面向工業(yè)的開放數(shù)據(jù)服務平臺研究*

夏 虹，郭 超，陳彥萍，王忠民

（西安郵電大學計算機學院，西安710121；2.西安郵電大學大數(shù)據(jù)處理研究中心，西安710121）

面向工業(yè)的開放數(shù)據(jù)服務平臺研究*

夏 虹1,2，郭 超1,2，陳彥萍1,2，王忠民1,2

（西安郵電大學計算機學院，西安710121；2.西安郵電大學大數(shù)據(jù)處理研究中心，西安710121）

隨著工業(yè)制造業(yè)的快速發(fā)展，工業(yè)智能化、自動化、信息化進程的推進，產(chǎn)生了大量的多源異構數(shù)據(jù)，如工業(yè)傳感器、物流、社交、交易等數(shù)據(jù)，但這些數(shù)據(jù)不論是存儲還是管理都是各自為政，孤立存在，未能形成服務化的數(shù)據(jù)產(chǎn)品提供方式。首先分析了國內(nèi)外現(xiàn)有工業(yè)數(shù)據(jù)平臺后，針對開放數(shù)據(jù)平臺的缺陷與挑戰(zhàn)，提出面向工業(yè)的開放數(shù)據(jù)服務平臺的體系結(jié)構和企業(yè)數(shù)據(jù)中心的工業(yè)大數(shù)據(jù)系統(tǒng)工作流程，實現(xiàn)了對工業(yè)開放數(shù)據(jù)的數(shù)據(jù)服務發(fā)布、數(shù)據(jù)服務獲取、數(shù)據(jù)服務使用，對于完善工業(yè)系統(tǒng)的數(shù)據(jù)管理與共享、建立完備的工業(yè)數(shù)據(jù)服務體系起到一定的作用。

開放數(shù)據(jù)；數(shù)據(jù)服務；大數(shù)據(jù)；面向服務的體系架構；服務模型；數(shù)據(jù)分析

1 引言

隨著通信技術、計算機技術的快速發(fā)展，各種傳感器的廣泛使用。使得各個行業(yè)產(chǎn)生和存儲了大量的數(shù)據(jù)，各類數(shù)據(jù)機構研究表明，在未來數(shù)據(jù)總量還將會呈指數(shù)性增長，大數(shù)據(jù)引發(fā)前所未有的革命。雖然目前大數(shù)據(jù)主要應用在互聯(lián)網(wǎng)領域和傳統(tǒng)的商業(yè)行業(yè)中，如銷售業(yè)中的客戶及產(chǎn)品數(shù)據(jù)的挖掘和預測，網(wǎng)絡上的一些用戶行為分析等。隨著工業(yè)生產(chǎn)過程的網(wǎng)絡化、智能化、柔性化和服務化的實現(xiàn)，所有的生產(chǎn)裝備、感知設備、互聯(lián)網(wǎng)終端，包括生產(chǎn)者自身都在源源不斷地生產(chǎn)數(shù)據(jù)。據(jù)麥肯錫咨詢公司統(tǒng)計，制造業(yè)的數(shù)據(jù)存儲量已經(jīng)高于其他行業(yè)，其2010年數(shù)據(jù)存儲量已接近2EB，且企業(yè)所管理數(shù)據(jù)的規(guī)模、種類和復雜度都在以前所未有的速度呈爆炸式增長[1]，這將使得工業(yè)大數(shù)據(jù)橫空出世。而以德國工業(yè)4.0和美國工業(yè)互聯(lián)網(wǎng)為代表的新型智能化工業(yè)生態(tài)系統(tǒng)的深入發(fā)展及“中國制造2025”規(guī)劃的提出，使得自動化智能分析與物聯(lián)網(wǎng)的密切結(jié)合將會對現(xiàn)存的生產(chǎn)管理與運行方式產(chǎn)生顛覆式的改變[2]。在德國工業(yè)4.0里提及的“智能工廠”、“智能生產(chǎn)”和“智能物流”等概念不是關注點，最為關心的是在這些“智能”后面的那些數(shù)據(jù)。工業(yè)4.0是怎樣將分散在各個合作伙伴處的數(shù)據(jù)整合在一起，有效地支撐著這些“智能”工程。而這些數(shù)據(jù)將會滲透到企業(yè)運營、價值鏈乃至產(chǎn)品的整個生命周期，以推動制造業(yè)向基于大數(shù)據(jù)分析與應用基礎上的智能化轉(zhuǎn)型，而智能制造時代的到來，也意味著工業(yè)大數(shù)據(jù)時代到來[3]。

2 相關工作

文獻[4]指出工業(yè)大數(shù)據(jù)具有多層面不規(guī)則采樣性、多時空時間序列性、不真實數(shù)據(jù)混雜性的特點，并對其數(shù)據(jù)建模方法進行了研究。文獻[5]認為工業(yè)大數(shù)據(jù)可以分為密集數(shù)據(jù)、快速數(shù)據(jù)、和慢數(shù)據(jù)。密集數(shù)據(jù)指的是具有業(yè)務相關性和高價值的數(shù)據(jù)，一般是結(jié)構化數(shù)據(jù)?？焖贁?shù)據(jù)指的是產(chǎn)生的快且需要快速響應的數(shù)據(jù)，主要來自傳感器網(wǎng)絡和系統(tǒng)日志等。慢數(shù)據(jù)指的是一般意義上的大數(shù)據(jù)，如ERP、MES系統(tǒng)里面的數(shù)據(jù)。從中可以看出工業(yè)制造業(yè)的數(shù)據(jù)有多種來源，且分布于各個獨立的系統(tǒng)。故而工業(yè)大數(shù)據(jù)具有多源異構、分布廣泛、動態(tài)增長、實時性強等特點[6]，與傳統(tǒng)數(shù)據(jù)不同,導致工業(yè)大數(shù)據(jù)的數(shù)據(jù)管理分析面臨著新的挑戰(zhàn)。工業(yè)數(shù)據(jù)涉及多個領域單位和部門，面臨著數(shù)據(jù)安全、數(shù)據(jù)所有權、數(shù)據(jù)質(zhì)量、數(shù)據(jù)管控等多方面的問題。而目前工業(yè)數(shù)據(jù)還沒有統(tǒng)一的采集和存儲管理的標準及規(guī)范,易形成“信息孤島”。如何存儲、管理和共享這些海量的工業(yè)大數(shù)據(jù)，并提高它們的利用效率，成為進行工業(yè)變革研究的關鍵之一。

工業(yè)互聯(lián)網(wǎng)和工業(yè)大數(shù)據(jù)是在大數(shù)據(jù)的背景下提出的新概念，其目的是利用設備、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)的結(jié)合，促進生產(chǎn)和服務，讓整個工業(yè)系統(tǒng)優(yōu)化運行。2013年6月通用電氣宣布聯(lián)手亞馬遜等公司打造“工業(yè)云”產(chǎn)品，利用亞馬遜的云技術，準備將全球在運營的并己經(jīng)聯(lián)入網(wǎng)絡的機器和設備，以“大數(shù)據(jù)”的概念和方式來處理原始數(shù)據(jù)。同年，通用電氣在其白皮書《The Rise of Industrial Big Data》中介紹了其工業(yè)大數(shù)據(jù)分析處理平臺。文獻[7]中提出了一種基于物理網(wǎng)絡的工業(yè)大數(shù)據(jù)處理架構，來實現(xiàn)傳感器數(shù)據(jù)、非結(jié)構化數(shù)據(jù)的情景智能數(shù)據(jù)挖掘。在國內(nèi)，文獻[8]針對不同類型數(shù)據(jù)也提出了一個工業(yè)大數(shù)據(jù)集成處理平臺，并對其進行詳細的技術分析。文獻[9]提出了一個柔性生產(chǎn)線的智能控制大數(shù)據(jù)模型，并在相關零件生產(chǎn)企業(yè)得到使用，實現(xiàn)了不同零部件換型時多工藝流程自主運行、生產(chǎn)過程監(jiān)控和自適應優(yōu)化條件控制。實現(xiàn)柔性生產(chǎn)線面對單件小批量生產(chǎn)時的智能控制。文獻[10]中研發(fā)了一個基于工業(yè)大數(shù)據(jù)的壓縮機全壽命周期管理系統(tǒng)，并進行了測試應用。對壓縮機行業(yè)的發(fā)展起到推動作用。文獻[11]中也對工業(yè)大數(shù)據(jù)的相關問題進行了探討，對大數(shù)據(jù)在工業(yè)復雜系統(tǒng)中的應用提出了新思路。

3 工業(yè)開放數(shù)據(jù)服務平臺體系架構

面向服務的體系結(jié)構（SOA，Service-Oriented Architecture）的思想，即可以根據(jù)需求通過網(wǎng)絡對松散耦合的粗粒度應用組件進行分布式部署、組合和使用。服務之間通過簡單、精確定義接口進行通訊，不涉及底層編程接口和通訊模型。SOA中有以下三個基本角色：服務提供者、服務請求者和服務注冊中心。服務提供者發(fā)布服務，并且對服務請求進行響應。服務注冊中心注冊已經(jīng)發(fā)布的web服務，對其進行分類，并提供搜索服務。服務請求者在服務注冊中心查找所需要的服務，然后使用服務。SOA能夠幫助企業(yè)系統(tǒng)架構者以更迅速、更可靠、更具重用性架構整個業(yè)務系統(tǒng)，能夠更加從容地面對業(yè)務的急劇變化。

由開放地理空間聯(lián)盟 (OGC，Open Geosppatial Consortium)提出一種傳感器Web整合框架(SWE，Sensor Web Enablement)，提供了一個標準的平臺和一系列標準，實現(xiàn)“即插即用”的Web傳感器網(wǎng)絡。SWE定義了三種信息模型和四種服務規(guī)范：觀測與測量（O&M，Observation&Measurement）傳感器描述語言（SensorML）、Transducert語言（TML）、傳感器觀測服務（SOS）、傳感器規(guī)劃服務（SPS）、傳感器通知服務（WNS）和傳感器報警服務（SAS）或傳感器事件服務（SES）。通過這個平臺，用戶可以獲取來自不同傳感器和傳感器網(wǎng)絡中的數(shù)據(jù)。該標準的提出，實現(xiàn)傳感網(wǎng)絡主動、實時地關注其所集成的異構傳感器信息并實現(xiàn)聯(lián)網(wǎng)范圍內(nèi)的傳感器信息共享。

在SOA和SWE思想的啟發(fā)下，將各開放工業(yè)數(shù)據(jù)資源作為服務，打造工業(yè)開放數(shù)據(jù)服務平臺（Industrial Open Data Service Platform，IODSP）。該平臺將專注于跨行業(yè)數(shù)據(jù)服務代理和數(shù)據(jù)服務應用，其目的是將分散的工業(yè)數(shù)據(jù)轉(zhuǎn)換為一個可信的數(shù)據(jù)服務網(wǎng)絡。在“中國制造2025”中IODSP的定位如圖1所示。

從圖1中可以看出IODSP的位置是介于底層的網(wǎng)絡基礎設施和各類終端設備、傳感器、實時生產(chǎn)線與上層中國制造2025中提及的產(chǎn)品與服務創(chuàng)新，如物流、工業(yè)制造、健康、醫(yī)療等行業(yè)之間。它所起到的作用就是通過數(shù)據(jù)連接“智能生產(chǎn)”工廠和“智能物流”公司以及需要“智能服務”的個人客戶與企業(yè)客戶三方面的關系，起到承上啟下和中介的作用。類似于SOA中的服務提供者、服務使用者、服務代理的角色。在這個過程中，IODSP要聚合三方面的數(shù)據(jù)，如來自工廠和物流公司的直接數(shù)據(jù)，來自政府部門的如交通等方面的公共數(shù)據(jù)，來自電商、電信運營商、社交網(wǎng)站等第三方數(shù)據(jù)。

圖1 工業(yè)開放數(shù)據(jù)服務平臺IODSP的定位

為了能夠讓各方開放的數(shù)據(jù)在IODSP中創(chuàng)造出價值，提出了工業(yè)開放數(shù)據(jù)服務平臺IODSP架構如圖2所示。

圖2工業(yè)開放數(shù)據(jù)服務平臺IODSP架構圖

首先要解決的就是數(shù)據(jù)所有權問題，提出了在IODSP中數(shù)據(jù)合法的掌握者決定數(shù)據(jù)的使用條款與條件，即產(chǎn)出數(shù)據(jù)的一方來決定它的數(shù)據(jù)應該怎樣使用。類似于Web服務的發(fā)布者一樣，決定服務的功能和非功能屬性，用戶如何使用它。這樣開放的數(shù)據(jù)就可以在被認證的合作伙伴之間共享。第二是在IODSP的去中心化思想。IODSP是希望由所有參加這個平臺的各個企業(yè)數(shù)據(jù)中心構成，企業(yè)數(shù)據(jù)中心只是通過IODSP提供的標準接口(IODSDL，Industrial Open Data Service Description Language)進行連接，企業(yè)數(shù)據(jù)中心之間是沒有一個中央集權的權威機構負責數(shù)據(jù)管理。IODSP是一種面向數(shù)據(jù)服務的架構，其中開放的數(shù)據(jù)源被視為是一個數(shù)據(jù)服務，數(shù)據(jù)通過服務調(diào)用進行流通。當用戶需要提供數(shù)據(jù)增值服務的時候，數(shù)據(jù)可以在被認證的合作伙伴之間共享。Broker的概念來自金融交易是指幫別人買賣的代理人。在這里工業(yè)開放數(shù)據(jù)服務代理的主要職責是負責數(shù)據(jù)源的注冊，為數(shù)據(jù)提供方提供數(shù)據(jù)發(fā)布的手段，為數(shù)據(jù)使用方提供數(shù)據(jù)搜索查詢工具，為數(shù)據(jù)提供方和使用方建立誠信協(xié)議。

應用商店主要是為IODSP中的應用開發(fā)者和應用使用者提供服務。除去B2C的服務模式，IODSP還提供B2B的應用服務，此時的應用可以是數(shù)據(jù)服務，也可以是端到端的應用。對于應用商店推出的應用，IODSP還提供安全及質(zhì)量認證。

4 工業(yè)開放數(shù)據(jù)服務平臺的核心模塊

在前面介紹了開放數(shù)據(jù)服務平臺的工作原理，其中涉及企業(yè)數(shù)據(jù)中心。目前針對不同的場景下的大數(shù)據(jù)處理系統(tǒng)主要分為以下四種：批量數(shù)據(jù)處理系統(tǒng)、流式數(shù)據(jù)處理系統(tǒng)、交互式數(shù)據(jù)處理系統(tǒng)、圖數(shù)據(jù)處理系統(tǒng)[12]。工業(yè)大數(shù)據(jù)自身的一些特性，如多源性獲取，非結(jié)構化數(shù)據(jù)比例大；數(shù)據(jù)蘊含信息復雜，關聯(lián)性強；采集、存儲、處理實時性要求高；與具體工業(yè)領域密切相關。這些特性使得上述傳統(tǒng)大數(shù)據(jù)處理平臺不能滿足其存儲管理要求。因此需要構建適合處理工業(yè)大數(shù)據(jù)的企業(yè)數(shù)據(jù)中心和打造面向工業(yè)的開放數(shù)據(jù)服務平臺。

企業(yè)數(shù)據(jù)中心在功能上要能支持多種類型數(shù)據(jù)的采集和導入，能存儲大量的多源異構的復雜工業(yè)數(shù)據(jù)，滿足數(shù)據(jù)的挖掘分析和多種數(shù)據(jù)展示方式，為企業(yè)提供有價值的決策支持。應具有如下特性：高可擴展行、高容錯性、低成本、低時延、及高性能低成本等。

工業(yè)大數(shù)據(jù)系統(tǒng)是一個復雜的、提供數(shù)據(jù)生命周期，即從數(shù)據(jù)的產(chǎn)生到消亡的不同階段數(shù)據(jù)處理功能的系統(tǒng)[13]。如圖3所示,分為數(shù)據(jù)源、數(shù)據(jù)獲取、數(shù)據(jù)存儲和數(shù)據(jù)分析四個階段。

圖3 工業(yè)大數(shù)據(jù)系統(tǒng)功能流程圖

數(shù)據(jù)源是整個企業(yè)數(shù)據(jù)中心實現(xiàn)的基礎，是不同數(shù)據(jù)源產(chǎn)生的大量的、多樣的和復雜的工業(yè)大數(shù)據(jù)集。在功能上要實現(xiàn)這些數(shù)據(jù)的獲取，即可分為數(shù)據(jù)采集、傳輸和預處理。

數(shù)據(jù)獲取是指從特定的數(shù)據(jù)生產(chǎn)環(huán)境獲得原始數(shù)據(jù)的特定數(shù)據(jù)采集技術。工業(yè)大數(shù)據(jù)的采集主要是根據(jù)工業(yè)標準通信協(xié)議的現(xiàn)場設備數(shù)據(jù)采集，如生產(chǎn)數(shù)據(jù)及設備狀態(tài)信息采集分析管理系統(tǒng)，開發(fā)的生產(chǎn)過程數(shù)據(jù)采集系統(tǒng)，企業(yè)信息管理系統(tǒng)中采集數(shù)據(jù)，如ERP、MES、CRM等。非標數(shù)據(jù)的采集，比如監(jiān)控視頻、設備日志等數(shù)據(jù)采集。在數(shù)據(jù)采集完成后，需要高速的傳輸機制將數(shù)據(jù)傳輸?shù)胶线m的存儲系統(tǒng)，有線和無線等各種網(wǎng)絡的傳輸。最后是數(shù)據(jù)的預處理，面對一些無意義、冗余的數(shù)據(jù)，可以采用數(shù)據(jù)壓縮、清洗、集成、轉(zhuǎn)換等技術來減少數(shù)據(jù)的傳輸量，提高數(shù)據(jù)的價值，實現(xiàn)數(shù)據(jù)后期的高效存儲和分析。

數(shù)據(jù)存儲層是整個平臺的關鍵部分具有承上啟下的作用，是為了解決工業(yè)大數(shù)據(jù)的存儲和管理。數(shù)據(jù)存儲模塊可以分為兩部分：硬件基礎設施和數(shù)據(jù)管理軟件，數(shù)據(jù)存儲模塊集成了一系列的開源軟件[14]，根據(jù)不同應用的即時需求，以靈活的方式組織而成。硬件基礎設施應能夠向外擴展，并能進行動態(tài)重配置以適應不同類型的數(shù)據(jù)存儲需求，來屏蔽不同數(shù)據(jù)源的異構性問題。數(shù)據(jù)管理軟件則部署在硬件基礎設施之上用于維護工業(yè)大數(shù)據(jù)集。使用Mongodb和Hadoop集群來對數(shù)據(jù)進行存儲，Mongodb本身也提供了MapReduce功能，但是其分片功能不容易使用，更大的可能是使用副本集的方式，而Hadoop提供了HDFS和分布式計算的功能，所以利用Hadoop的 MapReduce來取代 Mongodb的 MapReduce，用Mongodb的副本集來取代Hadoop的HDFS。此外，為了分析存儲的數(shù)據(jù)及其數(shù)據(jù)交互，數(shù)據(jù)存儲模塊應提供功能接口、快速查詢和其他編程模型。

數(shù)據(jù)分析處理層是工業(yè)大數(shù)據(jù)處理平臺的核心，利用分析方法和工具對工業(yè)大數(shù)據(jù)進行建模、分析和挖掘來得到數(shù)據(jù)中潛在的價值。目前大數(shù)據(jù)的分析技術可分為這六種：結(jié)構化數(shù)據(jù)分析、文本數(shù)據(jù)分析、多媒體數(shù)據(jù)分析、Web數(shù)據(jù)分析、網(wǎng)絡數(shù)據(jù)分析和移動數(shù)據(jù)分析[15]。根據(jù)工業(yè)大數(shù)據(jù)復雜多樣、實時可用的特點使用Hadoop集群和Spark平臺對數(shù)據(jù)進行分析。利用編程模型提供的接口實現(xiàn)不同的數(shù)據(jù)分析功能，包括查詢、統(tǒng)計分析、數(shù)據(jù)的聚類和分類等，同時通過組合基本分析方法開發(fā)適合工業(yè)大數(shù)據(jù)的相關應用，來為企業(yè)提供可參考和預測的決策支持。

5 應用實例

工業(yè)大數(shù)據(jù)獲取與預處理有以下特點：數(shù)據(jù)來源眾多；數(shù)據(jù)采集設備種類多、接口復雜；必須支持數(shù)量眾多的硬件連接驅(qū)動；支持萬級以上大規(guī)模數(shù)據(jù)點快速采集；超效的數(shù)據(jù)壓縮；分布式實時服務器數(shù)據(jù)存儲；支持數(shù)萬事件精確時間標簽分辨率。中國制造2025以制造資源和生產(chǎn)活動的數(shù)據(jù)作服務，通過信息網(wǎng)絡和服務網(wǎng)絡的融合最大程度地降低工廠各功能資源、知識資源之間的耦合程度，將生產(chǎn)過程分解為服務的請求、匹配和處理的獨立過程，從而優(yōu)化企業(yè)資源配置、提升生產(chǎn)效率和產(chǎn)品質(zhì)量。

中興西安智能終端生產(chǎn)基地是有代表性的手機生產(chǎn)制造企業(yè)，廠內(nèi)配備業(yè)界領先的全自動生產(chǎn)線25條，同時在信息化建設方面也已大力投入，建成SMT網(wǎng)路、生產(chǎn)網(wǎng)絡、辦公網(wǎng)絡、數(shù)據(jù)中心機房、網(wǎng)絡配線機房、制造BI指揮室、企業(yè)資源管理系統(tǒng)、制造運營管理系統(tǒng)等。每天20多條生產(chǎn)線產(chǎn)生的大量多源異構數(shù)據(jù)如何發(fā)揮作用是公司急需解決的問題。將工業(yè)開放數(shù)據(jù)服務平臺思想引入到中興通訊終端科技有限公司，并應用到中興智能終端生產(chǎn)中，對工藝流程、物料人員信息、刀具信息以及生產(chǎn)數(shù)據(jù)進行采集存儲，通過對生產(chǎn)運行過程產(chǎn)生的大數(shù)據(jù)分析，實現(xiàn)不同零部件換型時多工藝流程自主運行、生產(chǎn)過程監(jiān)控和自適應優(yōu)化條件控制。并最終實現(xiàn)產(chǎn)品質(zhì)量溯源及預測，對企業(yè)實時管控和科學決策提供支持。

6 結(jié)束語

建立面向工業(yè)的開放數(shù)據(jù)服務平臺的體系結(jié)構和企業(yè)數(shù)據(jù)中心的工業(yè)大數(shù)據(jù)系統(tǒng)工作流程，實現(xiàn)了對工業(yè)開放數(shù)據(jù)的發(fā)布、獲取、使用，并在中興西安智能終端生產(chǎn)基地進行了實施，對于完善工業(yè)系統(tǒng)的數(shù)據(jù)管理與共享、建立完備的工業(yè)數(shù)據(jù)服務體系起到一定的作用。

隨著工業(yè)大數(shù)據(jù)的高速增長，工業(yè)信息化智能化的迫切需求，工業(yè)大數(shù)據(jù)分析成為現(xiàn)在研究的熱點問題。提出面向工業(yè)的開放數(shù)據(jù)服務平臺適合工業(yè)大數(shù)據(jù)的存儲分析的需求，在未來的工作中，要考慮如何將工業(yè)大數(shù)據(jù)分析的結(jié)果反饋到工業(yè)制造系統(tǒng)中，來實現(xiàn)一個閉合的控制系統(tǒng)，真正實現(xiàn)人工決策和自動化系統(tǒng)的結(jié)合，進一步對企業(yè)制造系統(tǒng)進行控制優(yōu)化。

[1] GE智能平臺.工業(yè)大數(shù)據(jù)云利用大數(shù)據(jù)集推動創(chuàng)新、競爭和增長[J].自動化博覽,2012(12):40-42 GE Intelligent Platforms.Industrial Big Data Clouds Driving innovation,competition,and growth with large data sets[J].Automation Panorama,2012(12):40-42.

[2] 羅平.淺談工業(yè)大數(shù)據(jù)的價值實現(xiàn)方式 [J].商,2015(29):210-211.Luo Ping.On the Value Realization of Industrial Big Data[J].Business,2015(29):210-211.

[3] 馬蕾.何為工業(yè)大數(shù)據(jù)[J].經(jīng)營者(汽車商業(yè)評論),2015(7):105-108.Ma Lei.What is industrial Big Data[J].Auto Business Review,2015(7):105-108.

[4] 劉強,秦泗釗.過程工業(yè)大數(shù)據(jù)建模研究展望[J].自動化學報,2016(2):161-171.Liu Qiang，Qin Si-Zhao.Perspectives on Big Data Modeling of Process Industries[J].Acta Automatica Sinica,2016(2):161-171.

[5] Cun Ji,Shijun Liu,Chenglei Yang,Lei Wu,Li Pan.IBDP:An Industrial Big Data Ingestion and Analysis Platform and Case Studies[C].Proceedings of the 2015 International Conference on Identification,Information and Knowledge in the Internet of Things(IIKI),Beijing,China,2015:223-228.

[6] 王淑芬.基于大數(shù)據(jù)的制造運行監(jiān)測與分析平臺研究[D].廣州：廣東工業(yè)大學,2014.Wang Shu-fen.Study of big data based manufacturing operational monitoring and analyze platform [D].Guangdong:Guangdong University of Technology,2014.

[7] C.K.M.Lee,C.L.Yeung,M.N.Cheng.Research on IoT based Cyber Physical System for Industrial big data Analytics[C].2015 IEEE International Conference on Industrial Engineering&Engineering Management,Guangzhou,China,2015:1855-1859.

[8] Cun Ji,Qingshi Shao,Jiao sun,et al.Device Data Ingestion for Industrial Big Data Platforms with a Case Study[J].Sensors,2016,16(3):279-293.

[9] 丁濤,齊建軍,杜林,等.基于工業(yè)大數(shù)據(jù)的柔性生產(chǎn)線智能控制模型[J].信息技術與標準化,2015(7):15-17.Ding Tao,Qi Jian-jun,Du Lin,et al.Intelligent Control Model of Flexible Production Line Based on Industrial Big Data[J].Information Technology&Standardization,2015(7):15-17

[10] 何振威,于雷,周受欽,等.基于工業(yè)大數(shù)據(jù)的壓縮機全壽命周期管理系統(tǒng)開發(fā) [J].自動化與信息工程,2014(6):11-15.He Zhen-wei,Yu Lei,Zhou Shou-qin,et al.The Compressor Life-Cycle Management System Based on Industrial Big Data[J].Automation&Information Engineering,2014(6):11-15.

[11] 柴天佑,陶品.工業(yè)“大數(shù)據(jù)”為實現(xiàn)現(xiàn)代工業(yè)系統(tǒng)的多目標運行優(yōu)化開辟了新途徑[J].計算機學會通訊,2013(12):36-39.Chai Tian-you,Tao Pin.Industrial Big Data for the realization of modern industrial system multi-objective operation optimization has opened up a new way[J].Communications of the CCF,2013(12):36-39.

[12] 程學旗,靳小龍,王元卓,等.大數(shù)據(jù)系統(tǒng)和分析技術綜述[J].軟件學報,2014(9):1889-1908.Cheng Xue-qi,Jin Xiao-long,Wang Yuan-zhuo,et al.Survey on Big Data System and Analytic Technology[J].Journal of Software,2014(9):1889-1908.

[13] Fisher D,DeLine R,Czerwinski M.Interactions with big data analytics[J].Interactions,2012,19:50-59.

[14] Yuan Bao,Lei Ren,Lin Zhang,Xuesong Zhang,Yongliang Luo.Massive Sensor Data Management Framework in Cloud Manufacturing Based on Hadoop[C].IEEE 10th International Conference on Industrial Informatics.Beijing,China,2012:397-401.

[15] 李學龍,龔海剛.大數(shù)據(jù)系統(tǒng)綜述[J].中國科學:信息科學,2015(1):1-44.Li Xue-long,Gong Hai-gang.A survey on big data systems[J].Scientia Sinica Informations,2015(1):1-44.

Research on Industrial Open Data Services Platform

Xia Hong1,2,Guo Chao1,2,Chen Yanping1,2,Wang Zhongmin1,2
（1.School of Computer Science and Technology,Xi’an University of Posts and Telecommunications,Xi’an 710121,China;2.Big Data Processing Research Center of Xi’an University of Posts and Telecommunications,Xi’an 710121,China）

With the rapid development of industrial manufacturing,the process promotion of industrial intelligence,automation and information technology generates a large number of multi-source heterogeneous data,such as industrial sensors,logistics,social,trade and so on.However,these data are stored or managed separately,and fail to form data products for service.In this paper,we analyze the shortages and challenges of the industrial data platform,and propose industry-oriented open data service platform architecture and workflow of industrial big data systems of enterprise data centers to achieve release,access and using for the industrial open data and play an important role for improving sharing of data management of industrial systems,and establishing the completed industrial data service system.

Open data；Data service；Big data；Service-oriented architecture；Service model；Data analysis

10.3969/j.issn.1002-2279.2017.03.019

TP393.0

A

1002-2279-（2017）03-0088-05

陜西省工業(yè)攻關項目（No.2016GY-092）；陜西省科技統(tǒng)籌項目（No.2016KTZDGY04-01）

夏虹（1977-），女（蒙），河北省保定市滿城縣人，博士，講師，主研方向：計算機網(wǎng)絡、服務計算、工業(yè)大數(shù)據(jù)。

2016-09-26