免费人成在线不卡,高清久久久久久

鋼鐵行業(yè)大數(shù)據(jù)分析服務平臺項目建設方案

瀏覽：次

一、大數(shù)據(jù)分析項目背景
鋼鐵企業(yè)在變化的過程中，必須要面臨 3 種變革，分別是管理變革，技術變革以及決策變革，現(xiàn)如今面對的變革是決策變革。以往的鋼鐵企業(yè)都是通過人工經(jīng)驗來進行決策的，但是現(xiàn)如今不單單只能通過人工經(jīng)驗來進行制造精益生產(chǎn)了?？茖W決策不能脫離信息化的支持，從原材料采購到生產(chǎn)組織，從銷售策略到庫存優(yōu)化，從資金使用到財務平衡等，企業(yè)運行的許多重大問題都需要科學準確的量化決策來實現(xiàn)?？茖W決策可以從大量的數(shù)據(jù)中獲得一些文化與一些規(guī)則，為決策服務提供關鍵的特征，預警等預測。數(shù)據(jù)挖掘技術是幫助企業(yè)實現(xiàn)科學決策的關鍵技術。數(shù)據(jù)挖掘的最大特點是將各種類型的數(shù)據(jù)放在一起進行分析提煉，找出它們之間的關系，以圖、表或文宇的形式展現(xiàn)挖掘結果。
隨著鋼鐵企業(yè)IT信息化建設，先后建設鋼鐵企業(yè)的ERP系統(tǒng)、MES系統(tǒng)、計量與檢化驗系統(tǒng)、SCADA平臺等信息化系統(tǒng)，積累大量的產(chǎn)品設計、生產(chǎn)制造、質量檢測、物流管理、CRM等管理數(shù)據(jù)及實時數(shù)據(jù)。而這些數(shù)據(jù)目前并沒有被通過大數(shù)據(jù)挖掘分析技術手段實現(xiàn)數(shù)據(jù)價值的發(fā)現(xiàn)。貴陽水鋼集團目前也面臨這一困境，未將大量數(shù)據(jù)的深層價值用于決策過程。因而建設一套大數(shù)據(jù)服務平臺，顯得更為重要，極為迫切。

二、大數(shù)據(jù)分析項目目標

通過數(shù)據(jù)挖掘分析輔助營銷中心制定出更加合理的銷售預測訂單；
大數(shù)據(jù)分析尋找影響噸鐵成本價格的升高的關鍵因素；
尋找特定產(chǎn)品型號的精煉成材率的關鍵控制點；
基于大數(shù)據(jù)分析支撐，輔助能源管理人員完成能源平衡分析、錯峰用電分析、能源消耗預測分析、能源超限報警及趨勢分析、設備能效實時評估分析；
實現(xiàn)鋼鐵企業(yè)原料采購策略優(yōu)化、成品及半成品庫存優(yōu)化、輔料、耗材庫存優(yōu)化；
實現(xiàn)環(huán)保數(shù)據(jù)中水平衡分析、三廢排放預測、環(huán)保數(shù)據(jù)挖掘分析；
實現(xiàn)設備故障預測與健康管理；

三、大數(shù)據(jù)平臺功能架構
數(shù)據(jù)平臺面向整個冶金全生命周期過程，融合行業(yè)的大數(shù)據(jù)算法，形成一套自助式、一站式的服務，同時提供統(tǒng)一訪問界面，內(nèi)置數(shù)據(jù)分析挖掘、可視化分析等功能，滿足鋼鐵企業(yè)在生產(chǎn)大數(shù)據(jù)分析、供應鏈優(yōu)化、環(huán)境資源優(yōu)化、能源大數(shù)據(jù)分析、設備故障預測分析、質量優(yōu)化分析等分析應用可視化展現(xiàn)等，同時支撐多部門、多地點同時使用，大大降低了大數(shù)據(jù)分析與挖掘的門檻。

圖 1 1 大數(shù)據(jù)平臺功能架構

大數(shù)據(jù)平臺提供包含可視化分析和數(shù)據(jù)挖掘分析兩部分構成，其中可視化分析模塊以可視化、圖文交互的方式實現(xiàn)數(shù)據(jù)源連接、數(shù)據(jù)加工處理、數(shù)據(jù)分析和結果展現(xiàn)的過程，能夠完成數(shù)據(jù)觀察、操縱、研究、瀏覽、探索、過濾、發(fā)現(xiàn)、理解，從而有效地發(fā)現(xiàn)隱藏在信息內(nèi)部的特征和規(guī)律；數(shù)據(jù)挖掘分析通過科學的數(shù)據(jù)挖掘方法建立模型，并對模型進行評估、調(diào)優(yōu)，挖掘出對用戶有價值的知識成果，以可視化的方式將數(shù)據(jù)挖掘的知識結果展示給用戶，從而幫助鋼鐵企業(yè)從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、提升生產(chǎn)管理水平、質量品質、供應鏈管理水平、優(yōu)化環(huán)境資源、設備故障管理、能耗精細化管理。從而幫助提升企業(yè)的核心競爭力。

四、大數(shù)據(jù)平臺應用架構
相對于傳統(tǒng)的數(shù)據(jù)分析，為了實現(xiàn)更深層的數(shù)據(jù)洞察，需采集更高頻率更多維的數(shù)據(jù)，實現(xiàn)海量數(shù)據(jù)的接入、實時處理、存儲、計算、數(shù)據(jù)建模；同時隨著鋼鐵企業(yè)的快速發(fā)展，設備數(shù)據(jù)、生產(chǎn)數(shù)據(jù)等在不斷增加，平臺需具有高度可擴展性，包括存儲量的擴展和計算能力的擴展。作為鋼鐵行業(yè)的關鍵應用如供應鏈優(yōu)化、環(huán)境資源優(yōu)化、能源大數(shù)據(jù)分析、生產(chǎn)大數(shù)據(jù)分析、質量大數(shù)據(jù)分析、設備故障預測等關鍵環(huán)節(jié)的應用，平臺需具有高度的穩(wěn)定性和可用性，包括單點故障的避免，數(shù)據(jù)存儲的備份，穩(wěn)定的吞吐量和系統(tǒng)性能等等。

圖 1 2 大數(shù)據(jù)應用架構

因而，需借助于分布式大數(shù)據(jù)技術以及大規(guī)模機器學習算法，從而構建穩(wěn)定、高效、高可用、可擴展的平臺，幫助數(shù)據(jù)分析人員更好的挖掘數(shù)據(jù)中的價值，洞察數(shù)據(jù)背后的規(guī)律，解決供應鏈、能源、環(huán)保，生產(chǎn)、質量、設備等領域中遇到的問題。通過大數(shù)據(jù)平臺的分布式流數(shù)據(jù)技術實現(xiàn)對結構化、半結構化以及流數(shù)據(jù)的接入，可以接收高頻多維數(shù)據(jù)，實現(xiàn)海量數(shù)據(jù)實時處理、存儲、計算、數(shù)據(jù)建模，保障數(shù)據(jù)分析模型能跟鋼鐵企業(yè)內(nèi)部現(xiàn)有的多種成熟系統(tǒng)進行無縫集成，實現(xiàn)數(shù)據(jù)的批量對接。通過收集不同層級的設備運行數(shù)據(jù)、儀器儀表數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、能源數(shù)據(jù)、三廢排放數(shù)據(jù)、天氣等為監(jiān)測管理對象，將采集的實時數(shù)據(jù)和業(yè)務數(shù)據(jù)進行數(shù)據(jù)存儲和管理，同時工作人員也可根據(jù)實際需求將歷史數(shù)據(jù)導入到大數(shù)據(jù)平臺，實現(xiàn)數(shù)據(jù)的統(tǒng)一存儲和管理，為后續(xù)數(shù)據(jù)的挖掘和分析應用提供數(shù)據(jù)基礎。
數(shù)據(jù)采集和存儲完成后，對數(shù)據(jù)進行預處理，針對異常數(shù)據(jù)可進行數(shù)據(jù)清理，篩選相關參數(shù)進行特征轉換，形成統(tǒng)一的數(shù)據(jù)標準，以滿足數(shù)據(jù)統(tǒng)一管理的需要。在對數(shù)據(jù)進行統(tǒng)一管理后，后續(xù)數(shù)據(jù)挖掘人員可通過大數(shù)據(jù)平臺開展供應鏈、能源、環(huán)境資源等方面的大數(shù)據(jù)分析業(yè)務，支撐決策及流程控制等，降低運營成本，提升企業(yè)生產(chǎn)效率，從而提升企業(yè)的核心競爭力。

五、大數(shù)據(jù)業(yè)務場景應用
1. 生產(chǎn)大數(shù)據(jù)分析
鋼鐵企業(yè)屬于流程行業(yè)，除了設備檢修外，全年基本上是按照滿產(chǎn)能不間斷生產(chǎn)。在生產(chǎn)過程中，生產(chǎn)訂單來自兩類，一類是客戶的實際訂單，另外一類來自營銷中心的預測訂單，目前預測訂單更多來自銷售人員對市場產(chǎn)品銷售種類及價格的經(jīng)驗識別判斷，沒有數(shù)據(jù)分析作為技術支撐，而往往會導致某種成品鋼庫存過高而滯銷。因而需要通過大數(shù)據(jù)分析手段，結合企業(yè)內(nèi)部與外部數(shù)據(jù)挖掘分析輔助預測訂單制定的更加合理。
分析模型：基于成品鋼庫存數(shù)據(jù)及歷史數(shù)據(jù)和歷史銷售數(shù)據(jù)以及當前市場數(shù)據(jù)，基于數(shù)學算法模型，預測分析出企業(yè)生產(chǎn)產(chǎn)品利潤最大化、同時庫存最低的銷售預測訂單清單。

2. 質量大數(shù)據(jù)分析
冶金行業(yè)有著嚴格質量控制標準，有國際標準，國家標準，企業(yè)內(nèi)控標準，同時也會客戶針對不同的產(chǎn)品有著個性化的要求，比如性能要求、成分要求、外觀要求等。同時冶金行業(yè)針對不同的質量要求訂單，是通過技術中心完成質量設計及工藝規(guī)程設計的并指導實際生產(chǎn)過程，往往由于現(xiàn)場工況的負復雜性，對于一些高質量要求、高附加值值得產(chǎn)品不能好的做到質量控制。因而需要通過大數(shù)據(jù)分析的技術手段實現(xiàn)質量目標控制。
分析模型：
1）鋼鐵企業(yè)鐵前成本往往占據(jù)噸鋼成本的70%-80%，如果能很好降低鐵前成本能使鋼鐵企業(yè)成本鋼有更好市場競爭力，也是企業(yè)有更大的利潤空間。通過鐵前區(qū)各工序的關鍵工序的原料數(shù)據(jù)（計量數(shù)據(jù)、質量數(shù)據(jù)）、用能數(shù)據(jù)、輔料數(shù)據(jù)（計量數(shù)據(jù)、質量數(shù)據(jù)）、設備關鍵工藝參數(shù)、產(chǎn)出品質量數(shù)據(jù)、價格數(shù)據(jù)的關聯(lián)挖掘分析，尋找引起鐵前成本升高的關鍵影響因素，以便鋼鐵企業(yè)更好控制鐵前區(qū)成本。
2）鋼后區(qū)往往存在，精煉過程中高附加值高端產(chǎn)品的成才命中率的過低或波動問題，通過對關鍵工藝設備的工藝狀態(tài)數(shù)據(jù)監(jiān)控數(shù)據(jù)、過程質量數(shù)據(jù)、過程投料數(shù)據(jù)、過程操作數(shù)據(jù)、成才質量高的歷史各類數(shù)據(jù)，通過關聯(lián)分析模型，預測分析給出最佳質量控制點。另外該模型針對企業(yè)內(nèi)部特定產(chǎn)品特定場景展開應用的。

3. 能源大數(shù)據(jù)分析
對于連續(xù)性流程企業(yè)來說，能源有效利用率是衡量企業(yè)能源使用水平的綜合指標,既反映企業(yè)用能設備的狀況，也反映企業(yè)能源管理的水平。在大型鋼鐵企業(yè)里,用能設備較多，對其逐一進行能量平衡測定，計算企業(yè)能源有效利用率是比較困難的。但是,可以采用一些簡便的方法進行概算，即對一些耗能大的設備進行測試，然后根據(jù)這些測試數(shù)據(jù)，概算各種能源的有效利用率，最后求出企業(yè)能源有效利用率。能耗作為企業(yè)運維的重要指標，不但涉及到運維成本，同時也是評價企業(yè)各能耗節(jié)點利用程度的重要依據(jù)。但是如何通過歷史數(shù)據(jù)預測評估能耗、優(yōu)化能源平衡模型、同時對高耗能工序進行診斷并在此基礎上進行優(yōu)化、制定最優(yōu)的能源消耗策略以降低成本等，是鋼鐵企業(yè)面臨的重點問題。
分析模型：
1）基于儀器儀表數(shù)據(jù)（如超聲波測速計、流量計）、生產(chǎn)數(shù)據(jù)、設備數(shù)據(jù)等，通過統(tǒng)計分析、箱形圖等手段，依據(jù)歷史能耗數(shù)據(jù)，按不同維度進行挖掘分析，結合生產(chǎn)計劃，預測分析未來一段時間的用能需求并平衡用能需求，實現(xiàn)用能平衡。
2）基于企業(yè)各工序用電歷史需求，結合錯峰用電國家政策（不同時段電價不一樣）策、企業(yè)實際生產(chǎn)計劃，基于數(shù)學算法模型，輔助企業(yè)制定合理的用電計劃，達到不影響生產(chǎn)的情況下，降低企業(yè)用電費用。
3）基于儀器儀表數(shù)據(jù)（如超聲波測速計、流量計）、生產(chǎn)數(shù)據(jù)、計劃數(shù)據(jù)，通過回歸算法、短時時間網(wǎng)絡等算法模型，通過歷史能耗數(shù)據(jù)及生產(chǎn)周期，預測未來一段時間內(nèi)的能源消耗等，為制定生產(chǎn)計劃、能源精細化管理提供決策支持和依據(jù)。
4）通過對歷史能源消耗數(shù)據(jù)進行分析，同時考慮生產(chǎn)、環(huán)境、原料等變動因素，建立能源消耗超限模型，實現(xiàn)對復雜波動條件能源消耗超限的精確預警及趨勢波動分析，為能源精細化管控和降低能耗成本提供決策支持。
5）對各關鍵環(huán)節(jié)的能耗、生產(chǎn)操作記錄、工藝條件、設備運轉、供方介質、季節(jié)等因素進行關聯(lián)分析，建立能耗能估模型，尋找引起能耗波動的關鍵因素，實現(xiàn)能耗主動尋優(yōu)；同時通過對能源的實時監(jiān)控分析，尋找高耗能工序設備平靜和工藝瓶頸，從人、機、物、料、法、環(huán)方面收集數(shù)據(jù)，利用大數(shù)據(jù)分析算法尋找問題發(fā)生的原因，指導進行工藝和控制優(yōu)化等。

4. 供應鏈大數(shù)據(jù)分析
在大宗商品領域，目前國內(nèi)外對鐵礦的需求在快速增加，鋼鐵企業(yè)為了增加產(chǎn)能面臨著更大的原材料、產(chǎn)品價格波動等風險和同時承擔環(huán)境責任也更高。而為了爭奪市場原材料資源等，鋼鐵企業(yè)間的競爭必將越來越激烈，現(xiàn)有企業(yè)在價格、規(guī)模、行業(yè)影響力、對環(huán)境的影響等方面的較量才真正開始。傳統(tǒng)通過期貨工具、庫存管理、價格議價等手段已經(jīng)漸漸不能滿足企業(yè)的需要，借助大數(shù)據(jù)、物聯(lián)網(wǎng)、機器學習等新技術，打通企業(yè)供應鏈的上下游，優(yōu)化企業(yè)的庫存、制定最佳的采購策略，促進供應鏈一體化、精細化管理等在企業(yè)內(nèi)推進，提升企業(yè)在成本、收入、企業(yè)經(jīng)營等方面的穩(wěn)固發(fā)展。
預測模型：
1）基于歷史的原料采購及庫存數(shù)據(jù)、結合生產(chǎn)計劃及生產(chǎn)產(chǎn)能，通過定期采購模型和定量采購模型預測分析，實現(xiàn)動態(tài)制定最佳的采購周期及數(shù)量。
2）基于成品半成品歷史消耗、未來需求、庫存成本、產(chǎn)能損失系數(shù)，通過ARMA、指數(shù)平滑法，根據(jù)歷史數(shù)據(jù)及邊界規(guī)則，制定成品及半成品庫存最優(yōu)庫存控制策略。
3）基于輔料、耗材庫存數(shù)據(jù)、采購周期及需求計劃、庫存數(shù)據(jù)、生產(chǎn)數(shù)據(jù)，通過箱形圖、粒子群、烽火遺傳算法，根據(jù)歷史數(shù)據(jù)及邊界規(guī)則，制定輔料、耗材最優(yōu)庫存控制策略；

5. 環(huán)境資源大數(shù)據(jù)分析
隨著國家環(huán)保要求的加強與完善，對鋼鐵企業(yè)“三廢”處置有了更高的要求。本次通過大數(shù)據(jù)平臺需明晰企業(yè)三廢的來源，并對工序過程中的三廢排放量進行監(jiān)測與趨勢分析，制定處置控制措施以滿足國家環(huán)保與排放要求；同時需采集冶煉過程中的關鍵工藝數(shù)據(jù)、生產(chǎn)數(shù)據(jù)等進行匹配，挖掘各因素對污染物排放的影響，從而促使企業(yè)注重源頭控制。
分析模型：
1）基于儀器儀表數(shù)據(jù)（如超聲波測速計、流量計、水表等）、特征數(shù)據(jù)、生產(chǎn)數(shù)據(jù)，通過嶺回歸、梯度提升樹、概率分布算法，分析時間段內(nèi)廢水的來源、流向、排放，估算冶煉各環(huán)節(jié)的廢水排放量,實現(xiàn)水平衡分析。
2）基于儀器儀表數(shù)據(jù)（如超聲波測速計、流量計）、生產(chǎn)數(shù)據(jù)、當前生產(chǎn)狀況、三廢成分數(shù)據(jù)等，通過時間序列、交叉熵、趨勢分析算法，通過生產(chǎn)歷史數(shù)據(jù)，結合當前生產(chǎn)情況，預測未來一段時間內(nèi)的三廢排放量并進行預警等；
3）基于儀器儀表數(shù)據(jù)（如超聲波測速計、流量計）、生產(chǎn)數(shù)據(jù)、工藝數(shù)據(jù)、操作過程數(shù)據(jù)、檢驗數(shù)據(jù)等，通過回歸算法、相關性分析等算法，挖掘分析建立關聯(lián)分析模型，尋找影響三廢排放的關鍵環(huán)節(jié)，為后續(xù)三廢的控制與降低提供決策支持。

6. 設備故障預測與健康管理
設備故障預測與健康管理（PHM），通過設備狀態(tài)監(jiān)測、設備故障診斷、設備故障預測、設備壽命預測等技術手段，保障生產(chǎn)設備的正常運行。目前工廠有部分核心（高價值）設備和大量分散的輔助型設備（電機、泵、液壓系統(tǒng)等）。核心設備發(fā)生故障時會對工廠造成重大的經(jīng)濟損失，一方面是維修費用或設備更換費用高，另一方面會造成工廠停產(chǎn)；對于大量分散的輔助設備，雖然大多采用1備1的方式來保證生產(chǎn)的正常運行，但這種備品備件庫存管理方式占用了大量的企業(yè)資金，造成了不必要的浪費。因此，需要采用先進測試技術、故障診斷分析技術、大數(shù)據(jù)技術以及人工智能技術為工廠設備健康管理服務，提高設備運行能力，并結合各種可利用的資源信息提供一系列的維修保障措施以實現(xiàn)設備的視情維修，減少運維和庫存成本。
針對冶金行業(yè)的核心動力設備，通過對現(xiàn)有業(yè)務場景和歷史數(shù)據(jù)的分析，建立業(yè)務基理模型，采用大數(shù)據(jù)技術作為支撐，通過如下模型實現(xiàn)全業(yè)務產(chǎn)業(yè)鏈的智能化決策分析。實現(xiàn)功能如下：
設備預測性維護：
1)對動力系統(tǒng)設備（大型回轉機械）的運行狀態(tài)進行實時監(jiān)測，通過智能動態(tài)閾值技術實現(xiàn)設備狀態(tài)的動態(tài)監(jiān)測與預警；
2)針對動力系統(tǒng)設備的振動故障，通過降噪、濾波等算法技術實現(xiàn)早期故障預警；
3)針對大型壓縮機組，通過相應算法實現(xiàn)喘振早期預測與預警；
4)通過多傳感器融合技術、故障診斷算法和機器學習算法，實現(xiàn)動力系統(tǒng)設備故障的智能診斷；
5)通過多傳感器融合技術，實現(xiàn)動力系統(tǒng)設備狀態(tài)評估；通過大數(shù)據(jù)算法實現(xiàn)動力系統(tǒng)設備狀態(tài)劣化過程的評估與預測，并實現(xiàn)動力系統(tǒng)設備壽命預測功能；
6)通過人工智能算法，實現(xiàn)動力系統(tǒng)設備的關聯(lián)故障分析功能；
7)通過動力系統(tǒng)設備健康管理和備品備件管理，結合大數(shù)據(jù)算法實現(xiàn)備品備件庫存優(yōu)化功能。

六、大數(shù)據(jù)分析展現(xiàn)方案
大數(shù)據(jù)分析的關鍵業(yè)務如供應鏈優(yōu)化、環(huán)境資源優(yōu)化、能源大數(shù)據(jù)分析應用，分析中的過程數(shù)據(jù)及相關結果可通過大數(shù)據(jù)平臺可視化組件進行具體頁面及指標的設計與展示。大數(shù)據(jù)平臺提供行業(yè)領先的可視化組件和數(shù)據(jù)挖掘組件，幫助數(shù)據(jù)分析人員進行全流程可視化交互式模型構建引導。平臺使用交互式操作界面集成，通過點擊就可以構建通用機器學習流程，包括腳本管理、數(shù)據(jù)導入（支持HDFS、數(shù)據(jù)庫、MySQL、Hive、HBase等主流數(shù)據(jù)存儲系統(tǒng)）、多維特征分析（趨勢分析、關聯(lián)分析、概率分布、特征降維等）、模型構建、模型預測評估、數(shù)據(jù)可視化展現(xiàn)（提供柱狀圖，折線圖，散點圖，雷達圖，瀑布圖，氣泡圖，箱線圖和趨勢圖等可視化展示方式）、預測服務（支持構建的模型通過預測服務模塊發(fā)布成網(wǎng)頁、接口服務以及模型導出，提高模型業(yè)務部署效率）。同時支持多語言混合編程調(diào)用，包括基于JSON格式的SQL、R語言以及Python。
通過可視化成果發(fā)布的形式，平臺能夠對數(shù)據(jù)分析人員所有的操作進行完整的記錄以及展現(xiàn)，所有執(zhí)行過程以及返回的結果都在同一個工作包中進行全面保留，極大的方便數(shù)據(jù)分析人員在模型構建過程對結果的反復校驗以及修改的需求。傳統(tǒng)BI指標的構建往往非常復雜，無法支持聯(lián)動鉆取及關聯(lián)分析，導致展示方式非常困難，而采用工作包的方式能夠更好的提高模型構建效率以及團隊之間的協(xié)作能力。具體每一個挖掘模型在部署支持手機端、PC端、大屏、云端等多種部署方式。

1．發(fā)展趨勢。新興的數(shù)據(jù)挖掘工具都是統(tǒng)一的風格，傳統(tǒng)工作流模式已經(jīng)在退化，傳統(tǒng)BI公司通過與R集成來展現(xiàn)可視化功能，但是R語言的使用難度較大，本次提供拖拉拽交互式等交互式操作方式，降低數(shù)據(jù)挖掘門檻，并提供聯(lián)動、鉆取等多種功能，提高BI的應用能力。
2．操作體驗。數(shù)據(jù)分析人員在構建過程往往需要反復修改流程，參數(shù)調(diào)優(yōu)等，這些過程對于專家來說通過函數(shù)命令行會更加高效，但對于初學者很難。本次大數(shù)據(jù)平臺使用交互式操作界面集成，通過點擊就可以構建通用數(shù)據(jù)挖掘流程，能快速投入到數(shù)據(jù)挖掘分析工作，可避免高難度編程語言的學習門檻。平臺能夠對數(shù)據(jù)分析人員所有的操作進行完整的記錄以及展現(xiàn)，所有執(zhí)行過程以及返回的結果都在同一個工作包中全面保留，極大的方便在模型構建過程對結果的反復校驗以及修改的需求。
3．可視化展現(xiàn)。模型構建操作需要依賴每一步驟的輸出結果以及已有配置信息，大數(shù)據(jù)平臺提供了統(tǒng)一視圖，在一個界面內(nèi)包含的信息量更大，通過上下滾動就可以快速查找查看，工作流更加標準與規(guī)范。
同時，Tempo大數(shù)據(jù)平臺采用B/S模式，提供web操作管理界面，支持多用戶遠程使用，支持FireFox、Chorme等多終端展示方式。采用多層服務模式設計的好處在于，表現(xiàn)層與業(yè)務處理層和數(shù)據(jù)通訊層分隔，在增加一個新的訪問渠道時，僅增加渠道驅動，改變內(nèi)容展示格式，而事務處理和與后臺的數(shù)據(jù)通訊及處理不作任何修改，通過單點登陸、數(shù)據(jù)訪問隔離、計算資源多策略分配等，幫助數(shù)據(jù)分析工人員對結果進行多樣化的快速展現(xiàn)與發(fā)布。

基于人工智能技術的產(chǎn)品異音檢測

某機電集團數(shù)據(jù)標準化與集成項目

推薦新聞

美女扒开腿让男人桶爽久久软_免费观看四虎精品成人_精品国产亚洲一区二区麻豆_色老汉一区二区三区_老湿机69福利_久久久日本电影_久久精品免费一区二区_久久视频国产精品免费视频在线_热草久综合在线_中文字幕永久免费

聯(lián)系我們

掃碼關注我們

掃碼立即咨詢