中国开放对象标识应用联盟2017年会暨工业大数据和标识服务论坛在北京隆重召开

本文涉及的产品
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:
中国开放对象标识应用联盟2017年会暨工业大数据和标识服务论坛在北京隆重召开

2017年7月5日,中国开放对象标识应用联盟2017年会暨工业大数据和标识服务论坛在北京举行,工业和信息化部副部长陈肇雄出席会议并讲话。

工业大数据_标识服务-1

陈肇雄指出,工业互联网作为新一代信息通信技术与工业系统深度融合所形成的关键网络基础设施,是工业创新转型的关键依托,对推动工业数字化、网络化、智能化发展,保障产业安全发展意义重大。标识解析体系是关键的网络基础设施资源,是工业互联网的中枢神经系统,建立一个统一的标识体系是工业互联网发展的重要基础。OID标识解析体系作为工业互联网中广泛采用的标识技术之一,为工业产品互联提供了独立于网络变化的“身份证”,有助于打通产业上下游数据,促进跨企业、跨行业、跨地域数据的互联互通,支撑工业互联网、工业大数据发展。

陈肇雄表示,中国开放对象标识(OID)应用联盟要重点做好以下几方面工作:一是完善机制,打造产业生态。加强与行业、地方等各类资源的合作,探索形成一批可复制、可推广的经验和做法,打造多方协作、互利共赢的产业生态。二是联合攻关,突破核心技术。整合产学研用各方面的优势资源,充分发挥企业创新主体作用,突破标识数据关联、数据互连安全机制等关键技术,形成兼容性强、安全可控的标识解析体系。三是贴近需求,加快应用推广。发挥联盟自身优势,引导更多工业企业参与工业互联网、工业大数据试点示范,广泛采用OID技术,推动OID标识技术在重要产品追溯、社会信用体系建设、电子文件管理等重点领域推广应用。

国家标准委工业二部戴红主任出席会议并致辞。戴红认为,工业大数据和OID标准体系的完善制定,能够支撑智能制造有序发展,对提高工业大数据的规范性、科学性和统一性,实现工业大数据的高度共享,推动和促进产业转型升级具有重要意义。国标委高度重视工业大数据的标准化工作,推动成立了信标委大数据工作组,全面组织开展了国家工业大数据标准化相关工作,批复了《智能制造对象标识要求》等多项工业大数据和OID国家标准立项。下一步,一要加强调查研究,做好工业大数据和OID标准化工作的顶层设计;二要创新工作机制,搭建交流平台;三需围绕应用先行,加强试验验证和应用推广。

工业大数据_标识服务-2

会上还发布了“工业大数据和标识服务平台”和“农业部OID平台”。工业大数据和标识服务平台由中国电子技术标准化研究院联合徐工集团、海尔集团、酷特智能共同研制,汇聚家电、机械、航空、轻工、稀土等各领域产品数据和标识信息,通过提供统一标识解析服务,与各类智能制造企业信息系统进行安全高效对接,实现了各类制造产品的全生命周期信息追溯查询。农业部OID平台,由农业部信息中心委托中国电子技术标准化研究院研制开发,与国家农产品质量安全追溯平台互联,在农业生产系统智慧化、农产品全生命周期数据管理和农业大数据等方面发挥重要作用。

工业大数据_标识服务-3

本次大会是在工业和信息化部、国家标准化管理委员会的指导下,由中国电子技术标准化研究院、OID应用联盟、中国智能制造系统解决方案供应商联盟、全国信标委大数据标准工作组联合主办。中国工程院院士柴洪峰、工业和信息化部信软司、科技司、信管局、装备司、电子司以及国家农业部、商务部、卫计委、林业局、安监总局、交通部、食药监局、全国组织机构代码管理中心等单位的有关领导参加了论坛活动。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
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
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
94 1
|
1月前
|
自然语言处理 大数据 应用服务中间件
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
63 5
|
1月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
20天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
1月前
|
消息中间件 监控 Ubuntu
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
76 3
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
|
1月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
58 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
|
28天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
ly~
|
1月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
100 2
|
1月前
|
存储 分布式计算 druid
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
53 3
ly~
|
1月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
295 2