書????名 | 智能車間的大數(shù)據(jù)應(yīng)用 | 作????者 | 張潔、呂佑龍、汪俊亮、鮑勁松 |
---|---|---|---|
出版時(shí)間 | 2020年9月1日 | ISBN | 9787302546498 |
第1章工業(yè)大數(shù)據(jù)與智能制造00
1.1工業(yè)大數(shù)據(jù)00
1.1.1大數(shù)據(jù)概述00
1.1.2大數(shù)據(jù)的特征00
1.1.3工業(yè)大數(shù)據(jù)的特征00
1.2大數(shù)據(jù)在工業(yè)應(yīng)用中的機(jī)遇與挑戰(zhàn)00
1.3工業(yè)大數(shù)據(jù)驅(qū)動(dòng)的智能制造00
1.3.1制造業(yè)驅(qū)動(dòng)形勢(shì)演變00
1.3.2基于大數(shù)據(jù)的產(chǎn)品設(shè)計(jì)00
1.3.3大數(shù)據(jù)驅(qū)動(dòng)的智能生產(chǎn)00
1.3.4大數(shù)據(jù)驅(qū)動(dòng)的智能化運(yùn)維00
1.3.5基于大數(shù)據(jù)分析的產(chǎn)品精準(zhǔn)營(yíng)銷和成本精確控制00
1.3.6大數(shù)據(jù)驅(qū)動(dòng)的全生命周期供應(yīng)鏈優(yōu)化0
1.3.7大數(shù)據(jù)驅(qū)動(dòng)的車間智能化發(fā)展0
1.4工業(yè)大數(shù)據(jù)與智能車間0
1.4.1智能車間的基本內(nèi)涵0
1.4.2大數(shù)據(jù)環(huán)境下的智能車間信息化特點(diǎn)0
1.4.3大數(shù)據(jù)促進(jìn)的車間信息化基礎(chǔ)平臺(tái)0
1.4.4大數(shù)據(jù)驅(qū)動(dòng)的智能車間運(yùn)行方式0
1.5智能車間中的工業(yè)大數(shù)據(jù)應(yīng)用場(chǎng)景0
參考文獻(xiàn)0
第2章基于大數(shù)據(jù)的智能車間技術(shù)體系0
2.1大數(shù)據(jù)應(yīng)用技術(shù)體系0
2.2大數(shù)據(jù)采集技術(shù)0
2.2.1無(wú)線射頻識(shí)別技術(shù)0
2.2.2二維碼技術(shù)0
2.2.3系統(tǒng)日志采集系統(tǒng)0
2.2.4網(wǎng)絡(luò)數(shù)據(jù)采集系統(tǒng)0
2.2.5數(shù)據(jù)庫(kù)采集系統(tǒng)0
2.2.6其他制造業(yè)大數(shù)據(jù)感知技術(shù)0
2.3大數(shù)據(jù)傳輸技術(shù)0
2.3.1工業(yè)現(xiàn)場(chǎng)總線通信技術(shù)0
2.3.2工業(yè)現(xiàn)場(chǎng)以太網(wǎng)通信技術(shù)0
2.3.3工業(yè)現(xiàn)場(chǎng)無(wú)線網(wǎng)絡(luò)通信技術(shù)0
2.3.45G技術(shù)0
2.4大數(shù)據(jù)處理技術(shù)0
2.4.1數(shù)據(jù)清理0
2.4.2數(shù)據(jù)變換0
2.4.3數(shù)據(jù)歸約0
2.5大數(shù)據(jù)存儲(chǔ)技術(shù)0
2.5.1YARN0
2.5.2ZooKeeper0
2.6大數(shù)據(jù)集成技術(shù)0
2.7大數(shù)據(jù)分析技術(shù)0
2.7.1分類/聚類算法0
2.7.2關(guān)聯(lián)分析0
2.7.3模式挖掘0
2.8大數(shù)據(jù)預(yù)測(cè)/決策技術(shù)0
2.9大數(shù)據(jù)可視化技術(shù)0
參考文獻(xiàn)0
第3章基于大數(shù)據(jù)挖掘的產(chǎn)品工藝智能規(guī)劃0
3.1產(chǎn)品工藝智能規(guī)劃業(yè)務(wù)0
3.1.1產(chǎn)品工藝智能規(guī)劃業(yè)務(wù)的內(nèi)容0
3.1.2產(chǎn)品工藝智能規(guī)劃問(wèn)題的特點(diǎn)0
3.2產(chǎn)品工藝規(guī)劃數(shù)據(jù)資源0
3.2.1產(chǎn)品工藝規(guī)劃數(shù)據(jù)來(lái)源0
3.2.2MBD模型數(shù)據(jù)存儲(chǔ)方式0
3.2.3工藝規(guī)劃數(shù)據(jù)的標(biāo)簽化管理與組織方式0
3.3大數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品工藝智能規(guī)劃方法體系架構(gòu)0
3.4產(chǎn)品工藝規(guī)劃數(shù)據(jù)挖掘技術(shù)0
3.4.1產(chǎn)品形狀特征自動(dòng)識(shí)別方法0
3.4.2三維設(shè)計(jì)數(shù)據(jù)提取方法0
3.4.3產(chǎn)品工藝知識(shí)庫(kù)管理技術(shù)0
3.5產(chǎn)品工藝智能規(guī)劃方法0
3.5.1產(chǎn)品MBD模型檢索方法0
3.5.2產(chǎn)品工藝知識(shí)重用方法0
3.6航天零件加工車間的產(chǎn)品工藝智能規(guī)劃實(shí)例
參考文獻(xiàn)
第4章基于大數(shù)據(jù)預(yù)測(cè)的車間生產(chǎn)智能調(diào)度
4.1車間生產(chǎn)智能調(diào)度業(yè)務(wù)
4.1.1車間生產(chǎn)智能調(diào)度業(yè)務(wù)的內(nèi)容
4.1.2車間生產(chǎn)智能調(diào)度問(wèn)題的特點(diǎn)
4.2車間生產(chǎn)智能調(diào)度數(shù)據(jù)資源
4.2.1車間生產(chǎn)智能調(diào)度數(shù)據(jù)來(lái)源
4.2.2車間生產(chǎn)智能調(diào)度數(shù)據(jù)組織方式
4.3大數(shù)據(jù)驅(qū)動(dòng)的車間生產(chǎn)智能調(diào)度方法體系
4.4車間生產(chǎn)性能預(yù)測(cè)技術(shù)
4.4.1車間生產(chǎn)性能預(yù)測(cè)的一般方法
4.4.2車間工期預(yù)測(cè)模型
4.5性能預(yù)測(cè)驅(qū)動(dòng)的車間生產(chǎn)智能調(diào)度方法
4.5.1晶圓單層工期調(diào)控模型
4.5.2基于強(qiáng)化學(xué)習(xí)的晶圓工期逐層調(diào)控模型
4.5.3基于ActorCritic的工期調(diào)控策略優(yōu)化方法
4.6基于大數(shù)據(jù)預(yù)測(cè)晶圓制造車間生產(chǎn)智能調(diào)度實(shí)例
4.6.1晶圓制造系統(tǒng)特性分析
4.6.2晶圓制造車間智能調(diào)度案例
參考文獻(xiàn)
第5章基于大數(shù)據(jù)集成的物料運(yùn)輸系統(tǒng)調(diào)度
5.1物料運(yùn)輸系統(tǒng)調(diào)度業(yè)務(wù)
5.1.1物料運(yùn)輸系統(tǒng)調(diào)度業(yè)務(wù)的內(nèi)容
5.1.2物料運(yùn)輸系統(tǒng)調(diào)度問(wèn)題的特點(diǎn)
5.2物料運(yùn)輸系統(tǒng)調(diào)度數(shù)據(jù)資源
5.2.1物料運(yùn)輸調(diào)度數(shù)據(jù)來(lái)源
5.2.2物料運(yùn)輸數(shù)據(jù)多維度組織形式
5.3大數(shù)據(jù)集成的物料運(yùn)輸系統(tǒng)調(diào)度方法體系
5.4物料運(yùn)輸系統(tǒng)狀態(tài)感知技術(shù)
5.5基于大數(shù)據(jù)集成的物料運(yùn)輸系統(tǒng)狀態(tài)分析技術(shù)
5.5.1物料運(yùn)輸系統(tǒng)數(shù)據(jù)集成方法
5.5.2物料運(yùn)輸系統(tǒng)運(yùn)行模型
5.5.3物料運(yùn)輸系統(tǒng)運(yùn)行穩(wěn)定狀態(tài)分析
5.5.4物料運(yùn)輸系統(tǒng)狀態(tài)分析模型評(píng)價(jià)
5.6物料運(yùn)輸系統(tǒng)智能調(diào)度技術(shù)
5.6.1物料運(yùn)輸調(diào)度整體流程
5.6.2兩階段物料運(yùn)輸優(yōu)化方法
5.7晶圓制造車間的物料運(yùn)輸系統(tǒng)調(diào)度實(shí)例
5.7.1車間硬件環(huán)境
5.7.2實(shí)施應(yīng)用
5.7.3結(jié)果分析
參考文獻(xiàn)
第6章基于大數(shù)據(jù)可視化的生產(chǎn)智能監(jiān)控
6.1生產(chǎn)智能監(jiān)控業(yè)務(wù)
6.1.1生產(chǎn)智能監(jiān)控業(yè)務(wù)內(nèi)容
6.1.2生產(chǎn)智能監(jiān)控業(yè)務(wù)的問(wèn)題特點(diǎn)
6.2生產(chǎn)智能監(jiān)控業(yè)務(wù)的數(shù)據(jù)資源
6.2.1生產(chǎn)監(jiān)控業(yè)務(wù)的數(shù)據(jù)來(lái)源
6.2.2生產(chǎn)監(jiān)控?cái)?shù)據(jù)的組織形式
6.3大數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)智能監(jiān)控方法體系架構(gòu)
6.4面向車間生產(chǎn)監(jiān)控的邊緣計(jì)算技術(shù)
6.5車間生產(chǎn)監(jiān)控信息建模技術(shù)
6.6車間生產(chǎn)監(jiān)控可視化技術(shù)
6.6.1三維場(chǎng)景界面的設(shè)計(jì)
6.6.2界面操作邏輯的設(shè)計(jì)
6.7飛機(jī)裝配車間的生產(chǎn)在線監(jiān)控系統(tǒng)實(shí)例
6.7.1數(shù)據(jù)采集及管理模塊
6.7.2機(jī)翼位姿監(jiān)控模塊
6.7.3生產(chǎn)進(jìn)程可視化監(jiān)控
6.8食品包裝車間的生產(chǎn)在線監(jiān)控系統(tǒng)實(shí)例
6.8.1原材料批次信息管理
6.8.2生產(chǎn)過(guò)程數(shù)據(jù)關(guān)聯(lián)
6.8.3生產(chǎn)過(guò)程信息查詢
6.8.4生產(chǎn)狀態(tài)可視化
參考文獻(xiàn)
第7章基于大數(shù)據(jù)關(guān)聯(lián)分析的質(zhì)量智能控制
7.1產(chǎn)品質(zhì)量控制業(yè)務(wù)
7.1.1產(chǎn)品質(zhì)量控制業(yè)務(wù)的內(nèi)容
7.1.2產(chǎn)品質(zhì)量控制問(wèn)題的特點(diǎn)
7.2產(chǎn)品質(zhì)量數(shù)據(jù)資源
7.2.1產(chǎn)品質(zhì)量數(shù)據(jù)來(lái)源
7.2.2產(chǎn)品質(zhì)量數(shù)據(jù)批次化組織形式
7.3產(chǎn)品質(zhì)量數(shù)據(jù)關(guān)聯(lián)分析技術(shù)
7.3.1產(chǎn)品質(zhì)量規(guī)律挖掘方法
7.3.2產(chǎn)品質(zhì)量特征提取方法
7.4產(chǎn)品質(zhì)量智能預(yù)測(cè)技術(shù)
7.5產(chǎn)品質(zhì)量控制優(yōu)化技術(shù)
7.6發(fā)動(dòng)機(jī)裝配車間產(chǎn)品質(zhì)量控制實(shí)例
7.6.1柴油發(fā)動(dòng)機(jī)裝配過(guò)程數(shù)據(jù)處理
7.6.2柴油發(fā)動(dòng)機(jī)功率數(shù)據(jù)關(guān)聯(lián)分析
7.6.3柴油發(fā)動(dòng)機(jī)功率預(yù)測(cè)模型
7.6.4柴油發(fā)動(dòng)機(jī)裝配過(guò)程控制
參考文獻(xiàn)
第8章基于大數(shù)據(jù)分類的設(shè)備智能維護(hù)
8.1設(shè)備智能維護(hù)業(yè)務(wù)
8.1.1設(shè)備維護(hù)業(yè)務(wù)的內(nèi)容
8.1.2設(shè)備維護(hù)業(yè)務(wù)的問(wèn)題特點(diǎn)
8.2設(shè)備智能維護(hù)業(yè)務(wù)的數(shù)據(jù)資源
8.3大數(shù)據(jù)驅(qū)動(dòng)的設(shè)備智能維護(hù)方法體系架構(gòu)
8.4設(shè)備異常狀態(tài)偵測(cè)方法
8.5設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)模型
8.6設(shè)備維護(hù)方式智能決策方法
8.7晶圓加工車間設(shè)備智能維護(hù)實(shí)例
參考文獻(xiàn)
張潔,現(xiàn)為東華大學(xué)機(jī)械工程學(xué)院院長(zhǎng)、教授、博導(dǎo)。南京航空航天大學(xué)獲博士學(xué)位。曾任上海交通大學(xué)智能制造與信息工程研究所副所長(zhǎng)、教授、博導(dǎo),華中科技大學(xué)機(jī)械科學(xué)與工程學(xué)院副教授,華中科技大學(xué)和香港大學(xué)做博士后; 美國(guó)加州大學(xué)柏克萊分校、美國(guó)伊利諾伊大學(xué)香檳分校、法國(guó)里昂二大的高級(jí)訪問(wèn)學(xué)者。目前是中國(guó)人工智能學(xué)會(huì)智能制造專業(yè)委員會(huì)副主任,中國(guó)科協(xié)智能制造學(xué)會(huì)聯(lián)合體專業(yè)委員會(huì)委員。
上個(gè)世紀(jì)九十年代師從李培根院士開展智能制造學(xué)術(shù)研究,目前研究領(lǐng)域:智能制造系統(tǒng)的調(diào)度、智能質(zhì)量分析、機(jī)器人技術(shù)、工業(yè)大數(shù)據(jù)分析與決策等。正在負(fù)責(zé)國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目《大數(shù)據(jù)驅(qū)動(dòng)的智能車間運(yùn)行性能分析與決策方法研究》。主持國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目《大數(shù)據(jù)驅(qū)動(dòng)的智能車間運(yùn)行性能分析與決策方法研究》,主持完成了 國(guó)家自然科學(xué)基金面上項(xiàng)目“可重入制造系統(tǒng)分層自適應(yīng)控制的研究”等5項(xiàng)。參與國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目1項(xiàng)目和國(guó)家自然科學(xué)基金重大項(xiàng)目2項(xiàng)目。主持完成國(guó)家863計(jì)劃“面向分布式制造的MES關(guān)鍵技術(shù)研究及產(chǎn)品開發(fā)”等5項(xiàng)和參與國(guó)家科技支撐計(jì)劃”液態(tài)食品機(jī)器人自動(dòng)化生產(chǎn)線研制與示范”2項(xiàng)。參與工信部智能制造的新模式和標(biāo)準(zhǔn)多項(xiàng)。 2100433B
闡述智能車間的大數(shù)據(jù)基本特點(diǎn)和應(yīng)用框架,介紹大數(shù)據(jù)技術(shù)在智能車間中的多種典型應(yīng)用場(chǎng)景:第1章論述大數(shù)據(jù)對(duì)智能制造的推動(dòng)作用;第2章分析智能車間內(nèi)的大數(shù)據(jù)資源;第3章介紹基于大數(shù)據(jù)的智能車間技術(shù)體系;第4至9章分別介紹設(shè)備智能維護(hù)、生產(chǎn)在線監(jiān)控、產(chǎn)品智能設(shè)計(jì)、車間智能調(diào)度、產(chǎn)品質(zhì)量控制、物料運(yùn)輸調(diào)度等大數(shù)據(jù)應(yīng)用場(chǎng)景,并提供航空航天、汽車、鋼鐵、食品等典型行業(yè)中的大數(shù)據(jù)應(yīng)用實(shí)例。
大數(shù)據(jù)對(duì)企業(yè)產(chǎn)生的一個(gè)重要價(jià)值就是分析數(shù)據(jù)的質(zhì)量,此外,企業(yè)內(nèi)部是否會(huì)形成一個(gè)個(gè)孤立的數(shù)據(jù)孤島,數(shù)據(jù)是否會(huì)成就企業(yè)內(nèi)某些人或團(tuán)隊(duì)新的權(quán)力,導(dǎo)致數(shù)據(jù)不能得到實(shí)時(shí)有效地分享,這些都會(huì)是阻礙大數(shù)據(jù)在企業(yè)中有...
巖土工程/土木工程怎樣應(yīng)用大數(shù)據(jù)?
在說(shuō)運(yùn)用以前,先來(lái)說(shuō)說(shuō)問(wèn)題.現(xiàn)在到處都說(shuō)大數(shù)據(jù),這里面其實(shí)有一個(gè)很敏感的問(wèn)題沒有說(shuō),那就是數(shù)據(jù)保護(hù). 如果沒有用戶數(shù)據(jù)輸入,那大數(shù)據(jù)也就無(wú)從談起. 但是我們?nèi)粘I钪?很多時(shí)候是刻意忽略數(shù)據(jù)保護(hù)的問(wèn)題...
關(guān)聯(lián)大數(shù)據(jù)的保存問(wèn)題
如果保存了應(yīng)該有軸網(wǎng)及框架柱的,你檢查一下是否點(diǎn)到層數(shù)不對(duì),如在二層畫的,打開后軟件直接出現(xiàn)的是一層,所以沒有;另一個(gè)可以按柱的快捷鍵“Z”看看是否顯示框架柱,切換樓層看看其它層是否有框架柱。
格式:pdf
大?。?span id="xebnvce" class="single-tag-height">372KB
頁(yè)數(shù): 1頁(yè)
評(píng)分: 4.5
智能交通系統(tǒng)的大數(shù)據(jù)應(yīng)用
格式:pdf
大小:372KB
頁(yè)數(shù): 1頁(yè)
評(píng)分: 4.5
本文擬對(duì)于扶貧開發(fā)項(xiàng)目管理活動(dòng)中,通過(guò)對(duì)于國(guó)家扶貧大數(shù)據(jù)庫(kù)的有效利用,更好地把握扶貧項(xiàng)目管理中的精準(zhǔn)性問(wèn)題,對(duì)于扶貧項(xiàng)目開發(fā)管理的政策和計(jì)劃的制定,提供堅(jiān)實(shí)的現(xiàn)實(shí)依據(jù).
圖書目錄
項(xiàng)目一 智能工廠及智能加工車間認(rèn)知………………………………………………001
任務(wù)1 智能工廠認(rèn)知……………………………………………………………………001
任務(wù)2 智能教學(xué)工廠及智能加工車間認(rèn)知………………………………………012
項(xiàng)目二 智能加工車間機(jī)器人的編程與調(diào)試…………………………………………022
任務(wù)1 上下料機(jī)器人控制參數(shù)設(shè)置…………………………………………………022
子任務(wù)1 熟悉機(jī)器人的基本操作……………………………………………………027
子任務(wù)2 機(jī)器人I/O通信設(shè)置………………………………………………………038
子任務(wù)3 機(jī)器人坐標(biāo)系和位置數(shù)據(jù)設(shè)置…………………………………………049
任務(wù)2 上下料機(jī)器人編程………………………………………………………………061
子任務(wù)1 機(jī)器人上下料運(yùn)動(dòng)規(guī)劃……………………………………………………063
子任務(wù)2 新建模塊和程序……………………………………………………………065
子任務(wù)3 編寫工業(yè)機(jī)器人上下料程序……………………………………………069
任務(wù)3 工業(yè)機(jī)器人程序調(diào)試與運(yùn)行………………………………………………085
項(xiàng)目三 智能工廠數(shù)控加工車間的技術(shù)基礎(chǔ)…………………………………………091
任務(wù)1 數(shù)控車床系統(tǒng)參數(shù)設(shè)置………………………………………………………091
任務(wù)2 數(shù)控車床零件加工的程序編寫……………………………………………131
任務(wù)3 數(shù)控車床零件加工程序調(diào)試與運(yùn)行………………………………………156
項(xiàng)目四 智能加工車間的PLC編程與調(diào)試……………………………………………174
任務(wù)1 西門子PLC與機(jī)器人通信…………………………………………………174
任務(wù)2 西門子PLC與數(shù)控車床通信………………………………………………182
任務(wù)3 西門子PLC與觸摸屏通信…………………………………………………191
任務(wù)4 西門子PLC的程序編寫……………………………………………………200
任務(wù)5 西門子PLC的程序調(diào)試與運(yùn)行……………………………………………227
項(xiàng)目五 智能加工車間的智能控制……………………………………………………231
任務(wù)1 數(shù)控加工單元的PROFINET通信…………………………………………231
任務(wù)2 數(shù)控加工單元的智能控制……………………………………………………236
任務(wù)3 數(shù)控加工單元智能控制調(diào)試與運(yùn)行………………………………………248
任務(wù)4 數(shù)控加工單元的故障排除…………………………………………………252
附錄 PLC參考程序………………………………………………………………………257 2100433B
柔性制造、紡紗工藝智能設(shè)計(jì)、紡紗智能制造過(guò)程、智能檢測(cè)、車間環(huán)境智能控制、智能物流、車間物聯(lián)、系統(tǒng)集成、網(wǎng)絡(luò)安全和智能化成效。 2100433B
經(jīng)歷了多年的BI專題應(yīng)用建設(shè),有幸能在一個(gè)傳統(tǒng)企業(yè)里探索大數(shù)據(jù)應(yīng)用的建設(shè)過(guò)程,發(fā)現(xiàn)了很多不一樣的地方,獲得了不同的感受,在此以一個(gè)真實(shí)的案例的建設(shè)過(guò)程來(lái)品味其中的不同,也許能獲得一些啟示。
課題是怎么來(lái)的?
大數(shù)據(jù)應(yīng)用最大的挑戰(zhàn),就是未來(lái)的不確定性,因此,傳統(tǒng)公司動(dòng)輒提前半年進(jìn)行投資預(yù)算規(guī)劃的方式是不太適合大數(shù)據(jù)的。
做大數(shù)據(jù)幾年,雖然說(shuō)現(xiàn)在靠譜的大數(shù)據(jù)的商業(yè)模式也就在廣告、金融、公益等方面,但真要下決心干某個(gè)大數(shù)據(jù)應(yīng)用項(xiàng)目,其突發(fā)性、偶然性也非常強(qiáng),因?yàn)閷?duì)于大數(shù)據(jù)這個(gè)不成熟事物,無(wú)論是哪類公司,觀望占了很大部分,對(duì)大數(shù)據(jù)的質(zhì)疑有之,對(duì)于大數(shù)據(jù)安全的惶恐有之,對(duì)于合作模式的疑惑有之,更多的是不停的提出想法,不停的被否定。
企業(yè)順應(yīng)大勢(shì)成立了大數(shù)據(jù)團(tuán)隊(duì),最痛苦的是不知道干什么,什么能干,什么不能干,也沒啥可借鑒的經(jīng)驗(yàn),這跟當(dāng)前創(chuàng)業(yè)公司也類似吧,不知道哪種模式是靠譜的。
大數(shù)據(jù)幾乎無(wú)所不能,但真要做起來(lái),其實(shí)當(dāng)前是能者寥寥,雖然趨勢(shì)不可擋,但這一波搞大數(shù)據(jù)應(yīng)用的,似乎大多要死在黎明前,一個(gè)概念從提出到最終普世大眾,的確路慢慢兒修遠(yuǎn)兮。
今天要聊的,是個(gè)公益課題,電話反欺詐,課題有一定的偶然性,安全部門提到了,問(wèn)我們能不能做做看,感覺社會(huì)意義很大,比如騰訊有反欺詐盒子,360有攔截系統(tǒng),本來(lái)某公司希望來(lái)做這個(gè)課題,但綜合各方面因素,還是決定自己做。
作出這個(gè)決策的實(shí)際一天不到,所以決定自己做,基于以下幾個(gè)因素:
一是這個(gè)大數(shù)據(jù)應(yīng)用是有顯著效益的。
二是很好評(píng)估,不像很多BI應(yīng)用產(chǎn)出無(wú)法評(píng)估,備受質(zhì)疑。
三是公司大數(shù)據(jù)平臺(tái)建立了,提供了基礎(chǔ)條件。
四是自主建模團(tuán)隊(duì)建立了一年多了,不需要太依賴合作伙伴,因此也無(wú)需走那套冗長(zhǎng)的招標(biāo)流程,失敗的代價(jià)也會(huì)小。
團(tuán)隊(duì)如何組建?
跟傳統(tǒng)的安排不同,拋出這個(gè)課題后,主動(dòng)接受這個(gè)挑戰(zhàn)的,卻是一名從一線剛過(guò)來(lái)的同事,面對(duì)不確定性,想來(lái)大多數(shù)有資歷的員工也會(huì)猶豫老半天吧,這個(gè)也有一定偶然性。
谷歌講到了招聘人才,提到了無(wú)論多大代價(jià)也要找到創(chuàng)意精英,而做大數(shù)據(jù),更加需要,需要主動(dòng)型的創(chuàng)意精英,如果傳統(tǒng)企業(yè)每個(gè)人仍然像傳統(tǒng)那樣局限在自己一畝三分地,很難有創(chuàng)新突破。
很幸運(yùn),我們有一只黑天鵝。
這種自愿組隊(duì)模式的確有很大的好處,不按計(jì)劃分配,尊重個(gè)人的意愿,更能激發(fā)人的主動(dòng)性,團(tuán)隊(duì)組建也非???,當(dāng)天組隊(duì),第二天就開干,不存在類似項(xiàng)目的繁瑣流程。
雖然團(tuán)隊(duì)成立有一定的偶然性,但的確與與企業(yè)近年來(lái)在大數(shù)據(jù)組織創(chuàng)新、人才引進(jìn)和人員流動(dòng)上的努力分不開。
假如沒有大數(shù)據(jù)組織的成立,誰(shuí)牽頭都是個(gè)問(wèn)題;假如不扔掉傳統(tǒng)的包袱,很難有人專心做這個(gè);假如沒有企業(yè)內(nèi)的人才流動(dòng)和外部人才的引入,我們也干不了這個(gè)事。
那么平臺(tái)資源如何解決?
在那個(gè)傳統(tǒng)BI小型機(jī)時(shí)代,要做一個(gè)項(xiàng)目,拋開硬件資源環(huán)境的投資立項(xiàng)過(guò)程不說(shuō),光是一個(gè)新項(xiàng)目的集成估計(jì)也不止一個(gè)月。
而這個(gè)項(xiàng)目不同之處是:
一是基于大數(shù)據(jù)平臺(tái)的租戶能力,資源申請(qǐng)所見即所得,加上流程,一周內(nèi)全部搞定。
二是提供的組件較為豐富,特別是流處理資源的快速提供,為反欺詐的實(shí)時(shí)性提供了堅(jiān)實(shí)的基礎(chǔ),換在幾年前基本不可能。
三是公司技術(shù)團(tuán)隊(duì)的保障,使得大多技術(shù)問(wèn)題得以盡快解決,這也有賴于公司在大數(shù)據(jù)平臺(tái)上的末雨綢繆。
某人說(shuō)過(guò),凡是能用錢解決的問(wèn)題都不是問(wèn)題,但技術(shù)這個(gè)東西,雖然用錢的確可能解決,但對(duì)于大多數(shù)公司,錢都是個(gè)大問(wèn)題,因此技術(shù)問(wèn)題的解決又是何其艱難。
比如我們碰到Kafka的一些問(wèn)題,長(zhǎng)期難解決,大多企業(yè)的機(jī)制流程恐怕也不允許隨便開價(jià)100萬(wàn)招個(gè)技術(shù)專家來(lái)解決吧,傳統(tǒng)企業(yè)的自我技術(shù)進(jìn)步是部血淚史,外面的專家開價(jià)開不起,自己的專家起來(lái)了,又怕被人家挖。
接下來(lái)談?wù)勯_發(fā)歷程
敏捷開發(fā)現(xiàn)在提得很多了,但感覺以前BI的建設(shè)就是最大的敏捷,最極致的情況,一個(gè)人搞定需求、開發(fā)、上線和維護(hù),當(dāng)然,現(xiàn)在軟件工程的確還是要靠分工協(xié)作,需要一套方法論來(lái)解決顯性迭代和維護(hù)配合的問(wèn)題。
大數(shù)據(jù)創(chuàng)新太特殊了,沒必要循規(guī)蹈矩,拋開全部的束縛,一切要為速度讓步。原因是失敗可能性很大,速度越快成本越低,同時(shí)既然對(duì)于公司原有業(yè)務(wù)沒有影響,因此可以放手去干,什么文檔都可以不要,什么既定流程都可以不遵守,反正光腳不怕穿鞋的。
因此,這個(gè)課題做的非???。
第10天,做出一個(gè)反欺詐簡(jiǎn)單模型,包括了案例分析、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模及驗(yàn)證等,我們的觀點(diǎn)是第一個(gè)版本可以粗糙一點(diǎn),希望盡快驗(yàn)證這個(gè)事情的可行性,否則一切都是徒勞,因此就是討論和驗(yàn)證數(shù)據(jù)。
當(dāng)時(shí)規(guī)定兩個(gè)禮拜如果出不了結(jié)果,就會(huì)放棄,這類應(yīng)用失敗可能性很高,但船小好調(diào)頭,以后做一些創(chuàng)新,都建議給創(chuàng)新做個(gè)時(shí)間止損點(diǎn)。
第25天,生產(chǎn)完成部署,也就是具備系統(tǒng)支撐能力,除了系統(tǒng)部署方案需要專業(yè)部門把關(guān),其他基本是能省就省,當(dāng)時(shí)的想法是,這類創(chuàng)新項(xiàng)目最好一個(gè)月就能搞上線,起碼能測(cè)試吧,相對(duì)以前BI應(yīng)用項(xiàng)目動(dòng)輒半年甚至1年的節(jié)奏,的確大不同。
創(chuàng)新,速度始終是王道,因此日?qǐng)?bào)變成剛需,也回憶起了某位離職運(yùn)營(yíng)商去創(chuàng)業(yè)的一個(gè)領(lǐng)導(dǎo),他說(shuō)每天凌晨就要看昨天的日?qǐng)?bào),以便安排當(dāng)天的工作,我們可能做不到這么瘋狂,但日?qǐng)?bào)的節(jié)奏是對(duì)的。
第30天,一直在外呼現(xiàn)場(chǎng)進(jìn)行驗(yàn)證迭代,直到36天,獲得認(rèn)可為止,以后就是持續(xù)調(diào)優(yōu),但這個(gè)數(shù)據(jù)已經(jīng)可以投入生產(chǎn)了。一般電話詐騙很難在事中干預(yù),但這個(gè)模型做到了,準(zhǔn)確度達(dá)到90%以上,通過(guò)實(shí)時(shí)事中干預(yù)挽回收入損失超千萬(wàn)。
這個(gè)應(yīng)用就是中國(guó)移動(dòng)的天盾大數(shù)據(jù)反欺詐系統(tǒng),它就是這么誕生的,沒有什么大匯報(bào),沒有什么流程,就是很輕很輕的來(lái)了。
現(xiàn)在算法還有很多問(wèn)題,反欺詐矛與盾的爭(zhēng)奪是很艱辛的,面上的風(fēng)光底下是每天建模師的艱苦卓絕的努力,上了很多新算法,很多很多失敗,拉低了成功率,對(duì)于這個(gè)大家是異常焦慮的,群里總是不停的討論,大家都知道這個(gè)是核心競(jìng)爭(zhēng)力,路還很長(zhǎng),還需要堅(jiān)持。
這個(gè)應(yīng)用還難言成功,只是傳統(tǒng)企業(yè)在大數(shù)據(jù)應(yīng)用上的一次不同的嘗試,但不管怎樣,互聯(lián)網(wǎng)快速迭代的那套的確是給了很大的啟示,自己做了,才知道原來(lái)的差距是如此巨大,自己的能力是如此脆弱。
從課題的角度講,要認(rèn)識(shí)到大數(shù)據(jù)這個(gè)事物的不確定性,選擇它具有偶然性,沒有規(guī)劃能預(yù)料到這個(gè),當(dāng)前大數(shù)據(jù)變現(xiàn)商業(yè)模式也并不成熟,不要奢望投資大數(shù)據(jù)馬上有產(chǎn)出,也許能力儲(chǔ)備是第一位的。
從組織的角度講,大數(shù)據(jù)人才屬于稀缺人才,要么打破原有框架,不拘一格外部找人才,要么充分企業(yè)內(nèi)挖潛,讓人員能流動(dòng)起來(lái)。流動(dòng)的人才有一個(gè)特點(diǎn),即至少有一顆騷動(dòng)的心,主動(dòng)性對(duì)于做成功一件事極為重要。
從能力的角度講,假如要向大數(shù)據(jù)轉(zhuǎn)型,則還是要對(duì)“沒有一個(gè)大數(shù)據(jù)公司,能依靠合作伙伴獲得成功”這句話有所敬畏,大數(shù)據(jù)的核心能力要掌握在自己手里。
從平臺(tái)的角度講,如果沒有大數(shù)據(jù)平臺(tái)的建立,這個(gè)項(xiàng)目能夠有效果也許是半年以后的事情,但機(jī)會(huì)稍縱即逝,沒人會(huì)等你這么久,因此此類基礎(chǔ)設(shè)施建設(shè)不能猶豫,“書到用時(shí)方恨少”。
從開發(fā)的角度講,先設(shè)定一個(gè)小目標(biāo),搞他個(gè)十萬(wàn)八萬(wàn)的,只要有點(diǎn)看得見的產(chǎn)出就行啊,快速迭代,始終是王道,失敗了也沒什么大不了,我們?nèi)钡木褪墙?jīng)驗(yàn),多頭并行也不是不可以,只要有足夠的創(chuàng)意精英。
當(dāng)然說(shuō)易行難,以上幾點(diǎn)對(duì)于大多數(shù)公司來(lái)說(shuō)是如此不易,也不能以一個(gè)應(yīng)用的成功與否說(shuō)明任何問(wèn)題,大數(shù)據(jù)要成功,就像黑天鵝,有一定偶然性,但如果連準(zhǔn)備的勇氣都沒有,沒有一點(diǎn)實(shí)質(zhì)改革的動(dòng)作,就沒有任何成功的可能了。