工业大数据：车间物联网数据管理

　　数据质量控制：物联网的数据质量可以用精确度、置信度和完整性三个指标来衡量。在提高射频识别、传感器网络数据质量控制方面，主要采用清除多读和误读数据、填补漏读的数据。数据清洗通常采用概率统计和时空关联的方法。

　　数据融合与集成：物联网数据空间内数据对象的多态性表现在多类型、异构和无统一模式。因此，一方面需要构建车间统一的数据模型，用统一的方式表达数据；第二方面以统一数据模型为基础，研究如何将异构数据映射和转换到统一的数据框架中；第三方面物联网中的数据源是分布、自治和独立的。在数据集成过程中，有时需要自动地发现相关的数据源；第四方面要记录数据的来源，从而实现数据的溯源；第五方面车间制造资源是不断变化的，这种变化会对于数据的一致性、版本和模式更新等产生影响，要能够记录数据演化的过程。

　　复杂事件处理：在典型的物联网应用中，上层系统负责监测各个物体的状态和行为，并控制其按照既定的程序作出智能反应并完成相应行为。物体的行为通常以事件形式表达。

　　安全访问控制：由于物联网的开放性，如何保护好了传感数据的隐私性成为一个棘手问题。因为这些海量数据很容易获取、如果几何互联网检索信息，使用复杂的推理技术，就可推演出隐私信息。物联网的物体异构性和移动性增加了隐私保护的复杂性。

　　第三节 物联数据的应用模式

　　1、物联车间的生产管控：车间生产指挥调度中心作为整个生产的“大脑”，需要统筹调度车间的各项资源及生产能力，该中心通过集成ERP、MES、MDC等系统数据，以电子大屏幕为载体，展示各生产现场作业情况、突发事件、事件跟踪、改进情况等。结合精益生产理念，对各生产单元的生产任务执行进行全过程管理，通过统计、分析、归纳、预测后，实现生产数据可视化管理，为全景展示公司生产任务执行情况，提供企业决策支持分析，确保生产任务按质、按量的准时完成。

物联车间的生产管控　　

　　2、物联车间的质量控制：某钢铁企业是中国最大的特种钢材生产企业，在其某条硅钢生产线上，由于多种复杂因素的作用，成品表面有时会形成一种称为纵条纹的瓦楞状缺陷。纵条纹缺陷不仅影响产品的外观效果，而且对产品的物理性能如层间电阻，电磁性能和叠片性能等有着直接的影响，其纵条纹缺陷钢占生产量的30%左右，每年给企业带来巨大的损失。通过数据挖掘技术对生产工艺流程数据进行深入分析和挖掘，建立产品质量优化模型，减低次品率，提升产品质量。

物联车间的质量控制