工业时序大数据质量管理

发布时间：2022-01-13 17:54

　　工业大数据已经成为我国制造业转型升级的重要战略资源,工业大数据分析问题正引起重视和关注。时序数据作为工业大数据中一种重要的数据形式,存在大量的数据质量问题,需要设计数据清洗方法对其进行检测和有效处理。介绍了工业时序大数据的特点及工业数据质量管理的难点,并对工业时序大数据质量管理的研究现状加以分析、总结,最后,提出了时序大数据质量管理方法和系统性能的提升方向。 

【文章来源】：大数据. 2019,5(06)

【文章页数】：11 页

【文章目录】：
1 引言
2 工业背景下的数据质量管理
    2.1 时序大数据的特点
    2.2 时序大数据质量问题
        (1)时间序列与多维数据
        (2)点与窗口
        (3)数据类型
    2.3 工业时序大数据质量管理的重要性
    2.4 研究挑战
3 时序大数据质量管理研究现状
    3.1 数据质量管理和数据清洗方法
    3.2 时序大数据清洗方法
        (1)基于统计的清洗
        (2)基于约束的清洗
        (3)基于机器学习的清洗
4 结束语


【参考文献】：
期刊论文
[1]工业大数据技术综述[J]. 王建民.  大数据. 2017(06)
[2]时间序列异常点及突变点的检测算法[J]. 苏卫星,朱云龙,刘芳,胡琨元.  计算机研究与发展. 2014(04)
[3]基于距离和DF-RLS的时间序列异常检测[J]. 陈乾,胡谷雨,路威.  计算机工程. 2012(12)



本文编号：3586884