基于业务链创新搭建物资计量技术平台

文章结合当前宏观经济形势和冶金行业发展现状,通过公司原燃料入厂计量至产成品输出的整个物资计量业务链进行分析研究。从物资计量设备装备水平、计量信息化建设和数据传递过程入手,针对企业物资计量业务管理和物资计量数据应用及原燃料库存盘点3个核心环节,按照基于技术创新搭建集成化数据平台思想,以技术创新、数据挖掘为抓手。结合企业管理实际,在管理流程优化、有效资源整合、技术创新、大数据应用上提出了切实可行的办法,为企业物资计量服务的深层次发展提出建议。     

浅谈计量数据挖掘系统

目前,国内计量系统没有一个比较完整的数据挖掘系统．以统一整合计量技术资源．因此造成计量技术资源的极大浪费．计量技术机构也不能高效地为企业提供高质量的技术服务。建立计量数据挖掘与共享辅助决策支持系统,目的就是从海量数据中自动获取有用的信息和知识．更好地了解计量行业现有的发展状况,从而为计量行业的发展提供良好的规划。     

面向大数据的计量数据采集与应用研究

随着计量信息化应用的持续开展,对计量数据的挖掘利用已经成为企业信息化建设的重要课题,而大数据方法为这一课题提供了有效的技术基础。从大数据的计量数据应用出发,进行了计量数据仓库相对独立建设的计量数据采集与应用研究,并且通过与企业数据仓库建立共享接口的方法实现了企业内部数据的有效共享,并以此为基础开展了一系列计量信息服务的应用实践,在取得预期效果的同时还积累了计量数据挖掘的知识体系和数据模式。     

基于大数据的计量公共服务平台设计及应用价值研究

<正>在当前国家倡导的"质量强国"战略中,计量起到极其关键的作用,计量技术的发展支撑着社会发展的各个方面;计量技术的创新引领了科技和产业的创新。而在大数据时代,数据已成为企业不可或缺的战略性资源。如何运用"工业4.0"、"中国制造2025"思维和大数据等高新技术,发挥以计量数据为主的数据在经营、管理、决策中的作用,整合计量机构的数据资源,创新性地挖掘数据在应用方面的价值,为社会提供计量信息公共服务,为企业提供计量业务的增值服务,为行政单位提供计量业务的统计分析和预研预判服务,已成为一个非常重要且紧迫的课题。     

数据挖掘与决策支持系统在计量技术机构中的应用研究

根据国内计量技术机构的特点,在深入研究数据挖掘与决策系统技术的基础上,设计了一套计量数据挖掘决策系统,并应用到广东省计量科学研究院第四版信息系统,为科学决策提供可靠的数据依据。     

基于计量业务系统的客户服务APP研究与实现

文章阐述了江苏省计量科学研究院基于计量业务系统的客户服务APP的建设背景,提出了APP的研究与开发内容,重点描述了APP各功能模块的设计与实现思路,特别是数据同步功能需要与其他系统对接。此APP为客服提供了增值服务,增加了客户的黏度,进一步提升了客户服务能力。     

基于城市能源计量数据公共服务平台的能源精细化管理

城市能源计量数据公共服务平台是实现城市能源计量数据在线采集、实时监测、统计分析和输出应用的系统平台。面向能源精细化管理,该平台提供了用能结构管理、能源计量器具管理、能源计量数据监测、能耗统计、能耗分析和碳排放分析等服务,可帮助用能单位掌握现行能源消耗状况,分析能源利用问题,进一步挖掘节能潜力。     

基于数据仓库与数据挖掘技术的包装信息处理方法研究

针对包装信息的特点,阐述了包装信息数据仓库的建立方法,把各种包装信息内部数据和外部数据进行有效集成,并同时阐述了在包装信息数据仓库下进行包装信息数据挖掘的方法,实现了将包装信息中的数据挖掘技术集成到复杂的包装信息技术应用环境中,为各层次的研究决策、分析人员服务。     

借助大数据和云计算技术挖掘计量数据增值价值

<正>当代社会高速发展,信息流通、大数据成为社会科技发展的产物,"数据"日益成为宝贵的资源和财富。同样,计量技术机构对社会开展计量检测服务,随着日益增长的业务量,累积了大量的计量核心数据,其中包含检测数据、业务数据,利用大数据和云计算技术对计量大数据中的检测数据、业务数据、时间数据等进行多维度挖掘和分析计算,采用图表和地理信息等呈现方式提供计算分析报表结果,     

能源计量数据平台建设的作用和意义

城市能源计量数据平台是整个节能降耗工作的基础和关键环节,为能源管理、能耗统计、能源政策的科学化、准确化和合理化提供数据支撑.企业开展能源审计、能效测试、用能产品能效评价、能源计量评价、能平衡测试等节能服务工作,都必须以准确的计量数据为基础,只有通过对能源计量数据的有效分析、运用,才能有针对性地开展节能技术服务,促进节能减排.     

国内外农业大数据应用研究分析

针对农业领域数据规模大、数据结构复杂、空间数据挖掘能力不足等问题,研究了大数据开源技术在农业领域的数据分析体系中的应用。借鉴国内外学者在农业大数据的研究成果,基于农业数据时空属性的特征,结合农业数据的特点分析了Hadoop、Storm和Spark开源大数据挖掘技术,归纳性阐述了如何开发适合农业需求的大数据系统。最后,简要分析了农业大数据技术所面临的挑战和研究难题,指出需要加大力度进一步深入理论和应用研究,从而推动和实现基于数据的科学决策,为国家粮食提供安全保障。     

基于大数据的产品色彩设计

目的 采用大数据技术,研究大数据时代下产品色彩的设计方法,探究大数据与产品色彩设计结合的价值,为设计提供新的思路和方向,从而创新性地提升产品色彩设计的效率。方法 从大数据的角度出发,通过数据采集技术从互联网上得到大量的原始数据,批量地对数据进行降噪处理,得到有效数据,在将有效数据可视化显示后,深入地对图表数据进行分析,从中挖掘出产品色彩设计的相关规律,从而形成一套行之有效的产品色彩设计方法,并结合大数据技术的应用和发展趋势,探讨两者结合的重要意义。结论 大数据在数据挖掘和趋势预测上具有极大的优势,将其与产品色彩设计相结合,为设计师提供一种在产品色彩设计中解决问题的新思路,可以优化产品色彩的设计流程,协助设计师更好、更快地设计出满足目标消费群体需求的产品。     

A review of systematic evaluation and improvement in the big data environment

The era of big data brings unprecedented opportunities and challenges to management research. As one of the important functions of management decision-making, evaluation has been given more functions and application space. Exploring the applicable evaluation methods in the big data environment has become an important subject of research. The purpose of this paper is to provide an overview and discussion of systematic evaluation and improvement in the big data environment. We first review the evaluation methods based on the main analytic techniques of big data such as data mining, statistical methods, optimization and simulation, and deep learning. Focused on the characteristics of big data (association feature, data loss, data noise, and visualization), the relevant evaluation methods are given. Furthermore, we explore the systematic improvement studies and application fields. Finally, we analyze the new application areas of evaluation methods and give the future directions of evaluation method research in a big data environment from six aspects. We hope our research could provide meaningful insights for subsequent research.     

Big data and supply chain decisions: the impact of volume,variety and velocity properties on the bullwhip effect

The bullwhip effect is causing inefficiencies in today’s supply chains. This study deals with the potential of big data on the improvement of the various supply chain processes. The aim of this paper is to elaborate which characteristic of big data (lever) has the greatest potential to mitigate the bullwhip effect. From previous research, starting points for big data applications are derived. By using an existing system dynamics model, the big data levers ‘velocity’, ‘volume’ and ‘variety’ are transferred into a simulation. Overall, positive impacts of all the big data levers are elaborated. Findings suggest that the data property ‘velocity’ relatively bears the greatest potential to enhance performance. The results of this research will help in justifying the application of big data in supply chain management. The paper contributes to the literature by operationalising big data in the control engineering analyses.     

标准大数据实践（4）--可视化展现

大数据的分析过程离不开机器和人的相互协作与优势互补,一方面从机器角度出发,需要研究数据挖掘,一方面从人的分析出发,需要研究人的认知规律,其中大数据的可视化分析为重要的分析方法。本文首先探讨了大数据可视化的基本概念,在此基础上,结合标准文本分析的特点,选择了文本可视化、网络图可视化以及时空可视化作为标准大数据可视化分析的研究重点,并选择热词分析、起草人和起草单位网络关系以及起草单位分布图作为试点,实践了标准大数据的可视化。     

基于大数据价值聚焦的产品设计方法

目的 提出基于大数据的价值聚焦分析和设计方法,帮助设计师与企业解决有效处理和应用大数据,通过基于大数据的价值聚焦（商业价值、产品价值与用户价值）分析,锚定设计价值和产品定义,开发出市场热销与用户喜爱的“爆品”产品。方法 主要采用文献研究和案例分析方法,研究大数据清洗获得价值聚焦及价值传受过程,提出一种基于大数据价值聚焦的前设计周期与设计周期产品设计方法。结果 以大数据的价值聚焦为理论基础,实现产品设计从大数据分析到价值聚焦再到设计方案的可行和实操流程,即大数据清洗、大数据分拣和大数据决策,挖掘商业价值、产品价值和用户价值以及相应的价值区间,提出从大数据清洗到价值聚焦（价值与价值区间）,以及生成产品定义与概念样机的设计流程模型。结论 通过大数据价值聚焦生成设计价值和产品定义,回归设计问题与价值问题的本质,是完全面向市场,实现爆款产品设计的途径和设计方法。基于大数据价值聚焦的产品设计,是一种结构清晰、可操作性强的全设计周期的设计方法,可以透过有效的设计流程实现完整的价值传受。     

基于车联网的汽车大数据创新应用路径研究

目的为利用汽车大数据产生创新应用方案提供路径。方法分析汽车大数据的类型及创新应用方向,并从数据的收集、使用和挖掘出发,在数据感知、数据关联、模式挖掘、数据开放和数据平台使用等方面展开创新路径的探索。结论提出了不同的大数据创新应用路径,以支持创新方案的产生。     

利用数据挖掘技术研究陶瓷流延粉末粒径分布

采用扫描电镜对陶瓷流延坯体不同分层的颗粒粒径进行测量。利用数据挖掘技术中的聚类算法对收集的大量粒径数据进行分析,发现挖掘出的规则为坯体上下两层的颗粒粒径分布呈明显差异,这与理论推导结果得出的规律一致,表明数据挖掘技术在研究粉末粒径分布规律上有很强的实用性。     

大数据在空调领域的应用

本文阐述了传统空调数据的主要来源,从空调研发等几个方面分析了传统空调数据的用途;围绕空调产品和空调企业,梳理了空调领域大数据的产生原因及来源;空调大数据的多度量性、多维度性、地域性等特点对数据挖掘提出了挑战;探讨了大数据在空调领域的应用,重点分析了大数据在空调系统优化、故障诊断、建筑能耗与维护预测、企业人力资源和资金分配、企业提供个性化定制服务等方面的用途;通过挖掘海量空调数据可以预测用户行为,表明空调领域大数据安全防护应当得到重视。     

Modelling quality dynamics,business value and firm performance in a big data analytics environment

Big data analytics have become an increasingly important component for firms across advanced economies. This paper examines the quality dynamics in big data environment that are linked with enhancing business value and firm performance (FPER). The study identifies that system quality (i.e. system reliability, accessibility, adaptability, integration, response time and privacy) and information quality (i.e. completeness, accuracy, format and currency) are key to enhance business value and FPER in a big data environment. The study also proposes that the relationship between quality and FPER is mediated by business value of big data. Drawing on the resource-based theory and the information systems success literature, this study extends knowledge in this domain by linking system quality, information quality, business value and FPER.