工业大数据软件面临的挑战及应用发展

信息通信技术与政策 ›› 2020, Vol. 46 ›› Issue (10): 1-5.

Methods and tools for industrial big data software development

清华大学软件学院

出版日期:2020-10-15 发布日期:2020-11-03
作者简介:
王建民:清华大学软件学院院长,清华大学软件学院教授、博士生导师,研究领域为非结构化数据管理、业务过程与产品生命周期管理、数字版权与系统安全技术、数据库测试技术等

School of software, Tsinghua University

Online:2020-10-15 Published:2020-11-03

摘要/Abstract

摘要： 工业大数据是工业领域相关数据集的总称,是智能制造与工业互联网的核心要素。工业大数据软件负责工业互联网数据采集、管理、处理、分析和应用等任务,包括系统软件、领域平台和企业应用3 个层次的软件构件。分析了智能工业互联网应用场景下工业大数据软件开发所面临的挑战;聚焦如何有效收集、存储并分析工业物联网时序数据,如何降低大数据处理分析的技术门槛,如何快速低成本构建工业大数据应用软件系统;最后对工业大数据软件的应用情况及未来工业大数据软件的发展愿景进行了展望。

关键词: 工业大数据软件, 工业互联网, 工业物联网数据库, Apache IoTDB, 软件开发工具

Abstract: Industrial big data is the general term for industrial-related data sets, and is the core element of intelligent manufacturing and Industrial Internet. Industrial big data software includes system software, domain platforms, and enterprise applications, which can collect, manage, process, analyze, and apply Industrial Internet data. This article analyzes the challenges of industrial big data software development in the intelligent Industrial Internet application scenario, focusing on how to effectively collect, store and analyze industrial IoT time series data, how to reduce the technical threshold of big data processing and analysis, and how to build industrial big data applications quickly and at low cost. Finally, it introduces a big data software tool set, and looks forward to the future application and development.

Key words: industrial big data software, Industrial Internet, Industrial Internet database, Apache IoTDB, software development tools

王建民. 工业大数据软件面临的挑战及应用发展[J]. 信息通信技术与政策, 2020, 46(10): 1-5.

WANG Jianmin. Methods and tools for industrial big data software development[J]. Information and Communications Technology and Policy, 2020, 46(10): 1-5.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://ictp.caict.ac.cn/CN/Y2020/V46/I10/1

[1]	王建民, 王晨, 余晓晖, 等. 中国工业大数据技术与应用白皮书[R]. 工业互联网产业联盟, 2017.
[2]	Michael E. Porter, James E. Heppelmann. How smart, connected products are transforming companies [J] .Harvard Business Review, 2014(10).
[3]	McKinsey. Manufacturing the future: The next era of global growth and innovation[R], 2012.
[4]	杰夫·伊梅尔特. GE:未来每一个工业企业也必须是一家软件企业[R], 2015.
[5]	王建民. 领域需求驱动的大数据应用开发与运行一体化平台技术研究[ J ] . 软件学报, 2017, 28 (6): 1516-1528.
[6]	工业互联网产业联盟. 工业大数据分析指南 [R], 2019.

[1]	史炜. “5G+工业互联网”建设的技术经济模式[J]. 信息通信技术与政策, 2020, 46(9): 1-7.
[2]	马宝罗, 池程, 田娟, 贾雪琴. 基于UICC 的工业互联网标识多维数据融合研究*[J]. 信息通信技术与政策, 2020, 46(8): 85-88.
[3]	余思聪, 黄颖, 刘阳, 李海花. 工业互联网信息模型发展现状及趋势研究[J]. 信息通信技术与政策, 2020, 46(6): 36-41.
[4]	尹杨鹏, 李亚宁, 崔粲, 贾金鹏. 重点行业工业互联网应用路径研究[J]. 信息通信技术与政策, 2020, 46(6): 42-46.
[5]	吴文昊. 工业互联网推动中小企业产融一体化[J]. 信息通信技术与政策, 2020, 46(6): 47-50.
[6]	王晨, 宋亮. 工业互联网数据安全防护体系探析*[J]. 信息通信技术与政策, 2020, 46(4): 7-11.
[7]	焦宗双, 　张雪滢. 工业互联网与制造业数字化转型[J]. 信息通信技术与政策, 2020, 46(3): 49-52.
[8]	刘晓曼, 　董悦, 　张瑜, 　杨冬梅. 《工业互联网安全成熟度模型:从业者指南》对我国的启示[J]. 信息通信技术与政策, 2020, 46(2): 57-60.
[9]	李海花. 工业互联网加速创新发展分析与展望[J]. 信息通信技术与政策, 2020, 46(10): 6-9.
[10]	谢家贵, 齐超, 朱佳佳. 工业互联网标识解析体系架构及部署进展[J]. 信息通信技术与政策, 2020, 46(10): 10-17.
[11]	袁捷, 张峰, 于乐. 5G+工业互联网安全分析与研究[J]. 信息通信技术与政策, 2020, 46(10): 18-22.
[12]	池程, 马宝罗, 田娟. 工业互联网标识解析安全风险分析模型研究[J]. 信息通信技术与政策, 2020, 46(10): 23-27.
[13]	杜强, 刘晓天, 汪亮, 张亮. 面向油气田生产的工业互联网网络架构及关键技术研究[J]. 信息通信技术与政策, 2020, 46(10): 28-34.
[14]	李亚宁, 任禾. 工业互联网协同化制造体系应用发展研究[J]. 信息通信技术与政策, 2020, 46(10): 35-37.
[15]	董悦, 李艺, 秦国英, 李姗. 工业互联网数据安全技术研究[J]. 信息通信技术与政策, 2020, 46(10): 38-41.