工业互联网发展离不开大数据和云计算

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

ZDNET网络频道 04月15日 综合消息:行业认为,工业互联网正在推动各个垂直行业提高生产率和工作效率,这些垂直市场包括石油、天然气、物流和健康医疗。

1998年,当Paul RoGErs开始在GE(美国通用电气)公司工作的时候,在一个燃煤火力发电厂实施优化软件这项工作说起来容易但做起来难。在这个工厂内部,绝大多数员工不知道如何使用计算机,更不用说是软件了,他们甚至还一度质疑这个系统。

GE:工业互联网离不开大数据和云计算

Rogers现在是GE的首席开发官,他说,现在情况发生了很大的变化。那些最先使用智能手机的员工们能够亲身体验技术给他们的生活带来的变化,然后他们就会意识到为什么工厂里的环境不像他们家里的环境一样充斥着技术和智能化的元素。

Rogers表示,员工们于是想要优化设备,而这也表明了这个世界也已做好了迎接技术革新的准备。换句话说,我女儿就对世界的发展已经有了完全不同的体验。

工业互联网能够解决所有问题

技术行业认为,工业互联网正在推动各个垂直行业提高生产率和工作效率,这些垂直市场包括石油、天然气、物流和健康医疗,GE是销售硬件以及数据管理和分析系统的行业。

Rogers今年早些时候在接受CIO[注].com网站采访时表示,每一个行业都面临着不同的挑战。这似乎是技术专家们需要解决的问题,但对于工业家来说,情况并非总是如此。Rogers表示,GE的目标是向各个行业展示如何首先优化资产,然后在优化运营。

例如,石油公司过去派员工坐卡车去“监测”油井。由于大多数油井都在遥远的地方,且这些地方没有任何人员配备,修复一台停机的泵一般需要三个星期。对于这个“黑色黄金”行业来说,这是巨大的损失。

在油井或资产上安装传感器就解决了这个问题:如果一个油井不出油,公司会很快知道。这还带来额外的好处,Rogers指出,来自这些传感器的数据可以存储在云中,石油企业可以通过基于网站的研发工具对这些数据进行分析,这提高了对整个油田研究的效率。

工业互联网对于物流也有类似的影响。这里再说一次,最初的重点是资产,比如运输的卡车。公司首先优化单个路线,例如盘山路,以便节省燃油,然后转向优化整个网络,由此火车可以充分利用其三分之二的闲置时间。

大数据和云计算推动工业互联网的发展

这些运营例子帮助展示了工业互联网解决效率低下问题的能力。GE认为,该公司覆盖的各个行业每年因为效率低下造成的损失高达1500亿美元。采用这 种提高效率的新方法并不是让单个资产更有效率,真正的价值在于提高整个企业的效率,而这种做法则需要能够处理海量信息的大数据和云环境。

以燃气轮机为例,燃气轮机一般要保持效率不变。因此,改善热敷需要超高级的方法,要使用非常复杂的算法运行模型。在笔记本电脑上,一个典型的查询要获得答案一般需要三个星期。在基于云的处理器上发布同样的查询执行一种计算只需要不到一秒钟。

在健康医疗行业有许多机会。美国健康医疗行业每年多余的、不必要的或者欺骗性的开支高达1万亿美元。这些应用包括库存管理、医院床位管理、人才管理和无处不在的专有平台。这些专有的平台让供应商和患者很难共享数据。

工业互联网通常是与消费者互联网并行发展的。但是,有一个关键的区别:在消费者和消费者之间共享的数据,如美元、偏爱、姓名等对于管理还是很有用的。

在工业中,压力、输出和气象等数据点是复杂的和需要语境才能理解的。在燃气轮机的排气装置上的温度读数与一台机车的内部温度是完全不同的。

但是,使用已经存在的技术就可以实现这个目标,不用等待新的技术出来。这就是利用数据并且把数据转变为有意义的东西。

原文发布时间为:2014年04月15日
本文作者:胡杨编译
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
5月前
|
存储 大数据 云计算
大数据与云计算
大数据与云计算
177 2
|
2月前
|
分布式计算 并行计算 大数据
【数据挖掘】百度2015大数据云计算研发笔试卷
百度2015年大数据云计算研发笔试卷的题目总结,涵盖了Hadoop、Spark、MPI计算框架特点、TCP连接建立过程、数组最大和问题、二分查找实现以及灯泡开关问题,提供了部分题目的解析和伪代码。
50 1
|
5月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
919 0
|
4月前
|
机器学习/深度学习 存储 算法
云计算和大数据处理
云计算和大数据处理
74 1
|
4月前
|
存储 资源调度 大数据
云计算在大数据分析中的弹性资源调度策略
云计算在大数据分析中的弹性资源调度策略
|
5月前
|
存储 机器学习/深度学习 大数据
云计算与大数据:合作与创新
本文探讨了大数据技术与云计算的背景和发展,大数据的5V特征(量、速度、多样、复杂、不确定)及云计算的3S特点(服务、共享、可扩展)。两者相互依赖,云计算为大数据提供计算与存储资源。核心算法涉及分布式计算、数据挖掘和机器学习,如线性回归、逻辑回归等。通过代码示例展示了Hadoop的MapReduce、Scikit-learn的KNN和TensorFlow的线性回归应用。未来趋势包括数据量增长、实时处理、AI与ML集成及数据安全挑战。附录解答了大数据、云计算等相关问题。
491 3
|
5月前
|
存储 大数据 数据挖掘
python数据分析——大数据和云计算
大数据和云计算作为当代信息技术的两大核心驱动力,正在以前所未有的速度改变着我们的生活、工作和思维方式。它们不仅为各行各业的创新提供了强大的技术支持,更是推动了整个社会的数字化转型。 从大数据的角度来看,它的核心价值在于通过对海量数据的收集、存储、分析和挖掘,发现其中的关联性和趋势,从而为决策提供更为科学、精准的依据。无论是商业领域的市场预测、消费者行为分析,还是公共服务领域的城市规划、交通管理,大数据都发挥着不可或缺的作用。同时,随着物联网、传感器等技术的普及,大数据的来源和种类也在不断扩展,这使得我们能够更全面地认识世界,把握规律。
100 1
|
12天前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
13天前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
38 3
|
12天前
|
SQL 消息中间件 大数据
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
31 1