姚雪梅，李少波，璩晶磊，陳偉興

(1.貴州大學(xué) 現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽(yáng) 550025；2.貴州大學(xué) 機(jī)械工程學(xué)院，貴州 貴陽(yáng) 550025；3.中國(guó)科學(xué)院 成都計(jì)算機(jī)應(yīng)用研究所，四川 成都610041)

制造大數(shù)據(jù)相關(guān)技術(shù)架構(gòu)分析*

姚雪梅1，李少波2，3，璩晶磊3，陳偉興1

(1.貴州大學(xué) 現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽(yáng) 550025；2.貴州大學(xué) 機(jī)械工程學(xué)院，貴州 貴陽(yáng) 550025；3.中國(guó)科學(xué)院 成都計(jì)算機(jī)應(yīng)用研究所，四川 成都610041)

針對(duì)大數(shù)據(jù)技術(shù)給制造業(yè)帶來(lái)的機(jī)遇和挑戰(zhàn)，通過(guò)分析制造大數(shù)據(jù)的研究現(xiàn)狀和產(chǎn)生，給出了制造大數(shù)據(jù)的定義。依據(jù)制造大數(shù)據(jù)的處理流程構(gòu)建其技術(shù)架構(gòu)，并介紹了相應(yīng)的關(guān)鍵技術(shù)。最后列舉了幾種典型的應(yīng)用場(chǎng)景，指出了制造大數(shù)據(jù)面臨的挑戰(zhàn)并展望下一步發(fā)展方向。

制造大數(shù)據(jù)；處理流程；技術(shù)架構(gòu)；關(guān)鍵技術(shù)

1 制造大數(shù)據(jù)的產(chǎn)生和研究現(xiàn)狀

1.1 制造大數(shù)據(jù)的研究現(xiàn)狀

大數(shù)據(jù)一詞在《The Third Wave》一書(shū)中最早被提出后，在農(nóng)業(yè)、交通、金融、醫(yī)療、遙感等行業(yè)得到了充分的發(fā)展和應(yīng)用，制造業(yè)也不例外，尤其在 2013年的《中國(guó)大數(shù)據(jù)技術(shù)與產(chǎn)業(yè)發(fā)展白皮書(shū)》中，明確指出在制造業(yè)采用大數(shù)據(jù)技術(shù)可以減少 20%到50%的產(chǎn)品開(kāi)發(fā)時(shí)間，促進(jìn)制造業(yè)的轉(zhuǎn)型升級(jí)；在 2014年的《大數(shù)據(jù)標(biāo)準(zhǔn)化白皮書(shū)》中強(qiáng)調(diào)必須推動(dòng)大數(shù)據(jù)在大規(guī)模制造業(yè)生產(chǎn)過(guò)程中的應(yīng)用，鼓勵(lì)企業(yè)運(yùn)用大數(shù)據(jù)開(kāi)展個(gè)性化定制，創(chuàng)新生產(chǎn)管理模式，降低生產(chǎn)成本，提高企業(yè)競(jìng)爭(zhēng)力。

文獻(xiàn)[1]提出一種基于服務(wù)的制造數(shù)據(jù)管理方法，實(shí)現(xiàn)了產(chǎn)品研制和生產(chǎn)制造過(guò)程的有效管理；文獻(xiàn)[2]利用物聯(lián)網(wǎng)技術(shù)加強(qiáng)制造信息的管理和服務(wù)，旨在利用大數(shù)據(jù)技術(shù)構(gòu)建一個(gè)高效節(jié)能、綠色環(huán)保的人性化工廠；文獻(xiàn)[3]利用RFID技術(shù)實(shí)現(xiàn)生產(chǎn)制造過(guò)程的工人、工序、工件、工時(shí)的實(shí)時(shí)統(tǒng)計(jì)和分析，便于質(zhì)量管理和追溯的目的；文獻(xiàn)[4]提出一套制造執(zhí)行系統(tǒng)的關(guān)鍵技術(shù)體系和實(shí)現(xiàn)框架，為解決生產(chǎn)制造過(guò)程實(shí)時(shí)數(shù)據(jù)采集和傳輸提供了技術(shù)支持；文獻(xiàn)[5]闡述了一種融合 RFID和條形碼的生產(chǎn)制造過(guò)程自動(dòng)識(shí)別技術(shù)；文獻(xiàn)[6]通過(guò)對(duì)制造單元感知實(shí)體屬性和感知設(shè)備方面的分析，實(shí)現(xiàn)對(duì)生產(chǎn)線制造過(guò)程的實(shí)時(shí)跟蹤、精確管理。

綜上文獻(xiàn)資料，學(xué)術(shù)界近幾年對(duì)制造領(lǐng)域的數(shù)據(jù)分析和處理進(jìn)行了大量的科學(xué)研究。隨著制造業(yè)信息化進(jìn)程的推進(jìn)，制造業(yè)產(chǎn)生的數(shù)據(jù)量呈爆炸式增長(zhǎng)趨勢(shì)，傳統(tǒng)的數(shù)據(jù)分析和挖掘算法在數(shù)據(jù)維度和規(guī)模增大時(shí)，需要的內(nèi)存和硬件資源呈指數(shù)級(jí)增長(zhǎng)，尤其是處理PB級(jí)別數(shù)據(jù)量時(shí)，其時(shí)空復(fù)雜度表現(xiàn)為線性增長(zhǎng)，超出人們能夠忍受的正常范圍，急需更簡(jiǎn)單有效的算法來(lái)解決當(dāng)前的問(wèn)題。本文在闡述制造大數(shù)據(jù)研究現(xiàn)狀的基礎(chǔ)上，綜合分析其來(lái)源，給出制造大數(shù)據(jù)的定義，并提出一種制造大數(shù)據(jù)的技術(shù)架構(gòu)，同時(shí)展開(kāi)其關(guān)鍵技術(shù)的探討。

1.2 制造大數(shù)據(jù)的產(chǎn)生

E-works的黃培博士早在 2012績(jī)效年會(huì)開(kāi)幕致辭《中國(guó)制造業(yè)的大數(shù)據(jù)時(shí)代》中提到制造業(yè)處于數(shù)據(jù)爆炸的時(shí)代。車間的產(chǎn)品數(shù)據(jù)，流通階段的運(yùn)營(yíng)數(shù)據(jù)，客戶、廠商和合作者之間的價(jià)值鏈數(shù)據(jù)、市場(chǎng)的輿情數(shù)據(jù)、行業(yè)競(jìng)爭(zhēng)對(duì)手的數(shù)據(jù)、國(guó)家政策信息以及 PDM、MES、ERP、CRM、SCM、CAD/M/E、CAPP等軟件和RFID射頻識(shí)別、物聯(lián)網(wǎng)、傳感器、電子標(biāo)簽、互聯(lián)網(wǎng)+等技術(shù)在制造業(yè)的廣泛應(yīng)用，促進(jìn)了制造模式的創(chuàng)新，產(chǎn)生了制造大數(shù)據(jù)。

1.3 制造大數(shù)據(jù)的概念

目前業(yè)界對(duì)大數(shù)據(jù)的定義尚有爭(zhēng)議，研究機(jī)構(gòu)Gartner認(rèn)為“大數(shù)據(jù)”是在新處理模式下具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)；麥肯錫給出的定義是：一種在獲取、存儲(chǔ)、管理、分析方面規(guī)模巨大，超出了傳統(tǒng)軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價(jià)值密度低四大特征[7-8]，后者的觀點(diǎn)更能得到業(yè)界的普遍認(rèn)同。

綜合各界對(duì)大數(shù)據(jù)的闡述，結(jié)合制造業(yè)信息化的概念及應(yīng)用[9]，將制造大數(shù)據(jù)定義為：制造業(yè)通過(guò)網(wǎng)絡(luò)化、數(shù)字化形成的海量異構(gòu)制造行業(yè)數(shù)據(jù)資產(chǎn)匯聚，通過(guò)信息驅(qū)動(dòng)的制造行業(yè)數(shù)據(jù)資源應(yīng)用，為改造和提升制造業(yè)創(chuàng)新制造及服務(wù)能力、促進(jìn)轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)智慧制造提供了支撐[10]。

2 制造大數(shù)據(jù)的技術(shù)架構(gòu)

2.1 制造大數(shù)據(jù)處理流程分析

制造大數(shù)據(jù)的處理流程[11]如圖1所示，主要包括以下部分：(1)傳感器，是制造大數(shù)據(jù)的主要采集工具；(2)采集中間件，負(fù)責(zé)源數(shù)據(jù)的采集，同時(shí)對(duì)數(shù)據(jù)預(yù)處理，消除數(shù)據(jù)不確定性，規(guī)范化處理數(shù)據(jù)；(3)存儲(chǔ)中間件，制造大數(shù)據(jù)具有海量、異構(gòu)、實(shí)時(shí)、多源的特點(diǎn)，從而要求存儲(chǔ)設(shè)備實(shí)現(xiàn)性能和容量的線性擴(kuò)展；(4)處理中間件，數(shù)據(jù)處理離不開(kāi)規(guī)則約束下的有效挖掘，因此，高效的人工智能、機(jī)械學(xué)習(xí)、數(shù)據(jù)挖掘算法是基礎(chǔ)技術(shù)；(5)安全管理中間件，制造大數(shù)據(jù)的應(yīng)用絕大部分用于車間、工廠、企業(yè)、市場(chǎng)，其數(shù)據(jù)的安全性和準(zhǔn)確性直接關(guān)系到應(yīng)用的有效性；(6)制造大數(shù)據(jù)應(yīng)用，是制造業(yè)信息化、網(wǎng)絡(luò)化、智能化的最終體現(xiàn)。

圖1 制造大數(shù)據(jù)處理流程

圖2 制造大數(shù)據(jù)技術(shù)架構(gòu)

2.2 制造大數(shù)據(jù)技術(shù)架構(gòu)分析

基于數(shù)據(jù)驅(qū)動(dòng)的制造大數(shù)據(jù)處理流程分析，提出如圖2所示的制造大數(shù)據(jù)技術(shù)架構(gòu)，主要包括數(shù)據(jù)采集、預(yù)處理、分析、應(yīng)用 4個(gè)部分[12-13]。(1)數(shù)據(jù)采集，以傳感器為主要采集工具，結(jié)合 FRID、條碼掃描器、生產(chǎn)和監(jiān)測(cè)設(shè)備、PDA、人機(jī)交互、智能終端等手段采集制造領(lǐng)域多源、異構(gòu)數(shù)據(jù)信息，并通過(guò)互聯(lián)網(wǎng)等技術(shù)實(shí)現(xiàn)源數(shù)據(jù)的實(shí)時(shí)準(zhǔn)確傳輸。采集的源數(shù)據(jù)歸納起來(lái)一共是結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化三類數(shù)據(jù)，相應(yīng)的數(shù)據(jù)說(shuō)明如表1所示。(2)數(shù)據(jù)預(yù)處理，首次采集獲得的源數(shù)據(jù)是多維異構(gòu)的，為避免噪音或干擾項(xiàng)給后期分析帶來(lái)的困難，必須執(zhí)行同構(gòu)化處理，同時(shí)將處理結(jié)果有效存儲(chǔ)在性能和容量都能線性擴(kuò)展的分布式數(shù)據(jù)庫(kù)中。數(shù)據(jù)預(yù)處理包括四個(gè)步驟[14]：數(shù)據(jù)清洗、數(shù)據(jù)交換、數(shù)據(jù)集成、數(shù)據(jù)歸約；(3)數(shù)據(jù)分析，在傳統(tǒng)數(shù)據(jù)挖掘的基礎(chǔ)上，結(jié)合新興的云計(jì)算、Hadoop、專家系統(tǒng)等對(duì)同構(gòu)數(shù)據(jù)執(zhí)行高效準(zhǔn)確地分析運(yùn)算，并用可視化技術(shù)展示結(jié)果；(4)數(shù)據(jù)應(yīng)用，主要應(yīng)用于車間、工廠的流程管控和優(yōu)化，產(chǎn)品研發(fā)的決策支持，質(zhì)量檢測(cè)和故障預(yù)警，供應(yīng)鏈優(yōu)化等方面。

2.3 制造大數(shù)據(jù)關(guān)鍵技術(shù)分析

制造系統(tǒng)中不僅包括制造設(shè)備軟硬件，還包括制造工藝等多維異構(gòu)數(shù)據(jù)。提高采集、分析和處理制造數(shù)據(jù)的能力，真實(shí)客觀地反映制造過(guò)程，是確保生產(chǎn)制造過(guò)程高效、可靠的關(guān)鍵。其中，云計(jì)算是基礎(chǔ)；分布式文件系統(tǒng)為其提供數(shù)據(jù)存儲(chǔ)架構(gòu)；分布式數(shù)據(jù)庫(kù)便于數(shù)據(jù)管理，同時(shí)提供高效的訪問(wèn)速度；MapReduce等技術(shù)對(duì)異構(gòu)數(shù)據(jù)進(jìn)行分析處理，最后利用可視化技術(shù)形象生動(dòng)地呈現(xiàn)在用戶眼前，滿足用戶需求。

(1)云計(jì)算

在海量制造數(shù)據(jù)面前，如何分析、提取有效信息是企業(yè)的當(dāng)務(wù)之急。來(lái)自公有云、私有云和混合云之上的強(qiáng)大的云計(jì)算能力[15]，是提取大數(shù)據(jù)價(jià)值的前提。云計(jì)算的核心服務(wù)包括三種類型：SaaS、PaaS和 IaaS[16]。

(2)分布式技術(shù)

分布式文件系統(tǒng)是指管理模式下的實(shí)際存儲(chǔ)資源，有的與本地節(jié)點(diǎn)直接物理連接，有的則通過(guò)互聯(lián)網(wǎng)與本地相連[17]。目前常見(jiàn)的分布式文件系統(tǒng)有GFS、S3、TFS等。

分布式數(shù)據(jù)庫(kù)的基本思想是將原來(lái)集中式關(guān)系型數(shù)據(jù)庫(kù)中的數(shù)據(jù)分散存儲(chǔ)到多個(gè)通過(guò)網(wǎng)絡(luò)連接的數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)上，以獲取更大的存儲(chǔ)容量和更高的并發(fā)訪問(wèn)量。目前常見(jiàn)的分布式數(shù)據(jù)庫(kù)有 BigTable、PNUTS和Dynamo等。

(3)MapReduce技術(shù)

MapReduce是基于 Hadoop分布式平臺(tái)下的一種計(jì)算機(jī)編程模型，適用于大規(guī)模數(shù)據(jù)集的并行計(jì)算，它為底層程序員提供了一種快速開(kāi)發(fā)、分析處理海量數(shù)據(jù)的環(huán)境，并且使這種模型下開(kāi)發(fā)出來(lái)的程序能夠在一些大型的商業(yè)集群上以一種高速、穩(wěn)定、容錯(cuò)的方式運(yùn)行[18-19]。

(4)可視化技術(shù)

數(shù)據(jù)可視化主要是借助于圖形化手段，清晰有效地傳達(dá)與溝通信息，便于非專業(yè)人士根據(jù)需要從不同的角度觀察和分析數(shù)據(jù)。如今，可視化的研究和應(yīng)用已經(jīng)覆蓋了科研界、企業(yè)界、社交網(wǎng)絡(luò)等多個(gè)領(lǐng)域。目前常用的可視化工具有FushionCarts、Tableau、Dipity等。

表1 數(shù)據(jù)類型說(shuō)明

3 制造大數(shù)據(jù)的應(yīng)用

(1)基于制造大數(shù)據(jù)的產(chǎn)品研發(fā)決策與優(yōu)化

美國(guó)的福特汽車公司利用大數(shù)據(jù)分析的技術(shù)，打破公司內(nèi)部數(shù)據(jù)孤島，通過(guò)分析外部收集的數(shù)據(jù)和內(nèi)部反饋的詳細(xì)數(shù)據(jù)，探索最佳工藝指標(biāo)和生產(chǎn)流程，改進(jìn)或幫助改變其業(yè)務(wù)模式，對(duì)內(nèi)指導(dǎo)公司生產(chǎn)流水線，提高產(chǎn)品質(zhì)量，對(duì)外推廣市場(chǎng)，贏得較好的口碑和效益，使得福特實(shí)現(xiàn)了連續(xù)17個(gè)季度盈利。

(2)基于制造大數(shù)據(jù)的生產(chǎn)流程管控與優(yōu)化

家居行業(yè)的尚品宅配利用大數(shù)據(jù)分析的技術(shù)，串聯(lián)整個(gè)產(chǎn)業(yè)鏈，實(shí)現(xiàn)了柔性生產(chǎn)和大規(guī)模定制。通過(guò)收集樓盤、房型數(shù)據(jù)建立房型庫(kù)，再擴(kuò)展到產(chǎn)品庫(kù)、設(shè)計(jì)庫(kù)、解決方案庫(kù)的三位一體，形成云設(shè)計(jì)庫(kù)?；诖耍井a(chǎn)能提高了 10倍，出錯(cuò)率則從 30%下降到了 3%以下，交貨周期從30天縮短到了15天以內(nèi)，實(shí)現(xiàn)了徹底的零庫(kù)存。

(3)基于制造大數(shù)據(jù)的價(jià)值鏈集成和綜合決策

中國(guó)石油依托大數(shù)據(jù)技術(shù)發(fā)展其“資源、市場(chǎng)、國(guó)際化”的戰(zhàn)略。首先，通過(guò)挖掘數(shù)據(jù)潛在價(jià)值，實(shí)現(xiàn)新的油氣增產(chǎn)；其次，通過(guò)完善數(shù)據(jù)收集分析和監(jiān)測(cè)體系，擴(kuò)大市場(chǎng)份額；最后，通過(guò)對(duì)重點(diǎn)資源國(guó)地緣政治、經(jīng)濟(jì)動(dòng)態(tài)的分析和把握，建立良性互動(dòng)的競(jìng)爭(zhēng)合作關(guān)系，從而為正確實(shí)施“走出去”戰(zhàn)略，降低海外投資風(fēng)險(xiǎn)提供保障。

4 制造大數(shù)據(jù)的挑戰(zhàn)

結(jié)合我國(guó)制造業(yè)的現(xiàn)狀和大數(shù)據(jù)的瓶頸，制造大數(shù)據(jù)帶來(lái)的挑戰(zhàn)表現(xiàn)為以下幾點(diǎn)：

(1)制造大數(shù)據(jù)多源異構(gòu)融合的復(fù)雜性

制造大數(shù)據(jù)來(lái)源廣泛，種類繁多，關(guān)系繁雜。目前缺乏對(duì)實(shí)時(shí)、多源、不確定數(shù)據(jù)的有效自動(dòng)識(shí)別和獲取的解決方案，致使數(shù)據(jù)質(zhì)量參差不齊，難以實(shí)現(xiàn)低成本、低能耗、高可靠性的目標(biāo)。如何構(gòu)建融合多源異構(gòu)數(shù)據(jù)的泛化模型是制造大數(shù)據(jù)在感知、分析和處理時(shí)面臨的巨大挑戰(zhàn)。

(2)制造大數(shù)據(jù)團(tuán)隊(duì)的核心技術(shù)和運(yùn)營(yíng)理念

中國(guó)的制造業(yè)大而不強(qiáng)，源于兩個(gè)因素：核心技術(shù)依賴于國(guó)外、缺乏資源整合和運(yùn)作的團(tuán)隊(duì)領(lǐng)導(dǎo)能力。大數(shù)據(jù)的熱潮帶來(lái)了創(chuàng)新的思維模式和革新的信息技術(shù)，實(shí)現(xiàn)技術(shù)升級(jí)和管理升級(jí)是中國(guó)制造業(yè)面臨的迫切需求。因此，如何培養(yǎng)一批“懂中國(guó)”、“懂技術(shù)”、“懂管理”的本土專業(yè)人才是當(dāng)前面臨的又一大挑戰(zhàn)。

(3)制造大數(shù)據(jù)技術(shù)有效實(shí)施的安全手段

制造大數(shù)據(jù)自身的特點(diǎn)決定了其處理方式的多樣性、靈活性和廣泛性，大量數(shù)據(jù)信息跨界傳送，使得安全問(wèn)題相伴而生。黑客、病毒、人為故障、自然災(zāi)害等因素都是潛在的安全隱患。常用的數(shù)據(jù)保護(hù)措施不再適用，如何開(kāi)發(fā)出行之有效的保密手段將是下一階段的難點(diǎn)之一。

5 制造大數(shù)據(jù)展望

兩化深度融合、發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)和先進(jìn)制造業(yè)是保持我國(guó)制造業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的重要支撐。未來(lái)十年是我國(guó)制造業(yè)依靠制造大數(shù)據(jù)技術(shù)轉(zhuǎn)型升級(jí)，從“制造大國(guó)”走向“制造強(qiáng)國(guó)”的關(guān)鍵時(shí)期。通過(guò)大力推行數(shù)字化、網(wǎng)絡(luò)化、智能化手段，提高創(chuàng)新設(shè)計(jì)能力，提升產(chǎn)品質(zhì)量，主要發(fā)展以下方向：

(1)基于制造大數(shù)據(jù)的可持續(xù)發(fā)展

可持續(xù)生產(chǎn)發(fā)展關(guān)鍵的兩個(gè)方面是能源消耗的最小化和廢物排放最少化。因此，制造產(chǎn)品全生命周期中對(duì)環(huán)境資源的一體化需求驅(qū)使用戶思考和使用新的決策工具。借助于制造大數(shù)據(jù)的契機(jī)，積極推進(jìn)制造業(yè)的轉(zhuǎn)型升級(jí)，通過(guò)采集、存儲(chǔ)、分析制造業(yè)的大數(shù)據(jù)有望實(shí)現(xiàn)制造業(yè)資源的浪費(fèi)最小化和能源最大化利用的目標(biāo)。

(2)基于制造大數(shù)據(jù)的智慧制造

在制造業(yè)轉(zhuǎn)型升級(jí)過(guò)程中，制造業(yè)正朝著數(shù)字化、信息化、網(wǎng)絡(luò)化、綠色化為一體的智慧制造方向前進(jìn)。在未來(lái)一段時(shí)期，基于制造大數(shù)據(jù)技術(shù)的智慧制造企業(yè)將支撐起中國(guó)制造業(yè)的可持續(xù)發(fā)展，智慧工廠就是一個(gè)典型。在智慧工廠中，通過(guò)人與智能設(shè)備的有機(jī)協(xié)作，利用物聯(lián)網(wǎng)感知監(jiān)控技術(shù)加強(qiáng)生產(chǎn)線的可控性，最終提升企業(yè)競(jìng)爭(zhēng)力，促進(jìn)工業(yè)增長(zhǎng)。

(3)基于制造大數(shù)據(jù)的互聯(lián)網(wǎng)+協(xié)同制造

依托互聯(lián)網(wǎng)+，制造業(yè)需要通過(guò)兩化深度融合，利用制造大數(shù)據(jù)技術(shù)實(shí)現(xiàn)用戶、車間、工廠、企業(yè)等各個(gè)環(huán)節(jié)數(shù)據(jù)的快速傳遞，構(gòu)建網(wǎng)絡(luò)化協(xié)同制造公共服務(wù)平臺(tái)，加快形成網(wǎng)絡(luò)化制造業(yè)生態(tài)體系，實(shí)現(xiàn)產(chǎn)品全生命周期的互聯(lián)、互通、協(xié)同，真正滿足市場(chǎng)客戶的個(gè)性化定制需求，使企業(yè)實(shí)現(xiàn)從單純制造向“制造+服務(wù)”的轉(zhuǎn)型升級(jí)，最終促進(jìn)國(guó)民經(jīng)濟(jì)的發(fā)展。

[1]劉威，喬立紅，楊建軍.基于服務(wù)的制造數(shù)據(jù)管理[J].計(jì)算機(jī)集成制造系統(tǒng)，2009(7)：1342-1348.

[2]JAMES T.Smart factories[J].Engineering and Technology，2012，7(6)：64-67.

[3]YAO X，DAI H，ZHANG Z.RFID-enhanced integrated manufacturing for Job-shop floor problems[J].Icic Express Letters Part B Applications，2011(2)：319-324.

[4]張映鋒，趙曦濱，孫樹(shù)棟，等.一種基于物聯(lián)技術(shù)的制造執(zhí)行系統(tǒng)實(shí)現(xiàn)方法與關(guān)鍵技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng)，2012(12)：2634-2642.

[5]LIU W N，ZHENG L J，SUN D H，et al.RFID-enabled real-time production management system for Loncin motorcycle assembly line[J].International Journal of Computer Integrated Manufacturing，2012，25(1)：86-99.

[6]彭煜.制造單元物聯(lián)感知關(guān)鍵技術(shù)的研究與實(shí)踐[D].武漢：武漢理工大學(xué)，2013.

[7]王珊，王會(huì)舉，覃雄派，等.架構(gòu)大數(shù)據(jù):挑戰(zhàn)、現(xiàn)狀與展望[J].計(jì)算機(jī)學(xué)報(bào)，2011(10)：1741-1752.

[8]王元卓，靳小龍，程學(xué)旗.網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J].計(jì)算機(jī)學(xué)報(bào)，2013(6)：1125-1138.

[9]顧新建，張棟，紀(jì)楊建，等.制造業(yè)服務(wù)化和信息化融合技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng)，2010(11)：2530-2536.

[10]陳偉興，李少波，黃海松.離散型制造物聯(lián)過(guò)程數(shù)據(jù)主動(dòng)感知及管理模型[J].計(jì)算機(jī)集成制造系統(tǒng)，2016(1)：166-176.

[11]張桂剛，畢婭，李超，等.海量物聯(lián)網(wǎng)數(shù)據(jù)安全處理模型研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2013(9)：2090-2094.

[12]孟小峰，慈祥.大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2013(1)：146-169.

[13]劉智慧，張泉靈.大數(shù)據(jù)技術(shù)研究綜述[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2014(6)：957-972.

[14]HUANG J，LI Y F，XIE M.An empirical analysis of data preprocessing for machine learning-based software cost estimation[J].Information&Software Technology，2015，67：108-127.

[15]MELL P，GRANCE T.The NIST definition of cloud computing[J].National Institute of Standards and Technology，2009，53(6)：50.

[16]QI Z，LU C，BOUTABA R.Cloud computing:state-ofthe-art and research challenges[J].Journal of Internet Services&Applications，2010，1(1)：7-18.

[17]周江，王偉平，孟丹，等.面向大數(shù)據(jù)分析的分布式文件系統(tǒng)關(guān)鍵技術(shù)[J].計(jì)算機(jī)研究與發(fā)展，2014(2)：382-394.

[18]覃雄派，王會(huì)舉，杜小勇，等.大數(shù)據(jù)分析——RDBMS與MapReduce的競(jìng)爭(zhēng)與共生[J].軟件學(xué)報(bào)，2012(1)：32-45.

[19]XIAO Z，XIAO Y.Achieving Accountable MapReduce in cloud computing[J].Future Generation Computer Systems，2014，30(1)：1-13.

Analyzing the technical framework of manufacturing big data

Yao Xuemei1，Li Shaobo2，3，Qu Jinglei3，Chen Weixing1
(1.Key Laboratory of Advanced Manufacturing Technology，Ministry of Education，Guizhou University，Guiyang 550025，China；2.School of Mechanical Engineering，Guizhou Unversity，Guiyang 550025，China；3.Chengdu Institute of Computer Applications，Chinese Academy of Sciences，Chengdu 610041，China)

In view of the opportunities and challenges of manufacturing from big data,the manufacturing big data was defined by analyzing the status of manufacture and the source of data.A framework was established from processing,and the key technology was stated.Finally,some of the typical application scenarios was listed,the challenge and development of the manufacturing big data were pointed out.

manufacturing big data；processing；technical framework；key technology

TP301

A

10.16157/j.issn.0258-7998.2016.11.001

姚雪梅，李少波，璩晶磊，等.制造大數(shù)據(jù)相關(guān)技術(shù)架構(gòu)分析[J].電子技術(shù)應(yīng)用，2016，42(11)：10-13.

英文引用格式：Yao Xuemei，Li Shaobo，Qu Jinglei，et al.Analyzing the technical framework of manufacturing big data[J].Application of Electronic Technique，2016，42(11)：10-13.

2016-05-22)

姚雪梅（1985-），女，講師，博士研究生，主要研究方向：制造過(guò)程自動(dòng)化。

國(guó)家自然科學(xué)基金資助項(xiàng)目（51475097）；貴州省重大基礎(chǔ)研究資助項(xiàng)目（黔科合 JZ字[2014]2001）

李少波（1973-），通信作者，男，教授，主要研究方向：制造大數(shù)據(jù)，E-mail：lishaobo@gzu.edu.cn。