- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据文摘
业界 | 迎接工业4.0时代到来，9大技术转变工业生产
大数据文摘出品 编译：张驰、倪倪 随着工业4.0的到来，新数字工业技术的兴起将带来制造业的巨大转变。 通过机器来收集和分析数据，以更低的成本通过更快速、更灵活、更高效的流程，生产出更高质量的商品，这在工业4.0时代都成为了可能。 —Olivier Scalabre，资深合伙人和常务董事 9大技术转变工业生产 先进的数字技术早已在制造业中得以使用，但是随着工业4.0时代的到来，它将转变工业生产。 9大技术趋势奠定了工业4.0的基石。 大数据和分析能力 在工业4.0的环境中，对一些不同来源的数据（生产设备和系统以及企业和顾客管理系统）的收集以及综合评估将标准化，用以支持实时决策。 水平和垂直系统集成 随着工业4.0到来，公司、部门、职能和能力将变得更加紧密，因为跨公司的通用数据集成网络不断发展并能够真正实现自动化价值链。
52620发布于 2018-11-08 - 来自专栏物联网智慧生活
工业数据采集上传云端工业网关应用
工业网关+云平台，实现工业数据采集上云。 工业5G网关对设备开关、模拟量及其他上报数据进行采集，通过配置传感器，还可以实现对设备温度、震动及环境湿度等多种数据进行采集;通过配套计讯物联云平台系统，用户既可以在工控机上实现数据监测和设备控制，也可以通过手机 图片1.png 工业数据采集上传云端工业物联网网关http://www.top-iot.com/list-55-1.html 1、通过直接连接设备或部署传感器，实现工业制造业检测环节的环境信息、设备信息的检测 9、支持边缘计算，在物联网边缘节点实现数据优化、实时响应、敏捷连接、模型分析等业务，有效分担云端计算资源支持多台设备同时接入。 10、金属外壳，保护等级IP30。 4、数据共享更便利：企业应该把自身看成“大数据”价值链中的一部分，那么企业既是贡献者也是受益者，工业大数据的价值可以共享给企业上下游使用，采用统一的公有云平台，促进数据资源的融会贯通，使得数据共享更方便
1.7K20发布于 2021-07-08 - 来自专栏PLC
TRICONEX 3700 工业数据方面为工业4.0
TRICONEX 3700 工业数据方面为工业4.0图片由Softing Industrial开发的新edgeConnector系列使客户能够将其生产集成到全面的工业4.0环境中。 )和MQTT(消息队列遥测传输)作为数据传输和集成的主要通信协议。 西门子边缘连接器支持访问西门子SIMATIC S7-300/400和SIMATIC S7-1200/1500控制器，用于生产数据采集、制造参数分析和预测性维护。 边缘连接器840D供SINUMERIK 840D Solution Line和Power Line CNC控制器从NC区域读取过程参数(轴、刀具和程序数据等。) PLC区域(状态、程序段、报警)和驱动数据(转矩、电流、rpm)。
52720编辑于 2023-04-23 内窥镜工业缺陷检测数据集VOC+YOLO格式2320张9类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2320 标注数量 (xml文件个数)：2320 标注数量(txt文件个数)：2320 标注类别数：9 标注类别名称:["abrasive-wear","broken-gears","broken-parts","corrosion micropitting-pitting-indentitation 框数 = 2091 spalling 框数 = 620 总框数：7440 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子： 数据集地址：download.csdn.net/download/2403_88102872/90085013
19400编辑于 2025-07-15- 来自专栏数据科学与人工智能
【数据】工业大数据应用
小编邀请您， 先思考： 1 如何用数据？ 工业大数据的九个方面的应用。 第一是加速产品创新设计，传统的产品设计模式是基于设计师的灵感和经验，揣摩消费者的需求喜好，设计产品，针对性不强，不精确。 案例一是波音公司，案例二也不展开了，案例三是宝钢大数据应用。 三是供应链的分析和优化，产品电子标识、物联网、移动互联网等技术能帮助工业类企业获得完善的产品供应链的大数据。 基于大数据技术，利用销售数据、产品的传感器数据和供应商数据库的数据，企业可准确地预测全球不同区域的需求，通过跟踪库存和销售价格，可以在价格下跌时买进，从而可节约大量的成本。 大数据将带来仓储、配送、销售效率的大幅提升和成本的大幅下降，实现供应链的优化。这是宝钢大数据应用的一个例子。 四是产品销售预测与大数据营销。 在工业类企业对产品进行管理与分析时会产生大量的数据，利用传统的分析方法难以发现数据之间复杂的隐性关联关系。
71300发布于 2018-07-30 - 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
41520发布于 2019-09-24 - 来自专栏最新最全的大数据技术体系
助力工业物联网，工业大数据项目之数据采集
export \ --数据库连接参数 --HDFS或者Hive的连接参数 --配置参数 数据库参数 –connect jdbc:mysql://hostname:3306 –username –password /hadoop/mapred-site.xml mapreduce.job.ubertask.enable=true #必须满足以下条件 mapreduce.job.ubertask.maxmaps=9 Oracle数据量不符 原因 sqoop以文本格式导入数据时，默认的换行符是特殊字符 Oracle中的数据列中如果出现了\n、\r、\t等特殊字符，就会被划分为多行 Oracle数据 id name ：列的信息【名称、类型】 Avro格式特点 优点 二进制数据存储，性能好、效率高 使用JSON描述模式，支持场景更丰富 Schema和数据统一存储，消息自描述 模式定义允许定义数据的排序 特点：既导入新增的数据也导入更新的数据 场景：一般无法满足要求，所以不用 代码 sqoop import \ --connect jdbc:mysql://node3:3306/sqoopTest \
91020编辑于 2023-02-03 - 来自专栏最新最全的大数据技术体系
助力工业物联网，工业大数据之工业大数据之油站维度设计【十四】
01：油站维度设计 目标：掌握油站维度的需求与设计 路径 step1：需求 step2：设计 实施 需求：构建油站维度表，得到油站id、油站名称、油站所属的地理区域、所属公司、油站状态等 设计 数据来源 公司名称】 select ygcode, companyname from one_make_dwd.ciss_base_baseinfo group by ygcode, companyname; 数据有重复 油站维度表' PARTITIONED BY (dt STRING) STORED AS TEXTFILE LOCATION '/data/dw/dws/one_make/dim_oilstation'; 抽取数据
29410编辑于 2023-06-10 - 来自专栏大数据和云计算技术
工业4.0和大数据
工业4.0概念和起源 工业1.0是机械制造时代，工业2.0是电气化与自动化时代，工业3.0是电子信息化时代。 工业4.0中大数据的应用 工业4.0核心是将大数据，云计算以及物联网等新技术应用到工业生产中，从而提高企业，行业的整体效率和竞争力。 在实现智能制造，设备和生产过程中产生的大量数据需要有效的加以利用，这里面就需要构建现金的制造云平台，提供生产数据的大数据分析和处理，优化生产流程，保证产品质量，提高生产效率和生产安全。 随着智能化程度的越高，生产过程中产生的数据会越来越多，大数据应用的需求会越来越强。 举例几个可以想到的大数据应用有： 智能工厂：工厂选址决策，生产任务智能调度 智能生产：KPI监控，生产提前预测 智能物流：发货预测，智能仓储，物流优化等等。
1.2K130发布于 2018-03-08 - 来自专栏物联网wtblnet.com
数据采集网关|工业数据采集网关
数据采集网关|工业数据采集网关 随着数据量的不断增速，数据价值也逐步被许多公司所关注，尤其是偏重于业务型的企业，许多数据的发生，在未被挖掘整合的进程中通常被看作是一堆无效且占用资源的；但一旦被发掘，数据的价值将无可估计 近段时刻有幸参与负责了一个大数据项目，今日主要对收集体系做一次简单的复盘： 数据收集体系故名思意就是将数据从数据源收集到能够支撑大数据架构环境中，从而实现数据的收集以便后期对数据的二次加工树立数据仓库。 ，都需求获取哪些数据，获取到后要收集存储到哪个数据仓库的表中，终究被运用到。 数据源办理 数据源一般会分为许多种类型，因而，咱们需求树立数据源类型；如ORECAL、mysql、hive等。 个人方面 对数据仓库的了解和认识上有所提高，对SQL的学习也算是一次稳固，一起在做的进程中对自己曾经遇到过的数据需求也有了一些新的思考思路和总结复盘。总之是收成满满。
2.4K40发布于 2019-12-03 - 来自专栏mysql
hhdb数据库介绍(9-9)
高可用服务读写分离计算节点支持读写分离功能，并且支持配置读写分离权重读写分离功能说明要使用读写分离功能，需在数据节点中配置主备存储节点。读写分离功能默认设置为关闭。 -- 不开启读写分离：0；可分离的读请求发往所有可用数据源：1；可分离的读请求发往可用备数据源：2；事务中发生写前的读请求发往可用备数据源：3--><property name="weightForSlaveRWSplit strategyForRWSplit参数为1时可设置主备存储节点的读比例，设置备存储节点读比例后<em>数据</em>节点下的所有备存储节点均分该比例的读任务。 strategyForRWSplit参数为2时<em>数据</em>节点上的所有可分离的读任务会自动均分至该<em>数据</em>节点下的所有备存储节点上，若无备存储节点则由主存储节点全部承担。 用户级别的读写分离可通过管理平台创建<em>数据</em>库用户页面添加用户或编辑用户开启用户级别的读写分离。
23110编辑于 2024-11-29 - 来自专栏技术集锦
练习9—数据计算
题目 写一个简单的函数实现下面的功能：具有三个参数，完成对两个整型数据的加、减、乘、除四种操作，前两个为操作数，第三个参数为字符型的参数。 ; } 说明 注意switch-case语句中case处的数据类型，因为设定了变量c为char类型，所以需要使用 c = input.next().charAt(0) 语句接收用户键盘上的单个字符输入
30720编辑于 2022-06-03 - 来自专栏我爱计算机视觉
9ms 静默活体检测，小视开源工业级品质算法
小视科技团队开源的基于 RGB 图像的活体检测模型，是专门面向工业落地场景，兼容各种复杂场景下的模型。该自研的剪枝轻量级模型，运算量为 0.081G，在麒麟 990 5G 芯片上仅需 9ms。 图片来源：Forbes 为了抵御这种假脸攻击，小视科技团队开源了一个静默活体检测算法和可适用于安卓平台的部署源码，可兼容各种工业级复杂场景的活体检测。 小视科技团队开源的基于 RGB 图像的活体检测模型，是专门面向工业落地场景，兼容各种复杂场景下的模型。该自研的剪枝轻量级模型，运算量为 0.081G，在麒麟 990 5G 芯片上仅需 9ms。 图 1 现实场景中活体数据分布图 基于成像介质种类的不同，小视科技团队将样本分为真脸、2D 成像（打印照片，电子屏幕）以及 3D 人脸模具三类，根据上述的准则整理和收集训练数据。 真脸数据包含了强光、暗光、背光、弱光以及阴阳脸等各种复杂场景。基于 2D 的假脸数据使用打印纸、铜版纸、照片纸以及电脑屏幕、平板 Pad 屏幕、手机屏幕，在不同的距离、角度和光线下进行采集。
2.5K10发布于 2020-07-20 - 来自专栏最新最全的大数据技术体系
【补充】助力工业物联网，工业大数据之AirFlow安装
【补充】助力工业物联网，工业大数据之AirFlow安装 直接在node1上安装 1、安装Python 安装依赖 yum -y install zlib zlib-devel bzip2 bzip2-devel 通常只用于测试 # LocalExecutor是多进程本地执行任务使用的 # CeleryExecutor是分布式调度使用（可以单机），生产环境常用 # DaskExecutor则用于动态任务调度，常用于数据分析 executor = CeleryExecutor #30行:修改元数据使用mysql数据库，默认使用sqlite sql_alchemy_conn = mysql://airflow:airflow redis://localhost:6379/0 #743 result_backend = db+mysql://airflow:airflow@localhost:3306/airflow 初始化元数据数据库 ps -ef|egrep 'scheduler|flower|worker|airflow-webserver'|grep -v grep|awk '{print $2}'|xargs kill -9
62020编辑于 2023-09-06 - 来自专栏Spark学习技巧
工业数据安全治理参考框架
随着工业企业数字化进程不断深化，工业数据作为新的生产要素，贯穿于工业全流程，其地位和重要性不言而喻。 因此，通过对工业数据安全治理探索，帮助工业企业实现数据全生命周期的安全防护，释放工业数据潜在价值，有着重要的意义。 1 工业数据安全治理概述 工业数据作为国家基础性战略资源，是驱动工业数字化转型发展的核心，是构建数字经济的基石。 利用密码技术(如SM3、SM4、SM9等)，对重要数据传输时进行完整性校验，对数据传输双方身份进行身份鉴别。 经过近6个月的实践效果来看，目前取得了一定成效，发现并阻止应用服务器被攻击26次，发现并阻止敏感数据外泄3起，内部人员违规操作、误操作36次，培养安全人才9人，安全事件处置1起。
1.9K31编辑于 2023-03-21 - 来自专栏最新最全的大数据技术体系
助力工业物联网，工业大数据之脚本开发【五】
Shell：Linux原生Shell脚本，命令功能全面丰富，主要用于实现自动化Linux指令，适合于Linux中简单的自动化任务开发 Python：多平台可移植兼容脚本，自身库功能强大，主要用于爬虫、数据科学分析计算等 获取表名 b.构建Sqoop命令 c.执行Sqoop命令 d.验证结果 脚本目标：实现自动化将多张Oracle中的数据表全量或者增量采集同步到HDFS中 实现流程 脚本选型 单个测试 添加执行权限 chmod ：Sqoop解析出来的MR的Java程序等输出文件输出的文件 增量采集 cd /opt/sqoop/one_make sh -x incr_import_tables.sh 脚本中特殊的一些参数 工单数据信息 、呼叫中心信息、物料仓储信息、报销费用信息等 HDFS路径 /data/dw/ods/one_make/incr_imp/表名/日期 Oracle表：组织机构信息、地区信息、服务商信息、数据字典等 HDFS 进行上传到HDFS上，归档并且备份 Avro文件本地存储 workhome=/opt/sqoop/one_make --outdir ${workhome}/java_code 小结 了解如何实现采集数据备份
75220编辑于 2023-02-17 - 来自专栏钱塘大数据
数据是工业4.0的核心驱动，工业大数据两个案例剖析
而工业大数据通过360度全景的数字视角，为制造业带来了新的优势，它将提供预测自主维修决策支持分析，打造智能化供应链。大数据是工业4.0的核心驱动。 ? 工业大数据的核心支撑力 工业大数据的实践中，宏观与微观、规模与定制、个性与共性必然成为主要的几个矛盾。 所以工业大数据对工业链的管理能为企业带来价值。 那么工业数据来源于内源数据和外源数据。企业内部在运行中，积累了大量的内源数据。互联网的今天，外源数据更多。事实上，很多企业不缺数据，主要问题是数据质量低下以及采集手段不科学。 工业数据到底在哪里？ 工业数据湖针对工业工作量优化设计包括：关键任务优化，解决工业互联网软件安全性等关键SLA问题；快速获取与储存数据，其中包括设备数据；支持多种模式与数据类型；高性能分析，使用大规模并行处理架构；数据治理和融合
2.4K50发布于 2018-02-28 - 来自专栏决策智能与机器学习
工业大数据 OR 工业互联网到底有什么价值
大数据神话 大数据带来了无穷的想象力和无所不能为的信心，随着消费、政府、物流等大数据行业的快速发展，工业领域内，数字设计、数字工厂、数字制造等概念也一哄而上，仿佛工业大数据已经成为拯救实体经济的 “大力丸”，中国有着规模庞大的各型工业设备、丰富的设备使用场景，中国的工业大数据随处都是。 对那些有着厚重的工业技术体系和知识转化的GE、西门子而言，当他们在说工业大数据的时候，他们有着一个我们很多企业没有的隐含条件。不要将无数的现场数据等同于工业大数据。 ? 数据密集型的核心是数据科学家的密集型 就工业大数据而言，最重要的就是对它进行密集型的分析——工业知识断不能缺位。GE在谈及工业互联网的时候，给与了“专业知识”以高度的重视。 在工业领域，“无知识，不数据”。没有工业经验的线性化指引，数据就不会高速转化，工业大数据的价值，就不会产生。
77120发布于 2020-08-04 - 来自专栏CSDN搜“看，未来”
数据结构（9）-- 跳表
文章目录 跳表 跳表的搜索 跳表的插入 抛硬币 跳表的删除 跳表的代码实现 跳表数据结构 初始化跳表 插入节点 删除节点 销毁跳表 为什么Redis要用跳表来实现有序集合？ 跳表(skip list) 对应的是平衡树(AVL Tree)，是一种 插入/删除/搜索 都是 O(log n) 的数据结构。它最大的优势是原理简单、容易实现、方便扩展、效率更高。 节点，发现17比其大，向后搜索，发现6后面的节点指向了Nil(第4层)，那么搜索的层数降低1层， 从此节点的第3层开始搜索，发现下个节点是25，大于17，那么再降低一层，从2层开始搜索，发现第2层是9， 小于17，继续搜索，发现9节点的下一个数是17，搜索完成。 ---- 跳表的代码实现 跳表数据结构 如上图中的E节点，表示的是头节点，一般跳表的实现，最大有多少层(MAX_LEVEL)是确定的。所以e的个数是固定的。
50730发布于 2021-09-18 - 来自专栏决策智能与机器学习
基于工业大数据的工业智能发展 | 机器智能 | 趋势研判
工业智能的基础：工业大数据 工业大数据是工业智能的基础，通过数据驱动实现工业智能是目前较为可行的途径，随着工业数字化、网络化的进程不断加快，工业领域收集的数据维度不断扩大，主要体现在三个方面 经过多年的生产经营，积累下来历年的产品数据、工业数据、原材料数据和生产设备数据； 二是数据范围不断扩大。 企业经营的视角来看待这些工业数据。 大数据在工业企业的应用 企业所积累的数据量以越来越快的速度在增加，很多企业也就顺势将大数据技术引入企业的生产经营中。大数据在工业企业的应用主要体现在三方面： 一是基于数据的产品价值挖掘。 商业模式创新主要体现在两个方面，一是基于工业大数据，工业企业对外能提供什么样的创新性商业服务；二是在工业大数据背景下，能接受什么样的新型的商业服务。
55740发布于 2020-08-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号