前面《智能(néng)制(zhì)造與大(dà)₽&&™數(shù)據——數(shù)據共享實現(xiàn)網絡化"↓ (huà)》一(yī)文(wén)圍繞智能(néng)制(zhì)造發展的(β£de)第二個(gè)階段——“網絡化(huà)”展開(kāi)闡述，重點介紹通£π÷®(tōng)過主數(shù)據标準制(zhì)定及數(shù)據處→↑←€理(lǐ)等技(jì)術(shù)保障共享數(shù)σ©據的(de)一(yī)緻性與完整性，從(cóng)而實現(xiàn)≥&網絡化(huà)協同的(de)目标。
制(zhì)造的(de)進一(yī)步目标是(shì)在數(shù)字化(huà&♠)和(hé)網絡化(huà)的(de)基礎上(shàng)實現(xiàn)智™¥能(néng)化(huà)制(zhì)造。本期，我們将繼續和(hé)您分(f♦λ∑ēn)享“智能(néng)制(zhì)造發展的(de)第∏←三階段-智能(néng)化(huà)”。
一(yī)、無處不(bù)在的(de)“智能(néng≠α)”應用(yòng)
近(jìn)年(nián)來(lái)，随著∏€♠♠(zhe)高(gāo)新科(kē)技(jì)與創新™&浪潮的(de)發展，“智能(néng)”二字在我們生(shēng)活中¶Ω↔出現(xiàn)的(de)頻(pín)次越來(lái)越高(gāo)♥ε，智能(néng)化(huà)設備也(yě)越來(láγ∞ε✘i)越多(duō)，如(rú)：智能(néng)冰箱（通(tōngδ® )過溫度自(zì)動調節讓食物(wù)保持最佳存儲狀态）、智能(néng)手表 Ωα≠（除指示時(shí)間(jiān)還(hái)能(néng)監測使用(yòng)者的(↔₹↑de)睡(shuì)眠、健康狀态、足迹等）、智能(néng)音(yīn)箱（除σ了(le)外(wài)音(yīn)播放(fàn©∏★g)還(hái)可(kě)以進行(xíng)各類語≥∑€¶音(yīn)交互，如(rú)新聞播報(bà"≈→o)、智能(néng)家(jiā)電(diàn)控制(zhì)等）、智能(n®¥éng)掃地(dì)機(jī)器(qì)人(rén)（能(néng)夠$¶自(zì)動測量工(gōng)作(zuò)空(kō✘$₩←ng)間(jiān)、規劃合理(lǐ)路(l♠δù)徑，執行(xíng)全屋清掃）、智能• ♦(néng)汽車(chē)（無人(rén)駕駛汽車(chē)，通(tōng)過車(chē)載傳↑≤≥感系統感知(zhī)道(dào)路(lù)環境，自(zì)動規劃行¥¶(xíng)車(chē)路(lù)線并控制(zhì)車(chē)輛(liàng)到(↑§dào)達預定目标）等。此外(wài)，全社會(huì)還(hái)在緻力于構建智慧城(ché✔§ng)市(shì)、智慧醫(yī)療、智慧能(néng)源、智能(néng)化(huà)民(mí $₽n)生(shēng)等建設。
“智能(néng)”無處不(bù)在，歸根結底是(shì)因為(wèi)随著(zhe)數(shù↕δ)據采集、數(shù)據傳輸與共享、數(shù)據處理(lǐ)與分(fēn)≠§析和(hé)人(rén)工(gōng)智能(néng)技(jì)術(shù)的(de)發展，我們有("↑λyǒu)了(le)從(cóng)非智能(néng)向智能(néng)轉變的(≈∞§↑de)基礎和(hé)契機(jī)。站(zhàn)在智能(néng)制(zh€£↓ì)造的(de)角度，圍繞制(zhì)造型企業(yè)的(de)智能(néng)應用(yòn≥λ♦↕g)重點包括：智能(néng)設計(jì)、智能(néng)研發、智能↔(néng)決策、智能(néng)車(chē)間(jiān)、智能(néng)工(gōng∏>↕→)廠(chǎng)、智能(néng)物(wù)流與供應鏈、智能(néng)>≠ 服務、智能(néng)裝備、智能(néng)産線、智能(né↓αng)管理(lǐ)等。
二、實現(xiàn)智能(néng)化(huà)的(d₹ε¥e)關鍵：大(dà)數(shù)據處理(lǐ)與分(fēn)析₽→←↔技(jì)術(shù)
衆所周知(zhī)，大(dà)數(shù)據是(shì)人(réδ♣≤εn)工(gōng)智能(néng)的(de≤÷&♦)基石，人(rén)工(gōng)智能(néng)依賴于超強的(de)計(jì)✘₽算(suàn)能(néng)力和(hé)充分(fēn)的(de)大(dà)數( ™shù)據集。制(zhì)造企業(yè)智能(néng)化(huà)應用(yòng)的(de)λ真正實現(xiàn)，必然也(yě)需要(yào)圍繞企業(yè)發展→→中産生(shēng)的(de)大(dà)量☆♣多(duō)源異構數(shù)據資産作(zuò)支撐，比如(rú)：各類業(÷σyè)務信息系統中的(de)結構化(huà)數(shù)據；經營文(wéππn)件(jiàn)、作(zuò)業(yè)指導書(shū)、質檢報(b©"≈ào)告等半結構化(huà)數(shù)據；生(shēng)産管理(lǐ©₽≥∞)監控視(shì)頻(pín)、測試音(yīn)頻(pín)等非結構♣↔<化(huà)數(shù)據；産品試驗過程時(shí)序監測數(shù)據等。為(wè✘₽i)實現(xiàn)這(zhè)些(xiē)數(shù)據的(de)充分(fēn)利用(yòng)β↔與價值挖掘，大(dà)數(shù)據處理(lǐ)與分(fē£α↑∞n)析技(jì)術(shù)就(jiù)顯得(de)尤為(wèi)重×★₩要(yào)。
大(dà)數(shù)據處理(lǐ)與分(fēn)析技(jì)術(shù)支撐“數(shφ♥ù)據資産價值化(huà)”這(zhè)個(gè)核心目标的(de)實現(x₽™✘iàn)，重點是(shì)将采集存儲的(de)企業(yè)數(shù)πσ據資産，通(tōng)過業(yè)務分(fēn)析、場(chǎng)景₩≥$構建、分(fēn)析處理(lǐ)、算(suàn)法開(kāi)¶←₽發、模型構建、可(kě)視(shì)化(huà)和(hé)應用♥"σ (yòng)開(kāi)發等步驟，實現(xiàn)數(shù)據價值變現(xià→φ♣ n)，以達到(dào)智能(néng)決策£↔與應用(yòng)的(de)目的(de)。一(yī)句話(huà)概括，±δ★工(gōng)業(yè)大(dà)數(shù)據分(fēn)♣$"δ析主要(yào)是(shì)利用(yòng)統計(jì)分(fēn)析、機>↑(jī)器(qì)學習(xí)、深度學習(xí)、信号處理(lǐ)等∏φ₽技(jì)術(shù)，結合業(yè)務知(zhī)識通(t↔φōng)過對(duì)工(gōng)業(yè)過程中所産生(shēng)的(de)數(sh÷✔ù)據進行(xíng)處理(lǐ)、計(jì)算(suàn♣¶)、分(fēn)析并提取其價值信息、規律，進而實現(xiàn)自(zì)感知(Ωγzhī)、自(zì)決策、自(zì)執行(xín÷±®g)的(de)過程。
随著(zhe)物(wù)聯網、高(gāo)性能(•∏π€néng)計(jì)算(suàn)、高(gāo)維可(kě)視(shì)化(huà)φ≥、大(dà)數(shù)據基礎平台等技(jì)術(shù)的(de)發展與支撐，基于大(dà)數ε←(shù)據處理(lǐ)與分(fēn)析技(jì)術(shù)，開(kāi)展制(zhì)造企✘φ↑&業(yè)各層次研發、生(shēng)産、管理♣♠•(lǐ)、服務等智能(néng)化(huà)決策應用(yòng)模型的(de)開(kāi)發，δ™解決企業(yè)生(shēng)産及經營管理(lǐ)層面的(de λ)業(yè)務難題，已成為(wèi)現(xiàn)階段制(zhì)造企↔∏↓∞業(yè)智能(néng)化(huà)轉型升級的(de)核心工(gōng)®↑₹作(zuò)之一(yī)。
三、典型的(de)數(shù)據分(fēn)析挖掘過程
典型的(de)數(shù)據分(fēn)析挖掘過程主要(yào)包括基于業(yè)務充分(fēnεγ∞)調研與理(lǐ)解後的(de)數(shù)據接入、數(shù)≤"$據預處理(lǐ)、特征工(gōng)程、算(suàn→₽±)法選擇與開(kāi)發、模型構建、評估評測、模型洞察、模型部署及成果發布等過程。美(měi®®γ×)林(lín)數(shù)據完全基于此分(fēn)析建 § 模流程研發打造 Tempo 大(dà)數(shù)據分(fēn)♥∑析平台，支持企業(yè)級用(yòng)戶快(kuài)速實現(xiàn)數(δ♦₹✔shù)據資産的(de)深度分(fēn)析與應用(yòng)建模。
1、數(shù)據接入
平台數(shù)據接入包含關系型數(shù)據庫輸入、M←×♣PP數(shù)據庫輸入、大(dà)數(s§λhù)據分(fēn)析引擎輸入、文(wén)件(jiàn)上(₹•shàng)傳、數(shù)據同步等不(bù)同輸入節點，支持不(bù)同類型數≥←€®(shù)據的(de)快(kuài)速導入，為(wèi)挖掘分(>¥fēn)析與模型訓練提供基礎數(shù)據源。
2、數(shù)據處理(lǐ)
提供多(duō)種數(shù)據預處理(l↕★¥ǐ)方法及數(shù)據的(de)高(gāo)級轉換操♥¶π作(zuò)，包括但(dàn)不(bù)限于 ••★數(shù)據标準化(huà)、RFM分(fēn)析、因子(zǐ)分(f÷×ēn)析、角色定義等，實現(xiàn)數(shù)據清理(lǐ✔×)、集成、變換、消缺、歸約等預處理(lǐ)操作(zuò)，為(wèi)挖掘分(fēn)→€®析做(zuò)好(hǎo)數(shù)據準備。
3、特征工(gōng)程
要(yào)構建一(yī)個(gè)高(gāo)效精準的(de)機(jī)器(qì)學習♥↑(xí)模型有(yǒu)很(hěn)大(dà)一(yī)部分(fē>★₽n)因素取決于特征向量的(de)選擇與提πδ₽§取，構造好(hǎo)的(de)特征向量，是(shì)要(yào)選擇合适的(de)、表達能(né→±✘ng)力強的(de)特征。尤其是(shì)對(duì)于工(↔ σgōng)業(yè)大(dà)數(shù)據來(lái)說(shuαγ↑ō)，由于數(shù)據來(lái)源多(σ♥>duō)、業(yè)務機(jī)理(lǐ)複雜(zá×↕∏)、外(wài)界因素幹擾、傳感器(qì)異常等原因<₹¥，企業(yè)原始數(shù)據包含較多(£₩↕φduō)的(de)異常點、幹擾點，多(duō)維度之間(jiān)存£×ε$在非線性關系等，這(zhè)些(xiē)都(dōu)将直接影(y₽≠∞ǐng)響後續模型構建的(de)準确性以及模型複雜♠≠♥λ(zá)度，因此在算(suàn)法選擇與模型構建之前，需要(₽"♠Ωyào)數(shù)據分(fēn)析人(rén)員(yuán)對(duì)原始數€✘δ(shù)據進行(xíng)探索分(fēn)析與特征提取，開(kāi)展過濾、轉化(h$>uà)、降維、特征選擇等特征分(fēn)析工(gōng)作(zuò)，為(wèi)算(s±÷≥uàn)法選擇與模型訓練提供良好(hǎo)輸入。
4、算(suàn)法選擇
基于業(yè)務問(wèn)題剖析、數(shù©↓ )據基礎探索與特征工(gōng)程處理(lǐ)後，算(Ω©★suàn)法類型的(de)确定與具體(tε∑ǐ)算(suàn)法的(de)選擇将成為(wè≠±&≤i)搭建分(fēn)析模型的(de)關鍵。平台提供豐富的(de)分(fēn)析挖掘算(suà ™n)法庫，包括分(fēn)類、聚類、回歸、關聯分(fēn)析、時(shí)間(jiān)序列、綜合"≤ 評價及文(wén)本挖掘等多(duō)類别上 (shàng)百種機(jī)器(qì)學習(xí)算(suàn)法，并支持集成學<δ'✔習(xí)、深度學習(xí)等框架與應用Ω φ(yòng)模型搭建，全面實現(xiàn)複雜(zá)場(chǎng)景下(xià)各&業(yè)務數(shù)據的(de)分(fēn)析與建模訴求。與此同時(shí)，平台φ✘提供基于Python、Java、R、MATLAB等編程語言的(de)擴展編程←π₽'接口，支持特定場(chǎng)景下(xià)，工(gōnπ∏g)業(yè)應用(yòng)領域用(yòng)戶的(de)業(yè)務型經驗₽♦≥✘算(suàn)法、細分(fēn)專業(yè)特定算(suàn)㣧法的(de)快(kuài)速寫入與固化(huà)應用(yòng)。
5、模型訓練
模型訓練是(shì)以曆史數(shù)據為(wèi)樣本，對(duì)模型進行(xín₩£g)評估，以保障模型的(de)準确率。在樣本選擇的(de)時(shí)候，需要(yào)滿足數(δγ shù)據樣本多(duō)樣化(huà)、數(shù)↔€據樣本盡可(kě)能(néng)大(dà)、→↔ππ數(shù)據樣本的(de)質量盡可(kě)能(né ng)高(gāo)等條件(jiàn)。平台提供對(duì)模型叠≈®☆™代訓練過程的(de)可(kě)視(shì)化(huà)洞察γ™↕功能(néng)，實現(xiàn)模型訓練過程的(de)全透明(míng)管理(lǐ)監&β€↔控，輔助數(shù)據分(fēn)析人(rén)員(yuán)構建高(gāo)性能(néng)和(hé€ π)高(gāo)精準度的(de)挖掘模型。
6、評估評測
精度準确、性能(néng)良好(hǎo)的€§(de)機(jī)器(qì)學習(xí)模型不(bù)是(shì)一(yī♥∏×)蹴而就(jiù)訓練獲得(de)的(de)，過程中需要(yào)基于CRISP-DM流★δ₽程進行(xíng)反複叠代、優化(huà)與評測驗證，根據數(shù)據 ←變化(huà)及業(yè)務決策使用(yòng)要(yào)求反複調整優化(huà)模型。因此，§• 合理(lǐ)、有(yǒu)效的(de)模型評估方法與機(jī)制(zhì)是(sh춱$)必不(bù)可(kě)少(shǎo)的(de)。平台提供© ☆的(de)模型評估方式支持離(lí)線評估和(hé)在線評估兩種≥ ✘>方式，并可(kě)直接對(duì)評估結果進行(₽ ≥xíng)可(kě)視(shì)化(huà)展現(xiàn)；評估完的(de)模型可(kě)直π≥∞ 接在建模工(gōng)程中進行(xíng)輸出、讀(dú)取與複© 用(yòng)。
7、模型洞察
模型洞察的(de)作(zuò)用(yòng)是(shì)全方位觀察分(fēn)析建模過程π§及模型運算(suàn)的(de)結果，通(tōn€≤↔φg)過洞察能(néng)夠為(wèi)改進數(shù)據分(fēn)析挖掘流程和(hé)模型調優提™>€供支撐，從(cóng)而提升模型有(yǒu)效性和(hé)精度。
8、模型部署
模型部署重點是(shì)将設計(jì)、驗證後的(de)模型與調用(yòn♥♦ αg)流程投入生(shēng)産使用(yòng)，通(tōnεδg)過發布挖掘流程，并利用(yòng)調度任務或接口服務等方式将設計(jì)好φ (hǎo)的(de)流程接入到(dào)生(shēng)産環境，形成最終的(de)決策應₩↕ 用(yòng)系統，指導實際業(yè)務的(de)開(kāi)展。
9、、成果發布
整個(gè)數(shù)據分(fēn)析及建模工(gōng)程完成γ✔'Ω後，可(kě)以快(kuài)速将分(fēn)析≈✔Ω挖掘模型等成果進行(xíng)發布與共享，支持外(wài)÷®♠部鏈接、數(shù)據展示門(mén)戶及外(wài)部調用(yòng)接≈≈₹口等多(duō)種分(fēn)享方式。成果發布後形φ∞成數(shù)據挖掘模型庫，後續類似應用(yòng)構建時(shí)可(kě)從(cóng)模型庫Ω≤↑↓中選擇已有(yǒu)模型進行(xíng)快(kuài)速調整Ω© ，提升建模效率。支持将發布後的(de)成果嵌入第三方平台或與×≈£已有(yǒu)信息業(yè)務系統集成，并支持将關鍵信πλ€息實時(shí)發送到(dào)移動端、PC端、大(dà)屏等，滿足企業(yè)多(↔π•βduō)層級多(duō)場(chǎng)景下(xià)決策應用(yòσ✘ng)的(de)需求。
四、典型應用(yòng)場(chǎng)景：✘預測與健康管理(lǐ)
智能(néng)化(huà)應用(yòng)的(de≤↓ )一(yī)個(gè)典型場(chǎng ✘"♦)景便是(shì)預測與健康管理(lǐ)↑>ε↔(Prognostics and Heaφφlth Management，PHM)，尤其是(shì)設備狀态的($≈<de)準确分(fēn)析與預測性維護。一(yī)直以來>∞£(lái)傳統企業(yè)在典型或核心設備層面的(d₩ e)維護主要(yào)是(shì)參照(zhào)設備∑↕♥的(de)标準參數(shù)及工(gōng)人(rén)經驗進行(xíng↔≈)設備維護保養，維護人(rén)員(yuán)經常不(bù) φ得(de)不(bù)選擇提前更換正常部件(jiàn)以最大(dà)限度保"®>障設備正常運行(xíng)，或冒著(zh☆ ¶•e)發生(shēng)故障停機(jī)的(de)風(fēng)險使其盡可(kě)能( ¥néng)久的(de)運行(xíng)，存在著(zhe)過渡維護、成本浪費(fè∑≥±εi)或潛在風(fēng)險增大(dà)等現(xiàn)象，比如(rú×≠)：機(jī)器(qì)突發性故障會(huì)造成時(shí)間(jiān)、生(shēn ☆g)産和(hé)利潤的(de)嚴重損失。
如(rú)何實時(shí)準确地(dì)判斷設備"≤≠§的(de)健康狀态，并提前預測設備或典型部件(jiàn)的₽₹(de)失效時(shí)間(jiān)是(shì)困擾企業(yè)"≈₩的(de)一(yī)大(dà)問(wèn)題。我們知(zhī)道(dào)，一(yī)台設備是£♠♦(shì)否會(huì)提前或者延後失效與設備的(de)使用(yòng)過程有(yλδ""ǒu)很(hěn)大(dà)的(de)關系，通(tōng)過采↑•δ集設備運行(xíng)狀态信息及設備維修保養記錄信息，根據設備失效的(d₩&÷αe)影(yǐng)響因素構建設備預測性維護模型。通(tōng)過曆史數(shù)據進行( ₹↓¶xíng)學習(xí)模型構建與知(zhī)識獲±×≤>取，在應用(yòng)過程中以實時(shí)的(de)設備運行(xíng✘)狀态數(shù)據為(wèi)輸入，并基于預測出的(de)設備健康狀态與失效時(shí)間(j₩☆iān)提前進行(xíng)設備維護，可(kě)極大(d±δ↔à)程度避免設備的(de)各類突發故障。基于“數(shù)據驅動+機↑☆(jī)理(lǐ)模型”的(de)設備狀态評估與預測性分(f≈♠ ēn)析，幫助企業(yè)回答(dá)了(le)“是(shì)否有(yǒu)故障”、“哪一γ→'(yī)類故障”、“何時(shí)維修、如(rú)何維修”的(de)問(wèλ↑→n)題，既能(néng)高(gāo)效準确找出需關注的(de)部件(jiàn)或子(zǐ)系'♥Ω統，前瞻性開(kāi)展維修計(jì)劃及工(gōng)→具、庫存備件(jiàn)的(de)準備等相(xiàng)關工(gōng)¥×作(zuò)，還(hái)可(kě)以在設備脫機(jī)或生(shēng)産間(j☆≤iān)隙安排并啓動維修保養計(jì)劃，λ<為(wèi)車(chē)間(jiān)和(hé£ )工(gōng)廠(chǎng)節省時(shí)間(jiān)、金(j&εīn)錢(qián)和(hé)空(kōng)間(jiānσσ✔)，也(yě)可(kě)避免不(bù)正确的ε↓(de)維護計(jì)劃帶來(lái)的(de)設備利用✔₹φ(yòng)率低(dī)及突發故障的(de)産生(shēng)，進而★☆保障生(shēng)産安全并提高(gāo)生(shēng)産效率。
簡單來(lái)說(shuō)，基于設備全要(∑φΩ÷yào)素的(de)數(shù)據采集、存儲、共享與分(fēn)析的(de)設備預測→γγ性維護可(kě)實現(xiàn)如(rú)下(xià)效✘≥÷果：
較高(gāo)的(de)運維效率：顯著降低(dī)設備的(de)故障率及停機↔δ₽λ(jī)時(shí)間(jiān)，提高(gāo)設備利用(yòβ≈ng)率，保證設備持續使用(yòng)，避免非計(jì)劃性停工(gōng)，提高(gāo)₽©'企業(yè)生(shēng)産效率。全面降低(dī ♦<→)由設備的(de)故障或突發故障所帶來(lái)的(de)難以估算(suàn)的¶★∞(de)安全隐患，提升企業(yè)設備運維效™♠率與質量。
較好(hǎo)的(de)設備性能(néng)：一(yī)體(tǐ)化(huà)設備健康管理(l &£ǐ)平台，可(kě)有(yǒu)效積累設備典型故障模式及知₽αδ (zhī)識庫，結合設備全壽期數(shù)據連接，可(kě)實現(xiàn)設備研≠$ δ制(zhì)信息閉環反饋，全面提升設備研制(≠zhì)與維護水(shuǐ)平。
較低(dī)的(de)服務成本：減少(shǎo)設備整個(gè)生(shēng)命周期維修費(fè<∏i)用(yòng)及成本，消除過度維護所花(huā)費(fèi)的(d€®e)時(shí)間(jiān)和(hé)資源，設備維修總體(tǐ)原則可(★♣∞kě)改變為(wèi)“适時(shí)小(xi'σ×÷ǎo)修、避免大(dà)修、預防性、計(jì)劃性維護”。
對(duì)于智能(néng)制(zhì)造的(de)發展±☆₩₽來(lái)說(shuō)，數(shù)字化(huà)"φ↕制(zhì)造、網絡化(huà)制(zhì)造和(hé)新一(yī€§)代智能(néng)制(zhì)造并不(bù)是(shì)決然分(fēn)離(lí)的(de)，而σ∞©←是(shì)相(xiàng)互交織、叠代升級。在σπ☆ 數(shù)字技(jì)術(shù)、網絡技(jì)術(s↔π★hù)充分(fēn)發展的(de)今天，智能(nén→®g)制(zhì)造推進過程中都(dōu)可(kě)♦×按照(zhào)需要(yào)融入各種先進技(jì)術(shù)，進而推進制(zhì)造α ≤業(yè)轉型升級。
本專欄系列文(wén)章(zhāng)主要(yào)針對(duì)智能(néng)制('"→☆zhì)造三個(gè)階段中的(de)數(shù)據采集、數(shùβγ©∏)據共享及數(shù)據分(fēn)析等關鍵技(jì)術(shù)進∏∏行(xíng)闡述。随著(zhe)物(wù)聯網、大(dà)數(shù)據和(hé)雲✔≤計(jì)算(suàn)等技(jì)術(shù)的(de)高(gāo)速發展，基于多(duō)信≥✘息采集與融合分(fēn)析的(de)智能(néng)化(huà)應用(yò∑↓λ→ng)能(néng)力逐步落地(dì)并發揮出較大(dà)價值，使得(de)企業(yè)生(shē≥₽ng)産能(néng)力和(hé)經營效益均達到(dào)了(le)一( >✘yī)個(gè)全新高(gāo)度。對(duì)于期待智能(né₹✘&ng)化(huà)轉型的(de)制(zhì)造企業(yè)，務必在開(kāi♣Ω )展智能(néng)制(zhì)造應用(yòng)規劃與建設的(de)過程中要(yà£♦×o)利用(yòng)好(hǎo)此類技(jì)術(shù)，為(wèi)數 ≠(shù)據采集、數(shù)據共享與數(shù)據分(fēn)析應用(yòng)提供支撐。
隻要(yào)全面把握企業(yè)智能(néng)制(zhì)造發展的(de)方向與目标，圍繞具γ≈體(tǐ)目标确定相(xiàng)關數(shù)據範圍，→<♥←并采用(yòng)合适的(de)數(shù)據采©×φ↓集技(jì)術(shù)獲取數(shù)據，并将數(shù)據進行(xíng)标準化(huà™←λ∞)、規範化(huà)管理(lǐ)，從(cóng)而實現(xiàn)高(gāo)質量的(de) '數(shù)據融合與共享；結合具體(tǐ)業(yè)務問(wèn)題的(de)智能(nén₽β§g)模型構建與利用(yòng)，實現(xiàn)基于數(shù)據驅動的∞§(de)生(shēng)産管理(lǐ)過程的(de)診斷與優化(hu↓¥à)，實現(xiàn)生(shēng)産業(yè)務、經營管理(lǐ)活動的(de)自(§₩zì)感知(zhī)、自(zì)決策與自(zì)執行(xíng&β∑$)，逐步實現(xiàn)企業(yè)的(de)智能(néng)化(huδ>₹ à)轉型目标。
