-
基于深度网络的工业数据分析与测试
（一）国内外研究现状
当今时代，信息化和工业化的融合已经成为发展趋势，《中国制造2025》指出：“新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点”。工业大数据在两化融合过程中起着至关重要的作用，国务院颁发的《促进大数据发展行动纲要》把发展工业大数据列为主要任务之一：“推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台”。
工业大数据是未来工业在全球市场竞争中发挥优势的关键。无论是德国工业4.0、美国工业互联网还是中国制造2025，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，以此创新发展、指导经营，推动工业智能化的发展。近年来，各国纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，推动其工业发展的改革，对大数据产业发展有着高度的热情。工业大数据正以一种革命风暴的姿态闯入人们视野，其技术和市场在快速发展，而驾驭工业大数据的呼声则一浪高过一浪。
美国政府将工业大数据视为强化美国竞争力的关键因素之一，把工业大数据研究和生产计划提高到国家战略层面。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等各个方面。并将大数据研究上升为国家意志，深入推动技术研究，同时还鼓励产业、大学和研究机构等与政府一起努力。
历经多年天拓四方与西门子多年合作，以优异的成绩成为西门子工业领域的核心合作伙伴，多年来积累了丰富的工业自动化应用技术和人才，在新时代的大背景下，我们致力于研究。开发工业大数据采集及应用的先关产品和技术，拥有自己品牌——数网星大数据采集及应用管理平台，通过工业远程数据采集系统。实时、高效的实现PC及移动端的数据采集、录入、查询、挖掘、统计等功能，同时解决了设备远程监控、调试运维。通过对历史数据分析，对设备进行预测性维护，提高产品竞争力和客户满意度、精准行销拓展，使企业更好的“把握现在，预知未来”。
- 研究主要成果
目前，工业大数据分析的理论和技术研究仍处于起步阶段，分析模型以简单的单一模型为主，分析算法主要是通用的数据挖掘算法。大数据分析模型按照输入输出的形式，主要有关联规则分析、分类分析、回归分析和聚类分析，这些分析模型以及它们的组合被应用于多种实际工业场景的分析任务中，如工艺参数优化、产量预测、故障检测和诊断、客户需求分析和服务类型识别等。
1、关联规则挖掘是针对购物篮分析的问题提出的，其最初的目的是挖掘交易数据库中不同商品间存在的关联关系，以此得到顾客购买模式的一般性规则，并用这些规则指导商家进行合理的货架设计。在实际工业过程中，许多场景可以用类似的关联关系建模，用频繁项集挖掘的方法来获取隐含规则，用数据和知识驱动的方式来代替传统的大量依靠经验的决策方式。
2、分类模型和回归模型在基于大数据的分析、判断和预测领域具有广泛应用。其中，分类模型主要针对离散属性值的判断和预测，如故障检测和诊断、客户细分；而回归模型主要针对连续属性值，如产品的产量、销量。决策树模型和神经网络模型是基于工业大数据的分类和回归分析中的主要模型。
3、聚类分析模型能够将具有相似模式的对象归纳为一簇，是一种典型的无监督学习模型。聚类分析模型擅于从看似关系复杂、未知的对象中提取出内在联系。因此，在工业大数据分析中，聚类分析模型被用于分析复杂参数间的关系、细分客户群等。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
