行业领域

电子信息技术,计算机及网络技术

需求背景

工业大数据是近年来国内外的研究热点。时间序列数据是工业大数据的核心数据类型，对其进行分析挖掘从而转化为有价值的信息。如中国电子技术标准化研究院编制的《工业大数据白皮书》中所述：“工业大数据、人工智能模型和机理模型的结合，可有效提升数据的利用价值，是实现更高阶的智能制造的关键技术之一”。

但如何准确便捷的应用这些数据目前尚有很大的研究空间。一个亟需解决的问题是如何将时间序列分析算法和领域专业人员进行融合。在数据挖掘和机器学习领域，近年来研究者提出了大量的时间序列挖掘算法，如分类、聚类、异常检测、频繁模式挖掘等，但这些算法大多为通用算法，没有结合领域背景和知识，并且，对领域的适应性也存在一定的问题。另一方面，领域专业人员具有领域知识和经验，但对于数据挖掘算法则了解较少，编程经验也较为薄弱。因此，这些专业人员难以充分利用现有的时间序列挖掘算法，对领域数据进行分析挖掘，从而获取这些数据蕴含的价值。

针对上述问题，该项目希望通过构建基于时间序列分析的工业大数据平台，一方面平台能够集成丰富的时间序列分析算法，另一方面，平台提供可拖拽的分析工作流构建方式，从而使得专业人员可以灵活便捷的使用时间序列分析算法，满足专业人员对于时间序列数据分析的多元化应用需求,并通过结合如智能车等相关场景进行分析，探索相关实践性应用价值。

需解决的主要技术难题

1、工业大数据的数据管理：研究大规模时间序列的存储管理技术，以及相关的元数据管理技术。考虑到制造业中的时间序列数据往往为大量传感器高频采集，且数据时间周期较长，因此需要研究时间序列管理中的压缩技术，以及高效存储技术。还需要研究元数据管理技术，从而支持指定范围内的时间序列数据的查询和分析。最后，需要研究基于内存的数据缓存技术，从而支持会话过程和不同分析操作之间的数据高效访问。

2、工业大数据的数据分析：时间序列的分析技术和搜索技术。分析技术主要针对制造业，研究时间序列数据异常检测、时间序列分类、聚类、工况切分、频繁模式挖掘等。搜索技术主要研究基于特定搜索条件的时序数据精确搜索、近似搜索、分类搜索、邻近时间段搜索等高性能搜索等技术。

3、交互分析层：研究跨时空尺度强关联大数据解析的流程行业产品质量智能管控技术，开发基于多尺度过程数据与产品质量数据之间的隐含关系解析的产品质量预报与异常诊断算法、因果关系解析的异常回溯算法、产品质量异常自愈调控算法时间序列数据高效的分析技术。分析算法可能涉及到不同语言实现的算法，不同的计算平台。并且，由于制造业领域专家可能各种编程语言和计算框架不熟悉，难以对这些算法进行熟练组合使用。因此，在交互分析层，项目拟主要研究可拖拽的工作流构建技术。基于特定场景下的分析等算法功能进行模块化管理，然后用拖拽的方式构建分析工作流，用来支撑专业人员的数据分析和应用需求。并且，研究基于GPU集群的模型并行化训练技术，进一步提升平台的算法可扩容性和计算高效性。

4、搭建应用平台：建设工业互联网平台。面向章丘区、济南市制造业企业信息化、智能化的发展，结合目前主流的工业软件产品，搭建工业互联网应用平台。平台将覆盖设备互联、工业检测、数据传输、数据管理、数据应用与分析等多个环节，并涵盖ERP、MES等常见工业企业管理系统。

期望实现的主要技术目标

本项目在支持期限内，完成“基于时间序列分析的工业大数据平台”搭建和完善，基于此平台成果，实现营业收入至少600万元，净利润至少180万元，上缴税金至少35万元；引进或培养人才20人以上，发表论文、专利、著作权等15篇以上。

基于本项目，通过企业技术服务等方式搭建3个工业互联网或人工智能典型行业应用场景；牵头参与团体标准或行业标准制定3项；成立1个市级或以上研究平台或工程技术平台；为本地工业企业提供解决方案或签订技术合同12项。