《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(2)

简介: 《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(2)

《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(1) https://developer.aliyun.com/article/1230833?groupCode=tech_library



三、 业务调研


业务调研需要从三个维度入手:业务模块调研、需求调研、数据调研。


1. 业务模块调研


1) 工厂物理结构以及业务调研


理清客户的内部业务逻辑。对于汽车生产,我们了解到客户的生产车间有5 个,分别是冲压车间、焊装车间、总装车间、涂装车间、电池车间,是一个很典型的整车厂的阵型。每个车间分别由不同的线体组成、每条线体分别由不同的工位组成。每个车间、线体、工位之间功能各不相同,装配步骤也各不相同。车体在生产过程中,会依次通过车位进行装配。


一个车体的生产需要经历:下订单->生产计划下发->生产计划接收->生产流程->Andon 告警(非必需)->车辆检查->质量返修(非必需)->车辆下线这几个步骤。每个步骤又可分化出不同的动作流程。

image.png


生产流程总线矩阵


2) 需求调研


需求调研主要在于了解清楚客户的业务通点、需要我们解决的事情是什么。有些客户可能内部已经有数据分析场景,会比较清晰地知道自己想要落地的指标是什么,有些客户则可能对一些业务模块能产出的指标没有概念,不知道自己要做什么,能做什么。


本次我们的客户需求较为明确:进行生产域的分析体系建设。故交付工作也围绕着生产模块来开展,其他业务板块暂不涉及。


3) 数据调研


上层系统围绕着车间生产活动进行建设,IOT 平台设备会采集车间的硬件设备信息,包括不限于工位过点信息、设备告警信息、物理信息比如温度等。这些数据会路由到车间生产系统,并进行二次生产使用加工,帮助工厂工作人员管理和掌控车间的生产状态。因此,除了少量的离线非结构化数据外,我们的数据来源也基本为这两个线上系统。


除了数据来源,我们还需要调研数据结构,更新方式,质量等特性。


image.png


数据调研关注内容



《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(3) https://developer.aliyun.com/article/1230831?groupCode=tech_library


相关文章
|
4月前
|
人工智能 文字识别 自然语言处理
有了AI叠buff,低代码行业在沉寂了一段时间后,好似又活过来了?
曾被质疑“难堪大用”的低代码平台,在AI驱动下正焕发新生。借助大模型,AI可理解自然语言、自动生成应用、智能补全数据、解析文档图表,大幅提升开发效率与业务响应速度。从“拖拉拽”到“你说我做”,低代码已迈入智能化时代,加速企业数字化转型。
|
2月前
|
传感器 人工智能 BI
2025科普手册:6大智能体类型,拆解智能重塑世界的底层逻辑
智能体正从概念走向现实,2025年被誉为“智能体元年”。全球市场规模达113亿美元,中国突破69亿元。本文盘点六大主流类型:反应式、目标驱动型、认知增强型、语音、编码及多智能体协同系统,解析其核心能力与应用场景,揭示智能体如何重塑工作与生活,推动人机协作迈向新阶段。
657 1
|
9月前
|
人工智能 自然语言处理 JavaScript
通义灵码2.5实战评测:Vue.js贪吃蛇游戏一键生成
通义灵码基于自然语言需求,快速生成完整Vue组件。例如,用Vue 2和JavaScript实现贪吃蛇游戏:包含键盘控制、得分系统、游戏结束判定与Canvas动态渲染。AI生成的代码符合规范,支持响应式数据与事件监听,还能进阶优化(如增加启停按钮、速度随分数提升)。传统需1小时的工作量,使用通义灵码仅10分钟完成,大幅提升开发效率。操作简单:安装插件、输入需求、运行项目即可实现功能。
455 4
 通义灵码2.5实战评测:Vue.js贪吃蛇游戏一键生成
|
机器学习/深度学习 自然语言处理 PyTorch
精通 Transformers(一)(2)
精通 Transformers(一)
613 4
|
数据建模 数据挖掘 物联网
《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(1)
《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(1)
601 0
|
数据建模 BI
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(4)
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(4)
534 0
|
存储 架构师 搜索推荐
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(2)
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(2)
822 0
|
数据建模
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(5)
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(5)
584 0
《全链路数据治理-智能数据建模 》——数仓建模理论与规范(5)
|
存储 SQL 人工智能
4 PostgreSQL 索引,全文检索,模糊匹配,近似度匹配(三)
4 PostgreSQL 索引,全文检索,模糊匹配,近似度匹配(三)
4 PostgreSQL 索引,全文检索,模糊匹配,近似度匹配(三)
|
存储 自然语言处理 数据建模
《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(3)
《全链路数据治理-智能数据建模 》——客户案例:汽车行业数据建模最佳实践(3)
351 0

热门文章

最新文章