Altair Taiwan Blog

在智能製造的大背景下，對數據進行分析，並挖掘其中的信息是智能製造的關鍵內容。

所謂數據分析，就是從數據中提煉信息，發掘價值，形成洞察，並最終輔助決策的過程。

數據分析可以分為四個漸進式階段，這也與工業4.0成熟度水平是不謀而合的。

• 指導性分析：又叫規範性分析，在預測的基礎上，結合業務流程，提供指導建議；
• 描述性分析：對正在或已發生的數據進行描述與分析；
• 診斷性分析：事件發生的原因；
• 預測性分析：預測將來要發生的事件。

從技術角度出發，可以將智能製造領域的數據分析分為兩類：

• 基於歷史數據的離線大數據分析
• 基於實時數據的在線實時分析

實時分析的核心是高吞吐、低延遲、無中斷。

由於工業領域的數據量級是非常巨大的，同時，大部分數據又是不可以直接使用的，比如需要濾波、截取、聚合等計算。這就首先需要對實時流數據進行處理，然後再進行分析或展示，而數據處理更多是基於預先設定好的規則（或模型）。

數據處理的規則（或模型）則需要利用歷史大數據，特別是藉助於機器學習等方法，對歷史大數據訓練出符合業務要求的模型。

另外，針對歷史數據另外還可以做更複雜的分析，如預測性分析、指導性分析。

因此，智能製造的數據分析應該是針對流數據的實時分析，以及對歷史數據的分析（以機器學習為主）兩種類型，並根據實際場景結合使用或者單獨應用。

數據處理

模型部署

如果您對《Altair 製造業數據分析解決方案白皮書》感興趣，歡迎點擊以下鏈接下載白皮書中文譯本和英文完整版本 ↓↓↓

您也可以復制以下鏈接在電腦端使用瀏覽器打開：

https://share.hsforms.com/1LJiSSirJSdW-5fNQUSf8Ww10gj