【话题作文】
第一篇:《工业大数据应用场景分析》
2015-08-05工业点工业点0
工业大数据也是一个全新的概念，从字面上理解，工业大数据是指在工业领域信息化应用中所产生的大数据。随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、
CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。
工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分
析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。
1、加速产品创新
客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。
2、产品故障诊断与预测
这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中，波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被测量和发送一次。以波音737为例，发动机在飞行中每30分钟就能产生10 TB数据。这些数据不仅仅是未来某个时间点能够分析的工程遥测数据，而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看一个通用电气（GE）的例子，位于美国亚特兰大的GE能源监测和诊断（M&D）中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10G的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。
3、工业物联网生产线的大数据应用
现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析（包括违反生产规定、零部件故障）等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。
4、工业供应链的分析和优化
当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。以海尔公司为
例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。
5、产品销售预测与需求管理
通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这
第二篇:《假设检验在工艺改进中的应用》
假设检验在工艺改进中的应用
【摘要】
数学作为一门古老而又年轻的学科，随着社会的进步越来越散发出其独特的魅力。数理统计这门学说也自从其成立以来也为人们的生活和工作提供了更多的技术支持，使我们在工作中针对已有的问题进行分析，对收集的数据进行处理，对我们生产出来的产品进行评估和分析。本片论文主要是关于数理统计中假设检验部分的内容。众所周知，我们在生活生产过程中会遇到各种问题，这时候就要求我们对问题做出假设并进行数学方面的处理，选择合理的假设。本文主要关于假设检验在工艺生产改进反面的应用。我们在生产过程结束后会对生产出来的产品进行合理分以期能在今后的生产过程中获得更好地效益。本文立足于假设检验在生产实际中的作用进行分析。
【关键词】
数理统计 ；假设检验 ；工艺改进
一、问题提出
钢筋混凝土用钢筋作为工程结构材料之一，广泛应用于建筑、铁路、桥梁、公路、水电等作业，其质量的优劣直接影响着工程结构的正常和安全。我国建筑用钢筋普遍用HRB335带肋钢筋，近年来，HRB400带肋钢筋以其优良性能和节省材料用量等特点渐渐被市场认同，但是HRB400带肋钢筋对产品屈服点和抗拉强度等指标有较高的要求，目前生产过程中主要采用钒氮合金化生产工艺来提高性能，而这些钒氮合金价格高、资源少，大大增加了钢筋成本，因此，青岛钢铁有限公司组织技术攻关研究通过控制成份和改进冷却工艺来代替采用钒氮合金来提高钢筋性能，在改进过程中，我们利用假设检验、回归分析等统计技术来验证预测两种工艺状态下性能指标的变化，为工艺改进提供有效的理论依据，减少了试验炉次，取得了理想的效果。下面介绍如何利用假设检验这一数理统计工具对抗拉强度数据进行处理。
假设检验的基本思想
假设检验是根据样本的信息来判断总体分布是否具有指定的特征。为了对总体的分布类型或分布中的未知参数作出推断，首先给出一个具有肯定意义的原假设 ,然后用统计方法对 做出拒绝或接受的检验，即在假设 为真的前提下，通过对总体进行抽样来构造一个小概率事件，若在一次试验中，小概率事件居然发生了，就完全有理由拒绝 ，接受 ，否则就没有充分的理由拒绝 ，从而接受 。 假设检验的基本步骤
（1）根据实际问题的要求提出一个关于质量特性值的论断，称为原假设，用H0 表示，同时根据实际问题提出原假设的对立面，称为备择假设，用H1表示；
（2）确定检验用的统计量和拒绝域的形式；
（3）选取适当的显著性水平α，通常α取0.10，0.05，0.01等数值；
（4）给出临界值，确定拒绝域；
（5）根据样本观察值确定接受还是拒绝原假设H0。
四、假设检验公式的选定
单个正态总体均值、方差的显著性水平为α的检验如表1，两个正态总体均值、方差的显著性水平为α的检验如表2。
表1 单个正态总体均值、方差的显著性水平为α的检验表
检验法 条件 H0 H1 检验统计量 拒绝域
检验
σ已知 μ≤μ0
μ≥μ0
μ＝μ0 μ＞μ0
μ＜μ0
μ≠μ0{大数据统计分析在工艺改进中的应用}.
{ u≥u1-α }
{ u≤uα }{大数据统计分析在工艺改进中的应用}.
{∣u∣≥u1-α/2 }
检验
σ未知
μ≤μ0
μ≥μ0
μ＝μ0 μ＞μ0
μ＜μ0
μ≠μ0
{ t≥t1-α(n-1) }
{ t≤tα(n-1) }
{∣t∣≤t1-α/2 (n-1) }
检验
μ未知 σ2≤σ02
σ2≥σ02
σ2＝σ02 σ2＞σ02
σ2＜σ02
σ2≠σ02
{ χ2≥χ21-α(n-1) }
{ χ2≤χ2α(n-1) }
χ2≤χ2α/2(n-1)或
χ2≥χ21-α/2(n-1)
注：μ为总体均值，σ2为总体方差，σ为总体标准差； 为样本均值，n为样本量， 为样本方差，s为样本标准差。
表2 两个正态总体均值、方差的显著性水平为α的检验表
检验法 条件 H0 H1 检验统计量 拒绝域
检验
σ1，σ2
已知 μ1≤μ2
μ1≥μ2
μ1＝μ2 μ1＞μ2
μ1＜μ2
μ1≠μ2
{ u≥u1-α }
{ u≤uα }
{∣u∣≥u1-α/2 }
检验
σ1=σ2
未知
μ1≤μ2
μ1≥μ2
μ1＝μ2 μ1＞μ2
μ1＜μ2
μ1≠μ2
{ t≥t1-α(n+m-2) }
{ t≤tα(n+m-2) }
{∣t∣≥t1-α/2(n+m-2) }
近似
检验 σ1，σ2
未知，样本量充分大 μ1≤μ2
μ1≥μ2
μ1＝μ2 μ1＞μ2
μ1＜μ2
μ1≠μ2
{ u≥u1-α }
{ u≤uα }
{∣u∣≥u1-α/2 }
检验
μ1，μ2
未知 σ12≤σ22
σ12≥σ22
σ12＝σ22 σ12＞σ22
σ12＜σ22
σ12≠σ22
{F≥F1-α（n-1，m-1）}
{F≤Fα（n-1，m-1）}
F≤Fα/2（n-1，m-1）或
F≥F1-α/2（n-1，m-1）{大数据统计分析在工艺改进中的应用}.
其中sw =
注：μ为总体均值，σ2为总体方差，σ为总体标准差； 、 为样本均值，n、m为样本量， 、 为样本方差。
正态总体中有两个参数，正态均值μ与正态方差σ2。以正态均值作为检验对象时，适用正态均值的假设检验，若正态方差已知，可选用 检验；若正态方差未知，可选用 检验；并且两个正态总体均值检验时，σ1，σ2未知，样本量充分大时，可选用近似 检验。若以正态方差作为检验对象时，单个正态方差的假设检验，选用 检验；两个正态方差的假设检验，选用 检验。
第三篇:《大数据在it方面的应用》
大数据IT领域的意义 课程： 14MGB002H-D4 自然辩证法 学号： 2015E8013261170 姓名： 薛智友
目录
大数据的简介 ………………………………….. 2
大数据的意义 ………………………………….. 4
企业大数据项目 ……………………………… 6
数据是企业最宝贵的财富。 …………………….. 6
政府部门 …………………………………… 7
个人 ………………………………………. 7
企业管理 …………………………………… 9
预测 ……………………………………. 9
更有效地组织企业以节省资金 ………………… 9
真正了解客户 ……………………………. 10
企业共同创建、实时改进和创新产品 ………….. 10
利用大数据找到新的商业机会 ……………….. 11
参考文献 …………………………………….. 12
大数据IT领域的意义
大数据的简介
大数据，英文big data。多大的数据才叫大数据?其实，关于大数据，难以有一个非常定量的定义。维基百科给出了一个定性的描述：大数据是指无法使用传统和常用的软件技术和工具在一定时间内完成获取、管理和处理的数据集。IDC(互联网数据中心)的定义则是：为了更经济的从高频率获取的、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术。但不管怎么定义，大数据大概有以下四个方面的特点
1、巨大的数据量(volume),集中存储和集中处理数据已经无法处理这么巨大的数据。
近几年来，随着计算机和信息技术的迅猛发展和普及应用，行业应用系统的规模迅速扩大，行业应用所产生的数据呈爆炸性增长。动辄达到数百TB甚至数十至数百PB规模的行业/企业大数据已远远超出了现有传统的计算技术和信息系统的处理能力，因此，寻求有效的大数据处理技术、方法
[1]和手段已经成为现实世界的迫切需求。
图一 数据量的庞大
每天有2940亿封电子邮件发出，如果这些是纸质信件，在美国需要花费两年时间处理；
每天有200万篇博客在网上发布，这些文章相当于《时代》杂志刊发770年的总量；
每天有2.5亿张照片上传至社交网站Facebook，如果都打印出来，摞在一起能有80个埃菲尔铁塔那么高； 每天有86.4万小时视频被上传至视频网站Youtube，相当于不间断播放视频98年；{大数据统计分析在工艺改进中的应用}.
每天有1.87亿个小时的音乐会在流媒体音乐网站Pandora上播放，如果一台电脑从公元元年就开始播放这些音乐会，到现在还没完没了地接着放；
谷歌翻译每天处理的文字数量,每天翻译次数达十亿次，相当于一百万册图书，超过了全世界的专业翻译人员一年能够翻译的文字规模。
2、多结构化的数据(variety),文本、图片、音频、视频、文档等
3、增长速度快(velocity),海量数据需要及时处理，用户庞大、设备多，数据指数增长。
4、价值密度低(value),单条数据并无太多价值，但庞大的数据量蕴含巨大的财富。
谈及大数据就不得不谈谈他的孪生兄弟–云计算。大数据是应用需求驱动发展的，而云计算则是靠商业模式驱动发展。有人说云计算改变了IT，大数据改变了业务。现如今，大数据在各行各业发挥着必不可少的作用。