【摘要】工业大数据由企业信息数据、设备物联网数据和外部互联网数据组成，具有很大的价值。例如，通过分析用户使用数据来改进产品，通过分析现场测量数据来提高工件加工水平等。那么，工业大数据实施需解决哪些问题呢？今天就跟随小编一起来了解下吧！

数据质量控制问题

原始数据(生数据)质量决定分析结果的质量。企业信息系统数据质量仍然存在问题，例如2014年某大型机车企业ERP系统中近20%物料存在“一物多码”问题。装备物联网数据质量堪忧，某大型制造企业1个月的状态工况数据中，无效工况(如盾构机传回了工程车工况)、重名工况(同一状态工况使用不同名字)、时标混乱(当前时间错误或时标对不齐)等数据质量问题约30%。

多源数据关联问题

层次化的物料表(Bill Of Material,BOM)定义了企业信息系统数据的核心语义结构。针对跨生命周期的研制BOM和实例BOM间结构失配问题，我们提出了中性BOM模型，并以此为核心，向前关联设计制造BOM，向后关联服务保障BOM，形成星型结构，极大地降低了数据关联的复杂度。同时，针对装备物联网数据和外部互联网数据,可以根据其绑定的物理对象(零部件或产品)与相应的BOM节点相关联。从而以BOM为桥梁，关联3个不同来源的工业大数据。

大数据系统集成问题

工业大数据其来源更加广泛，并且装备物联网数据(半结构化数据)和外部互联网数据(非结构化数据)都要与企业信息系统(结构化数据)进行集成，因此要重构数据支撑平台，甚至替换“旧”系统。

关于工业大数据实施需解决哪些问题，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。