新闻中心
当前位置:
  • 首页/
  • 新闻中心/
  • 新闻公告/
  • 【试验工程师·公益学习营】第五期第3讲

    【试验工程师·公益学习营】总第23讲,于2020年6月12日如期举行,本期讲师是北京瑞风协同科技股份有限公司资深技术经理,在复杂产品保障领域有近15年的从业经验,对复杂产品综保设计、运维保障、大数据方面有较深入的研究,在多个行业拥有丰富工程实践。主要研究方向包括复杂产品数据采集、数据分析、大数据挖掘及共享应用。

    讲师在本期课程中,重点围绕以下四个方面为大家进行讲解:工程数据融合技术概述、工程数据融合决策内涵解读、工程数据融合决策应用案例和工程数据融合决策建设效果。

    在工程数据领域,数据融合是一种数据综合处理技术和分析方法,通过将不同来源的异构数据进行集成、整合、共享和关联,打通“跨层级、跨地域、跨系统、跨部门、跨业务”的数据孤岛,形成准确、统一、有用的描述,实现工程数据的“聚、通、用”。工程数据融合分析的意义有三点:一是,通过系统数据建模能够更全面的了解工程数据状态及变化;二是,通过多源数据的交叉关联帮助企业鉴别数据的可靠性、真实性和正确程度,减少信息的不确定性、模糊性和语义偏差;三是,通过多维度的关联能够挖掘出工程数据潜在的价值,促进企业创新。

    工程数据的特点主要为五多四复杂,即五多为:多型号、多阶段、多工具、多来源、多专业,四复杂为:复杂结构、复杂格式、复杂内涵、复杂关联。企业信息化经过多年的发展,业务系统建设已基本完成,运行多年累积了大量业务数据。但由于缺乏全局规划导致大量数据在睡眠。通过这些证明,企业基础设施业务系统日益完善,但数据始终无法支撑企业快速发展,其根源在于数据无法高效共享、流动和关联,导致企业出现数据孤岛现象。因此,实现数据融合是企业快速发展的关键。数据融合是目前大数据应用、智能决策过程中一个瓶颈,数据融合并不是一件容易的事情,主要面临以下四个问题:一是数据安全问题,二是数据标准问题,三是数据孤岛问题,四是融合效果挑战。

     

     

    工程数据融合的目标是将来自多源的、异构的数据进行集中存储,然后进行数据融合处理,最后对融合后的数据进行分析和共享应用,发挥数据的价值。工程数据处理流程为:数据源→工程数据处理→数据融合→数据决策分析。工程数据融合级别分类主要为:数据级融合、特征级融合和决策级融合。数据融合技术综合了数字信号处理、统计估算、控制理论、人工智能和经典数据方法等多种学科,常见的融合算法有:加权平均法、卡尔曼滤波法、贝叶斯估计法、统计决策理论法、D-S证据推理法、模糊推理法、小波变换法、神经网络技术。工程数据融合一般用准确性、完整性、延迟时间和信息开销等衡量标准来判断数据融合算法的优劣。

     

     

    工程数据中积累了大量敏感数据、隐私数据甚至涉密数据,在数据融合过程中需要确定数据的安全等级,然后设计数据的访问控制、传输安全、数据访问接入安全认证、个人隐私数据自动化识别、隐私度量等防护方案。数据融合标准一般包括:数据标准、数据管理标准和数据接口标准。数据展示方式是对融合结果数据进行展示,提供强大的数据分析能力、灵活的配置能力,为数据统计分析、监控维护、辅助决策提供支撑。数据统计分析支持多种类型的统计图,使统计图定义不再繁复;内置类似Excel的大量风格,可随意切换UI;支持统计图上的多层钻取定义;拥有灵活强大的多维分析OLAP。

     

     

    数据三维动态展示分为全景级、系统级和设备(过程)级。数据决策分析分为决策知识库构建和数据决策分析评估。决策知识库构建包括:决策规则库、决策算法库、决策模板库和决策报告模板;数据决策分析评估包括:数据包络分析、数据一致性分析、PPM产品分析和产品质量评估报告。大数据挖掘分析分为工程数据层、数据预处理层、数据资源体系层、大数据挖掘层和智能服务层五个层面。

     

     

     

    接下来,讲师为大家从两个方面详细介绍了工程数据融合的应用案例,即民用航空应用案例和健康码应用案例。工程数据融合决策建设效果主要为:一张图→展示工程数据全貌,一个标准→提高工程数据质量,一个平台→集成数据全部应用。

     

     

     

    同期课程

    第1讲

    燃烧的心脏

    时间:5月29日

    第2讲

    保障性试验验证技术

    时间:6月5日

    第3讲

    工程数据融合决策分析

    时间:6月12日

    第4讲

    压力测量的原理方法及实践

    时间:6月19日

    第5讲

    大数据时代数据库

    时间:6月26日

     

    如果您对我们的课程感兴趣,欢迎扫描下方二维码进行听课!