1.3 工业大数据分析的流程、平台及应用

1.3.1 工业大数据分析的基本流程

工业大数据分析的基本流程可分为数据融合处理、关联分析、性能预测与优化决策 4个部分。

（1）通过制造大数据融合处理方法对制造系统运行过程中产生的海量、高维、多源异构、多尺度和多噪声制造数据进行多级过滤、清洗去噪、建模集成与多尺度分类等操作，为制造系统的关联、运行分析与决策提供可靠、可复用的数据资源。

（2）在数据融合的基础上，针对产品、工艺、设备、系统运行等制造数据相互影响呈现出的复杂的耦合特性，通过制造大数据关联关系度量方法对工艺参数、装备状态参数等制造数据进行关联分析，并利用复杂网络等理论度量制造数据之间的关联程度和相关系数，挖掘影响车间性能指标的相关参数。

（3）在获取车间性能指标影响因素后，通过智能车间性能预测方法分析车间制造系统内部结构的动态特性与运行机制，从海量制造过程数据中学习与挖掘车间运行参数与车间性能的演化规律，实现车间性能的精确预测。

（4）在对车间运行情况进行分析预测后，将车间性能的预测值与目标决策值进行实时比对，通过智能车间运行决策方法对广泛存在的动态扰动条件下的关键制造数据进行定量调整，实现车间性能的动态优化与决策，使制造系统始终保持最优稳定运行。