* 本报告来自网络，如有侵权请联系删除
工业大数据分析案例剖析
收藏
分享
纠错
价格免费
数据简介
工业大数据分析作为工业智能化发展的核心之一,是实践性非常强的工作，现实中的失败比例非常高。在《工业大数据分析指南》中虽然已对通用的工业大数据分析方法和分析流程进行了归纳和总结，但其更加关注于具有普遍指导意义的方法论，为能更好的指导企业开展工业大数据分析实践，我们选取了四个不同行业中已经落地应用的典型案例,并依照《工业大数据分析指南》的方法体系进行了较为深度的剖析，形成了本案例集。
详情描述
人们用工业大数据分析的办法来发现知识并指导行动。如果错误的认识误导了行动，可能会给工业企业带来非常严重的后果。所以，工业界在实际应用中,对数据分析结果的可靠性要求很高，这对于工业大数据分析应用的落地带来了极大的挑战。 传统概率统计方法是从基本的理论假设开始展开研究,分析结果的可靠性是由理论前提和假设保证的。科学家从事科研工作时，可以根据分析工作的需求去采集和配置数据，从而得到可靠的结果。工业大数据分析则是通过数据本身表现出来的特点来发现规律。从事工业大数据分析时，人们往往只能根据工业现场已有的数据进行分析，而这些数据往往不是为特定数据分析工作而准备的。在某些场景下，数据可能从根本上就无法支撑分析的目标。从这种意义上说,特别是数据量无法达到一定规模的情况下，基于统计方法的数据分析建模不能够准确捕捉到工业现场问题与征兆之间的因果性,因而单纯依靠数据分析模型做出决策存在相当程度的不确定性。 在追求确定性的过程中，有两种常见的挑战:一种是模型混淆了相关与因果，一种是把特殊条件下的因果关系扩大到一般情况。要应对这两种挑战，人们都必须借助对工业机理的认识。实践证明:如果仅仅以精度为标准衡量模型和结果的好坏，就很难保证成果的可用性，必须善于利用工业机理来选择数据、分析结论。
报告预览
*本报告来自网络，如有侵权请联系删除
相关「可视数据」推荐
相关「数据报告」推荐
