【文件属性】:
文件名称:工业数据分析目标的评估-golang高级编程
文件大小:2.1MB
文件格式:PDF
更新时间:2021-07-02 03:54:34
大数据分析 工业大数据
3.3 工业数据分析目标的评估
3.3.1 工业知识的理解
按照 DIKW(Data、Information、Knowledge、Wisdom)体系的观
点,知识是信息的关联。知识的作用就是让我们能够从一部分信息推
断出另外一部分信息。换句话说,数据分析可以理解为寻找一种映射
F,将信息 X 映射到信息 Y:
F( )X Y
诊断型分析、预测型分析、处方型分析本质上都是要获得这样的
知识。在业务理解阶段,我们一般并不知道 F 的构成,但是可以事先
分析,如果某项知识相关的 X、Y 之间关系是确定的,可否实现预定
的业务优化目标。
工业知识往往是复杂多变量的。例如,在流程行业中,生产过程
的工艺参数、原料、设备状态、生产环境波动对产品的质量、产量和
成本有着巨大的影响。而产品质量并不仅仅是生产过程决定的,还有
用户的用途和使用场景相关。这种深度耦合往往就在数学上表现为多
变量、非线性。当变量数目过多、而感知能力有限时,多变量和非线
性又会导致不确定性。
3.3.2 工业知识的合用性
知识F( )X Y 是否合用,与业务目标有关。例如,诊断式分析要
判断问题产生的原因,所用的信息可以是问题产生之后的表象,也就
是说 X 可以出现在 Y 之后;对于预测式分析,X 则一定要出现在 Y 之
前,这样的信息才能被用来预测。对于这两种分析,XY 之间不一定
具备因果关系,而对于处置式分析,则 X 需要与 Y 有因果关系。下面