1.1.3 工业数据分析的特点

相对于服务业（如银行、电信等）和互联网的大数据，工业大数据具有很多特点[1，2]，例如，工业大数据具有多样、多模态、高通量和强关联等特性，具有很强的上下文信息（Context），这些特性对工业大数据平台提出了新的技术要求，不仅需要高效的数据存储优化，还需要能够通过元数据、索引、查询推理等进行高效便捷的数据读取，实现多源异构数据的一体化管理。

对于工业分析来说，工业数据的特点主要有维度不完备、样本量不足（且严重有偏）、数据蕴含大量上下文信息等特点，这些特点也造成了“拥有的数据非常多，但可用的数据很少”的窘境。

1）维度不完备，数据分析需要集成多个维度的信息，任何一个维度的缺失都会造成分析数据集的缺失。很多分析常常需要一个完整的工业过程，过程序列中的局部中断，可能导致当前数据不能完整勾画出真实的物理过程。另外，有些维度间缺乏精确关联，例如在洗衣液罐装生产线中，考虑到成本和生产节拍，不可能按袋追踪，称重的数据和罐装工艺过程数据做不到一一对应，在对应时只能采用概率模型。

2）样本量不足，且数据样本通常严重有偏（biased）。多数工业系统被设计为具有高可靠性且严格受控的系统，绝大多数时间都在稳定运行，异常工况相对稀缺（对于数据分析来说具有“高价值”）。很多数据在历史上没有被标记，对历史数据的大规模重新标记通常也不可行（工作量大，对标记人员的要求高）。还有一些工业场景要求捕获故障/异常瞬间的高频细微状况，这样才能还原和分析故障发生的原因。最后，设备、传感器、工艺和环境也是在不断变化的，历史数据的有效性也会随着时间而流逝。这些都造成了工业数据分析时的样本量不足。

3）数据蕴含大量上下文信息。工业是一个强机理、高知识密度的技术领域，很多监测数据仅是精心设计下系统运行的部分表征。很多数据间的关系都可以用机理去解释（不需要挖掘），领域知识也提供了很多有用的特征变量（如齿轮箱振动的倒谱），这些隐形信息都大大缩小了数据分析的参数搜索空间。但不幸的是，并不是所有的专家经验或领域知识都是正确的，数据分析仍然需要保持“谨慎的相信”，但不是迷信。