变，企业从“求赢”到“共生”，从“企业为中心”到“客户为中心”。

所以，“数字化”，可能是制造业弯道超车的机会。

制造业数字化转型，如何做？

德国提出工业4.0「二维战略」，通过“纵向连接”提升管理的敏捷度，通过“横向连接”提升市场的敏感度，从纵向、横向两个维度来推进工业体系的数字化转型。这对所有企业提供了转型的启发。

制造业企业，人员数量庞大，信息能迅速从顶层传递到基层一线十分重要。16万员工、60个子公司的中国交通建设集团，在企业微信上，实现48套分公司系统、500多个应用的数字化统建，做到高层的决策，敏捷地触达一线员工。

制造业，不仅仅是生产制造。和上下游供应商、经销商紧密连接，让庞大的外部团队，心往一处想，力往一处使，才能提升敏感度，更好地应对市场变化。

三一重工，他们通过企业微信的开放能力，研发了三一SCRM系统，可以和两万名经销商人员进行组织化管理，让动作整齐划一。索菲亚，从总部、到7大工厂、到数万名经销商员工，实现了一体化的数据打通，经销商也通过企业微信添加消费者，从工厂到消费者全链路都通畅。

这些转型成功的实践路径，让我们相信并看见，数实融合助力中国制造，从制造大国，走向制造强国。企业微信，期待与制造业企业一起共创美好的中国制造。

董明珠

格力电器董事长兼总裁

格力数字化转型的内驱力

制造业是整个国家的支柱，这也是格力这么多年来坚守只做制造，没有参与金融、房地产的原因。

坚守主要体现在自主培养人才，自主研发创新。

格力从一个技术员没有，到2012年之前有了800个技术员，到今天有16000个技术员，从1个研究所到1000多个实验室。人才我们自己培养，都是来自中国的高校，而且很多还来自于普通高校，就是在格力电器的平台上培养起来的。

大家说国外最好，甚至很多人说把我们的研发中心设在意大利、美国，研发中心设在那里，就讲自己是国际研发。我格力不一样，我16个研究院都没有到国外去，都留在珠海。我们中国14亿人口，我们应该有这种决心，自信但不自负，加倍努力，改变自己，再来改变世界。

今天讲数字化的时代，基本盘是什么？如果我们还用传统的方法去打的话，必死无疑，因为你没有竞争力。

为什么中国的空调工艺做不好，因为没有精度的要求，没有工匠精神。我们都找一个地方加工。想做出自己的产品出来，要有加工能力，要有高端设备，让产品的精度更高。

我们现在用8年的时间，已经有近100种不同数控机床，这来自于我们的研发团队。如果有用过德国的就知道，我们的设备可以跟它媲美，甚至某些参数比它还要精。

那么，有了装备是不是就满足了？不行。因为数控机床支撑的有几大板块，包括机器人、驱动器、减速器、控制器等等。如果我们自己不能做，依然掌握不了核心科技。所以我们一路坚守自主创新，哪怕碰得头破血流，爬起来还要创新。

我愿意敞开大门和大家一起分享，因为一枝独秀不成林，我们中国制造要有无数个自主的品牌走向世界。所以，大家还是要坚守，要有那种决心，吃得了亏，耐得住寂寞。

坚定地走自主创新之路，坚定地走自主培养人才的道路，坚定地拥有自己研发技术的能力，这就是你的实力。无论是什么时代，尽管数字化是给我们老虎添翼，但是没有老虎，你的翅膀往哪里安？所以我们制造业伟大就伟大在这里。

曾经几年前在厦门开的一个论坛会上，马云先发言，讲未来大数据怎么样。确实，大数据带来了先进性。但是，他下去以后轮到我，我就讲了一句话，“马云可以有，不能多，董明珠要多。”

这就是中国的制造业，我们要自己创新。只要有创新，不断地有新鲜血液涌现出来，你的技术永远不会落后。

张其亮

数字化转型研究院联席院长

前思科大中华区首席架构师

京彩未来家联合创始人/总裁

“双碳”战略加速企业数字化转型升级

怎样实现产业模式和协作模式？

国家已经造了社会性基础设施，但是对于产业的基础设施是什么？

如果能够把这些功能都做出来，吸引力是很大的。所以我们有一个定义叫“做产业基础设施平台”，这个产业的所有的非核心业务都是平台的核心业务。

出租车行业的核心优势是什么？就是开一辆车把一个人从A地送到B地。滴滴平台在这个领域里面什么都做，帮你招人，帮你划线路，帮你收钱，给你优惠券，给你开发票等等。它唯一没做的就是这个行业的核心业务。产业互联网是要把陌生人的资源和能力组合起来，而不是企业的概念，企业是市场要素的组合形式。

我有个学员是做服装的，他在丹东做服装，这个老板投了4亿做工厂，年产值4个亿。工厂值多少钱？他说我这个工厂值3个亿。

为什么值3个亿？他说还有折旧。后来我给他用产业互联网的方式可以做到3000万投入，做到1000亿的资产。

产业痛苦是什么？过去5万件要生产一个季度，现在12万件生产3天。

网红大V的直播结束之前不知道哪个火，一晚上展示了10件衣服，第8款订了12万件。人家把钱都交了，3天内发货，退单率超过50%。所以那些网红非常紧张，愿意再加多10块钱，但是没有工厂敢接。

当我们的消费互联网战车隆隆凯旋的时候，我们的产业互联网根本无法应对，怎么办？我们聚集400家企业，所有的订单都通过这边走，在三个城市建立仓储中心，把原材料都放在这里，每一个聚集点我们都连接100—150个工厂，订单下来之后我们分成400件，每份只有3000件。

在仓储里面做点改造，把裁剪先做完，再做点改造，包装、熨烫。该产业所有的非核心业务都是我们平台的核心业务，我们计算了一下，3天生产12万件绰绰有余。

全世界再也没有像中国这么好的地方去做产业互联网。所以，转型成功的关键是投资思维做转型，企业家要充分认识到大环境的变化，企业家就是要有能力应对变化和不确定性。

姚吉庆

慕思集团副董事长、总裁

智能制造助力高端品牌实践

高端品牌到底该怎么去发展？我认为有三大发展路径。

第一，要开创一个新的品类，创造新市场，开创新品类。在这一过程中，慕思重新定义了行业，我们打造了行业此前没有出现的健康睡眠系统，如今，消费者已把慕思当成健康睡眠的品类代名词。

“只要人人睡好觉，世界就会更美好”。围绕这句话，慕思花大量的资金去推广健康睡眠理念、健康睡眠的生活方式，并且坚持去做。开创新品类，创造一个新的市场。最后，你让品牌和品类画上等号。比如说看到慕思就是健康睡眠，看到健康睡眠就是慕思，把慕思当成健康睡眠的品类代名词。

第二，用数字化赋能创新升级，融合共生。通过数字化的赋能，使我们的产品达到技术领先、标准领先、质量领先、体验领先、服务领先，如今慕思产品的复购率达87%，有很强的不可替代性。

比如我们打造的一套智慧睡眠系统。订了套房的顾客躺下去，快速调节出最适合你的参数。这样等你睡觉时它就可以根据新的参数调整，测试浅睡眠、深睡眠时间，还有心跳、心率，晚上做的是噩梦，还是美梦等等。

通过数字化，我们产品的创新能力得到了大幅度提升。

第三，智能制造实现个性化、规模化、智能化、快捷化。2015年，慕思聚焦智能制造，用5年的时间打造出全世界最大、最领先的健康睡眠工业4.0产业基地，创造了“家居神话”。在健康睡眠细分领域，慕思已然走在了全世界的前面。

最后我想着重强调，数字化、智能制造不是企业发展的可选项，而是必备项。谁能掌握智能制造的核心技术，谁就能掌握世界产业的未来。

黄荔城

中德制造业研修院客座教授

5G与数字化转型专家

数字化赋能智能制造

对制造业发展来说，未来10年里会有一些新的动能出现。这个动能就是来自于数据视野，来自于智能生产力，来自于一种新的维度创造能力和协作能力。

中小企业当下面临的最大挑战是：面对未来不确定性，能不能做好认知准备，能不能做好思维和团队的准备。

通讯业一个的规律就是每十年会出一个标准，它是人为推动的，2009年推出4G，2019年是推出5G，2030年会是6G。

推出的前三年会建设网络，由国家和运营商承担社会基础设施的建设，大量的投资，而不会迅速看到收益。这个时候我们需要的是了解它的能力，在功能应用和创新上做好准备。

第二个三年，当基建全都建好，只要软件一升级，我们就会看到一些了不起的数字能力和应用的发生，也会出现一些了让人惊艳的的企业和商业模式。

第三个三年，是去泡沫。第二个三年会产生很多泡沫，泡沫破灭后，依然留下来的那些企业，提供了为社会和公众所需要的价值，会进一步成长为伟大的平台型企业。

我们的数字化转型，也同样顺应着这样“十年一大波、三年一小波”的规律。

现在就处于第一个三年。

这三年里干的第一件事，我们叫狭义的数字化，或者是数据化，重点是对万物进行数据采集。

典型的例子就是线下的设备和生产线，我们加一些传感器，传送到旁边的玻璃机房。在那里，数字孪生的生产线会展示生产输入和产出的过程和状态。最重要的是，它可以发现，可以决策，可以为人的生产管理服务。即可视、可管、可控。

其实第一步最难的不是技术，而是做这些事的人。一边穿着工装的行业专家，另一边是习惯IT的技术专家，语言不相通，思维不匹配，这是最难的一步。另外一个问题是，如果没有熟悉ICT技术的专家或团队做甲方代表，很容易陷入采购大量IT设备，建设很多割裂的IT系统，而非为业务降本增效或为长期数字化演进服务。

第二步，我们把企业内部的设备、人、业务全连通在一起，而且打破企业的围墙，形成产业互联网。

产业互联网最重要的价值是实现陌生人、陌生企业生产要素的组合和交换。

在这里我们特别想表达的需求是：需要政府出面牵头，拉动大家一起来进行数据的共享，数据的打通，以及标准的建立。因为我们的生产活动就是语法，这个语法就是互联网、物联网的语法，这个语法要标准化，车同轨、书同文。

这是单一企业，甚至是龙头企业做起来都很困难的，需要政府来推动，龙头企业来建设。然后实现数据的共享、标准的共享、平台的共享和共建，这是未来指数型组织和协作发展的必然要求。

第三步是智能化，智能化貌似体现为应用了很多机器人，其实不仅仅如此。智能化就是大量的跨越企业、跨行业的数据交流，促进了知识应用和发现，知道哪里何时有供需，知道错配和异常，应用智能能力进行更好的优化、调度、配合和能力。比如，我有生产能力，它有库存能力，它有运输能力，它有紧急加工的能力，它有销售的能力，它有特殊事件高峰处理的能力，在这里得到了共享和全局匹配。即，在制造的全流程引入了智能的能力。

第三个阶段一定会产生了不起的行业平台和龙头企业，而与之共同走到数字世界的中小企业，就是更加成长未成功的未来企业。

完成这些事需要有至上而下地系统化执行，需要一张蓝图画到底的坚持。同时我们强调，在制造能力数字化转型（生产力）的同时，必须要配合组织转型和数据治理的转型（生产关系），以及人才的转型（第一资源），才能保障数字化转型的持续成功。

林四南

九牧集团副董事长

智造强国 数字化转型未来已来 九牧数字化转型实践

九牧做智能制造时候，有个不一样的视角，我们不是为了追求黑灯工厂，也不是为了追求全自动化，不是以技术为中心的，而是以人为中心的。

我们率先实现自动化和智能化的场景是，一定是把对环境有害的率先解放出来，我们把人的劳动强度高的率先实现自动化。所以，我们对智能制造的理解不是大而全，不是高大上吹牛的，而是以人性为中心，这是第一个原则。

从微观来看，我们对智能制造的投入和实施，其实可以总结一个东西，就是以场景为中心，以价值为导向，ABC法则再去做。场景就是工作场景，比如说陶瓷里面施釉的过程，这个场景对我们来说最有价值，我们会最先实现智能化。另外，对价值的导向，解放人的工作环境，人性化的考虑，还有其他投入产出的考虑等等。

而在面对转型问题的时候，好多人都有误区。台湾的王永庆老前辈，他最早时候是在卖米，当时他每家去登记，大概谁家的米用得快一点，谁家慢一点，他都有数据。他送米的频次是根据这个来评判的。把卖米做到这样的极致，我想说这就是数字化转型。所谓数字化转型未必是一下子就上一个大系统，搞一个超级AI换算。AI是属于相对完美的实践目标的场景，但是AI之前是BI，之前是数据挖掘，再之前是数据治理，再之前是数据核算框架。其实王永庆卖米也是数字化，把他的经营用数字化管理来做。

总而言之，智能制造也好，数字化转型之路也好，它是一个长期一直在路上的状态，没有绝对的哪一个时刻是开始，也没有绝对的哪一个时刻是结束，我认为一直是在路上的状态。

贺军

天宇网络技术股份有限公司董事长

东莞市电子商务协会会长

东莞市青年企业家联合会副会长

当前，中国甚至全球正经历百年未有之大变局，疫情与逆全球化危机叠加，正在重塑全球的产业结构。同时，世界面临的不稳定、不确定性的因素正在增加，网络安全、重大的传染性疾病、气候变化、能源危机等非传统的危险持续蔓延，对世界各国社会的经济发展、国际秩序等造成冲击，也给中国制造业带来挑战与机遇。

尤其我们东莞作为“制造业之都”，首当其冲。早在2018年我们协会就组织召开了“首届粤港澳大湾区产业互联网峰会”，就是希望在逆境中克服外部不利的影响，坚持“引进来，走出去”是中国企业家勇于担当、积极参与全球市场竞争的战略抉择，也是中国制造企业破局突围，追赶超越的必然路径。

东莞市电子商务协会自创立以来就密切关注并连接中国制造业数字化转型，号召企业聚焦主业，进一步提升科技创新能力，强化自主可控能力，推动布局结构优化升级，加快数字化、智能化、绿色化发展，要努力从追赶者变为领跑者，助力中国实现从“制造大国”向“制造强国”的转变，承担起时代赋予我们的光荣使命和责任。

杨学山

工信部原副部长北京大学教授

理性把握制造业历史性变革，务实推进制造企业数字化转型

数字红利对全球各个领域产生冲击，那么，我们制造业在走向智能制造的时候，是不是有了它，认识了它，就可以了呢？回答是确定无疑的：No。

数字连接、数字的产品只是制造业从今天走向明天的一种工具。在很多场合，它不是关键的工具，甚至不是重要的工具。

制造业是为社会的生存和发展提供物质产品。而生产物质产品没有工业技术是永远生产不出来的。所以，关于物质产品的设计、工艺等等，这些工业技术是制造业的根，今天是，明天是，21世纪是，22世纪是，23世纪还是，哪怕是无人制造了，工业技术依然是根。为什么？因为工业软件是工业品，不是IT产品。没有工业的知识技能就没有工业软件。工业软件不是IT产品，所以，工业技术永远是制造业的根。

今天我们在座的和线上的企业家朋友们，你想想你的企业，你的企业今天面临的问题和困难中，究竟哪个是重要的？我们的政府官员，你自己问一问，中国的制造业由大变强，我们的关键出口在哪里？在工业能力。

华为麒麟990系列能设计出来，但是制造不出来。我们的高端产品我们会用，但是我们造不出来。所以，哪怕到了无人制造、智能制造的环节，工业技术依然是最基础的能力。

互联网对智能制造的作用没有想象中那么大，智能制造的数据来自传感器。传感器是工业产品，它是根据工业的知识和经验装到设备上和观察环境中的。所以，机电数控一体化都是工业能力。

走向智能制造了，是不是只有数字就可以了？一定不可以。只要它是智能工厂，是制造业，没有能源，没有材料，没有装备，没有动力，数字就成了一个空的东西。

能源材料在没有数字的情况下还能生产出东西来，但是，只有数字没有能源和材料一定是生产不出任何东西的，哪怕进入了智能制造和无人制造的阶段。

我们制造业使用的永远是人类社会迄今为止积累的所有技术和知识，而不是最近几年产生的东西。

所以，是工业技术和信息技术合在一起实现智能制造走向制造企业的数字化转型，数字化转型不是转向数字企业。

没有制造业就没有数字经济，这是本来之意。数字经济必须有终端，必须有信息网络，必须有计算设备，而所有的终端和信息网络、计算设备都是工艺品。

褚健

中控集团创始人

智能制造实现模式的思考

我们“制造强国”追求的最终目标是智能化，数字化转型则是智能化的平台。如果没有平台，我们的智能化就很难应用。

做个类比，手机就是互联网的平台。有了这个基础的平台，我们才可以通过手机里大量的App来实现智能化，解决生活中的问题。

但是，光有平台是没有用的，还需要海量的应用来解决实际的问题，这些应用便是工业软件。平台+工业软件是数字化转型或者说迈向工业4.0的必由之路。

举个例子，工厂里有一个锅炉，它是什么时候买的，生产工艺参数是什么，什么时候可能会出问题，原来出过什么问题，何时会产生新的问题，统统影响生产；物料从哪里来，成分是什么，质量如何，这些关系到生产。

但是生产车间主任不关心物料的来源，采购主任则不关心生产状态，所有的数据和信息是分散在各个地方的。如果我们能把所有的数据都汇聚在一起，为一个工厂建立数字版的孪生模型，问题就会非常清晰。

就好比做体检。我们做体检时，身体数据其实并没有很好地集中。我的血压变高了，什么时候变高的？为什么变高？跟什么有关？我们很难得出结论。但是，如果我从孩子一出生起，就把成长中的一切健康信息都数字化。那么，这个孩子长大之后，他的整个的生理变化状况是非常清晰的。

如果我们能把一个企业的设备、物流、人员流、资金流等全部变成数字化，不同的部门便都能轻松地拿到他们所需要的信息。这时候，哪里存在瓶颈，哪里能降低能耗，哪里能减少人员，都一目了然，企业效益便得到了整体提升。

我们要记住，数字化转型不是为了转型而转型，而是为了解决企业的困难。

赵今巍

数字化转型研究院联席院长

产虹智库产业互联网首席专家

长城战略研究所学术专家委员会成员

制造业数字化转型的产业链全局思考

过去我有好的技术研发产品，就可以推向市场，但新的市场是数字时代的市场。如北大教授陈春花所说：就是“拿着旧地图找不到新大陆”。这就是跃迁，意味着我们从老大陆到新大陆的时候，思维完全不一样，我们来看看它的区别在哪里。

工业时代的市场，你可能是做五金的，你可能是做玩具的，如今这个市场开始分裂、碎片化，开始出现新的市场。市场和市场之间，你会发现又连在一起。就好像做玩具的，突然发现一个做电子产品的公司杀了进来。

企业所认知的市场边界也越来越模糊，数字技术使得市场的厚度变得碎片化和无边界，这导致所有传统的实体企业家面对这个时，心里都是恐慌的。

另外，围绕不同的市场，你的营销，你的供应链，你的生产可能都千差万别。你要去研究流量的运营，你要去研究获客，你要去研究整个数字化供应链，你要去提供数字化的服务，供应链金融，数字化物流……这里形成了指数级的、碎片化的专业知识。

与此同时，还有大量的、不同的工具要学会使用，无论是人工智能、5G，每一样工具就代表一样武器。

我们实体企业家，就是一个老大陆的人，他们面临着这么多的知识和技能、面对专业化的分工和知识的深度，该如何去拥抱？除此以外，还有所在市场的产业技术变革，还有黑天鹅事件。

所以，很多企业家不知道如何入手。

实际上这是中国特色。在欧美发达国家它的市场厚度是很小的，它不是碎片化的市场，每一个企业在这里面可能占的市场份额都很小。

徐晧

高通（Qualcomm）中国区研发负责人

5G+AI赋能智能制造

5G在全球的大规模商用，验证了5G在技术上、商业上的成熟。5G已经对许多To B的行业应用产生影响，它将移动生态拓展至包括精准农业、建筑和采矿、数字化教育、远程医疗、智能制造、智能零售以及智慧城市在内的诸多行业当中，到2035年，5G将创造13.1万亿美元的经济产出，而智能制造是其中贡献最大的一项，贡献了总经济产出的1/3以上。

下面我来介绍一个非常重要的趋势，就是5G与AI的结合。

举一个简单的例子，假设给轴承进行质量检测，如果在某个轴承上有一个头发丝那么小的裂痕，人靠肉眼是很难看到的，即使能看到，工人一天工作8个小时，能够检测的零件数量也很有限，但如果通过零件传送带上的高清摄像头加上AI算法，就能把每个零件可能出现的故障提前检测出来。

它的好处在于：第一，高清摄像头的检测准确率会远远高于人的肉眼；第二，它可以24小时不间断工作。要实现这个用例，需要工厂在AI算法和高清摄像头方面先行投资，然后通过5G将它们快速连接，连接完成后对生产效率的提高会大大超过现有的传统方式。这就是5G和其他先进技术的结合，能够为智能制造和今后的数字化制造转型带来的一些飞跃式变革。

在选择技术时要考虑几个问题，第一要知道标准是否已经支持这个技术；第二要了解它是否在商业上已经成熟，是否有商业产品已经支持该技术；第三要思考这个技术是否对企业自身有所帮助。进行这些思考的原因在于可供选择的项目数量很多，其中就包括毫米波、Sub-6GHz、高可靠性低时延、WiFi、蓝牙等等，到底何种技术能够作为下一步数字化和智能化工业制造的选择，取决于每一个企业的需求。

朱员德

飞书客户成功副总裁

用互联网思维赋能中国制造

在制造业，作为字节跳动旗下的先进企业协作与管理平台，飞书如何跟客户一起提升效率？

以新松的工厂车间的为例：现今在生产车间里依然在用白板记录各种生产过程中的信息和问题，但当在全球化的环境之下，如果我们的工厂在国外或者国内多地，在工厂车间里面发生的信息如果只写在那块白板上，我们怎么知道每个工厂里面发生的事情？当飞书把协同理念跟客户共创后，新松把车间里的白板上的信息放到了飞书上面，这样可以运筹帷幄，即使在相距很远的地方，你也可以实时清楚你的工厂正在发生什么，及时发现存在的问题。

当这样的事情发生之后，工厂中信息流动的速度不是提高10倍，而可能是100倍，我们解决现场问题的速度也将会是对手的10倍甚至是100倍，这就是信息流动为什么很酷，因为它可以让你对流程产生重新的思考和定义。

飞书作为工具，很好地融合了造车新势力多元化的员工背景。飞书能用OKR的方式来管理集体的目标和协作，用飞阅会而不是PPT开会，用日历预约时间，用文档来进行业务交流。相比于企业文化，飞书能帮这些多元化背景的员工更迅速融合。以理想汽车为例，从理想汽车的第一个OKR开始，OKR是一个让信息变得更高效的过程，你能在最短的时间看清楚3000名员工对目标的理解，以及他们基于这些目标能做到什么。员工之间因为OKR，认知和目标无形中形成了。字节跳动同样也是围绕着OKR，让大家一起成长。

我们会发现，飞书是一个载体，先进工具不仅可以提效，也可以助力组织升级。

吴晓波

财经作家

中德制造业研修院联席院长

制造业的“新四化”

今天的制造业发生了很大的变化，这也是这个国家不断变革的过程。其中一大变化，是制造业的智能化。

1998年开始，中国进入互联网时代，整整20年，我们称之为消费互联网，是把电脑和手机连接在一起。今天我们提的是产业互联网，要把每一个机床、输送带、生产线都连接在一起，如今的产业互联网只能说是方兴未艾。

这两天很多专家讲的模型、数据、名词，如果我们听上去一头雾水，那是对的，如果你对每一块都理解得清晰准确的话，意味着故事已经结束了。我们感到陌生，现实逼着你去学习。

我过去几年在干一件事情，去看各行各业，通过智能化手段改造了什么。昨天我们颁发了一个标杆工厂奖，11家企业，我都去过。这些智能工厂，在全球范围内都是先进的，无论是汽车工厂还是家电工厂。他们的变革，早点的是2012年开始，晚点的2016年开始，再晚点的是2018年开始——这还是一个特别新的、正在发生的事实。有些行业多年以前我都去过，但这次去的时候，会发现整个制造流程都发生了特别大的变化。

我去调研和访谈了这批企业家，发现这场智能化改造，整个企业的第一大障碍物不是钱，不是业务，不是产品，是企业家的意志。你对智能化改造的决心、理解和容忍度，决定了你这家企业智能化改造的可能性。所以，企业家意志是智能化改造成功的第一个前提。

第二件事，我们看到的所有的改造过程，其实都特别痛苦。方案提供方，不可能比你更了解你的行业，不可能了解你完整的工艺流程。所以不要盲目，还是要从自己的企业出发，还是要从钱算起。一定是从效益的提升和成本的下降，从解决具体问题来着手。

第三件事，不改肯定不行，改一定能活吗？也不一定。再然后呢？你还是得改。这是我们对产业智能化的理解。

以上就是小巴为你带来的中国基本盘·首届中国制造业领袖峰会的精彩内容。感谢大家这两天的陪伴~

3.制造业生产过程中多源异构数据处理方法综述

制造业生产过程中多源异构数据处理方法综述

陈世超1,2, 崔春雨1, 张华3, 马戈4, 朱凤华1, 商秀芹1, 熊刚,1

1 中国科学院自动化研究所复杂系统管理与控制国家重点实验室

2 澳门科技大学

3 北京航天智造科技发展有限公司，北京 1000394 中国工业互联网研究院

摘要：随着现代制造业向着自动化、信息化、智能化方向快速发展，生产过程中会产生大量的多源异构数据。对多源异构数据的有效处理和深度挖掘可为生产制造者提供更有效的生产调度、设备管理等策略，从而提高生产质量和效率。针对制造业生产过程中多源异构数据的处理方法与技术等进行系统性的综述，首先明确了制造业生产过程多源异构数据内容及分类；其次，阐述了多源异构数据处理中数据采集、数据集成及数据分析各个阶段应用的数据处理方法和技术，并分析了各种方法与技术的优缺点以及应用；最后，对生产过程中多源异构数据处理方法和技术进行总结，指出了现阶段多源异构数据处理方法及技术面临的挑战和发展趋势。

关键词： 数据处理 ; 多源异构数据 ; 生产制造

论文引用格式：陈世超,崔春雨,张华, 等. 制造业生产过程中多源异构数据处理方法综述[J]. 大数据, 2020, 6(5): 55-81.CHEN S C, CUI C Y, ZHANG H, et al. A survey on multi-source heterogeneous data processing methods in manufacturing process[J]. Big Data Research, 2020, 6(5): 55-81.

1 引言

在全球信息技术快速发展的背景下，随着科学技术的迅猛发展和社会信息化程度的不断提高，人类社会共享的数据的数量大大增加，共享的数据的形式大大丰富。据希捷公司与国际数据公司（IDC）共同发布的《数字化世界——从边缘到核心》白皮书，全球数据圈规模将从2018年的33 ZB增至2025年的175 ZB。其中，白皮书中指出，在全球数据圈中，制造业数据所占份额最大，远远超过其他行业。同时，伴随着中国“智能制造 2025”国家战略的实施，工业制造业面临重大的变革转型，大数据成为提升制造业生产力、创造力的关键。随着智能制造的发展，自动化、信息化、智能化等技术渗透到制造业生产过程的各个环节，从工业现场的传感器、设备到制造生产过程中的各个信息系统（如制造执行管理系统、生产监控系统、设备运行维护系统、产品质量检测系统、能耗管理系统等），均会产生大量不同结构类型的数据。以一个典型的纺织制造车间为例，其一天的数据量将达到84 GB，而一台半导体生产机器一天的数据量甚至可以达到TB级别，这些数据包括二进制、文本、视频、音频等数据。而海量的数据中蕴含着大量有价值的信息，对这些信息的提取有利于指导人们在生产制造、设备管理和生产调度等过程中做出正确的决策，达到优化制造流程、提高效能的目的，促进制造业生产过程的全面智能化，从而提高生产质量和效率。

如图1所示，产品的制造流程包括研发设计、物料采购、生产制造、产品销售及产品售后5个阶段，每个阶段的数据都具有数据来源多样、数据质量低、数据蕴含信息复杂、数据实时性高等特点，而从海量数据中发掘指导制造业研发设计、生产制造、销售售后和经营管理等过程的知识和规则，需要大量的模型算法等数据处理方法的支撑。尤其是在产品生产制造过程中产生的数据，其不仅数据量十分庞大，来源丰富、类型多样、结构复杂，而且由于制造业不同的部门和系统之间数据的来源、存储形式等各不相同，数据源之间存在异构性、分布性和自治性，数据类型既包括数字、关系型数据等结构化数据，也包括图像、音频等非结构化数据。因此，这对制造业生产制造过程中海量数据的处理方法和技术提出了更高的要求。为了充分发挥制造业多源异构数据信息的潜力，更加高效地进行数据处理，必须在明确多源异构数据概念的基础上，对多源异构数据的处理方法和技术展开深入且系统性的研究。

本文首先明确了制造业生产过程中多源异构数据的概念和类型；其次对生产过程中多源异构数据处理的过程进行了划分，同时对各个阶段的数据处理方法和技术及其在制造业生产过程中的应用进行了深入分析与讨论；最后，对生产过程中多源异构数据处理方法及技术进行了总结，并对现阶段面临的挑战及未来的发展趋势进行了分析与讨论。

2 制造业生产过程中的多源异构数据

《大数据：下一个创新、竞争和生产力的前沿》针对社会对大数据的关注及应用需求，对海量数据的处理技术进行了介绍和总结。基于对不同来源、多种结构数据的综合研究的迫切需要，多源异构数据这一概念随之产生，其主要包括两个特征：一是数据来源具有多源性；二是数据种类及形态具有复杂性，即异构性。

多源异构数据来自多个数据源，包括不同数据库系统和不同设备在工作中采集的数据集等。不同的数据源所在的操作系统、管理系统不同，数据的存储模式和逻辑结构不同，数据的产生时间、使用场所、代码协议等也不同，这造成了数据“多源”的特征。

另外，多源异构数据包括多种类型的结构化数据、半结构化数据和非结构化数据。结构化数据指关系模型数据，即以关系数据库表形式管理的数据；半结构化数据指非关系模型的、有基本固定结构模式的数据，例如日志文件、XML文档、JSON文档、E-mail等；非结构化数据指没有固定模式的数据，如WORD、PDF、PPT、EXL及各种格式的图片、视频等。不同类型的数据在形成过程中没有统一的标准，因此造成了数据“异构”的特征。

随着自动化、信息化、智能化等技术在制造业中的广泛应用，在生产过程中必然会产生大量的多源异构数据。从数据的来源来说，制造业的制造执行管理系统、生产监控系统、设备运行维护系统、产品质量检测系统、能耗管理系统中的各种机器设施、工业传感器等在运行和维护过程中都会产生大量的数据。从数据结构类型来看，这些海量多源异构数据既包括设备监测数据、产品质量检测数据、能耗数据等结构化数据，还包括生产监控系统产生的大量图片、视频等非结构化数据。本文综合其他学者的研究基础，针对制造业生产过程中产生的数据，按照数据来源和类型，将其做如下划分，见表1。对于制造业生产过程中的多源异构数据来说，由于生产过程存在复杂的变化条件，因此对数据的全面性、实时性的要求较高。

3 制造业生产过程中多源异构数据处理

在制造业生产过程中，从前期的数据广泛采集，到最后数据的价值提取，多源异构数据处理的一般流程包括数据采集、数据集成及数据分析。数据采集主要实现大量原始数据准确、实时的采集，为数据集成阶段提供原始数据源。数据集成主要实现数据的数据库存储，数据清洗、转换、降维等预处理以及构建海量关联数据库，为数据分析阶段提供预处理的数据源。数据分析主要利用关联分析、分类聚类及深度学习等技术实现数据的价值挖掘。多源异构数据处理的一般流程如图2所示。

3.1 数据采集

数据采集是多源异构数据处理的基础，只有实现对生产过程中产生的大量原始数据准确、实时的采集，并将其传输到数据存储管理平台，才能对生产设备、产品质量、工作调度等进行监控与管理，从而帮助生产管理部门做出更高效、精准的决策。

针对不同类型生产制造业生产过程中的多源异构数据，需要采用不同的数据采集方法和工具。首先，对于离散制造业中的生产过程数据，主要使用射频识别（radio frequency identification，RFID）技术对生产车间中的原材料、设备、产品信息等进行数据采集。针对生产流水线上的产品信息，曹伟等人提出了一种无线射频识别数据采集单元模型，可获取零件的状态、时间等实时信息，并在此基础上建立了针对加工工序、工序流、批次与批量的无线射频识别监控模型，从而实现了对离散制造车间生产过程的可视化监控。而对于流程生产制造业中的生产过程数据，主要依靠传感 器及上位机对数据进行采集。陈开胜提出了采用分布式控制系统（distributed control system，DCS）和可编程逻辑控制器（programmable logic controller，PLC）等辅助控制系统和控制装置进行数据采集的方法，该方法是对计算机、网络和数据库的综合运用。此外，在流程生产中，以计算机为基础的数据采集系统还有数据采集与监视控制（supervisory control and data acquisition，SCADA）系统。其中，PLC主要应用于生产现场的温度测控；DCS主要应用在对测控精度及速度要求较高的生产现场的数据采集；SCADA则融合了PLC的现场测控功能和DCS的组网通信能力，可以对分散点进行控制，从而实现对分布范围较广的生产现场的覆盖。西门子公司在PLC的基础上加入了网络以及软件等，开发了SIMATIC PCS7西门子SCADA系统、SIMATIC WinCC西门子SCADA系统等控制系统，而DCS厂商霍尼韦尔公司也在其系统中融入了PLC，以增强其逻辑控制，开发了过程知识系统（process knowledge system，PKS）。对于在离散制造业及流程制造业中均广泛存在的日志数据及多媒体数据等，同样根据其各自的特点采用不同的数据采集方法。对于制造生产过程产生的日志数据文件，可以采用Flume这一分布式、高可靠、高可用的日志采集传输系统。陈飞等人提出了一种基于Flume并结合Elasticsearch及Kibana的新型分布式采集系统，该系统适用于海量日志数据的采集。针对生产过程对音频、视频等多媒体数据的监控，有利用多媒体流处理引擎直接抓取或利用厂商提供的软件开发工具包（software development kit，SDK）开发数据导入程序的数据采集方法。李凤娇在海康威视的8100系列网络硬盘录像机的基础上，通过调用海康威视提供的SDK中的相关接口函数读取实时视频流。另外，浙江宇视科技有限公司的IP流媒体解决方案可以通过安装流媒体服务器软件来对多媒体数据进行实时访问及存储。对于这几种典型的数据采集方法，本文根据其面向的数据类型及在生产过程中的应用进行了总结，见表2。

另外，针对数据采集的新需求，相关研究也提出了许多与网络技术相结合的创新型数据采集方法。马吉军等人提出了一种基于边缘计算的生产数据采集方法，利用蜂窝网络对生产设备进行网络化改造，并利用边缘网关对采集到的生产数据进行本地处理。许瀚之和杨小健提出了一种基于虚拟专用网（virtual private network，VPN）的远程工业数据采集系统，在已建好的VPN环境下通过用于过程控制的OLE（OLE for process control， OPC）客户端进行数据采集。

对于目前几种典型的数据采集场景，实际应用中根据其采集的数据类型及要求等，采用Flume、RFID、传感器等不同的采集方法，这些方法具有不同的优势。而面对目前数据量迅速增长以及数据类型日益复杂化的问题，传统数据采集方法难以满足更具实时性、更精确的采集要求，因此，与物联网等前沿技术相结合成为数据采集的发展趋势。

3.2 数据集成

多源异构数据集成是整合来自多个数据源的数据，屏蔽数据之间类型和结构上的差异，解决多源异构数据的来源复杂、结构异构问题，从而实现对数据的统一存储、管理和分析，实现用户无差别访问，充分发挥数据的价值。数据集成的关键技术包括数据存储管理、数据清洗与转换及数据降维。

3.2.1 数据存储管理

数据的存储管理是多源异构数据处理过程中非常重要的一个环节，选择合理的数据库可以减少数据检索的时间，提高数据查询的准确度，是后续数据处理的基础。目前常见的数据库技术包括：以MySQL、Oracle、DB2、SQL Server等为代表的SQL数据库，以Redis、HBase、MongoDB、Neo4j等为代表的NoSQL数据库，以及NewSQL数据库。

美国甲骨文公司研发的Oracle是一种高效、适应高吞吐量的关系型数据库系统，在数据量大、对系统性能稳定要求高的钢铁、煤炭、汽车制造行业应用广泛。美国IBM公司开发的DB2具有伸缩性能良好、查询性能良好以及向下兼容性好的特点，适用于海量数据的存储管理，在政府、银行等广泛应用，另外在宝钢、本钢等钢铁企业也有应用。制造业生产制造过程中产生的海量多源异构数据包含结构化、半结构化和非结构化多种数据。由于面向结构化数据的传统关系型数据库在伸缩性、容错性、可扩展性等方面存在的固有局限性，单独使用难以满足对海量多源异构数据进行存储管理的要求，因此NoSQL数据库成为目前研究与应用的热点。

根据数据存储模型和特点，NoSQL数据库可分为4种典型类型：以Redis、Memcached为代表的键值存储数据模型，以Bigtable、HBase为代表的列式存储数据模型，以MongoDB为代表的文档存储数据模型，以及以Neo4j为代表的图形存储数据模型。Redis常被应用在社交领域，用来存储用户关系和计数。由于生产过程中多源异构数据对实时性要求较高，因此Redis在制造业数据存储中常被用作缓存系统，以保障数据存储的低时延性。在电力计量采集系统中，基于Redis的分布式写缓存子系统用于缓存采集的计量数据，再批量写入关系数据库。在大型机械设备的数据采集与存储中，熊肖磊等人在数据层基于Redis实现了实时数据的解析缓存，使系统具有高效缓存数据的能力。Google Bigtable开源实现的HBase具有扩展性好、备份机制完善的特征，当制造业生产过程涉及多源异构数据的统计分析时，可使用HBase对来自各个子系统的数据进行同步整合存储。例如，在分布式电源控制系统中，可以实现各个分布式电源系统的运行状态数据至HBase数据库的同步。查询语言功能强大的文档存储数据库MongoDB适合数据量大、数据模型无法确认、需要对接多个数据源等的场景，数据来源复杂是制造业生产过程多源异构数据的主要特点之一，因此MongoDB常被用于多个数据源或子系统的对接。在工业生产中，MongoDB可用于对过程的连续监控；在混凝土行业中，MongoDB用来存储海量的混凝土生产消耗数据，并实现多个系统之间的数据对接；在电力行业， MongoDB可以实现电网图形的多时态、多级分布式存储。

针对工业制造业过程数据产生速率快，实时性要求高，对事务的原子性（atomicity）、一致性（consistency）、隔离性（isolation）、持久性（durability） （即ACID）要求低的特点，冯德伦提出了NoSQL数据库合理组合的工业历史数据存储方案。针对制造业生产过程多源异构数据的来源更加多样化的发展趋势， NoSQL数据库与其他技术相结合的大数据平台或解决方案近年来也有不少案例。赵德基等人提出了基于Dubbo与NoSQL的工业领域大数据平台，针对工业多源异构数据的接收、存储、计算、分析及展示，根据不同场景的业务需求提供了相应的解决方案。文棒棒和曾献辉提出了一种基于传统数据库多表架构与NoSQL大数据库相结合的新型数据存储方案实现实时数据的分布式存储。

除此之外，451 Group的分析师Aslett M提出了NewSQL技术，其具有NoSQL对海量数据的存储管理能力，同时还保持了传统数据库支持ACID和SQL的特性，但目前应用范围大多为专有软件或特定场景。对于上述几种典型的数据库技术，笔者对数据库模型、支持的数据类型和应用场景等进行了对比，结果见表3。

以上几种典型的数据库技术均有其特定的优势及应用场景，而在特定复杂的应用场景中，单一的数据库往往难以满足人们对数据存储管理等多方面的要求，李东奎和鄂海红提出了关系型数据库不能完全被NoSQL数据库替代的观点，并基于Hibernate OGM建立了统一的SQL和NoSQL数据库访问模型，使得两类数据库能够在同一个框架下按照统一的规则进行读写。因此，根据具体的应用场景，选择不同类型的数据库进行混合部署，使数据库之间形成互补，是目前多源异构数据存储管理的发展趋势。

3.2.2 数据清洗与转换

准确可靠的数据是进行有效数据分析、数据挖掘的前提。在实际的生产过程中，由于多源异构数据来源众多的特征，采集到的数据的质量难以保证，缺失的、错误的、不一致的等不符合规范的“脏数据”普遍存在，同时来自不同系统的数据的格式也并不统一，这些都会给数据的有效分析带来困难。数据清洗的目的就是检测数据中存在的“脏数据”，通过数据筛选、数据修复等手段提高数据的质量。而数据转换主要是将多源异构数据转换成统一的目标数据格式，并完成对不同数据指标进行转换的计算。

针对生产过程中不同的问题数据，可以给出不同的数据清洗方法。由于制造业生产过程中的多源异构数据往往来自多个数据源，各数据源通常具有不同的数据库系统、接口服务等，因此数据具有结构类型多样、表达形式不统一等特点，这就导致采集的数据中会存在数据缺失、数据错误、数据不一致等问题。对于缺失的数据，大多数情况下需要手工进行填入，某些情况下可以通过统计学习的方法对缺失值进行处理。曹林针对具有聚类特征的数据集，提出了一种回归插补的缺失值清洗框架。对于错误数据，首先利用统计分析的方法对可能出现的错误值进行识别，然后才能对错误数据进行清除，达到数据清洗的目的。对于不一致的数据，可以基于关联数据之间的一致性来检测数据潜在的错误，并进行修复，以完成对多数据源数据的清理。

对于制造业生产过程中的多源异构数据来说，单一的数据清洗方法难以满足实际需求，这就需要一个系统的数据清洗方案。ETL（extract、transform、load）工具是一类常用的大数据预处理工具，应用广泛的有国外开源的Kettle工具、IBM公司的Datastage以及Informatica，其在数据清洗环节发挥着十分重要的作用。也有许多研究人员按照不同的需求对ETL技术进行了改进与完善。周瀚章等人设计了一种基于区域划分算法的ETL高效数据清洗方案，解决应用ETL时产生的大量错误属性数据的问题。ETL工具不仅在数据清洗方面具有广泛的应用，同时也是数据转换的主要工具。孙安健等人设计了一种可以屏蔽异构数据源访问差异的通用ETL工具，提供了大量转换组件来灵活处理复杂的应用场景。陈玉东和姚青提出了一种应用于业务流程数据的转换规则，通过设计流程数据转换算法来将流程日志中的数据快速准确地转换成评估系统需要的标准数据。

除此之外，针对不同的制造业门类及数据采集方法，有不同的数据清洗方案。针对RFID采集数据实时性强、数据量大的特点，余杰和王睿提出了基于时间和基于时间间隔的布鲁姆滤波模型，可以在低内存的情况下保证数据应用的实时性。针对生产车间制造物联环境下采集到的数据连续性、冗余性强的特点，蓝波等人提出了一种基于卡尔曼滤波模型的滑动窗口技术，该技术更加适用于RFID标签移动的生产场景。这些研究针对不同的生产制造场景、不同的采集数据类型和特点，对数据清洗方法进行了改进和完善，使其更加适应实际应用的需要。

目前，深度学习和众包技术开始在数据清洗环节得到应用。郝爽等人提出了利用深度学习模型解决复杂数据清洗任务的方法。针对参与者水平参差不齐造成数据清洗质量较低的情况，万耀璘等人提出了在决策阶段利用成熟计算机算法来提高众包可靠性的方案。深度学习可以减轻用户制定数据清洗规则的负担，众包技术将数据清洗任务发送到互联网，利用公众的参与来提高数据清洗的效率，二者与传统数据清洗技术的结合是数据清洗技术在未来一段时间的发展趋势。对于数据转换来说，ETL工具仍然是提高数据质量、屏蔽数据差异的首选工具。因此，对ETL工具自身现有的扩展性差、调试不便利等局限性进行改进和完善是下一步研究与开发的重点。

3.2.3 数据降维

多源异构数据具有种类繁多、结构复杂的特点，为了从原始数据中提取更加可靠、有效的数据信息，需要消除无关、冗余的特征，生成新的特征数据，从而实现对高维数据的降维。在现代制造技术的发展中，制造业生产过程中海量的多源异构数据往往维数较高且大量数据之间存在较高的相关性，这给数据降维带来了更高的难度。一般来说，可以通过对数据进行特征选择或者特征提取来实现数据降维。特征选择的方法通过对原始特征集合中的元素进行选择来得到原始特征集合的子集，从而实现降维；而特征提取的方法则通过对不同特征进行组合来得到新的特征集合，从而达到数据降维的目的。

特征选择不改变特征的含义，从原始特征数据集中选择具有代表性和统计意义的特征，以实现降维的目的。特征选择方法包括基于全局搜索、随机搜索以及启发式搜索策略的特征选择方式和基于Filter、Wrapper的特征选择算法。

全局搜索策略遍历原始特征集，通过评价准则选择满足特定条件的特征子集，其优点是可以得到最优特征子集。但制造业生产过程中的多源异构数据往往是具有多个独立或相关属性的高维数据，因此运算成本较高，在实际中难以应用。随机搜索策略首先随机选择特征，然后用模拟退火算法进行顺序搜索，或用遗传算法进行无规则搜索，再根据分类的有效性对特征赋予权重，选择权重大于定义阈值的特征。由于随机搜索易受随机因素的影响，不确定性较高，不同的参数设置对随机搜索结果也有较大的影响。启发式搜索策略又被称为序贯优选法，可以实现最优特征子集与计算复杂度之间的平衡。相比于前两种方法，其复杂度较低、效率更高。陈建华针对设备故障中对数据集降维的问题，提出了一种基于关联关系与启发式搜索组合的特征选择方法，特征子集通过双向搜索算法产生，并通过计算属性之间的关联关系来剔除冗余属性，提高了效率和准确性。

基于Filter的特征选择直接根据评价准则对数据的统计特征进行评价，去除重要程度低的特征，选出的特征子集一般规模较大，适合作为特征预筛选器。基于Wrapper的特征选择依赖后续分类算法，将子集的选择看作搜索寻优问题，根据分类器的准确率来对特征子集进行评价，其分类效率与精度都较高。制造过程中的多源异构数据往往特征众多且关系复杂，田文荫提出了针对高维制造过程的结合偏最小二乘回归与Wrapper特征选择的混合特征选择方法，同时针对制造业生产数据常出现的类别间不平衡问题，提出了一种基于G-Mean的新的混合特征选择方法，在降维能力和分类性能方面均取得了良好的结果。

特征提取通过将原始特征变换成具有具体物理意义或统计意义的特征，将高维的特征向量变换为低维的特征向量。由于制造业生产过程中的多源异构数据来源于制造生产各个环节中的设备、产品信息等，具有较强的专业性及关联性，因此在进行数据特征提取时会更加注重特征背后的物理意义以及特征之间的关联性。传统的特征提取方法包括线 性主成分分析（principal component analysis，PCA）、线性判别分析（linear discriminant analysis，LDA）、独立成分分析（independent component analysis，ICA）、非线性的核主成分分析（kernel principal component analysis， KPCA）、核独立成分分析法（kernel independent component analysis， KICA）。

主成分分析法主要通过观测变量内部的相互关系来整理信息，将可能相关的原始数据集转换成线性不相关的新特征集合，实现高维数据向低维数据的压缩。在纺织业中，刘海军等人利用本色布纹理的自相关性特征，采用主成分分析法去除其相关性，得到了纹理的主成分，将在主成分方向上样本图像的压缩结果作为特征变量，进行分类检测，得到了较高的分类准确度。在煤矿井下供电系统故障检测中，郭凤仪等人通过对时频域变换的回路电流特征矩阵的奇异值进行主成分分析，得到了故障识别的特征，进一步采用遗传算法优化的支持向量机对故障电弧特征的有效性进行测试，可以有效识别电机及变频器负载回路的串联故障电弧。针对机械装备制造业生产过程对加工设备依赖程度高的问题，姚菲提出了一种对备件预测理论的创新性探索，利用基于主成分分析和支持向量机的综合算法进行需求预测，从而实现对设备备件需求的预测。主成分分析法适合处理呈高斯分布的原始数据，但实际生产过程中多源异构数据分布的复杂程度远超高斯分布，这限制了主成分分析法的应用。

线性判别分析法是有监督的特征提取方法，降维后在新的子空间中使同类特征尽可能接近、不同类特征尽可能分散，与主成分分析法一样，也适合用于处理高斯分布数据。针对模拟电路故障诊断中故障数据的特征提取方法，肖迎群等人对模拟故障数据在主元变换空间进行线性判别分析，并将最优判别特征模式应用于模式分类器，在充分简化模式分类器模型及降低系统运行成本的基础上获得了较好的诊断结果。另外，在图像识别数据分析中，线性判别分析法也是一个十分具有优势的工具。在对铅酸蓄电池X射线图像的特征提取中，杨金堂等人分别采用主成分分析法、线性判别分析法以及二次线性判别分析法，最终得出二次线性判别分析法在该图像识别中具有较高识别率的结论。

独立成分分析法将原始数据分解为若干独立分量的线性组合，更适合用于处理非高斯分布的情况。杨冲等人采用独立成分分析和主成分分析两种常用方法对制浆造纸废水处理过程中的传感器故障进行检测，由于制浆造纸废水处理过程中的数据呈非高斯分布，ICA的整体故障检测率高于PCA。针对滚动轴承在噪声背景下产生故障时的振动信号，姜怀斌利用独立成分分析在数据独立性分析方面的优势，提出了一种独立元核FDA（ICA-KFDA）故障检测模型，提高了故障诊断的准确率，降低了漏检率。

对于图像视频等呈非线性分布的数据，需要使用非线性的特征提取方法。核主成分分析由Scholkopf B等人在PCA的基础上提出，将原始数据通过核函数映射到高维度空间后，再利用PCA进行降维。针对旋转机械结构中轴承状态的识别，谢锋云等人提出了粒子群优化核主成分分析法，对轴承的复合特征集进行特征提取，继而由支持向量机对识别特征集进行识别分类，提高了轴承状态识别的准确率。对于行星齿轮传动系统故障，贺妍和王宗彦用粒子群优化方法改善了核主成分分析法对非线性问题的分析，新方法在行星齿轮磨损程度的识别和诊断中取得了良好的结果。

核独立成分分析法也是利用相同的思想在ICA的基础上进行扩展的，近年来被广泛应用在非线性混叠的源分离技术中。针对旋转机械结构中的滚动轴承故障，刘嘉辉等人提出了一种全矢谱和独立分量分析（ITD和KICA）相结合的盲源分离法，对采样的滚动轴承故障信号进行有效的信噪分离，在降噪的同时能够更加全面、准确地提取信息，并进行轴承故障诊断。针对化工行业的润滑油生产过程，许亮等人提出了基于混合核函数的KICA-LSSVM故障分类方法，提高了故障诊断的速度和准确性。

除了对这些传统的特征提取方法进行优化以外，针对制造业生产过程中数据的特点，一些研究提出了不同的方法对数据特征进行提取。针对生产现场传感器时钟差别及生产设备运行原理导致的不同数据源之间可能存在延迟关联的问题，张守利等人提出了一种面向时延的传感器数据特征提取方法，利用基于皮尔逊相关系数的曲线排齐算法调整不同传感器数据之间的时间，使得调整之后的数据相关性达到最大。苗爱民等人提出了一种基于局部线性嵌入（locally linear embedding， LLE）的非线性故障检测新技术，可以有效地计算 出保留了局部邻域结构信息的数据的低维嵌入。尚超等人针对制造生产过程中某些产品质量和关键变量始终难以在线测量的问题，构建了一种基于历史测量数据驱动的软传感器，从而对这些变量进行稳定可靠的在线估计。

随着制造业多源异构数据中非结构化数据所占份额的增多，对多源异构数据的特征提取在数据处理中的重要性也大大增加，而在未来一段时间内，对于多源异构数据处理平台来说，对实时数据以及高维度数据集的特征提取仍然是一个挑战。同时，由于工业生产环境的复杂性，针对工业生产过程中的数据降维，要更多地结合业务场景本身，利用先验知识或者专家知识对数据进行降维。

3.3 数据分析

数据分析是多源异构数据处理的关键，是指在数据采集与数据集成环节的基础上对工业生产数据的信息和知识进行提取，其目的是利用数据挖掘、机器学习、统计分析等技术对集成的多源异构数据进行分析和处理，从而提取出有价值的信息和知识，用于检测制造生产运行状况和生产产品质量检测、指导人员做决策等。针对工业生产中的数据分析技术等问题，其他学者也有相关研究，但本文从更广的应用领域及更全面的方法的角度对制造业生产过程中的数据处理方法进行综合研究。目前，数据分析环节的关键技术包括关联分析、分类分析和聚类分析等。

3.3.1 关联分析

数据关联分析就是发现表面看来无规律的数据间的关联性，从而发现事物之间的规律性和发展趋势等。常用的关联规则挖掘算法包括Apriori算法和FP-Growth算法。

Apriori算法首先通过遍历数据库确定频繁项集，然后根据支持度阈值进行修剪，最后根据支持度来计算可信度，从而确定关联规则，是一种被广泛应用的关联规则挖掘算法。针对大型化和复杂化的机械装备制造业生产过程中异常事件发生概率高、报警数量巨大的问题，樊虹提出了基于数据挖掘Apriori算法的工业过程报警处理方法，缩小了重复报警的数量，提升了对报警事件的处理效率。但是该算法仍然存在需要频繁遍历数据库从而产生大量候选集的问题。针对这一问题，周凯等人提出了一种仅需对数据库扫描一次即可实现改进Apriori算法，可以有效地提高产生有效频繁项集的效率。除此之外，刘芳和吴广潮提出了一种将数据库转换为矩阵形式，通过缩小候选项集规模、减少无用候选项集生成来提高算法效率的方法。

FP-Growth算法是对Apriori算法最经典的改进，采用频繁模式树（FP-tree）存储频繁项集，减少数据库扫描次数。针对制造业设备对快速准确诊断设备故障的需求，张斌等人提出了一种基于兴趣属性列的改进FP-Growth算法的数据挖掘方法，从而实现对工业生产设备故障的快速准确诊断。针对轮胎制造过程中质量异常的问题，李敏波等人提出了一种改进后的FP-Growth并行算法，该算法能够高效地找到影响轮胎质量的因素。另外，针对FPGrowth算法中存在的FP-tree占据空间过大的问题，顾军华等人通过对FP-Tree的规模大小和计算量以及F-List分组策略进行优化，提出了一种新的基于Spark的并行FP-Growth算法——BFPG算法。

除上述两种数据关联分析算法外，由于制造生产过程中数据量在不断增加，在线的动态数据关联分析具有更加现实的意义。Hidber C提出了一种在线的关联分析数据挖掘算法——CARMA算法，该算法具有在线实现数据关联分析、精度高、允许用户在线调整阈值的优点。此后，于丽等人分别对算法的参数估计、数据集遍历次数进行了优化改进，提高了算法的速度及精度。如今，CARMA算法在预测和控制领域得到了广泛应用。

目前关联分析方法存在诸多不足，如何利用关联规则算法对非结构化数据进行有效处理、如何将关联规则算法与其他的决策方法结合以实现更准确的数据分析等，均有待进一步的研究和发展。

3.3.2 分类分析

对于制造业生产过程的数据分析来说，数据的分类技术是实现数据信息挖掘及结果预测的十分重要的方法之一。

分类是指通过算法将数据划分到已经定义好的类别中。常用的分类算法包括决策树算法、基于规则的分类法、人工神经网络算法、深度学习算法、支持向量机（SVM）算法、贝叶斯算法等。

决策树通过对数据集的分析归纳进行学习，应用范围广泛，对于key-value类型的数据来说是最优选择。目前，较为常见的决策树分类算法有C4.5、SLIQ和SPRINT。决策树算法在生产计划安排方面的应用备受关注。针对离散工业的静态Job Shop调度问题，王成龙提出了用决策树模型提取调度知识的方法，对生产调度方案进行了优化。针对机械装备制造业生产计划中工单加工顺序和同一机器不同工件加工顺序等历史数据，于艺浩提出了一种可根据实时数据为工件安排合适的机器的决策树模型，达到了制造车间根据生产状态实时优化调度的效果。另外，在产品质量检测与分析方面，决策树算法也有非常广泛的应用。针对我国冷轧酸洗产品生产技术尚不成熟、产品表面不合格率较高的问题，郭龙波通过对冷轧酸洗产品数据使用二分决策树等工具进行分析，得出了影响冷轧酸洗产品表面质量缺陷的因素以及判定标准，使企业能够更高效、准确地对产品缺陷进行检测。宋建聪提出了一种基于C4.5决策树算法的生产过程质量分析模型，通过找出引起质量问题的主要因素来对产品质量缺陷进行责任分析和诊断，进而采取针对性的措施来提高产品合格率。

基于规则的分类法是利用用户为每个类直接确定的分类规则来形成类别模板，规则分类器通过统计样本中满足分类规则的规则数和次数来确定样本种类的分类方法，常用来产生更易于解释的描述性模型，更适用于处理类分布不平衡的数据集。在能耗分析系统中，许明洋对基于规则的节能措施实施分类算法的应用进行了分析，基于规则的分类法需要用户自己学习规则，与其他分类算法相比，灵活性与准确性较差。

人工神经网络（artificial neural network，ANN）具有自主学习、容错性高的特点，适合处理模糊、非线性的数据，其中前馈式神经网络模型常用于分类算法。其中，反向传播（back propagation，BP）神经网络算法主要利用反向传播算法对网络的权值和偏差进行反复调整训练，使输出的向量尽可能接近期望向量。但由于其随机获取网络初始权重和阈值的特点，BP神经网络具有收敛时间长、易陷入局部最优解的缺点。周福来、张细政等人、关子奇等人、夏颖怡均基于遗传算法对BP神经网络进行了优化，从而实现了对齿轮设备故障、焊接熔池照度以及刀具寿命等的精确诊断。李世科采用列文伯格马夸尔特（Levenberg-Marquardt，LM）算法对BP神经网络进行改进，对液压支架顶梁疲劳寿命进行了精确的预测。罗校清应用主元分析法对BP神经网络进行了优化，最终实现了对机械设备故障的准确判断和及时报警。

深度学习最早起源于对人工神经网络的研究，最早由多伦多大学的Hinton G E等人在2006年提出，指基于样本数据的包含多层次的深度网络结构的机器学习过程。深度学习本质上属于机器学习的范畴，是机器学习领域一个新的研究方向，在图像、语音、文本分类识别方面具有非常好的优势，具有强大的对不同类型数据的处理能力，因此对制造业生产过程中的数据分析起到非常大的作用。如今被广泛熟知的深度学习基本模型包括深度神经网络（deep neural network，DNN）、循环神经网络（recurrent neural network， RNN）、卷积神经网络（convolutional neural network，CNN）、深度置信网络（deep belief network，DBN）等。深度神经网络可以简单地理解为含有多个隐藏层的神经网络，其优势体现在对无标签数据的自我学习。对于机械设备中常见的传动零件齿轮的故障监测，李嘉琳等人应用深度神经网络来诊断早期齿轮点蚀故障，将采集的振动信号直接作为DNN输入，可以有效解决特征提取环节造成的较大误差，与传统ANN诊断结果相比，故障诊断率得到了提高。针对制造车间中关键刀具设备的寿命预测问题，刘胜辉等人将小波包分析方法得到的结果作为输入来训练深度神经网络，建立刀具剩余寿命预测模型，可对切削刀具剩余寿命进行精确的预测。卷积神经网络是一种包含卷积计算的前馈神经网络，长期以来是图像识别领域的核心算法之一。曹大理等人采用卷积神经网络自适应地提取特征，避免了人为提取的局限性，提高了刀具磨损在线监测的精度。吴志洋等人针对布匹生产中的布匹瑕疵检测，提出了一种基于深度卷积神经网络的单色布匹瑕疵检测算法，很好地解决了人工检测效率低、误检率高的问题。彭大芹等人提出了一种基于卷积神经网络的液晶面板缺陷检测算法，并在传统单向特征融合的基础上提出了双向特征融合的网络结构，提高了检测精度。李广等人针对工业中常见的机床刀具消耗冗余问题，采用异常检测卷积神经网络（CNN-AD）对机床刀具的崩刃进行准确预测。循环神经网络是一类用于处理和预测序列数据的神经网络模型，与传统机器学习方法相比，其对于输入/输出数据没有过多限制，可以用来处理文本、音频和视频等序列数据。针对燃煤电站NOx排放预测模型建模中输入变量特征集确定困难的问题，王文广和赵文杰提出了一种基于数据驱动的门控循环单元（gated recurrent unit，GRU）循环神经网络模型，将GRU作为RNN的神经网络单元，从而使RNN能够分析长时间的时间序列问题，对燃煤电站锅炉NOx排放实现准确预测。对于基于循环神经网络的电力变压器故障诊断模型存在的诊断不清晰、收敛速度慢的缺陷，李俊峰基于蝙蝠算法对循环神经网络的参数进行了优化，改进后的变压器故障诊断模型的收敛性及诊断准确率均得到了较大提升。深度置信网络通过模拟人类大脑对外部信号的处理来实现功能，是由多个限制玻尔兹曼机（restricted Boltzmann machine，RBM）叠加组成的网络模型。王宪保等人运用深度置信网络训练网络的初值，再通过对比重构图像与缺陷图像，实现快速准确的太阳能电池片表面缺陷检测。李梦诗等人提出了一种基于深度置信网络的新型风力发电机故障诊断方法，并通过与传统检测方法进行对比，验证了该算法的鲁棒性。刘浩等人提出了一种基于多参数优化深度置信网络的滚动轴承外圈损伤程度识别方法，可有效地提高故障识别的准确性和稳定性。目前深度学习模型在制造生产数据分析中的大致发展方向是与其他算法相结合，对深度学习基本模型中的参数、结构进行优化，从而提高算法的精确性与鲁棒性，实现更精准的检测与预测。

支持向量机是一种通过核函数免去高维变换，直接将低维参数代入核函数从而得出高维向量内积的分类方法，常用于故障诊断。针对机械制造业中滚动轴承造成的故障识别问题，吕震宇提出了一种使用磷虾群算法优化的支持向量机，对轴承状态进行精确诊断，从而精确地识别滚动轴承的故障类型，较传统支持向量机的识别精度更高。吕维宗等人提出了基于量子粒子群优化（quantum particle swarm optimization，QPSO）算法优化的相关向量机（relevance vector machine，RVM），并进行故障诊断，相较于支持向量机而言，其更适用于小样本处理和在线故障诊断。

贝叶斯分类算法是在贝叶斯公式的基础上，利用概率统计进行分类计算的方法。其中，朴素贝叶斯分类应用最广泛。制造生产过程中少不了电池寿命与电力故障的问题，Ng S S Y等人针对不同工作环境温度及放电电流情况，提出了用于不同工作状况下电池估计和剩余使用寿命预测的朴素贝叶斯模型。李梦婷等人基于增量式贝叶斯算法，提出了一种实时性在线电路故障诊断方法，可以同时实现在线电路故障诊断的高精确性与高实时性。

目前分类分析方法在工业生产中已经有广泛的应用，尤其是基于机器学习的分类方法。但是现阶段单一的数据分类方法并不具有较高的准确性及可靠性，需要不同算法的融合才能产生较为可靠的数据分类及预测结果。然而不同算法的融合势必会造成系统时延，如何平衡系统的可靠性和实时性是研究的方向之一。另外由于工业生产的特殊性和复杂性，针对同一类分类问题，并没有通用的分类方法可以使用，要得到可靠的分类结果，需要与实际场景、实际业务相结合。同时，如果要得到较为准确的分类结果，分类算法模型的训练数据集需要结合生产领域的经验知识进行相应的特征工程处理。

3.3.3 聚类分析

聚类就是将相似的数据归为一类，原则是使每一类数据的相似性最大。常用的聚类算法包括基于划分的聚类方法、基于层次的聚类方法、基于密度的聚类方法和基于模型的聚类方法四大类。

其中，最常用的是K-means算法。K-means算法是一种基于划分的聚类方法，通过随机选择K个数据点作为初始聚类中心，根据特定的距离算法将待聚类的数据集分成K簇。娄小芳通过对大量铝工业生产历史能耗数据进行处理分析，运用K-means算法等方法分析其规律，以此指导生产部门改进参数，降低能耗。针对酿酒不良发酵行为早期迹象的识别，Urtubia A等人通过对产品中29种成分检测的数据采用K-means算法进行聚类分析，获得了不良发酵行为模型，从而实现了对产品质量的认定，减少了早期行为造成的损失。但该算法存在聚类结果受选择的初始聚类中心影响较大、处理大数据时间效率低等缺点。徐健锐和詹永照将改进的K-means算法和分布式计算框架Spark结合，提出了大数据下的快速聚类算法SparkKM，该算法既弥补了经典K-means算法的不足，又发挥了Spark分布式计算处理速度快的优势。

除此之外，常用的聚类方法还有基于密度的DBSCAN算法、基于层次的BIRCH算法以及基于模型的高斯混合模型（GMM）等。基于密度的DBSCAN算法通过对核心点、边界点和噪声点的标记，将具有密度的区域划分成簇。针对风力发电设备中故障率最高的齿轮箱和主轴的故障识别问题，林涛等人利用DBSCAN聚类算法对运行数据进行密度聚类，对齿轮箱和主轴的故障进行较准确的诊断。针对电力系统信息安全问题，谢静瑶等人采用启发式的自适应算法对DBSCAN算法的部分参数进行估计，改进了聚类效果，从而提高了信息安全预警分析的准确性。基于层次的BIRCH算法利用树结构进行聚类，适用于数据量大、类别数多的数据处理。对于木材加工中木材缺陷的识别问题，吴东洋和业宁采用BIRCH算法对数据集进行一次扫描即可得到较高的聚类质量，提高了识别准确率。针对食品卫生的HACCP （hazard analysis critical control point）自动分类，叶飞跃等人提出了一种多阈值、多代表点的BIRCH算法，该算法可以适应HACCP分类中各种形状的数据集。基于模型的高斯混合模型是一种融合了参数模型和非参数模型的优势的聚类方法，常被应用在语音识别、图像识别等领域。针对机械结构中易损坏的滚动轴承，龙铭等人提出了一种基于自回归高斯混合模型（AR-GMM）的滚动轴承故障程度评估方法。它以早期无故障轴承振动信号的AR模型特征为基准特征，引入后期轴承振动信号的AR特征，可以监测滚动轴承各种形式的早期故障。针对应用广泛的螺栓连接，王刚等人利用监测区域内螺栓连接结构的各种松动工况的实时数据建立高斯混合模型，基于高斯混合模型的概率密度分布之间的相似度最大准则，可有效判断监测区域螺栓的松紧状态。针对印花织物的表面疵点检测，李敏等人在传统高斯混合背景模型的基础上引入了自适应分块建模的思想，在提高印花织物疵点检测准确率的同时，能有效地处理检测过程中的光照不均和噪声等问题。

数据量的迅速增加使得对大规模数据的分类、聚类成为具有挑战性的研究问题。对于分类算法来说，不同的算法均有其独特的优势以及特定的应用领域。对于聚类算法来说，传统聚类算法经过抽样或降维会损失精确性，而并行聚类算法尽管具有对大数据高效、良好的扩展性等优点，但算法实现较复杂。简单高效、扩展性高的面向大数据且不消耗更多软硬件资源的分类聚类算法是未来的主要研究和优化方向。

4 结束语

本文对制造业生产过程中多源异构数据的概念和类型、数据处理的方法和技术进行了较为全面的综述和梳理。将生产过程中的多源异构数据按照数据来源和数据类型进行了分类，对数据处理的整体流程进行了定义，并对数据处理过程中的具体方法、技术及其在生产过程中的具体应用进行了总结分析。

随着工业物联网的快速发展，数据的来源更多，数据结构更加多样化，同时生产过程中信息系统对数据处理的实时性、准确性要求更高，这给多源异构数据的处理带来了巨大的挑战。首先，设备的多样性和复杂性会给数据采集方法、技术带来新的挑战，需要增加更为丰富、可靠、高效的数据采集方法和技术；其次，海量的数据对数据存储技术的容量和效率、精度等提出了更高的要求，也对传统的SQL、NoSQL等数据存储系统的扩展能力提出了更高的要求，综合数据存储系统成为未来发展的趋势；最后，实际生产对数据清洗、降维及数据分析方法和技术的效率和精确度的要求进一步提高。另外，只有性能更高的数据处理分析平台及更高效的数据挖掘算法才能满足大规模多源异构数据的实时处理与分析要求。另外，随着边缘计算在工业生产过程中的快速应用，面向边缘控制器、边缘网关和边缘云的数据采集、存储、处理和分析的方法和技术的研发将成为重点研究方向。

作者简介

陈世超（1987-），男，澳门科技大学计算机技术及应用专业博士生，中国科学院自动化研究所复杂系统管理与控制国家重点实验室助理研究员，主要研究方向为数据处理、工业物联网、边缘计算 。

崔春雨（1998-），女，就职于中国科学院自动化研究所复杂系统管理与控制国家重点实验室，主要研究方向为数据处理、边缘计算 。

张华（1986-），女，博士，北京航天智造科技发展有限公司平台研发部高级工程师，主要研究方向为现代精密测量、工业物联网和边缘计算 。

马戈（1990-），男，博士，中国工业互联网研究院智能化所工程师，主要研究方向为工业互联网、人工智能、边缘计算等 。

朱凤华（1976-），男，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室高级工程师，主要研究方向为人工交通系统、平行交通管理系统 。

商秀芹（1983-），女，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室助理研究员，主要研究方向为智能制造的数据驱动建模与优化技术 。

熊刚（1969-），男，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室研究员，主要研究方向为复杂系统平行控制与管理、智能制造、智能交通 E-mail：xionggang@casc.ac.cn。

联系我们:

Tel:010-81055448

010-81055490

010-81055534

E-mail:bdr@bjxintong.com.cn

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

转载、合作：010-81055537

大数据期刊

《大数据（Big Data Research，BDR）》双月刊是由中华人民共和国工业和信息化部主管，人民邮电出版社主办，中国计算机学会大数据专家委员会学术指导，北京信通传媒有限责任公司出版的期刊，已成功入选中文科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊，并被评为2018年国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。

4.燃气壁挂炉啥牌子好 燃气壁挂炉报价

壁挂炉是家里必不可少的家电，在购买的时候选择好品牌的好产品是很重要的。那现在燃气壁挂炉啥牌子好呢?以及燃气壁挂炉报价又是怎么样的一个情况呢?下面让小编给大家来介绍一下吧。

燃气壁挂炉啥牌子好

1 、Vaillant威能 ( 始于1874年德国,欧洲较大的国际化供热集团之一,欧洲供暖行业的顶级品牌,威能(北京)供暖设备有限公司 )

2 、小松鼠Squirrel ( 广东著名商标,高新技术企业,国内较早生产家用壁挂式锅炉企业之一,广州迪森家用锅炉制造有限公司 )

3、OSCH博世热力 ( 于1886年德国,知名品牌,欧洲较大的燃气锅炉供应商之一,行业影响力品牌,博世热力技术(北京)有限公司 )

4、万和Vanward ( 上市公司,高新技术企业,率先推出多能互补的集成热水系统,领先的燃气具/生活热水系统供应商,广东万和新电气股份有限公司 )

5 、BAXI八喜 ( 始创于1866年英国,欧洲较大的壁挂炉生产商之一,壁挂炉行业影响力品牌,喜德瑞热能技术(天津)有限公司 )

6 、ARISTON阿里斯顿 ( 始创于1930年意大利,专业生产供暖和热水产品的全球领先企业,跨国公司,阿里斯顿热能产品(中国)有限公司 )

7 、Immergas依玛 ( 始创于1964年意大利,全球最先进较大的冷凝式锅炉生产厂家,意大利领先品牌,意大利依玛股份有限公司 )

8 、viessmann菲斯曼 ( 始创于1917年德国,行业领先的供热系统制造商,行业极具影响力的知名品牌之一,北京菲斯曼供热技术有限公司 )

9 、Ferroli法罗力 ( 始创于1955年德国,快热式热水器标准主要起草人之一,较大外商投资热能企业,法罗力(鹤山)水暖设备有限公司 )

10、BERETTA贝雷塔 ( 于1973年,中国采暖领域主要供应商,意大利较大的供热设备生产企业之一,利雅路热能设备(上海)有限公司 )

燃气壁挂炉报价

产品1、博世BOSCH壁挂炉采暖锅炉热水燃气两用24KW 组装欧洲精英-24KW

燃气壁挂炉报价：￥6499

产品2、新飞 XP20-A4 燃气壁挂炉 采暖热水两用炉 暖气片 地暖锅炉

燃气壁挂炉报价：￥5100

产品3、小松鼠燃气壁挂炉天然气地暖采暖洗浴两用24KW 智能编程SP24-B5

燃气壁挂炉报价：￥6299

产品4、八喜BAXI/ 燃气壁挂炉 进口MAINFOUR 梦琺系列 进口24KW

燃气壁挂炉报价：￥7600

产品5、贝雷塔 Beretta /意大利燃气壁挂炉 国内组装 俏 Ciao 采暖生活热水两用锅

燃气壁挂炉报价：￥5899

产品6、邦成/BONCOMM 燃气采暖热水炉 24kW 180平米壁挂炉 JLG24-B7

燃气壁挂炉报价：￥5388

上面小编就给大家介绍了几个燃气壁挂炉的品牌，同时也给大家讲了一下燃气壁挂炉报价。希望小编的介绍可以帮大家解决“燃气壁挂炉啥牌子好”这个问题。