1、基于工业大数据技术基础的应用方案规划主要内容 大数据规模、特征 从大数据到工业大数据 工业大数据应用背景 工业大数据应用方案的规划思路 智能工厂中的典型工业大数据应用大数据的规模与相对性 1B：一个字符或一粒沙子 1K：一句句子或一撮沙子 1M： 20页左右的 Powerpoint 文件或一勺沙子 1G：一摞厚度 10米左右的书或一鞋盒沙子 1T： 300小时左右的高清视频或一操场沙子 1P： 3040万张数字照片或者一片 1.5公里左右长海滩沙子 1E：大约 2000年前后全球信息的一半或者上海到香港之间海滩的全部沙子2010年全球数字世界信息规模首次达到 1ZB（ 1万亿 GB)IDC:T
2、he Digital Universe in 2020:Big Data,Bigger Digital Shadows,and Biggest Growth in the Far East.大数据指的是所涉及的数据集规模已经超越了传统数据库软件获取、存储、管理和分析的能力。这是一个被故意设计成主观性的定义，并且是一个关于多大的数据集才能被认为是大数据的可变定义 随着技术的不断发展，复核大数据标准的数据集容量也会增长；并且定义随不同的行业也有变化，这依赖于在一个特定行业通常使用何种软件和数据集有多大 McKinsey Global Institute.Big Data:The next Fron
3、tier for Innovation,Cometition and Productivity大数据特征结构化：数据库等半结构化 :如XML准结构化 :如 URL非结构化：不同类型文件工业大数据中，生产数据的速度实时性更明显 各企业或组织机构中， 80%以上数字信息都是非结构化ESB集成方法，数据驱动的应用数据可视化，数据关系，数据货币化SOA服务，迭代更新，实时交换机制ECTL，商业智能 BI，机器学习，模式识别应用层结构化数据和非结构化数据的处理MPP并行处理，线性扩展， OLAP分析层虚拟化、网络化、分布式（软件定义 SDX）横向可扩展的体系结构（区块链），数据采集管理层基础层工业大数据
4、中，数据的采集来源更多样化，应用模式更复杂数字化设备 数据采集者数据汇总者数据使用者数据应用模式 大数据产业模 式工业大数据需要基于归因、建议、预测、洞察、基准的应用从大数据到工业大数据工业大数据中，数据的采集来源更多样化， PLC控制、传感器、内部系统、互联网应用模式更复杂：研发、设计、工艺、生产、管理、决策、运维、环境实时性要求：工业控制级别的上下环节协同知识共享：隐形知识显性化的嵌入式技术体系比互联网式样的知识地图更为复杂数据隐私保护：涉及商业秘密的前提条件下公有云与私有云模式的谨慎区隔工业大数据面临的智能制造架构德国 RAMI4.0架构美国 IIRA日本 IVRA 中国智能制造架构我国智能制造架构体系中工业大数据的位置工业大数据面临的国内外平台云平台解决方案普奥工业云索为航天云网舜宇其他云服务公有云私有云行业云企业云工业大数据面临的技术进步技术背景计算 CPU虚拟化 内存虚拟化存储 NAS SAN 云存储网络 网卡虚拟化 虚拟交换机 网络虚拟化流程 SDN SDM 制造流程定义安全 分布式 数据微服务：数据继承 应用集成 ESB 区块链应用协同新在线事务（Nosql/newsql)）分布式处理（） 高级分析机器学习聚类关联回归分类数据可视化制造型企业内部的数据与应用用户
