工業(yè)大數(shù)據(jù)技術(shù)及其應(yīng)用研究

侯棟恒

編者按：隨著科學(xué)技術(shù)不斷進步，大數(shù)據(jù)技術(shù)在工業(yè)領(lǐng)域的應(yīng)用也越來越廣泛。通過大數(shù)據(jù)技術(shù)分析和處理信息數(shù)據(jù)，能夠深入挖掘信息數(shù)據(jù)中的潛在價值，有利于提高信息數(shù)據(jù)利用率，從而為工業(yè)生產(chǎn)奠定良好基礎(chǔ)?；诖耍髡呓Y(jié)合大數(shù)據(jù)技術(shù)特點進行分析，并總結(jié)幾種常見的大數(shù)據(jù)技術(shù)分析方法，深入探索其在工業(yè)領(lǐng)域具體應(yīng)用，希望為專業(yè)人士提供參考、借鑒。

引言

在“中國制造2025”發(fā)展理念不斷深入的背景下，將大數(shù)據(jù)技術(shù)引入工業(yè)制造已經(jīng)成為工業(yè)革命的大勢所趨。在這一背景下，工業(yè)大數(shù)據(jù)概念應(yīng)運而生。從廣義上分析，工業(yè)大數(shù)據(jù)既包括企業(yè)在內(nèi)部制造產(chǎn)生的信息數(shù)據(jù)，也包括企業(yè)外部存在的信息數(shù)據(jù)。由于數(shù)據(jù)信息種類多樣、數(shù)量龐大，所以分析難度較高，加上新時期工業(yè)生產(chǎn)對分析精度提出較高要求，因此需要企業(yè)善于利用大數(shù)據(jù)技術(shù)，對海量信息進行收集、分析和應(yīng)用，從而為推動工業(yè)產(chǎn)業(yè)持續(xù)發(fā)展奠定基礎(chǔ)。

大數(shù)據(jù)特點分析

大數(shù)據(jù)的普遍性特點

（1）海量性特點

新時期，我國工業(yè)信息化建設(shè)水平不斷提高，促進數(shù)據(jù)量呈井噴式狀態(tài)持續(xù)增長，海量性已經(jīng)成為工業(yè)大數(shù)據(jù)典型特征之一。并且時至今日，大數(shù)據(jù)規(guī)模依然處于不斷變化中，單一數(shù)據(jù)集規(guī)模范圍不盡相同，從幾十TB到數(shù)PB不等，各種來源均可能產(chǎn)生數(shù)據(jù)信息。

（2）多樣性特點

受傳統(tǒng)數(shù)據(jù)記錄和儲存方式制約，導(dǎo)致工業(yè)企業(yè)記錄的數(shù)據(jù)大多為生產(chǎn)過程中產(chǎn)生的直接數(shù)據(jù)。隨著社會經(jīng)濟飛速發(fā)展，檢測技術(shù)、傳感技術(shù)等新興技術(shù)應(yīng)運而生，采用這些技術(shù)能夠準確記錄圖像、聲音等非結(jié)構(gòu)數(shù)據(jù)，在一定程度上豐富了數(shù)據(jù)種類[1]。

（3）高速性特點

近年來，我國工業(yè)生產(chǎn)規(guī)模不斷擴大，生產(chǎn)標(biāo)準逐漸提高，工藝流程日漸復(fù)雜。促進測量、控制技術(shù)更新?lián)Q代速度隨之加快。一些裝置在運行過程中每秒記錄的數(shù)據(jù)高達幾千甚至上萬MB，充分體現(xiàn)了大數(shù)據(jù)的高速性特點。

（4）易變性特點

工業(yè)生產(chǎn)過程具有復(fù)雜性、系統(tǒng)性特征，其工況一般分為穩(wěn)態(tài)和動態(tài)兩種，如果生產(chǎn)過程中設(shè)備產(chǎn)生故障，那么參數(shù)數(shù)據(jù)也會發(fā)生變化，這也突出了大數(shù)據(jù)的易變性特點。

工業(yè)大數(shù)據(jù)的特點

（1）高維度特點

工業(yè)生產(chǎn)結(jié)構(gòu)層次較為復(fù)雜，涉及到物理化等多種變化形態(tài)，并且產(chǎn)生的數(shù)據(jù)彼此之間耦合度較高，容易形成一個復(fù)雜的系統(tǒng)結(jié)構(gòu)，由于描繪這一過程需要建立在高維度基礎(chǔ)上，所以也充分體現(xiàn)了工業(yè)大數(shù)據(jù)的高維度特點。

（2）強非線性特點

過程工業(yè)中產(chǎn)生的信息數(shù)據(jù)之間存在必然聯(lián)系，但這種聯(lián)系并非線性關(guān)系。例如：熱力學(xué)中涉及到的溫度、壓力與反應(yīng)溫度和反應(yīng)速度之間存在的關(guān)系屬于非線性關(guān)系。也正因如此，使得工業(yè)生產(chǎn)中產(chǎn)生的大數(shù)據(jù)在分析和處理方面存在較大難度[2]。

（3）樣本數(shù)據(jù)分布不均特點

在工業(yè)生產(chǎn)中，需要盡可能保證設(shè)備參數(shù)在規(guī)定范圍內(nèi)。但是受溫濕度等各種因素影響，不可避免會發(fā)生參數(shù)波動問題，使得工況產(chǎn)生相應(yīng)變化。另外，工業(yè)生產(chǎn)原料性質(zhì)是始終不變的，所以操作條件會一致處于波動狀態(tài)，以上均體現(xiàn)了樣本數(shù)據(jù)分布不均這一特點。

（4）低信噪比特點

隨著科學(xué)技術(shù)不斷進步，測量技術(shù)、傳感技術(shù)均得到了一定優(yōu)化和完善。但受各種客觀因素影響，容易導(dǎo)致數(shù)據(jù)存在較大噪聲。例如：工業(yè)生產(chǎn)中使用的測量儀表出現(xiàn)故障，導(dǎo)致數(shù)據(jù)傳輸失真，容易使數(shù)據(jù)產(chǎn)生噪聲[3]，這也為工業(yè)大數(shù)據(jù)分析造成較大難度和挑戰(zhàn)。

工業(yè)大數(shù)據(jù)技術(shù)分析方法

降維分析方法

以上提到，工業(yè)大數(shù)據(jù)具有高維度特點。而降維分析方法，就是將高維度數(shù)據(jù)降低到低維度，從根源上減少“維數(shù)災(zāi)難”的發(fā)生。當(dāng)前，很多專家和學(xué)者在研究討論中表明，降維分析實際上就是聚類與分類分析中的一個分支。然而，由于現(xiàn)階段我國工業(yè)生產(chǎn)中需要處理的數(shù)據(jù)大多為高維度數(shù)據(jù)，所以通常習(xí)慣將降維分析方法作為數(shù)據(jù)處理之前的一種分析技術(shù)。降維分析方式具體可以分為兩類，其一是線性降維，包括局部學(xué)習(xí)投影、主成分分析等方式。其二是非線性降維，包括局部線性嵌入法、等距映射法等方法。

聚類與分類分析方法

對聚類與分類分析方法進行分析，首先要明確二者定義、相關(guān)聯(lián)系以及主要區(qū)別。其中聚類分析方法，是指將工業(yè)生產(chǎn)中產(chǎn)生的數(shù)據(jù)進行分類，使其形成多個自然群體。不同群體的特征不盡相同，有利于獲得各群體特征描述?，F(xiàn)階段，聚類分析已經(jīng)成為工業(yè)挖掘數(shù)據(jù)價值的重要方法，屬于一種在沒有監(jiān)督環(huán)境下形成的學(xué)習(xí)方案，能夠?qū)?shù)據(jù)進行深入探索和挖掘[4]。另外，對數(shù)據(jù)進行聚類分析，能夠為數(shù)據(jù)預(yù)測、數(shù)據(jù)檢索奠定良好基礎(chǔ)，有利于提高數(shù)據(jù)準確率和利用率。常見的聚類分析方法有五種，分別為基于層次、基于劃分、基于密度、基于模型、基于網(wǎng)格等聚類。

分類分析方法則是結(jié)合工業(yè)數(shù)據(jù)特征來構(gòu)建分類器，而后通過分類器明確需要分類的樣本類別。這種分析方法與上文提到的聚類分析方法相比，最本質(zhì)的區(qū)別在于分類數(shù)據(jù)在數(shù)據(jù)歸類前，已經(jīng)明確了數(shù)據(jù)的分類規(guī)則。但聚類分析方法在數(shù)據(jù)歸類之前，則沒有相應(yīng)的分類規(guī)則，而是需要在完成數(shù)據(jù)歸類后，才能夠了解不同類比的主要特點。現(xiàn)階段，常見的分類分析方式有多重，結(jié)合其分析特點來看，可以分為基于數(shù)據(jù)庫技術(shù)的分類方法、Bayes分類方法等。與此同時，不同分類方法的算法也存在明顯差異。例如：Bayes分類方法中最常見的兩種算法分別為TAN算法和NB算法。可以充分滿足不斷擴大的工業(yè)數(shù)據(jù)量分析需求。

相關(guān)性分析方法

所謂相關(guān)性分析，就是對工業(yè)生產(chǎn)中產(chǎn)生的數(shù)據(jù)關(guān)系程度進行分析。這種分析方法當(dāng)前在國內(nèi)外研究領(lǐng)域受到廣泛關(guān)注，已經(jīng)被廣泛應(yīng)用到氣象學(xué)、心理學(xué)、金融學(xué)等多個領(lǐng)域。從字面上對相關(guān)性進行分析，是指對兩個變量存在的關(guān)系進行分析，也就是度量二者密切程度。當(dāng)前，在相關(guān)性分析實際應(yīng)用過程中，最常見的方法有Pearson方法，但是結(jié)合分析結(jié)果來看，這種方法只能夠度量數(shù)據(jù)與數(shù)據(jù)之間的線性關(guān)系程度，在分析非線性關(guān)系時容易產(chǎn)生誤差，這也意味著該分析方式不適用于兩個變量強非線性關(guān)系分析。隨著工業(yè)大數(shù)據(jù)種類和數(shù)量的不斷增多，對多變量相關(guān)性分析提出較高要求。在這一背景下，典型相關(guān)性分析技術(shù)、因果關(guān)系分析技術(shù)等多種多變量相關(guān)性分析技術(shù)應(yīng)運而生。但是這些技術(shù)在實際應(yīng)用中也存在一定不足之處[5]。例如：因果關(guān)系分析技術(shù)在實際應(yīng)用中，無法進行定量描述;典型相關(guān)性分析技術(shù)在實際應(yīng)用中，無法解決時間序列存在的問題。目前來說，這些缺陷具有短期性特點，在未來隨著科學(xué)技術(shù)不斷進步，各種相關(guān)性分析技術(shù)勢必也會得到一定優(yōu)化和完善，不僅能夠提高計算速度，而且使用范圍也會逐漸擴大。

預(yù)測分析方法

對工業(yè)大數(shù)據(jù)進行預(yù)測，實際上是一種基于功能定義的分析技術(shù)概念，在工業(yè)生產(chǎn)中涉及范圍較廣。包括工業(yè)生產(chǎn)過程對產(chǎn)品質(zhì)量進行預(yù)測，對裝置故障診斷進行預(yù)測等?，F(xiàn)階段，最常見的數(shù)據(jù)預(yù)測技術(shù)，就是將不同優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)算法深度融合，其中較為成熟的算法有BP神經(jīng)網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等。其優(yōu)勢可以歸納為以下幾點：第一，從理論角度進行分析，能夠盡可能逼近非線性映射;第二，對數(shù)據(jù)輸入、數(shù)據(jù)輸出等問題進行科學(xué)處理;第三，滿足數(shù)據(jù)分布式處理需求;第四，具有較強的自適應(yīng)性和自學(xué)習(xí)性;第五，能夠?qū)Υ罅慷ㄐ远繑?shù)據(jù)進行統(tǒng)一處理。由于我國在預(yù)測分析方法研究和應(yīng)用方面起步較晚，所以目前為止相關(guān)技術(shù)依然處于發(fā)展階段，很多技術(shù)尚不成熟。很多技術(shù)都是源于統(tǒng)計學(xué)理論發(fā)展而來的，其功能包括對工業(yè)大數(shù)據(jù)進行降維分析、分類分析、聚類分析、相關(guān)性分析等，并在此基礎(chǔ)上準確預(yù)測未來發(fā)展規(guī)律[6]。現(xiàn)階段，工業(yè)領(lǐng)域獲取的應(yīng)用實例，大多是在大數(shù)據(jù)技術(shù)不同功能和不同算法深入融合背景下產(chǎn)生的。

工業(yè)大數(shù)據(jù)技術(shù)實際應(yīng)用

工業(yè)生產(chǎn)過程優(yōu)化方面的應(yīng)用

新時期背景下，工業(yè)領(lǐng)域面臨的市場競爭壓力不斷增加，提高生產(chǎn)能力和生產(chǎn)質(zhì)量，已經(jīng)成為工業(yè)企業(yè)強化競爭實力的必要需求，這就需要企業(yè)引入各種先進裝置。與此同時，在可持續(xù)發(fā)展戰(zhàn)略背景下，工業(yè)領(lǐng)域還要充分考慮節(jié)能環(huán)保問題，要盡可能將生產(chǎn)過程產(chǎn)生的危害降到最低。面對這一改革創(chuàng)新需求，工業(yè)企業(yè)可以通過過程優(yōu)化方式來實現(xiàn)。具體來說，過程優(yōu)化能夠?qū)ζ髽I(yè)生產(chǎn)進行實時監(jiān)督，幫助企業(yè)尋求最佳生產(chǎn)途徑，同時可以從根源上減少工業(yè)生產(chǎn)過程的干擾因素，為企業(yè)提高生產(chǎn)能力、獲取經(jīng)濟效益奠定良好基礎(chǔ)。對工業(yè)過程優(yōu)化進行深入分析，可以將其分為兩個方面，分別為動態(tài)優(yōu)化方面和靜態(tài)優(yōu)化方面。并且可以采取的優(yōu)化措施有多種，其中利用數(shù)據(jù)分析技術(shù)優(yōu)化工業(yè)過程，就是企業(yè)改革創(chuàng)新的一個新思路[7]。

自改革開放后，我國工業(yè)發(fā)展規(guī)模逐漸擴大，社會生產(chǎn)能力逐漸提升，很多生產(chǎn)工藝已經(jīng)基本達到國際先進水平。然而，由于工業(yè)生產(chǎn)過程較為復(fù)雜，所以受多種因素影響容易導(dǎo)致數(shù)據(jù)產(chǎn)生各種差異，在一定程度上增加了數(shù)據(jù)分析、處理難度。針對這一問題，有專家提出了自組織映射神經(jīng)網(wǎng)絡(luò)分析技術(shù)及模糊C均值聚類分析技術(shù)，通過以上技術(shù)對工業(yè)數(shù)據(jù)進行分析和處理，能夠?qū)I(yè)生產(chǎn)過程中的數(shù)據(jù)進行有效監(jiān)測。在兩種技術(shù)分別分析基礎(chǔ)上，對二者分析結(jié)果進行對比，可以發(fā)現(xiàn)自組織映射神經(jīng)網(wǎng)絡(luò)分析技術(shù)精確度更高，但是處理效率相對較差。工業(yè)企業(yè)可以在分析結(jié)果基礎(chǔ)上對生產(chǎn)工藝進行優(yōu)化和改進，從而進一步提高生產(chǎn)質(zhì)量和效率，為企業(yè)持續(xù)發(fā)展奠定良好基礎(chǔ)。

另外，眾所周知，石化行業(yè)是帶動我國經(jīng)濟持續(xù)發(fā)展的支柱產(chǎn)業(yè)，在新時期背景下面臨全新發(fā)展需求。其在工業(yè)生產(chǎn)過程中涉及到催化裂化、催化加氫、焦化等多種工藝技術(shù)。常減壓蒸餾作為石化企業(yè)較為常見的裝置，也是石油生產(chǎn)的重要環(huán)節(jié)。通常在進入該環(huán)節(jié)前，需要對原有進行電脫鹽處理。但結(jié)合石油企業(yè)生產(chǎn)現(xiàn)狀來看，普遍存在電脫鹽效果不理想情況。對此，有專家提出采用決策樹方法來解決，通過構(gòu)建決策樹模型，對模型中產(chǎn)生的數(shù)據(jù)進行聚類分析，從而明確影響原油電脫鹽效果的根本原因，在此基礎(chǔ)上，企業(yè)可以通過改進電脫鹽裝置等方式優(yōu)化生產(chǎn)工藝，提高生產(chǎn)水平。

故障監(jiān)測和診斷方面的應(yīng)用

故障監(jiān)測及診斷最早出現(xiàn)于美國20世紀中期，當(dāng)時主要應(yīng)用到軍工、航天方面。近年來，隨著工業(yè)生產(chǎn)規(guī)模不斷擴大，加上各種先進技術(shù)的廣泛應(yīng)用，各種類型的生產(chǎn)設(shè)備應(yīng)運而生，雖然在一定程度上提高了工業(yè)生產(chǎn)質(zhì)量和效率，但由于設(shè)備結(jié)構(gòu)復(fù)雜、運行環(huán)境多樣，加上運行周期較長，所以不可避免存在故障問題[8]。對設(shè)備故障進行全過程監(jiān)測和診斷，已經(jīng)成為工業(yè)提高社會生產(chǎn)力的必要需求。所謂故障監(jiān)督和診斷，實際上就是對設(shè)備信號、特征、狀態(tài)進行采集、提取和識別，而后對設(shè)備故障進行診斷，通過以上步驟不斷循環(huán)，能夠及時發(fā)現(xiàn)各種潛在問題和隱患，有利于提高故障監(jiān)測及診斷精度，從而保證工業(yè)安全生產(chǎn)。當(dāng)前，隨著工業(yè)生產(chǎn)規(guī)模不斷擴大，設(shè)備故障的原因逐漸增多，并且故障機理也越來越復(fù)雜，傳統(tǒng)監(jiān)測手段和診斷技術(shù)已經(jīng)無法充分滿足設(shè)備維修需求。而應(yīng)用工業(yè)大數(shù)據(jù)技術(shù)能夠有效解決以上問題。上文提到，無論是降維處理技術(shù)，還是分類聚類技術(shù)，均能夠?qū)Ａ繑?shù)據(jù)進行科學(xué)處理。將這些技術(shù)與故障檢測診斷技術(shù)相融合，能夠突破傳統(tǒng)技術(shù)存在的不足之處。

例如：鋼鐵企業(yè)在生產(chǎn)過程中離不開高爐煉鐵工藝的支撐，只有控制好高爐煉鐵工藝，才能夠達到理想生產(chǎn)效果。但新時期隨著鋼鐵產(chǎn)品需求量不斷增加，以及生產(chǎn)質(zhì)量要求的不斷提高，使得生產(chǎn)工藝也逐漸向復(fù)雜化趨勢發(fā)展，在一定程度上增加了控制難度。在長期發(fā)展進程中，專家系統(tǒng)在高爐煉鐵工藝控制中廣泛應(yīng)用，并取得了顯著成果。所謂專家系統(tǒng)，就是在汲取領(lǐng)域?qū)＜医?jīng)驗及知識基礎(chǔ)上，通過合理算法開發(fā)的一種系統(tǒng)。然而，由于鋼鐵生產(chǎn)中使用的高爐特點不盡相同，所以僅通過某一專家系統(tǒng)并不能對其進行合理控制。對此，可以將數(shù)據(jù)挖掘概念引入專家系統(tǒng)中，以此來解決專家系統(tǒng)中結(jié)合人為經(jīng)驗獲取知識這一弊端。如：將BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)與專家系統(tǒng)相結(jié)合，能夠有效提高高爐故障識別率，而后通過K-Means算法對高爐運行過程中產(chǎn)生的數(shù)據(jù)進行聚類分析，能夠確定立項運行參數(shù)值，從而確保高爐煉鐵工藝得到有效控制。

產(chǎn)品預(yù)測方面的應(yīng)用

工業(yè)產(chǎn)品的生產(chǎn)質(zhì)量和生產(chǎn)效率，取決于生產(chǎn)裝置運行情況。雖然當(dāng)前工業(yè)企業(yè)認識到了工業(yè)產(chǎn)品產(chǎn)率和質(zhì)量預(yù)測的重要性，但采取的預(yù)測方法存在嚴重滯后性，無法及時反饋結(jié)果，不利于優(yōu)化操作過程。由此可見，想要在提高產(chǎn)品預(yù)測準確性的同時提高及時性，就要充分利用工業(yè)大數(shù)據(jù)技術(shù)。注塑成型作為工業(yè)企業(yè)塑料加工的常見方法，能夠在較短時間內(nèi)生產(chǎn)出精度較高、結(jié)構(gòu)復(fù)雜的產(chǎn)品，這些產(chǎn)品當(dāng)前被廣泛應(yīng)用到醫(yī)療、電子等領(lǐng)域。但在實際生產(chǎn)過程中，工業(yè)企業(yè)通常每完成一次生產(chǎn)活動，就要通過抽樣檢查的方法對產(chǎn)品質(zhì)量進行檢測，由于這種方法效率較低，所以不利于為改進工藝、提高產(chǎn)品質(zhì)量提供保障[9]。對此，可以在注塑成型過程中引入拉普拉斯特征映射方法，對生產(chǎn)過程產(chǎn)生的高維度數(shù)據(jù)進行降維分析。而后利用聚類分析方法對實際工況進行分析，從而明確產(chǎn)品分類的具體規(guī)則，最后采用基于粒子的群算方法，構(gòu)建注塑成型過程質(zhì)量測量模型。結(jié)合模型對產(chǎn)品質(zhì)量進行預(yù)測和分析，不僅能夠保證預(yù)測準確性，還能夠提高預(yù)測效率，有利于為企業(yè)優(yōu)化生產(chǎn)工藝奠定良好基礎(chǔ)?，F(xiàn)階段，大數(shù)據(jù)技術(shù)在工業(yè)生產(chǎn)中被廣泛應(yīng)用，為解決工業(yè)生產(chǎn)問題提供新思路，隨著大數(shù)據(jù)技術(shù)不斷發(fā)展，勢必會進一步擴大大數(shù)據(jù)技術(shù)應(yīng)用范圍，為工業(yè)發(fā)展奠定良好基礎(chǔ)。

結(jié)語

綜上所述，當(dāng)前，大數(shù)據(jù)技術(shù)在工業(yè)領(lǐng)域應(yīng)用方面已經(jīng)取得了顯著成就，但由于我國在工業(yè)大數(shù)據(jù)研究和應(yīng)用方面起步較晚，并且這些技術(shù)主要源于原有數(shù)據(jù)發(fā)掘原理基礎(chǔ)上產(chǎn)生，所以并未充分發(fā)揮其潛在價值。需要研究人員進一步加大研究力度，對工業(yè)大數(shù)據(jù)進行深入研究和開發(fā)，使其更好地運用到工業(yè)發(fā)展的方方面面，為推動工業(yè)領(lǐng)域持續(xù)發(fā)展提供保障。

參考文獻：

[1]劉祎，王瑋.工業(yè)大數(shù)據(jù)時代技術(shù)示能性研究綜述與未來展望[J].科技進步與對策，2019，36（20）：154-160.

[2]李陽.探討大數(shù)據(jù)背景下數(shù)字技術(shù)在工業(yè)電氣自動化中的應(yīng)用[J].信息系統(tǒng)工程，2020（01）：63-64.

[3]吳章燕.解析大數(shù)據(jù)技術(shù)在工業(yè)經(jīng)濟統(tǒng)計中的應(yīng)用[J].現(xiàn)代經(jīng)濟信息，2021（18）：171-172.

[4]王韻滋，王爽.基于大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)在工業(yè)信息化中的應(yīng)用分析[J].科學(xué)與信息化，2020（25）：68-69.

[5]張東光，郭輝.淺析數(shù)據(jù)采集技術(shù)在工業(yè)大數(shù)據(jù)平臺中的應(yīng)用[J].科學(xué)與信息化，2020（8）：22-23.

[6]許寧.基于大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)在工業(yè)信息化中的應(yīng)用探究[J].現(xiàn)代工業(yè)經(jīng)濟和信息化，2017，7（22）：50-51，54.

[7]趙文博.工業(yè)大數(shù)據(jù)在智能制造中的應(yīng)用價值[J].造紙裝備及材料，2021，50（01）：122-124.

[8]吳鳴浩.工業(yè)大數(shù)據(jù)的應(yīng)用與實踐研究[J].數(shù)碼設(shè)計（上），2021，10（5）：338.

[9]卓相磊.工業(yè)大數(shù)據(jù)在智能制造中的應(yīng)用價值[J].科技風(fēng)，2021（18）：85-86.