智能制造
复杂度
一只老海龟
展开
-
工业数据挖掘实例
智能的基础是智能决策,所有的决策都来自于分析。所以简单说所有的智能都是做好两件事:收集数据,使用数据。数据挖掘技术根据业务数据不同有不同的应用场景。在我以往工作中主要在以下领域有应用尝试:市场营销:用数据挖掘进行消费者画像,定向进行产品推荐生产质量:根据质检状况,借用数据挖掘技术分析质量不合格的诱因并推荐优化方案,比如机器设备参数最佳取值。能源消耗:使用数据挖掘技术分析能源消耗的超标区间,非必要能源消耗区间并推荐优化方案。设备维护:通过监控设备运行的参数性能,结合设备故障原因分析参数和故障相关性,原创 2020-10-30 14:22:26 · 2265 阅读 · 4 评论 -
传感器+树莓派+Django端到端的实现设备数据可视化
传感器+树莓派+Django端到端的实现设备数据可视化1.树莓派和传感器安装2.树莓派读取传感器数据的python程序3.Django网站搭建,并配置REST API4.发送数据到服务器API,并让树莓派定时执行数据传输程序5.网站数据可视化,并定时自动刷新图表6.附录: 所有代码工业数据采集是智能制造的基础。由于企业自动化水平的差异,不是所有公司都具备从自动化生产线抓取数据的能力。这样的情况下,工厂怎么做实时数据抓取和可视化呢?Talk is cheap, show me the code这里完原创 2020-10-30 14:15:19 · 5692 阅读 · 14 评论