智能工厂工业大数据云平台的设计与实现

孙为军; 谢胜利; 汪谷银; 刁俊武; 阮航

doi:10.12052/gdutxb.180035

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

智能工厂工业大数据云平台的设计与实现

综合研究 | 更新时间：2026-05-27

- 智能工厂工业大数据云平台的设计与实现
- Design and Implementation of Industrial Big Data Cloud Platform for Smart Factory
- 广东工业大学学报 2018年35卷第3期页码：67-71
- 作者机构：
  
  1. 广东工业大学　自动化学院,广东,广州,510006
  2. 中海油信息科技有限公司智能制造分公司,广东,惠州,516000
- 作者简介：
  
  孙为军(1975–)，男，讲师，博士，主要研究方向为大数据、云计算和软件工程
- 基金信息：
  
  国家自然科学基金资助项目(61703112，61773128);广东省自然科学基金资助项目(2014A030308009);广东省科技计划项目(2016B030308001，2013B091300009，2014B090907010，2015B010131014，2017B010125002);广州市天河区科技计划项目(201603YH093)
- DOI：10.12052/gdutxb.180035
  中图分类号： TP319
- 网络首发：2018-05-09，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
孙为军, 谢胜利, 汪谷银, 刁俊武, 阮航. 智能工厂工业大数据云平台的设计与实现[J]. 广东工业大学学报, 2018, 35(3): 67-71.

Sun Wei-jun, Xie Sheng-li, Wang Gu-yin, et al. Design and Implementation of Industrial Big Data Cloud Platform for Smart Factory[J]. 2018, 35(3): 67-71.
孙为军, 谢胜利, 汪谷银, 刁俊武, 阮航. 智能工厂工业大数据云平台的设计与实现[J]. 广东工业大学学报, 2018, 35(3): 67-71. DOI： 10.12052/gdutxb.180035.

Sun Wei-jun, Xie Sheng-li, Wang Gu-yin, et al. Design and Implementation of Industrial Big Data Cloud Platform for Smart Factory[J]. 2018, 35(3): 67-71. DOI： 10.12052/gdutxb.180035.

摘要

针对智能工厂工业大数据应用需求

以炼化企业为例

通过搭建智能工厂大数据云平台

实现全网全流程多源异构数据采集

提供多层次分析方案

建立数据挖掘方法模型库

承载智能生产、网络化协同制造等智能服务

提升企业自身的核心竞争力.

Abstract

According to application demand of industrial big data for smart factory

the big data cloud platform was built to achieve multi-source heterogeneous data acquisition in whole networks and whole processes

provide multi-level analysis scheme

establish data mining model library

and support the intelligent bearing production

network collaborative manufacturing and intelligent services. With the platform

petroleum refineries enhanced their core competitiveness.

关键词

Keywords

references

XIA M S. Research on intelligent plant construction technology of process industry [J]. Information Technology Informatization, 2013(6): 46-52.

WEI F L, DONG J, ZHANG Q. Interpretation of industrial big data white paper (2017) [J]. Information Technology Standardization, 2017(4): 13-17.

WANG J M. Survey on industrial big data [J]. Big Data Research, 2017, 3(6): 3-14.

LIU Q, QIN S Z. Perspectives on Big Data modeling of process industries [J]. Acta Automatica Sinica, 2016, 42(2): 161-171.

工业互联网产业联盟工业大数据特设组. 工业大数据技术与应用实践(2017)[M]. 北京:电子工业出版社, 2017.

LUO M M. The practice and discussion of intelligent manufacturing in process enterprise [J]. Petroleum and Construction, 2016, 38(1): 16-18, 69.

陈尧. 支持多计算模式的大数据系统的研究[D].成都: 电子科技大学计算机科学与工程学院,2015.

NI Y W. Analysis of power and environment centralized monitoring in the big data era [J]. Information Technology, 2015(11): 144-146, 151.

QIN W Z, FENG Y Z, CHEN D J , et al . Study on the information integration of production and operation for smart refinery [J ] . Journal of Tsinghua University (Science and Technology), 2015, 55(4): 373-377, 469.

WU X D, ZHU X Q, WU G Q , et al . Data mining with big data [J ] . IEEE Transactions on Knowledge and Data Engineering, 2014, 26(1): 97-107.

CHEN X F, WU R C, GUI W H. Knowledge automatic decision making system in industrial production [J]. ZTE Technology Journal, 2016, 22(5): 42-46.

ZHANG H B. Analysis and application prospect of industrial large data mining [J]. Technology Innovation and Application, 2016(24): 90.

WANG X W. Big data drives manufacturing towards intelligence [J]. Internet of Things Technologies, 2014(12): 7-8.

DAYAL U, GUPTA C, VENNELAKANTI R, et al. An approach to benchmarking industrial big data applicati- ons[C]//WBDB 2014, August 5-6, 2014, Potsdam, Germany. Berlin: Springer International Publishing, 2014: 45-60.

NING Z B, WU Y L. Precondition of industrie 4.0 implementation based on the development of advanced manufacturing industry [J]. Aeronautical Manufacturing Technology, 2014(18): 37-40.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多套餐共享储能模式下考虑功率互济的社区联盟优化运行策略

具守恒量波动方程的循环双子网物理信息神经网络

基于高效时序建模的RGB-T跟踪

双模态迭代交叉注意力融合集成框架

基于路况参数的混合动力机车能量管理策略研究