奚新文　茅衛(wèi)東　張轉(zhuǎn)平

摘 要：計(jì)算機(jī)技術(shù)的發(fā)展已在各行各業(yè)得到快速的發(fā)展。本文研究利用工業(yè)大數(shù)據(jù)提高新能源汽車的質(zhì)量，主要利用聚類方法對(duì)影響新能源汽車質(zhì)量的相關(guān)數(shù)據(jù)進(jìn)行分類，探討影響新能源汽車質(zhì)量的主要因素。首先分析了工業(yè)大數(shù)據(jù)的應(yīng)用場(chǎng)景，然后分析了工業(yè)大數(shù)據(jù)的常用的方法，并將此方法應(yīng)用到對(duì)工業(yè)大數(shù)據(jù)的分析中。結(jié)果顯示，利用數(shù)據(jù)聚類方法能對(duì)相關(guān)數(shù)據(jù)進(jìn)行有效的分類。

關(guān)鍵詞：工業(yè)大數(shù)據(jù);新能源汽車;質(zhì)量;聚類分析

1 前言

新能源汽車的發(fā)展是汽車發(fā)展的新方向，隨著人們環(huán)境保護(hù)意識(shí)的增加，新能源汽車逐漸有替代傳統(tǒng)燃油車的趨勢(shì)。新能源汽車的逐漸普及給汽車公司帶來了新的發(fā)展和挑戰(zhàn)，如何利用新的產(chǎn)品為公司帶來更多的利潤，成為公司發(fā)展新能源汽車過程中必須要考慮的問題。

國內(nèi)公司對(duì)新能源汽車的研究頗多，也為社會(huì)提供了許多產(chǎn)品。但是廉價(jià)的新能源汽車雖然銷量不錯(cuò)，但是并不能帶來非常可觀的利潤。汽車公司必須提供更高質(zhì)量的新能源汽車，才能夠在日益激烈的競(jìng)爭(zhēng)環(huán)境中生。

計(jì)算機(jī)技術(shù)發(fā)展迅速，通訊網(wǎng)絡(luò)也在快速發(fā)展，隨之而來的是大量數(shù)據(jù)的不斷積累。在工業(yè)生產(chǎn)中，也出現(xiàn)了許多數(shù)據(jù)，統(tǒng)稱為工業(yè)大數(shù)據(jù)。如何從海量的數(shù)據(jù)中提取出有用的信息，并且利用這些數(shù)據(jù)提高新能源汽車的質(zhì)量，成為新能源汽車發(fā)展過程中必須要解決的問題。

工業(yè)大數(shù)據(jù)攜帶著大量有用的信息，其優(yōu)勢(shì)明顯。本文將探討工業(yè)大數(shù)據(jù)與新能源汽車發(fā)展之間的關(guān)系，并研究如何利用工業(yè)大數(shù)據(jù)，提高新能源汽車的質(zhì)量。

2 工業(yè)大數(shù)據(jù)的應(yīng)用

大數(shù)據(jù)的概念首先產(chǎn)生于IT行業(yè)中，最早是對(duì)互聯(lián)網(wǎng)中產(chǎn)生的極大量數(shù)據(jù)的統(tǒng)稱。隨著互聯(lián)網(wǎng)在各個(gè)領(lǐng)域的應(yīng)用，大數(shù)據(jù)相關(guān)的概念層出不窮，比如：大數(shù)據(jù)醫(yī)療、大數(shù)據(jù)信息以及工業(yè)大數(shù)據(jù)。

各種概念中與新能源汽車聯(lián)系緊密的便是工業(yè)大數(shù)據(jù)。新能源汽車的發(fā)展離不開制造，制造過程中的海量數(shù)據(jù)可以被利用，新能源汽車若想發(fā)展好離不開工業(yè)大數(shù)據(jù)。工業(yè)大數(shù)據(jù)的框架主要包括五個(gè)部分，如圖1所示。

首先需要對(duì)數(shù)據(jù)進(jìn)行收集，數(shù)據(jù)的收集是產(chǎn)生工業(yè)大數(shù)據(jù)的手段，收集的數(shù)據(jù)則是數(shù)據(jù)分析的基石。收集到的數(shù)據(jù)儲(chǔ)存在存儲(chǔ)設(shè)備中。當(dāng)完成數(shù)據(jù)收集以后，便需要進(jìn)行數(shù)據(jù)的傳遞，將收集到的數(shù)據(jù)傳遞到數(shù)據(jù)處理中心。當(dāng)數(shù)據(jù)處理中心接收到數(shù)據(jù)以后，便開始對(duì)數(shù)據(jù)進(jìn)行處理，提取數(shù)據(jù)的特征，從而為數(shù)據(jù)的建模建立基礎(chǔ)。通過對(duì)數(shù)據(jù)進(jìn)行處理以后，可以提取出數(shù)據(jù)的特征，獲取相關(guān)的重要信息，剔除無關(guān)信息。利用數(shù)據(jù)的特征進(jìn)行建模分析，從而獲得問題的模型。

3 工業(yè)大數(shù)據(jù)的處理方法

K-means聚類是處理工業(yè)大數(shù)據(jù)的一種常用的方法，在進(jìn)行數(shù)據(jù)聚類時(shí)主要利用數(shù)據(jù)之間的歐式距離確定數(shù)據(jù)點(diǎn)之間距離，從而判斷出哪些數(shù)據(jù)的之間的距離較近，哪些數(shù)據(jù)之間的點(diǎn)較遠(yuǎn)，這種方法被稱之為K-最近相鄰點(diǎn)算法。

K-means聚類方法主要利用數(shù)據(jù)之間的歐式距離來判斷數(shù)據(jù)點(diǎn)之間的相似性。對(duì)于n維的數(shù)據(jù)點(diǎn)，計(jì)算其與子集之間的距離。此處，利用最近相鄰點(diǎn)的平均距離的分?jǐn)?shù)來表示：

（1）

通過對(duì)數(shù)據(jù)的分類，可以獲得影響新能源汽車質(zhì)量的相關(guān)數(shù)據(jù)。

4 新能源汽車質(zhì)量研究

影響新能源汽車質(zhì)量的因素有很多，通過采集數(shù)據(jù)可以對(duì)數(shù)據(jù)進(jìn)行分類。假設(shè)影響新能源汽車質(zhì)量的數(shù)據(jù)是一個(gè)n維的向量，通過聚類分析，可以獲得影響新能源質(zhì)量的主要因素。

此處給出一個(gè)二維向量的分布圖，如圖2所示。

通過聚類的方法可以對(duì)影響新能源汽車質(zhì)量的工業(yè)大數(shù)據(jù)進(jìn)行分類，從而總結(jié)出一些規(guī)律。

5 總結(jié)與展望

隨著計(jì)算機(jī)技術(shù)的發(fā)展，可以收集到的數(shù)據(jù)量越來越多，傳統(tǒng)的方法已經(jīng)很難有效的進(jìn)行數(shù)據(jù)分析，這對(duì)新能源汽車的發(fā)展造成了阻礙。本文利用數(shù)據(jù)分類的方法對(duì)工業(yè)大數(shù)據(jù)進(jìn)行聚類分析，探討了如何利用工業(yè)大數(shù)據(jù)促進(jìn)新能源汽車的質(zhì)量發(fā)展。

在未來的研究中，將探討更簡單有效的方法，以促進(jìn)新能源汽車的發(fā)展。

基金項(xiàng)目：2018年奇瑞新能源汽車暨智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)技術(shù)創(chuàng)新工程項(xiàng)目-奇瑞新能源汽車全鋁框架產(chǎn)線分布在線檢測(cè)系統(tǒng)（皖發(fā)改產(chǎn)業(yè)函[2018]602號(hào)）

參考文獻(xiàn)：

[1]歐陽明高.我國節(jié)能與新能源汽車發(fā)展戰(zhàn)略與對(duì)策[J].汽車工程，2006，28（4）.

[2]張利，王為，陳澤堅(jiān)，et al.新能源汽車SOC估算的模糊預(yù)測(cè)算法研究[J].電子測(cè)量與儀器學(xué)報(bào)，2011（4）：315-319.

[3]唐葆君，劉江鵬.中國新能源汽車產(chǎn)業(yè)發(fā)展展望[J].北京理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2015（2）：1-6.

[4]李振宇，任文坡，黃格省，et al.我國新能源汽車產(chǎn)業(yè)發(fā)展現(xiàn)狀及思考[J].化工進(jìn)展，2017（7）.

[5]張新豐，沈勇，宋謌，et al.面向規(guī)模示范運(yùn)營的新能源汽車遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)[J].汽車工程，2012，34（5）：470-474.

[6]白雪，張祥.新能源汽車“十三五”開局回顧及未來展望[J].北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017（02）：45-50.

[7]孫曉華，徐帥.政府補(bǔ)貼對(duì)新能源汽車購買意愿的影響研究[J].大連理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2018，39（3）：8-16.

[8]曹霞，邢澤宇，張路蓬.基于政府驅(qū)動(dòng)的新能源汽車產(chǎn)業(yè)合作創(chuàng)新演化博弈研究[J].運(yùn)籌與管理，2018，v.27;147（06）：25-34.