工业大数据融合体系结构与关键技术

纯阳书评（豆瓣:纯阳子/公众号:纯阳书评／微信号:chimbusco88）第398期《工业大数据融合体系结抅与关键技术》有些人脾气随和适合交往，有些人才气逼人适合欣赏。人有人性，书也有书性。有些书通俗易懂，适合普罗大众，有些书深奥高冷，只适合行业中人。这本书可能就属于后者，专注于工业领域海量多源异构数据的融合，所以深奥；内容涉及大量算法逻辑和数学公式，所以高冷。在这里必须提醒读者的是，深奥高冷是一回事，有创新价值、有思想含量是另一回事，而这本书把这两回事变成了一回事，深奥高冷只是外在表现，创新硬核才是包裹在内的真实内容。具体看点如下： 第一、作者提出了一个数据融合体系结构的模型和实现。 就一个问题给出一个实用办法很有价值，但这一点往往不是最有价值的，更有价值的很可能是为这个问题提出一个理论模型。道理很简单，有了模型，就有了一个通用的、系统化的思考框架，有了这个框架就可以更有效地解决具体的问题。 传感器云领域就存在这样的问题，研究如火如荼，但却缺乏基于传感器云工业应用系统的性能及可靠性分析和评估的理论模型，而且几乎没有人关注面向工业领域的特定应用框架和数据融合方案的研究。针对这一问题，作者提出了新型的工业无线传感器网络数据融合体系结构，能够实现制造系统网络层面的纵向集成，所有设备形成一个自组织的、具有高度灵活性和可重配置性的制造系统。这个结构模型的提出一方面可以指导传感器云领域应用实践的落地探索，另一方面也为未来其他领域模型的构建奠定了基础，创造了条件。 第二、作者在传感器云领域多个关键问题上做出了创新性的工作。 传感器云本身是一个概念，但绝不是一个单纯的概念，而是一个实实在在的、包含了大量传感器的物理实体。众多传感器要通过有机协作、高效协同才能产生最佳的经济效益。 那么第一个问题就来了，每个传感器都需要开销，都需要成本，那么该如何配置、如何部署才能实现最低的投入，产生最佳的效益。作者将问题转化为K中点问题，通过k资源调度器，提出了渐进交换算法、贪心算法和RK算法，为资源配置和设施部署提供了硬核的解决方案。 第二个问题接踵而至，有了来自传感器云的数据以后，如何从数据中创造价值，如何做好设备的故障预测和质量预测？作者在综述了前人研究工作的基础上，基于高斯回归理论提出了单步预测模型、多步预测模型、基本模型和反馈模型，这些新模型为解决此类问题提供了新思路，打开了新空间。 第三个问题也来了，与工业设备会有故障和异常一样，无线传感器也会有故障和数据异常，作者针对数据的模式异常提出了基于骨架的模式表示异常检测方法，针对数据的异常值提出了基于最近邻居集合的隔离型分布式异常值检测模型。如果读者真有耐心看到这里，肯定理解为什么要说这本书深奥高冷，也肯定相信这本书的创新硬核绝非浪得虚名。 尽管难啃，但是好书一本，怀念做算法的日子。