科创中国

行业领域

高端装备制造产业

需求背景

机载产品制造大数据具有数据量大、数据增长速度快、种类和来源多样化、价值密度低和数据准确与可依赖的特点，同时，还具有多源性、异构性以及需求多样性等特点，这决定了机载产品制造大数据的分析技术是多样化的。针对不同应用环境，没有通用算法模型能够适用于所有问题。

因此，需要建立支持机载系统研制单位对海量数据分析的大数据平台，能够支撑模型流程化、低代码开发，集成用于历史生产数据提取规则管理的模型库，以及用于生产动态管控的大数据智能分析算法池，按需提供大数据分析和应用服务，支持平台接入方根据自身业务需求，调用平台模型库和算法池的资源，开展相应的智慧决策，帮助用户快速地从海量大数据中，充分挖掘制造数据的价值。

需解决的主要技术难题

机载智能制造大数据分析平台通过生产过程原始数据的预处理，针对智慧决策的目标进行特征提取、模型训练、模型评估，到最终的模型生成等一系列活动，实现数据、模型、智慧决策的关联，需解决大数据分析资源的整合：机载产品制造大数据的多源性、异构性以及需求多样性等特点决定了机载产品制造大数据的分析技术是多样化的，在同一问题上，不同的方法所能达到的性能也存在不同程度的差异，如何结合实际制造场景需求，整合数据集、合适的算法以及经行业验证的大数据分析模型;

期望实现的主要技术目标

行业大数据资源库模块功能指标：

• 行业大数据资源库模块应具备数据标注工具功能；
• 行业大数据资源库模块算法库应具备自定义算法功能；
• 行业大数据资源库模块应提供模型导入、导出功能；
• 行业大数据资源库模块的生产业务模型应包括但不限于：柔性排产调度模型，多目标优化调度模型，排产遗传算法模型，故障诊断模型，质量预测模型，深度置信模型，工艺特征拟合模型。

需求解析

解析单位：“科创中国”开源产业科技服务团（中国通信学会） 解析时间：2022-11-18

黄向东

清华大学软件学院

助理研究员

综合评价

随着机载系统制造业务复杂度的提升，传统的数据处理算法已无法满足数据多样化、深层次应用的需求。特别是机载系统制造数据呈现海量、高维、异构、高冗余性、低价值密度的特点，急需先进的分析技术平台，实现数据价值的深度挖掘。需求发布表中提出的技术难点内容基本准确，反映出了大数据分析平台构建中的核心问题。 因此，此项需求较为共性，有一定的研究意义，且针对性较强，不需要跨行业专家共同解决。 针对需求发布表中提出的技术内容，定义了机载智能制造大数据分析平台的技术架构，包括行业大数据资源库模块（覆盖数据资源、算法资源）。 行业大数据资源库是整个平台的核心资产，包括数据资源库、算法库和模型库。

查看更多>

处理进度