摘 要：隨著信息化技術(shù)的不斷發(fā)展，大數(shù)據(jù)技術(shù)正以驚人的速度融入到人們的日常工作和生活中，推動著工業(yè)4.0時(shí)代的到來。本文利用大數(shù)據(jù)技術(shù)在數(shù)據(jù)管理優(yōu)化方面的優(yōu)勢，根據(jù)直升機(jī)制造生產(chǎn)活動的特點(diǎn)構(gòu)建了一個(gè)面向工業(yè)4.0的直升機(jī)制造大數(shù)據(jù)平臺，平臺主要由生產(chǎn)過程監(jiān)測與管理、直升機(jī)制造大數(shù)據(jù)平臺和直升機(jī)制造生產(chǎn)環(huán)境三層結(jié)構(gòu)組成。此平臺不僅能夠應(yīng)用于直升機(jī)零部件加工生產(chǎn)的環(huán)節(jié)中，而且在產(chǎn)品創(chuàng)新、產(chǎn)品供應(yīng)鏈的分析與優(yōu)化等環(huán)節(jié)也會發(fā)揮更大作用。

關(guān)鍵詞：直升機(jī)制造；大數(shù)據(jù)；工業(yè)4.0

中圖分類號：TP311.13 文獻(xiàn)標(biāo)識碼：A

1 引言（Introduction）

早在2013年，德國就提出了“工業(yè)4.0”生產(chǎn)模式的概念，思科、通用電氣和英特爾等企業(yè)紛紛響應(yīng)組建了“工業(yè)互聯(lián)網(wǎng)聯(lián)盟”，為制造業(yè)賦予了智能化、信息化和個(gè)性化生產(chǎn)的新特性，促進(jìn)了數(shù)據(jù)資源的利用?！肮I(yè)4.0”生產(chǎn)模式以大數(shù)據(jù)技術(shù)為基礎(chǔ)，實(shí)現(xiàn)降低對勞動力的依賴、滿足用戶的個(gè)性化需求和減少流通成本的目的，其包括智慧工廠、智能生產(chǎn)和智能物流三大部分，其中智慧生產(chǎn)是關(guān)鍵核心。

直升機(jī)制造大體分為零件制造、部件裝配、機(jī)身鉚裝和全機(jī)總裝四大部分，但包括多個(gè)生產(chǎn)環(huán)節(jié)，每個(gè)環(huán)節(jié)都有各自的生產(chǎn)規(guī)律，屬于典型的離散型生產(chǎn)活動，其特點(diǎn)包括：（1）產(chǎn)品規(guī)格多、結(jié)構(gòu)復(fù)雜、技術(shù)難度大；（2）品種多、采用中小批量、混線生產(chǎn)模式；（3）產(chǎn)品物料需求量大而雜，物流管理復(fù)雜；（4）過程中大量數(shù)據(jù)及信息分散在各部門技術(shù)人員、管理人員、甚至工人手中，部門之間的信息交流不暢，從而導(dǎo)致生產(chǎn)及質(zhì)量問題不能及時(shí)得到反饋、解決，造成大量的生產(chǎn)計(jì)劃延期，生產(chǎn)效率低下。

自我國工業(yè)4.0戰(zhàn)略推行以來，物聯(lián)網(wǎng)技術(shù)和互聯(lián)網(wǎng)等信息技術(shù)與直升機(jī)制造業(yè)的不斷融合，直升機(jī)制造企業(yè)在生產(chǎn)過程中積累了大量的數(shù)據(jù)，不僅包括指令、生產(chǎn)編號、圖號等文本格式的數(shù)據(jù)，還包括圖片、聲音、視頻等復(fù)雜格式的信息，這些數(shù)據(jù)的產(chǎn)生有規(guī)模性、多樣性等特點(diǎn)。如何高效的獲取、存儲、分析處理海量數(shù)據(jù)，并最大化地從這些數(shù)據(jù)資源中提煉價(jià)值成為直升機(jī)制造行業(yè)普遍關(guān)注的熱點(diǎn)。

大數(shù)據(jù)技術(shù)是目前公認(rèn)的處理海量數(shù)據(jù)的有效方法，被譽(yù)為是助推實(shí)體經(jīng)濟(jì)邁向“工業(yè)4.0”的“核動力”。利用大數(shù)據(jù)管理技術(shù)和分布式計(jì)算計(jì)算分別實(shí)現(xiàn)對直升機(jī)加工數(shù)據(jù)的存儲和計(jì)算，然后利用大數(shù)據(jù)分析技術(shù)對這些數(shù)據(jù)進(jìn)行挖掘，從中獲取對生產(chǎn)決策有價(jià)值的信息，幫助企業(yè)合理安排生產(chǎn)計(jì)劃，從而有效提高企業(yè)的綜合競爭力[1]。

2 國內(nèi)外發(fā)展現(xiàn)狀（The development situation at

home and abroad）

近年來，直升機(jī)在國防建設(shè)中扮演角色的重要性日益凸顯，直升機(jī)產(chǎn)業(yè)的發(fā)展已經(jīng)被各國提升到戰(zhàn)略高度。發(fā)達(dá)國家西科斯基直升機(jī)公司在產(chǎn)品制造與設(shè)計(jì)領(lǐng)域目前處于世界領(lǐng)先地位，其利用數(shù)字化制造技術(shù)不僅完成了從傳統(tǒng)的大批量生產(chǎn)向精益生產(chǎn)模式的轉(zhuǎn)變，而且創(chuàng)新了管理模式，實(shí)現(xiàn)了對成本的透明性和作業(yè)流程的標(biāo)準(zhǔn)化管理。此外，西科斯基公司S92項(xiàng)目中，利用CATIA軟件將來自六個(gè)不同國家和地區(qū)供應(yīng)商的部件實(shí)現(xiàn)了高效化無紙整合，建立了一個(gè)設(shè)計(jì)組件整合的“虛擬直升機(jī)”模擬系統(tǒng)，縮短了生產(chǎn)進(jìn)度。

歐直公司在數(shù)字化技術(shù)方面的應(yīng)用水平實(shí)際上并不亞于西科斯基公司，該公司在企業(yè)資源策劃、數(shù)字化電子樣機(jī)模擬等方面均達(dá)到了很高的水平。歐直公司采用了商務(wù)與決策公司同SAP公司聯(lián)合為其推出的商務(wù)智能平臺，主要用于績效管理與知識管理。

隨著“中國制造2025”戰(zhàn)略的提出，中國制造業(yè)迎來了一次新的改革浪潮，我國直升機(jī)制造企業(yè)紛紛建立了一系列的企業(yè)信息化系統(tǒng)來為公司的經(jīng)營決策、資源配置提供支撐，其中包括資源的優(yōu)化配置和目視化管理等，基本實(shí)現(xiàn)了生產(chǎn)過程的數(shù)字化管理。但與發(fā)達(dá)國家相比，中國直升機(jī)制造現(xiàn)在還是以低端制造為主，主要表現(xiàn)在以下兩個(gè)方面：

（1）沒有充分利用數(shù)據(jù)資源，將數(shù)據(jù)資源的價(jià)值資源挖掘出來，例如：若能從海量的數(shù)據(jù)中提取設(shè)備故障相關(guān)征兆數(shù)據(jù)，采用預(yù)測與相關(guān)管理算法生成該設(shè)備將要或已經(jīng)發(fā)生故障的相關(guān)信息，使得設(shè)備元件具備“自我感知”能力，分析預(yù)測自身狀態(tài)，就能采取措施進(jìn)行預(yù)防。

（2）缺乏面向產(chǎn)品制造的“知識庫”管理，若能根據(jù)大數(shù)據(jù)技術(shù)分析不同生產(chǎn)環(huán)節(jié)的當(dāng)前需求，通過推理將不同產(chǎn)品狀態(tài)、設(shè)備信息相關(guān)聯(lián)并呈現(xiàn)給管理層，就能對企業(yè)科學(xué)、有效的決策提供有力的技術(shù)支持。

總之，直升機(jī)制造生產(chǎn)活動是建立在精密、有序的生產(chǎn)工序的基礎(chǔ)上，通過各工序之間的密切配合，在確保直升機(jī)制造質(zhì)量的同時(shí)提升直升機(jī)生產(chǎn)效率。大數(shù)據(jù)在數(shù)據(jù)管理優(yōu)化方面具有極強(qiáng)的優(yōu)勢，除了能夠應(yīng)用在直升機(jī)零部件的加工生產(chǎn)中外，還能夠在產(chǎn)品創(chuàng)新、產(chǎn)品供應(yīng)鏈的分析與優(yōu)化，以及工業(yè)物聯(lián)網(wǎng)的應(yīng)用中發(fā)揮出更大作用。將大數(shù)據(jù)技術(shù)與數(shù)字化和檢測等技術(shù)相結(jié)合，能夠提前對直升機(jī)生產(chǎn)環(huán)節(jié)中的各關(guān)鍵要素進(jìn)行分析與預(yù)測，從而更好地提高產(chǎn)品的質(zhì)量與生產(chǎn)效率[2]。

3 直升機(jī)制造大數(shù)據(jù)平臺的總體框架（The overall

framework of helicopter manufacturing big date

platform）

直升機(jī)制造過程中產(chǎn)生的數(shù)據(jù)具有規(guī)模性、多樣性等特點(diǎn)，為了從這些數(shù)據(jù)資源中挖掘有用價(jià)值，首先要確保這些數(shù)據(jù)的存儲的完整性和處理的高效性，本文構(gòu)建了一個(gè)面向工業(yè)4.0的直升機(jī)制造大數(shù)據(jù)平臺，平臺的框架圖如圖1所示。

從圖1可以看出，直升機(jī)制造大數(shù)據(jù)平臺主要由生產(chǎn)過程監(jiān)測與管理、直升機(jī)制造大數(shù)據(jù)平臺和直升機(jī)制造生產(chǎn)環(huán)境三層結(jié)構(gòu)組成[3]，本文主要研究前兩層。

直升機(jī)制造大數(shù)據(jù)平臺的主要功能是大數(shù)據(jù)存儲和分布式計(jì)算，大數(shù)據(jù)存儲平臺通過傳統(tǒng)關(guān)系型數(shù)據(jù)庫與大數(shù)據(jù)庫技術(shù)相結(jié)合的方式實(shí)現(xiàn)對直升機(jī)制造生產(chǎn)環(huán)境中所產(chǎn)生數(shù)據(jù)的存儲與管理。在直升機(jī)制造過程中，有關(guān)系型數(shù)據(jù)庫對實(shí)時(shí)性要求較高的數(shù)據(jù)進(jìn)行處理，同時(shí)定期利用數(shù)據(jù)遷移技術(shù)將關(guān)系型數(shù)據(jù)中的數(shù)據(jù)同步到大數(shù)據(jù)庫中，實(shí)現(xiàn)直升機(jī)制造海量數(shù)據(jù)的存儲。

隨著時(shí)間的推移，直升機(jī)制造企業(yè)會積累大量的生產(chǎn)相關(guān)數(shù)據(jù)，傳統(tǒng)的集中式處理方法已經(jīng)無法滿足數(shù)據(jù)快速處理的要求，本平臺通過搭建分布式計(jì)算環(huán)境將處理任務(wù)分解到不同的服務(wù)器上，用“分治”的思想將大規(guī)模任務(wù)分解為若干個(gè)規(guī)模較小的任務(wù)，分解任務(wù)完成后匯總到同一個(gè)服務(wù)器上，分布式計(jì)算的實(shí)現(xiàn)不僅提高了數(shù)據(jù)處理的效率，數(shù)據(jù)備份的機(jī)制也避免了單個(gè)服務(wù)器崩潰導(dǎo)致整個(gè)系統(tǒng)癱瘓的危險(xiǎn)[4]。

生產(chǎn)過程的監(jiān)測與管理主要是建立在對直升機(jī)制造海量歷史數(shù)據(jù)分析的基礎(chǔ)上，此層不僅能夠幫助生產(chǎn)執(zhí)行單位根據(jù)生產(chǎn)設(shè)備的運(yùn)行狀況、原材料的數(shù)量和產(chǎn)品的交付期等信息選擇合適的生產(chǎn)方案，對生產(chǎn)設(shè)備的任務(wù)和產(chǎn)品的生產(chǎn)順序分別進(jìn)行合理分配和排序，充分利用生產(chǎn)環(huán)境中的資源進(jìn)行優(yōu)化排產(chǎn)，而且還能對產(chǎn)品的質(zhì)量進(jìn)行預(yù)測分析，為企業(yè)領(lǐng)導(dǎo)層的決策提供數(shù)據(jù)支持。

4 關(guān)鍵技術(shù)（The key technology）

4.1 大數(shù)據(jù)存儲技術(shù)

大數(shù)據(jù)下，直升機(jī)制造業(yè)對于海量數(shù)據(jù)的存儲將面臨如下挑戰(zhàn)：（1）存儲數(shù)據(jù)量大，直升機(jī)制造工序復(fù)雜，積累的數(shù)據(jù)將達(dá)到PB級別甚至更高；（2）直升機(jī)制造數(shù)據(jù)來源廣泛，數(shù)據(jù)形式和數(shù)據(jù)結(jié)構(gòu)均比較復(fù)雜；（3）要滿足數(shù)據(jù)的完整性、可擴(kuò)展性。直升機(jī)制造大數(shù)據(jù)存儲采用分布式文件系統(tǒng)HDFS和按列存儲數(shù)據(jù)庫HBase。

傳統(tǒng)的數(shù)據(jù)存儲方式已經(jīng)不能滿足業(yè)務(wù)的需求，分布式文件系統(tǒng)是被國內(nèi)外一致認(rèn)可的存儲大數(shù)據(jù)最好的工具，比較有代表性的分布式文件系統(tǒng)當(dāng)屬Hadoopz的 HDFS（Hadoop Distributed File System）。HDFS采用master/slave主從架構(gòu)，即一個(gè)控制節(jié)點(diǎn)和若干個(gè)數(shù)據(jù)節(jié)點(diǎn)組成[5]。一個(gè)文件信息通常被切分為若干部分分別存放在不同的數(shù)據(jù)節(jié)點(diǎn)，控制節(jié)點(diǎn)相當(dāng)于整個(gè)集群的目錄，用來存儲數(shù)據(jù)節(jié)點(diǎn)的文件元數(shù)據(jù)。

HBase是基于HDFS是一種分布式的非關(guān)系型數(shù)據(jù)庫，其本質(zhì)是一張面向列的分布式多維映射表。傳統(tǒng)的MySQL等關(guān)系型數(shù)據(jù)庫通常被部署在一臺服務(wù)器上，而HBase數(shù)據(jù)庫是在多臺服務(wù)器上分布存儲的，如表1所示數(shù)據(jù)在Hbase的存儲方式[6]。

如表1所示，HBase主要由Row Key（行鍵）、Time Stamp（時(shí)間戳）和Column Family（列族）組成，Row Key由任意部大于64kB的字符串組成[7]；Time Stamp是主要是用于記錄數(shù)據(jù)的版本，當(dāng)有新的數(shù)據(jù)插入，系統(tǒng)會自動添加時(shí)間戳；Column Family必須在使用表之前預(yù)先定義，但列族成員可以根據(jù)需要隨時(shí)添加。

4.2 大數(shù)據(jù)分析技術(shù)

Map/Reduce則是Hadoop的唯一分布式程序設(shè)計(jì)模型，主要用于海量數(shù)據(jù)集的并行處理。Map、Reduce來源于函數(shù)式編程模型中的“Map”“Reduce”兩個(gè)核心操作。

當(dāng)進(jìn)行大數(shù)據(jù)分析時(shí)，此模型先對輸入的文件進(jìn)行切割，然后分發(fā)給Map函數(shù)，Map函數(shù)將其映射成另外一組中間文件，Reduce函數(shù)主要作用是整合Map函數(shù)映射成的中間文件，Map函數(shù)的映射規(guī)則和Reduce函數(shù)的整合處理是開發(fā)人員通過編寫代碼實(shí)現(xiàn)的。

4.3 大數(shù)據(jù)可視化技術(shù)

大數(shù)據(jù)可視化包括兩層含義，不僅指利用數(shù)據(jù)挖掘技術(shù)從數(shù)據(jù)中挖掘有用的信息，而且還要將得到的信息向用戶直觀地展示。大數(shù)據(jù)可視化的主要步驟包括獲取數(shù)據(jù)、分析數(shù)據(jù)、過濾數(shù)據(jù)、挖掘數(shù)據(jù)、展示數(shù)據(jù)和數(shù)據(jù)總結(jié)等。

將數(shù)據(jù)挖掘應(yīng)用于直升機(jī)制造企業(yè)[8]，一方面可以更加精準(zhǔn)地把握產(chǎn)品的加工、質(zhì)量和安全管理等方面的情況，另一方面可以預(yù)測未來可能遇到的生產(chǎn)和管理上的問題。數(shù)據(jù)挖掘常用的算法是關(guān)聯(lián)分析法，通過分析數(shù)據(jù)和系統(tǒng)之間的關(guān)聯(lián)，然后進(jìn)行數(shù)據(jù)的分類和聚類，最后有目標(biāo)型的挖掘數(shù)據(jù)潛在的價(jià)值。

可視化展示是建立在數(shù)據(jù)挖掘的基礎(chǔ)上，將數(shù)據(jù)中的信息形象化展示出來，常用的方法是多維智能分析法，該方法可以對分析對象進(jìn)行時(shí)間、空間和邏輯關(guān)系等多個(gè)維度進(jìn)行分析。

5 大數(shù)據(jù)平臺的實(shí)踐應(yīng)用（The practical application

of big date platform）

5.1 系統(tǒng)功能簡介

直升機(jī)制造大數(shù)據(jù)平臺的有些功能是需要在后臺做處理的，而這些功能對于實(shí)時(shí)性的要求并不高，比如企業(yè)每月都要進(jìn)行的加工數(shù)據(jù)宏觀分析、預(yù)測企業(yè)加工效率增長趨勢、直升機(jī)制造關(guān)鍵設(shè)備的健康管理等功能都屬于后臺數(shù)據(jù)處理，本文以直升機(jī)制造關(guān)鍵設(shè)備的健康管理為例進(jìn)行說明[9]。

A公司已經(jīng)構(gòu)建了一套具有狀態(tài)感知、實(shí)時(shí)分析、自主決策特征的旋翼系統(tǒng)部件生產(chǎn)及裝配的智能制造生產(chǎn)線執(zhí)行系統(tǒng)，通過實(shí)時(shí)監(jiān)控發(fā)現(xiàn)生產(chǎn)過程中的問題，及時(shí)采取應(yīng)對措施。若能從海量的歷史數(shù)據(jù)中提取故障征兆數(shù)據(jù)，采用預(yù)測與相關(guān)管理算法進(jìn)行計(jì)算，從而生成該設(shè)備將要或已經(jīng)發(fā)生故障的相關(guān)信息，分析預(yù)測自身狀態(tài)，就能更有效提高產(chǎn)品加工效率。

系統(tǒng)由設(shè)備數(shù)據(jù)采集、設(shè)備專項(xiàng)體檢、設(shè)備健康評估和建議、設(shè)備健康風(fēng)險(xiǎn)預(yù)警四大模塊組成，如圖2所示。

設(shè)備數(shù)據(jù)采集模塊主要是針對設(shè)備的基本信息和歷史狀態(tài)數(shù)據(jù)進(jìn)行管理，設(shè)備的基本信息包括設(shè)備編號、購買時(shí)間、加工零件類型、使用年限等；設(shè)備專項(xiàng)體檢模塊中的“專項(xiàng)”包括生產(chǎn)數(shù)量、產(chǎn)品種類、工藝難度、原料供應(yīng)、廢品率、產(chǎn)品要求精度、員工效率、設(shè)備生產(chǎn)率、設(shè)備故障率等，通過此模塊可以根據(jù)設(shè)備和產(chǎn)品的特點(diǎn)，有針對性分析影響設(shè)備利用率低下的原因；設(shè)備健康評估和建議模塊能夠?qū)ｍ?xiàng)中的所有指標(biāo)進(jìn)行評估，并根據(jù)評估結(jié)果給予一定的建議，針對生產(chǎn)管控系統(tǒng)某個(gè)關(guān)鍵設(shè)備利用率低的問題，可以通過此模塊進(jìn)行分析，并采取措施；風(fēng)險(xiǎn)預(yù)警模塊主要是對設(shè)備的近期若干次的健康體檢報(bào)告的數(shù)據(jù)進(jìn)行管理，若發(fā)現(xiàn)嚴(yán)重影響設(shè)備運(yùn)行率的指標(biāo)超低，會進(jìn)行紅色預(yù)警。

5.2 開發(fā)工具及環(huán)境

硬件工具及環(huán)境：本項(xiàng)目的Hadoop集群由五臺普通的PC機(jī)組成，其中兩臺用作控制節(jié)點(diǎn)和第二控制節(jié)點(diǎn)，其余三臺用作數(shù)據(jù)節(jié)點(diǎn)。

軟件工具及環(huán)境：本項(xiàng)目基于Java EE開發(fā)模式和B/S架構(gòu)，后臺采用Struts、Spring和Hibernate混合框架，前臺采用ExtJS框架；所有節(jié)點(diǎn)采用Linux操作系統(tǒng)、Java Web服務(wù)器采用Tomcat。

5.3 大數(shù)據(jù)存儲

Hadoop集群搭建好后，通過MyEclipse平臺開發(fā)大數(shù)據(jù)平臺存儲功能，主要包括的類如表2所示。

5.4 大數(shù)據(jù)挖掘和設(shè)備健康狀態(tài)預(yù)測

本文在數(shù)據(jù)挖掘階段采用神經(jīng)網(wǎng)絡(luò)、非結(jié)構(gòu)數(shù)據(jù)關(guān)聯(lián)分析、模糊識別等算法，形成了算法工具庫。以非結(jié)構(gòu)數(shù)據(jù)關(guān)聯(lián)分析為例，直升機(jī)制造關(guān)鍵設(shè)備健康管理系統(tǒng)可以通過兩種方式定義關(guān)聯(lián)算法的規(guī)則，一種是對非結(jié)構(gòu)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)潛在的關(guān)聯(lián)，另一種是根據(jù)直升機(jī)制造過程中積累的經(jīng)驗(yàn)自定義關(guān)聯(lián)規(guī)則[10，11]。

本文采用回歸分析法進(jìn)行設(shè)備健康狀態(tài)的預(yù)測，目的是根據(jù)重要數(shù)據(jù)的變化趨勢，對未來一定時(shí)期內(nèi)關(guān)鍵設(shè)備的健康狀況進(jìn)行推測，提前采取應(yīng)對措施。

5.5 大數(shù)據(jù)的可視化分析

直升機(jī)制造關(guān)鍵設(shè)備健康的大數(shù)據(jù)可視化分析主要分為三個(gè)步驟[12]，如圖3所示。

如圖3所示，直升機(jī)制造關(guān)鍵設(shè)備健康的大數(shù)據(jù)可視化分析的處理流程如下：

步驟1：收集數(shù)據(jù)。將直升機(jī)制造關(guān)鍵設(shè)備的原始數(shù)據(jù)序列化到hadoop中的HDFS中，并持久化到HBase非結(jié)構(gòu)化數(shù)據(jù)庫。

步驟2：根據(jù)業(yè)務(wù)需求在算法工具箱中選用相應(yīng)的算法對數(shù)據(jù)進(jìn)行挖掘。

步驟3：將數(shù)據(jù)挖掘算法輸出的結(jié)果集映射到可視化模塊中成為圖形信息，可視化引擎將結(jié)果集與場景集成，將可視化效果圖反饋給用戶。

6 結(jié)論（Conclusion）

大數(shù)據(jù)是實(shí)現(xiàn)工業(yè)4.0的技術(shù)基礎(chǔ)，在直升機(jī)制造中的應(yīng)用中，通過建立大數(shù)據(jù)存儲、數(shù)據(jù)分析等模型，能夠?qū)χ鄙龣C(jī)零部件生產(chǎn)加工全工序質(zhì)量信息進(jìn)行自動化采集、集成管理與質(zhì)量預(yù)警。充分發(fā)揮了大數(shù)據(jù)技術(shù)在數(shù)據(jù)處理能力中的優(yōu)勢，有效完善了直升機(jī)制造和裝配中的建模，以及數(shù)據(jù)的處理，從而確保了直升機(jī)制造的加工效率和產(chǎn)品質(zhì)量。

參考文獻(xiàn)（References）

[1] Baesens，B.，Bapna，R.，Marsden，et al.Transformational issues of big data and analytics in networked business[J].MIS Quarterly，2016，40（4）：807-818.

[2] Robert Thorstad，Phillip Wolff.A big data analysis of the relationship between future thinking and decision-making[J].PNAS February 20，2018，115（8）：E1740-E1748.

[3] Chaowei Yang，Qunying Huang，Zhenlong Li，et al.Big Data and cloud computing： innovation opportunities and challenges[J].International Journal of Digital Earth，2016，10（1）：13-53.

[4] Alexandros Labrinidis，H.V.Jagadish.Challenges and opportunities with big data[J].Proceedings of the VLDB Endowment，2012，152（10）：2032-2033.

[5] Chang F，Dean J，Ghemawat S，et al.Big Table：A distributed storage system for structured data[J].ACM Transactions on Computer Systems，2008，26（2）：1-26.

[6] Ghemawat S，Gob IOFF H，Leung P T.The Google file system[C].Proceedings of the 19th ACM Symposium on Operating Systems Principles.New York：ACM Press，2003，29（8）：29-43.

[7] Dean J，Ghemawat S.Map/Reduce：Simplied data processing on large clusters[C].OSD Ip04：Proceedings of the 6th Symposium on Operating System Design and Implementation.New York：ACM Press，2004，19（6）：137-150.

[8] 黃陽華.德國“工業(yè)4.0”計(jì)劃及其對我國產(chǎn)業(yè)創(chuàng)新的啟示[J].經(jīng)濟(jì)社會體制比較，2015（2）：1-10.

[9] 劉智慧，張泉靈.大數(shù)據(jù)技術(shù)研究綜述[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版，2014（06）：957-972.

[10] Zhang Guanglan，Sun Jing，Chitkushev L，et al.Big data analytics in immunology：a knowledge-based approach[J].Biomed Research International，2014（1）：9-18.

[11] 李德仁，李德毅.論空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的理論與方法[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2002（03）：221-233.

[12] Wu Yingbin，Guo Fuliang.Visualization technology based on the treatment of complicated data[J].Computer & Digital Engineering，2015，43（11）：1985-1989.

作者簡介：

張貝貝（1991-），女，碩士，工程師.研究領(lǐng)域：大數(shù)據(jù)，人工智能及云計(jì)算.