大数据的计量数据采集与应用分析

大数据的计量数据采集与应用分析

刘杰  白俊杰  徐博明  田攀俊

北方自动控制技术研究所  智能信息控制技术山西省重点实验室，山西太原  030006

摘要：计量工作是企业重要的技术基础和管理基础，贯穿企业生产经营和管理活动的全过程。提高产品质量，需要精确的计量测试;节能降耗要以计量数据为依据;生产经营活动需用计量信息来控制和调整;企业的形象要以计量数据为基础。这就要求我们通过不断加强、完善计量工作，以利于对生产动态进行实时管理，为推动企业信息化奠定基础。

关键词：大数据；计量；数据采集

前言：大数据技术将大规模数据中隐藏的信息挖掘出来，为计量管理提供了依据，改变了传统的计量生产方式和经济运行机制，显著提升了经济运行水平和效率。利用大数据技术，加强计量数据采集与应用具有重要意义。

1.大数据时代计量数据的重要性

1.1发掘计量信息

发掘计量信息是大数据时代计量数据的重要性之一。大数据时代使原本孤立的数据变得互相联通，颠覆了传统的计量数据工作，为计量的发源提供基础和动力。计量数据应用大数据对信息的全采集全覆盖,可以大大提高发掘计量信息的有效性，实现综合性的实时信息采集与分析处理。

1.2提升产品质量

提升产品质量是大数据时代计量数据的重要突破。计量是提高产品质量的重要保证，计量数据具有实测性、准确性、公正性等，大数据时代企业的量化管理需要现代化的计量手段,对计量数据采集与应用，延伸至工艺和生产的每一个环节,让测试数据参与到生产实验的过程中，可以提升产品质量和获取效益，让计量数据更好地为企业服务。

1.3推进技术进步

大数据时代计量数据的重要性还表现在推进技术进步方面。信息技术的发展催生了大数据理论，计量领域在大数据时代将发生变革，发现海量数据中的新联系、新规律创造出新价值。大数据时代计量数据应用到科研生产的各环节中，为企业的精细化管理提供了有力的数据支撑，有利于推动企业技术的进步，起到提质增效的作用。因此，探索大数据时代计量数据的应用策略势在必行。

2.计量大数据应用的挖掘处理流程设计

对计量大数据进行应用就是用户从一个特定的主题出发，经过定义主题、浏览数据、准备数据、生成模式、验证模式、应用模式等过程，最后形成分析结果提交给用户。

2.1用户与定义主题

大数据应用中的定义主题，就是用户从计量大数据应用的需求出发，利用各方面专家的经验和知识库中所积累的相关知识，再结合对数据仓库和模式库的了解来初步确定出解决具体问题的主题。

2.2浏览数据与准备数据

根据主题的需要，对数据仓库中的相关数据进行检索浏览与准备处理，在这个过程中还可能需要结合所掌握数据的情况返回到主题的定义。

2.3生成模式和验证模式

在明确了主题并准备了数据之后，还需要构建完成主题所需要的一整套数据存储模式(下面简称为“模式”)，模式中包含了对某一类数据的结构、属性、联系和约束的描述。模式的生成过程可以是从模式库中筛选后再进行调整修改来实现，也可以结合应用需求来定义新的模式。对于生成的模式要进行验证，如果验证中发现问题也需要返回到定义主题阶段。

2.4应用模式形成分析结果

利用经过验证的模式对数据进行组织和处理，最后得出综合统计分析的结果提交给用户。在应用模式的过程中如果存在问题也是要返回到定义主题阶段重新进行主题的调整。

3.大数据的计量数据采集与应用分析

3.1加强计量检测机构和计量业务水平

对于大型企业而言，由于生产任务繁重，生产量较大，所以为了保证企业产品的生产质量，应该加强计量检测硬件设施的建设，并且提高计量检测业务能力。建设标准化的计量检测实验室，对于实验室内的温湿度、清洁度以及振动等进行严格的控制，以确保检测工作的精准度。加强对计量检测人员业务能力的培养，与质量技术监督局以及其他建标的企业进行业务交流，在提高计量检测人员业务水平的同时，也为促进企业计量工作的发展创造有利的条件。

3.2管理好原始记录

对企业计量数据的管理必须要先管好原始数据记录。我们很清楚，企业生产经营管理等各个环节的计量检查结果首先是直接反映在原始记录上的，但人们往往容易犯的毛病是：重报表，轻原始记录。结果呢，降低了计量数据的准确性和可靠性，企业无论是上报或是内部使用的各种统计报表上的计量数据都应该是源于原始记录的。如果原始记录管理不好，原始记录不能准确可靠，真实清楚地反映出各种计量检测结果，那么统计报表管理得再好，它也是不准确;不可靠不真实的，形同一张废纸，没有意义。因此，企业要想保证上报和内部使用的统计报表（计量数据）准确可靠、真实可性就应当改变这种本未倒置的作法。树立重报表更重原始记录的新观念。所以，重原始记录并加强管理是企业计量数据管理中，必须做好的一项工作。

3.3规范管理计量设备

从计量管理体系来看，规范管理计量设备能够涉及到实物管理工作范畴，能够保证企业生产和质量管理过程中各项数据的准确性，将产品质量管理当中存在的风险因素降到最低，减少不合格产品的出现，进一步减少企业成本支出和质量成本。在企业管理者角度来看，规范管理计量设备将会是企业管理工作中的重点，并且属于长期管理工作。企业要综合分析自身哪些环节需要开展计量工作，对计量工作的要求和计量工作中需要使用的设备，其中包括企业的材料检测、经营管理、生产安全、保护环境、计量能源和检测产品等环节当中存在每个需要计量的检测点，也就是通过对计量工作的实际需求，选择适合的各种设备，开展计量工作。之后要编制企业测量设备的管理制度，对各个计量设备的使用和保养等管理工作进一步细化，并且在使用过程中本着有效、科学的管理方式，提高设备的使用效率，也可利用数理统计方式对计量设备的质量目标进行管理。

3.4科学挖掘分析数据

为了从海量数据中获取有价值的信息，就需要使用大数据挖掘技术。这是因为大数据内容极多，而且价值密度很低，针对这种数据类型，应用传统的数据挖掘方法往往难以获得良好的挖掘效果，因此必须科学应用大数据挖掘技术。大数据挖掘技术具有强大的数据处理能力，能够有效处理海量的数据信息，能够针对种类繁多、数量巨大的数据进行深入挖掘，并得到具体的价值信息，不仅如此，还可以主动收集各种信息。数据分析模型建立之后，需要有专业人员对数据模型进行分析，从数据模型中得到企业需要的数据，并及时发现数据模型中反映出的问题，形成统一的数据分析报告。企业就数据分析报告组织相关人员讨论商议进一步肯定分析结果，在数据分析结果的基础上明确数据在企业实际运行的使用方面、范围、方法以及考核，同时对数据统计分析中反映出来的问题集中收集解决方案，及时处理业务进行中出现的问题，完善企业发展。基于大数据挖掘体系的顶层设计，要做好工作流子系统和用户接口子系统的建设。这些设计主要是为了服务用户，其中工作流子系统可以帮助用户建立对应的数据挖掘任务，而接口子系统可以帮助用户实现交互并选择科学的挖掘算法，在此基础上利用大数据平台进行挖掘，最终推动数据结果转化为可以直接读取的内容，实现数据挖掘的效果。中间层也就是实施数据挖掘的层级，具体分为数据处理子系统和数据挖掘子系统，在云计算大数据挖掘过程中具有良好的实用性。

4.结束语：

综上所述，随着现代信息科技的高速发展，数据已经成为企业发展的基础依据和有效工具，对企业的壮大起到了非常重要的作用。大数据的计量数据采集与应用不仅能在现代高要求的压力下为企业赢得更多新的发展机遇。与时俱进地开展对大数据时代计量数据的研究，最大化发挥计量数据在企业生产中的作用，促进计量工作的开展。

参考文献：

[1]汤杨.探析大数据时代计量数据的应用[J].现代营销(下旬刊),2019(4):90.

[2]梁洒佳,司珍珍.基于大数据采集的三相表错接线判断方法研究[J].电网与清洁能源,2018,34(6):41-46.

[3]周健.面向大数据的计量数据采集与应用研究[J].工业计量,2017,27(4):88-91.

[4]周健.面向异构数据源和多样化应用的企业计量信息系统[J].冶金自动化,2017,41(4):7-12.