98国产在线视频福利_欧亚v视频日韩一区二区_国产在线精彩视频_亚洲伊人久久综合影院_亚洲欧美高清激情精品一区_少妇熟女天堂网av_午夜福利日本专区_中美女子成人毛片_大荫蒂毛茸茸视频国产_小14萝裸体自慰洗澡大尺度

方案

工業(yè)數字化轉型中的數據治理

> 隨著(zhù)數據資源的爆炸性增長(cháng)，企業(yè)面臨著(zhù)數據標準不統一、**數據信息分散、數據質(zhì)量參差不齊、開(kāi)發(fā)維護困難**等問(wèn)題，很難滿(mǎn)足實(shí)時(shí)分析和決策的高要求。因此，數據治理對于工業(yè)互聯(lián)網(wǎng)的發(fā)展至關(guān)重要。隨著(zhù)數據資源的爆炸性增長(cháng)，企業(yè)面臨著(zhù)數據標準不統一、數據信息分散、數據質(zhì)量參差不齊、開(kāi)發(fā)維護困難等問(wèn)題，很難滿(mǎn)足實(shí)時(shí)分析和決策的高要求。因此，數據治理對于工業(yè)互聯(lián)網(wǎng)的發(fā)展至關(guān)重要。

### 1 數據治理發(fā)展現狀

1.1數據治理的相關(guān)概念

數據治理是組織中對數據使用和管護的管理行為，其本質(zhì)是指導、評估和監督數據的管理和利用，通過(guò)制定數據標準體系，提高數據的質(zhì)量，并為組織提供不斷創(chuàng  )新的數據服務(wù)，以提高數據的價(jià)值密度。數據治理內容主要包括**元數據管理、主數據管理、數據標準管理、數據質(zhì)量管理、數據生命周期管理、數據組織、數據安全和數據服務(wù)**等模塊，不同模塊功能明確、相互協(xié)同，共同打造統一調度、精準服務(wù)、安全可用的信息共享服務(wù)體系。

1.2數據治理的發(fā)展歷史

數據治理的發(fā)展歷史可分為三個(gè)階段。第一階段為早期探索階段，1988年麻省理工學(xué)院?jiǎn)?dòng)的全面數據質(zhì)量管理計劃形成了數據治理的雛形。同年，國際數據管理組織協(xié)會(huì )(DAMA)成立。2002年，數據治理概念在學(xué)術(shù)界嶄露頭角，美國兩位學(xué)者結合兩家公司的實(shí)踐結果提出數據治理研究方向，由此拉開(kāi)了數據治理在企業(yè)管理中的大幕。第二階段為理論研究階段，2003年國際數據治理研究所成立，主要研究數據治理理論框架，與國際標準化組織合作對數據治理進(jìn)行定義。2009年，DAMA發(fā)布數據管理知識體系指南，基本確定數據治理的理論框架。第三階段為廣泛接受與應用階段，隨著(zhù)數據倉庫的建設，國內也逐步開(kāi)始接受數據治理的理念，并在2015年提出了《數據治理白皮書(shū)》國際標準研究報告。

2020以來(lái)，數據治理在公共管理、科學(xué)研究與工商業(yè)等領(lǐng)域得到廣泛應用，以數據為核心的“互聯(lián)網(wǎng)+”體系日益彰顯數據治理的價(jià)值，為進(jìn)一步推動(dòng)數據治理的發(fā)展，美國、歐盟紛紛頒布圍繞數據使用與保護的公共政策。我國也相繼出臺了《中國制造2025》《關(guān)于深化“互聯(lián)網(wǎng)+先進(jìn)制造業(yè)”發(fā)展工業(yè)互聯(lián)網(wǎng)的指導意見(jiàn)》等相關(guān)政策以促進(jìn)工業(yè)互聯(lián)網(wǎng)發(fā)展，進(jìn)一步體現了工業(yè)數據治理的必要性。

1.3工業(yè)數據治理探索

**工業(yè)生產(chǎn)制造主要包括設備故障預警、異常實(shí)時(shí)告警、異?；厮?、產(chǎn)品穩定性和生產(chǎn)效率優(yōu)化等業(yè)務(wù)場(chǎng)景**。隨著(zhù)智能制造、工業(yè)互聯(lián)網(wǎng)等戰略政策的深入推進(jìn)，工業(yè)企業(yè)積累了大量的數據，為不同業(yè)務(wù)場(chǎng)景下的數據分析提供高質(zhì)量的數據接口，使得開(kāi)展工業(yè)數據治理成為核心問(wèn)題。本文將以**工業(yè)數據為核心，以數據治理為方法，以業(yè)務(wù)應用為目的，構建面向工業(yè)生產(chǎn)制造的數據治理體系，并通過(guò)案例實(shí)踐驗證數據治理的成效**。

### 2 工業(yè)數據治理體系

2.1工業(yè)數據態(tài)勢

2.1.1工業(yè)數據來(lái)源

工業(yè)數據可劃分為操作技術(shù)數據(OT)和信息技術(shù)數據(IT)。OT數據是工業(yè)數據的主要部分，源自工業(yè)生產(chǎn)機器設備、自動(dòng)化采集系統等，包含時(shí)序數據和非時(shí)序數據。時(shí)序數據包括溫度、壓力、流量等數據。非時(shí)序數據包括工業(yè)系統的日志數據以及生產(chǎn)調控的經(jīng)驗數據。IT數據主要包括企業(yè)資源計劃(ERP)、制造執行系統(MES)等業(yè)務(wù)數據。其中ERP系統主要包括財務(wù)、客戶(hù)關(guān)系、供應鏈管理等數據，MES系統位于上層ERP層與底層控制層之間，主要包括生產(chǎn)調度、質(zhì)量管理、人員管理等數據。

2.1.2工業(yè)數據特點(diǎn)

**“隔離性”**。工業(yè)數據來(lái)自多道工序的多臺設備，設備獨立工作以及工序間數據互不流通，形成一座座“數據孤島”。

**“多模態(tài)”**。工業(yè)數據來(lái)源多樣，結構復雜。除工業(yè)生產(chǎn)中所采集的溫度、壓力、流量等時(shí)序數據之外，還包括檢測火焰溫度等的紅外熱成像視頻數據。

**“強關(guān)聯(lián)”**。工業(yè)數據中的關(guān)聯(lián)主要包括：生產(chǎn)指標間的關(guān)聯(lián)，如原料燃料流量、溫度、壓力的關(guān)聯(lián)；生產(chǎn)過(guò)程的關(guān)聯(lián)，如生產(chǎn)工序間的工藝參數關(guān)聯(lián)關(guān)系；產(chǎn)品設計制造等環(huán)節之間的關(guān)聯(lián)，如仿真過(guò)程與產(chǎn)品實(shí)際工況間的關(guān)聯(lián)。

**“高通量”**。傳感器所采集的時(shí)序數據具有設備多、測點(diǎn)多、頻率高、吞吐量大、連續不間斷的特點(diǎn)。以某工業(yè)生產(chǎn)設備為例，數據采樣頻率為10Hz，單臺設備每秒產(chǎn)生16KB的傳感器數據，按20臺設備全量采集計算，每日將產(chǎn)生約12.87GB的數據，每年將產(chǎn)生4.58TB的數據，呈現出“高通量”的特征。數據帶來(lái)巨大的存儲成本，還存在銜接不連貫、標準不統一、數據不對齊、“臟”數據等質(zhì)量問(wèn)題，無(wú)法為數據分析提供有效接口，如何提升數據價(jià)值密度、提高數據挖掘效率是現階段亟待解決的問(wèn)題。

2.2工業(yè)數據治理體系研究

2.2.1頂層框架設計

數據治理是工業(yè)數字化轉型之路的關(guān)鍵，數據治理工作的落地有助于提升數據價(jià)值密度、提高數據挖掘效率，更好服務(wù)靈活多變的業(yè)務(wù)場(chǎng)景，為數據分析提供有效接口。目前，數據治理體系的研究相當成熟，可適應于不同的應用場(chǎng)景。本文在借鑒通用數據治理體系的基礎上，結合工業(yè)數據的數據源、數據特點(diǎn)及業(yè)務(wù)場(chǎng)景等核心要素，搭建面向工業(yè)生產(chǎn)的數據治理體系，如圖1所示。
![](/upload/picture/2022-11-01/upload_6b364eef99dda05ad280172249465873.png)
圖 1數據治理體系框架

為保證數據資產(chǎn)不流失，對源數據和分析數據進(jìn)行物理隔離，源數據按照原始格式保留存儲在本地服務(wù)器中，分析數據則經(jīng)過(guò)數據治理后進(jìn)行存儲，對非必要數據進(jìn)行歸檔或銷(xiāo)毀。該數據治理體系框架囊括元數據管理、主數據管理、數據標準管理、數據質(zhì)量管理、數據生命周期管理、數據組織、數據安全及數據服務(wù)環(huán)節，環(huán)節間相互協(xié)同和依賴(lài)，形成全方位、多層次、多角度的數據治理框架。

2.2.2元數據管理

元數據的定義是“關(guān)于數據的數據”，元數據反映了數據的交易、事件、對象和關(guān)系等。通過(guò)元數據管理可繪制數據地圖、統一數據口徑、標明數據方位、分析數據關(guān)系以及精確到字段級別的影響分析，方便數據的跟蹤和回溯。
![](/upload/picture/2022-11-01/upload_93255c97b149e689c9219160bcf44e64.png)
圖 2工業(yè)元數據管理

在工業(yè)領(lǐng)域中，元數據主要包括技術(shù)元數據和業(yè)務(wù)元數據，如圖2所示。其中技術(shù)元數據具體為：物理資源的元數據(服務(wù)器、操作系統等)、數據源元數據(網(wǎng)關(guān)地址等)、存儲元數據(指標說(shuō)明、數據結構、存儲屬性、管理屬性等)、共享元數據(接口方式、格式等)等方面；業(yè)務(wù)元數據具體為：模型元數據(特征工程、評估標準等)、分析元數據(業(yè)務(wù)流程、業(yè)務(wù)規則等)方面?；诠I(yè)元數據管理，可構建元模型進(jìn)行元數據自動(dòng)化采集，實(shí)現企業(yè)信息化資產(chǎn)梳理、數據地圖、數據血緣分析等功能。

2.2.3主數據管理

主數據是指滿(mǎn)足跨部門(mén)、跨業(yè)務(wù)協(xié)同需要的系統共享數據，在各個(gè)業(yè)務(wù)部門(mén)中被重復使用，如客戶(hù)、供應商、資產(chǎn)、產(chǎn)品、物料單、賬戶(hù)等數據。工業(yè)主數據管理流程由業(yè)務(wù)治理、標準治理、質(zhì)量治理組成，如圖3所示。
![](/upload/picture/2022-11-01/upload_158955e35bb487620cec04b0633121ff.png)
圖3工業(yè)主數據管理

在工業(yè)制造領(lǐng)域中，主數據結合物聯(lián)網(wǎng)數據可以實(shí)現不同的業(yè)務(wù)場(chǎng)景需求。例如，若要了解或預測物料的庫存情況以提高生產(chǎn)調度效率，可將原料消耗的傳感器數據與物料單主數據進(jìn)行關(guān)聯(lián)分析，從而感知到物料的庫存情況。因此，通過(guò)將高價(jià)值、高共享、相對穩定的主數據與物聯(lián)網(wǎng)數據相關(guān)聯(lián)，結合機器學(xué)習、深度學(xué)習等算法，可實(shí)時(shí)評估企業(yè)的生產(chǎn)運營(yíng)情況以做針對性的調整。

2.2.4數據標準管理

數據標準管理的目標是設計一套標準體系，包括數據質(zhì)量標準、數據操作標準、數據應用標準，形成一個(gè)可流通、可共享的信息平臺。數據標準主要由業(yè)務(wù)定義、技術(shù)定義和管理信息三部分構成，業(yè)務(wù)定義包括業(yè)務(wù)、名稱(chēng)和接口等方面的定義，技術(shù)定義包括數據類(lèi)型、數據結構等方面的定義，管理信息包括所有者、管理人員等方面的定義，如圖4所示。
![](/upload/picture/2022-11-01/upload_b75065f819274fc5086991bc2b5b4e10.png)

圖5工業(yè)數據質(zhì)量管理

傳統的質(zhì)量評估體系過(guò)于繁雜，結合工業(yè)數據和業(yè)務(wù)場(chǎng)景，基于完整性、準確性、規范性、唯一性、一致性、關(guān)聯(lián)性、可追溯性等構建合理的數據質(zhì)量評估體系，并根據工業(yè)實(shí)際生產(chǎn)情況，對質(zhì)量評估體系細化：

**(1)生產(chǎn)控制數據**：生產(chǎn)控制指標若出現不完整、不一致等問(wèn)題，或導致異常調控不及時(shí)等情況發(fā)生。因此，對生產(chǎn)控制指標的數據質(zhì)量管理提高優(yōu)先級，保障生產(chǎn)流程的正常運轉。

**(2)傳感器數據**：傳感器數據監測生產(chǎn)過(guò)程中的運作情況，可實(shí)時(shí)感知生產(chǎn)異常，并及時(shí)優(yōu)化調整。因此，要提高傳感器數據接入的及時(shí)性、一致性。

**(3)故障記錄數據**：為保證生產(chǎn)設備的穩定運轉，需要對設備故障記錄進(jìn)行分析診斷，因此需要保證設備故障記錄數據的可靠性和可追溯性。

**(4)庫存物流數據**：庫存物流管理是生產(chǎn)、計劃和控制的基礎。通過(guò)保證庫存物流數據的及時(shí)性和完整性，能夠優(yōu)化生產(chǎn)周期，保證生產(chǎn)的良性循環(huán)。

2.2.6數據生命周期管理

采用科學(xué)的數據生命周期管理能夠提高系統運行效率，大幅減少數據儲存成本，更好服務(wù)客戶(hù)需求。數據生命周期包含在線(xiàn)階段、歸檔階段、銷(xiāo)毀階段三大階段，如圖6所示。
![](/upload/picture/2022-11-01/upload_7c3c56d41183bd1de1ffb6a523694192.png)
圖6工業(yè)數據生命周期管理

本文對工業(yè)領(lǐng)域的各應用系統數據進(jìn)行提煉和分類(lèi)，在數據生命周期的各個(gè)階段制定有效的管理策略。首先，將光工業(yè)應用系統按產(chǎn)品線(xiàn)進(jìn)行劃分，確定數據類(lèi)別，規定數據有效期，從而建立完整的數據有效期管理工作規范體系。然后，針對長(cháng)有效期數據，在有效期結束后采用低成本存儲介質(zhì)保存，采用在線(xiàn)和離線(xiàn)的方式逐步歸檔數據。最后，銷(xiāo)毀冗余數據，節約數據存儲資源?？梢钥闯?，數據生命周期管理能夠大幅提升高價(jià)值數據的查詢(xún)效率，同時(shí)減少高價(jià)格的存儲介質(zhì)的采購成本。

2.2.7數據組織

數據組織的目的是根據數據應用需求，采用標準統一、流程規范的方案分類(lèi)構建數據資源庫，進(jìn)一步強化大數據內部關(guān)聯(lián)。數據組織主要包括原始庫、知識庫、主題庫等。

**(1)原始庫**：原始庫保存原始業(yè)務(wù)場(chǎng)景數據。工業(yè)原始數據主要包括設備監測數據、生產(chǎn)流程記錄、產(chǎn)品檢驗數據、生產(chǎn)異常數據及生產(chǎn)運營(yíng)數據等。

**(2)知識庫**：知識庫指工業(yè)領(lǐng)域的業(yè)務(wù)經(jīng)驗數據和規則方法集合，包括數據接入、處理、服務(wù)以及工業(yè)通用模型所涉及的知識性數據和規則方法。工業(yè)知識庫主要包括原料特性、設備參數、產(chǎn)品設計、生產(chǎn)原理、行業(yè)動(dòng)態(tài)等。

**(3)主題庫**：主題庫對原始數據和資源數據根據分析和服務(wù)的目的進(jìn)行劃分，形成不同主題的數據集合。工業(yè)數據主題庫主要包括人員主題庫、設備主題庫、原料主題庫、生產(chǎn)方法庫、生產(chǎn)環(huán)境庫等。

2.2.8數據安全

工業(yè)生產(chǎn)中的重要且敏感數據大部分集中在應用系統中，例如原料配方、控制策略等工藝參數數據，以及客戶(hù)信息、生產(chǎn)計劃、資產(chǎn)信息等生產(chǎn)運營(yíng)數據，敏感數據泄露對企業(yè)的影響是不可逆的，凸顯出數據安全在數據治理過(guò)程中的重要性。數據安全包括以下三點(diǎn)：

**(1)數據存儲安全**：包括物理安全、系統安全存儲數據的安全，主要通過(guò)安全硬件的采購來(lái)保障數據存儲安全。

**(2)數據傳輸安全**：包括數據加密和數據網(wǎng)絡(luò )安全控制，通過(guò)專(zhuān)業(yè)數據安全廠(chǎng)商提供技術(shù)保障。

**(3)數據使用安全**：基于業(yè)務(wù)系統層面，建立完善的數據安全管理體系、審查機制。對生產(chǎn)及研發(fā)測試過(guò)程中使用的各類(lèi)敏感數據進(jìn)行嚴密管理。

2.2.9數據服務(wù)

數據治理是為了更好地利用數據，是數據應用的基礎?；诠I(yè)領(lǐng)域的業(yè)務(wù)需求，大體劃分為三個(gè)方向：應用支撐、工具應用及業(yè)務(wù)應用。應用支撐服務(wù)包括知識圖譜構建、數據服務(wù)總線(xiàn)和服務(wù)管理等服務(wù)類(lèi)型；工具應用服務(wù)包括生產(chǎn)查詢(xún)檢索服務(wù)、模型分析服務(wù)和數據管理服務(wù)等服務(wù)類(lèi)型；業(yè)務(wù)應用服務(wù)包括產(chǎn)品溯源、異常預警和可視化大屏等服務(wù)類(lèi)型。通過(guò)對海量數據的集中、整合、挖掘和共享，結合全方位、多層次的數據服務(wù)體系，增強了異常處理的實(shí)時(shí)性和前瞻性，推動(dòng)工業(yè)向信息化、智能化轉型。

3 工業(yè)數字化之數據治理實(shí)踐

本文基于工業(yè)數據治理體系，以光纖生產(chǎn)為背景，探索工業(yè)數據治理在光纖生產(chǎn)領(lǐng)域的應用實(shí)踐。采用大數據分布式架構實(shí)現對數據的采集、清洗、存儲。構建數據地圖并進(jìn)行數據血緣分析，采用智能算法實(shí)現數據對齊、生產(chǎn)異常自動(dòng)識別與預警。對比了數據治理前后產(chǎn)品數據分析的優(yōu)化效果，搭建了數字化大屏，呈現可視化的數據治理成效，最后總結了數據治理為光纖生產(chǎn)帶來(lái)的產(chǎn)品質(zhì)量和效率的提升。

3.1數據地圖

數據地圖的構建屬于數據治理中的元數據管理環(huán)節。光纖工業(yè)的數據來(lái)源廣，數量多，分散性強。傳統的數據管理方式查找數據的成本較高。通過(guò)大數據采集存儲技術(shù)，追蹤從上游產(chǎn)品光纖預制棒至下游產(chǎn)品光纜的各項生產(chǎn)環(huán)節的原料、工況、質(zhì)量等相關(guān)數據，能夠實(shí)現數據串聯(lián)，打通數據孤島。數據地圖如圖7所示。

![](/upload/picture/2022-11-01/upload_dbf7917631eca09fb5d023e717f4c890.png)
圖7數據地圖

經(jīng)過(guò)數據治理之后，在對光纜成品進(jìn)行質(zhì)量分析時(shí)，分析人員能夠利用數據地圖進(jìn)行數據血緣分析，跟蹤數據來(lái)源并分析任務(wù)依賴(lài)，輕松追溯到上游生產(chǎn)中的光纖拉絲、光纖預制棒生產(chǎn)環(huán)節的相關(guān)數據，而不僅僅局限于當前的生產(chǎn)環(huán)節，從而獲得更有價(jià)值的分析結果。

3.2數據對齊

數據對齊屬于數據治理中的數據質(zhì)量管理環(huán)節。以光纖預制棒的制造為例，由于預制棒在生產(chǎn)過(guò)程中發(fā)生了多次形變，后期預制棒測試數據無(wú)法與前期傳感器記錄的生產(chǎn)數據相對應。為了展開(kāi)后續的質(zhì)量分析研判工作，需要將測試數據與生產(chǎn)數據對齊。

通過(guò)對預制棒生產(chǎn)過(guò)程中的棒體尺寸數據等記錄數據，采用膨脹點(diǎn)映射等智能算法對預制棒收縮和拉伸的過(guò)程進(jìn)行建模還原，能夠實(shí)現各個(gè)測試點(diǎn)位與生產(chǎn)時(shí)間段的對應，提升數據質(zhì)量豐富數據量的同時(shí)，為后續人工智能建模分析打下良好基礎。
![](/upload/picture/2022-11-01/upload_0ea559afab692d8d25f1bf72b60893f7.png)
圖 8數據對齊前后建模誤差對比

圖8展示了數據對齊前后預制棒BA比(芯層直徑與包層直徑之比)的建模預測誤差率，曲線(xiàn)越靠下表示預測誤差越低?？梢钥闯?，經(jīng)過(guò)數據治理后，同樣樣本量下，由于數據對齊后能夠進(jìn)行測點(diǎn)分段映射，擴充了模型訓練數據，使得基于隨機森林的回歸預測模型建模預測誤差率明顯降低。

3.3異常識別與預警

傳統異常告警機制具有告警模型單一，人工識別工作量大等缺陷，人工標注效率較低，而且誤標、漏標率較高。光纖工業(yè)的常見(jiàn)異常類(lèi)型包括脈沖型異常，階躍型異常以及模式異常，基于大量數據采用時(shí)序差分特征和時(shí)間窗統計特征構建的時(shí)間序列異常識別模型，能夠實(shí)現復雜環(huán)境下的異常告警需求，同時(shí)極大提高歷史異常識別效率，原本進(jìn)行數據的收集、整理，再人工對異常進(jìn)行標注的工作需要花費數天時(shí)間，通過(guò)數據治理集成異常識別模型后，只需要花費幾分鐘的時(shí)間即可完成歷史異常的識別和分析。

3.4數據分析周期優(yōu)化

在光纖工業(yè)中，針對產(chǎn)品品質(zhì)的數據分析是生產(chǎn)過(guò)程中的重要環(huán)節，需要不斷通過(guò)分析確定工藝參數的調整方向，以此改善生產(chǎn)品質(zhì)，保證生產(chǎn)穩定性。

開(kāi)展數據治理前，數據分析的周期長(cháng)、工作量大，分析的數據量也比較有限。在實(shí)施數據治理之后，采用云端采集和在線(xiàn)分析，代替過(guò)去手動(dòng)采集和離線(xiàn)分析的方式，同時(shí)保證了數據的準確性和完整性，大大減少分析人員在繁瑣的數據預處理任務(wù)中耗費的時(shí)間。數據治理前后對比如表1所示。

表1數據治理前后對比
![](/upload/picture/2022-11-01/upload_4cb5bc73f0d316c3a3d6ce93ddb80b93.png)

云端采集在線(xiàn)分析的方式能夠避免數據的二次傳輸，同時(shí)能夠利用服務(wù)器資源輔以定制化的數據分析工具產(chǎn)出分析結果，有效提高數據分析效率，數據分析周期由原來(lái)的3～7天縮短到了現在的當日產(chǎn)生數據，當日產(chǎn)出分析結果。在未來(lái)，將實(shí)現采集即服務(wù)，分析即服務(wù)的分析模式，保證數據高質(zhì)量的同時(shí)實(shí)現毫秒級的數據分析反饋。

3.5數字化大屏

將數據治理工作通過(guò)可視化方式展現，直觀(guān)體現數據治理成果，提供企業(yè)運營(yíng)、生產(chǎn)狀況、產(chǎn)品畫(huà)像等主題的大展示，實(shí)時(shí)呈現光纖工業(yè)生產(chǎn)運營(yíng)狀況，如圖9所示。
![](/upload/picture/2022-11-01/upload_3311f4caa3f5006bd2b9bbf66d1430bc.png)
圖 9數字化大屏

企業(yè)運營(yíng)大屏展現了企業(yè)光棒、光纖、光纜的原料、生產(chǎn)、檢驗、倉儲、銷(xiāo)售等關(guān)鍵環(huán)節的信息。

生產(chǎn)狀況大屏通過(guò)綜合產(chǎn)量、良品率、穩定性、資源消耗等多方面因素建立的分析模型為產(chǎn)線(xiàn)評分，直觀(guān)展現產(chǎn)線(xiàn)整體情況。

產(chǎn)品畫(huà)像大屏基于歷史生產(chǎn)數據、質(zhì)量測試數據構建產(chǎn)品畫(huà)像，以質(zhì)量數據為導向回溯生產(chǎn)數據，量化展示產(chǎn)品質(zhì)量差異的原因。

3.6產(chǎn)品質(zhì)量與效率提升

目前，企業(yè)在光纖預制棒、光纖拉絲中有諸多方面的提升，如表2所示。其中在光纖預制棒階段，生產(chǎn)過(guò)程中內部形成雜質(zhì)和氣泡，會(huì )嚴重影響后續光纖拉絲過(guò)程。經(jīng)數據治理后，數據質(zhì)量提高，通過(guò)數據分析與建模，不斷優(yōu)化生產(chǎn)工藝，有效降低預制棒的氣泡缺陷率，改善光纖預制棒的均勻性和重復性，良品率大幅度提升，達到投產(chǎn)門(mén)檻；在光纖拉絲階段，在拉絲提速、塔斷及告警反饋等方面的業(yè)務(wù)痛點(diǎn)方面有明顯的改善，拉絲良品率有效提升。

表2產(chǎn)品質(zhì)量與效率提升
![](/upload/picture/2022-11-01/upload_062dcd2b3751be81df3dc48bd9051b54.png)
4 結論

本文介紹了數據治理的發(fā)展現狀，分析了工業(yè)數據的特點(diǎn)，構建了一套面向工業(yè)的數據治理體系，并結合數據治理應用案例驗證數據治理的成效。以光纖生產(chǎn)為背景，應用案例表明，該工業(yè)數據治理體系作為工業(yè)數字化轉型的支撐點(diǎn)，能夠極大簡(jiǎn)化數據管理流程，減少人工工作量，提高數據價(jià)值密度，提升數據挖掘效率，為不同的業(yè)務(wù)分析場(chǎng)景提供高質(zhì)量的數據接口，有效推動(dòng)企業(yè)向數字化、智能化發(fā)展。

原文刊載于《信息技術(shù)與網(wǎng)絡(luò )安全》2022年 第 4期   作者：汪洋 王柯張 桃寧韓蕊 彭艷兵 湯國強