工业大数据在智能制造中的应用

微风

2019/03/24 发布于 技术 分类

文字内容
1. ⼯工业⼤大数据在智能制造中的应⽤用 孙继珑 Jimeng ⼤大数据负责⼈人
2. • ⾏行行业现状 • ⾏行行业误区 • 合理理的⼤大数据团队 • 积梦⼤大数据架构 • ⼤大数据应⽤用案例例 • 总结
3. ⼯工业⼤大数据
4. ⾏行行业现状 • 缺少数据 • 有⼤大数据,但只是空壳 • 有数据湖,但是缺乏数据治理理
5. • ⾏行行业现状 • ⾏行行业误区 • 合理理的⼤大数据团队 • 积梦⼤大数据架构 • ⼤大数据应⽤用案例例 • 总结
6. ⾏行行业误区 • 渴望银弹 • 缺乏认同 • 注重形式
7. • ⾏行行业现状 • ⾏行行业误区 • 合理理的⼤大数据团队 • 积梦⼤大数据架构 • ⼤大数据应⽤用案例例 • 总结
8. 合理理的⼤大数据团队 • 基础服务部⻔门 • 数据治理理部⻔门 • 数据分析部⻔门 • 数据应⽤用部⻔门 • 产品经理理部⻔门
9. • ⾏行行业现状 • ⾏行行业误区 • 合理理的⼤大数据团队 • 积梦⼤大数据架构 • ⼤大数据应⽤用案例例 • 总结
10. 积梦⼤大数据架构 监控报警 业务 数据 数据应⽤用 SPC 硬件 设备 异常诊断 预测性维护 智能报告 … 数据基础平台 计算层 服务 相关性分析 调度层 存储层 接⼊入层 MR Hive Yarn HDFS Spark Presto Kylin Tensorflow Apache Airflow HBase MQTT Casandra Kubernetes Kafka Minio Logkit PG
11. 积梦⼤大数据架构 监控报警 业务 数据应⽤用 SPC 相关性分析 异常诊断 预测性维护 智能报告 … 数字⼯工⼚厂模型 数据 数据基础平台 计算层 服务 调度层 硬件 设备 存储层 接⼊入层 MR Hive Yarn HDFS Spark Presto Kylin Tensorflow Apache Airflow HBase MQTT Casandra Kubernetes Kafka Minio Logkit PG
12. 积梦⼤大数据架构 数据采集架构
13. 积梦⼤大数据架构 PG Citus Stolon
14. • ⾏行行业现状 • ⾏行行业误区 • 合理理的⼤大数据团队 • 积梦⼤大数据架构 • ⼤大数据应⽤用案例例 • 总结
15. ⼤数据应⽤案例 AI概述 • 机器器学习主要涉及到数据和算法,但最主要的还是数据 • 机器器学习的质量量与训练所⽤用数据的质量量强相关 • 机器器学习只有在训练数据具有代表性的前提下才会起作⽤用 • 深度学习是⼀一场⾰革命性的进步,但并不不是灵丹丹妙药 • 不不要指望机器器学习能找到你需要解决的问题
16. ⼤数据应⽤案例 AI概述 哪些问题不不适合⽤用机器器学习: 1. 规则明确且不不过于复杂 2. 需要强解释性 3. 容错率低 - 机器器学习没有100% ⽣生产制造中其实⼤大部分还是⾃自动化的问题,机器器学习帮不不上忙,甚⾄至会帮倒忙
17. ⼤数据应⽤案例 AI概述 哪类问题适合⽤用机器器学习: 1. 分类 2. 预测 3. 聚类 4. ⾏行行动
18. ⼤数据应⽤案例 相关性分析
19. • 标题⽂文本 • Content Title 2 • Content Title 3 • Content Title 4 • Content Title 5 • Content Title 6
20. ⼤数据应⽤案例 相关性分析 • 过度拟合 • ⼤大数据⾃自⼤大 • 算法演化 • 看不不⻅见的动机
21. ⼤数据应⽤案例 相关性分析
22. ⼤数据应⽤案例 智能报警 • 基于规则 • 基于监督式模型 • 基于⾮非监督式模型
23. ⼤数据应⽤案例 智能报警 ⾮非监督式模型 - 回归预测
24. ⼤数据应⽤案例 智能报警 ⾮非监督式模型 - ⾃自动编码器器
25. ⼤数据应⽤案例 预测性维护
26. ⼤数据应⽤案例 问题诊断
27. ⼤数据应⽤案例 问题诊断
28. ⼤数据应⽤案例 问题诊断
29. ⼤数据应⽤案例 问题诊断
30. ⼤数据应⽤案例 问题诊断
31. ⼤数据应⽤案例 问题诊断
32. • ⾏行行业现状 • ⾏行行业误区 • 合理理的⼤大数据团队 • 积梦⼤大数据架构 • ⼤大数据应⽤用案例例 • 总结
33. 总结 Take away 1: ⼤大数据需要专⻔门的团队,不不能依赖外包 ‣ ‣ ⼤大企业起步虽晚,但是可以借鉴互联⽹网企业的经验 ‣ ⼩小企业可以使⽤用⼤大数据云服务
34. 总结 Take away 2: ‣ 要真正重视⼤大数据的⻓长期价值
35. 总结 Take away 3: ‣ 要科学合理理地利利⽤用⼤大数据
36. 总结 Take away 4: ‣ 摒弃偏⻅见,加强交流
37. • 标题⽂文本 • Content Title 2 • Content Title 3 • Content Title 4 • Content Title 5 • Content Title 6
38. • 标题⽂文本 • Content Title 2 • Content Title 3 • Content Title 4 • Content Title 5 • Content Title 6