论文部分内容阅读
摘要：大数据技术是我国现代网络建设的重要组成部分，基于我国新常态发展我国发展已由“动力驱动”转化为“数据驱动”。实践证明大数据技术在现代工控行业中具有广泛的应用价值，因此结合多年的工作实践，以大数据技术的论述作为切入点，分析大数据技术在工控行业中的具体应用，最后提出提升工控行业大数据技术的具体对策。
关键词：大数据技术；工控行业；网络；应用
引言
基于我国互联网、云计算以及物联网等技术的发展，无所不在的移动设备、无线传感器等产生成千上亿的数据，而这些数据需要及时处理，只有这样才能提高信息的市场价值，传统的数据处理技术无法应对“大数据”浪潮，因此具有现代网络优势的大数据技术应用而生。工控行业是提升我国现代制造业的基础，大数据技术在工控行业的应用具有广泛的市场价值。
一、大数据技术的概述
大数据就是指具有一定涵义，超出传统数据库处理能力的数据。其具有多样性、大容量以及时效高的特点。大数据技术就是具有搜集、整理、分析、处理、使用以及产生价值的数据的现代技术。一般大数据技术分析技术、存储数据库、NoSQL数据库、分布式计算技术。随着我国网络技术的不断发展，“大数据”是与智能制造、无线网络革命并行的一次颠覆式的技术变革。根据调查我国工业行业已经实现智能化、网络化操作，大数据技术在工控行业中的应用具有重要的意义：首先大数据技术在工控行业中的应用有助于促进工业控制技术的发展，提高工控行业的洞察力。工控行业技术创新与发展必须要依托数据的搜集、分析以及处理等，例如在工业控制系统操作时必须要提高对设备运行系统数据的自动分析能力，而大数据技术则是实现数据搜集、分析以及处理的关键，提高对关键数据的观测能力；其次大数据技术有助于准确预测工控运行效果，降低工控系统故障发生率。工控操作需要大量的数据赖以支撑，尤其是智能操作系统的运行需要从海量的数据中筛选出来，而大数据技术则是通过对海量数据的分析，寻求工控系统操作状态，以此准确的判断设备的故障原因，以便快速解决故障；最后大数据技术应用在工控行业中也是提高我国现代制造业发展，提升工业技术创新的关键。
二、大数据技术在工控行业中的具体应用
大数据技术是现代工业控制的关键技术，在智能化的现代控制体系中大数据所发挥的作用越来越突出。结合多年的工作实践，大数据在现代工控网络系统中的应用为例。现代工控行业在生产过程中会产生大量的数据信息，这些数据信息对于整个工业生产而言具有不同的影响，因此需要通过特殊的技术对大量的数据信息进行搜集、汇总以及分析等，以此形成具有价值的应用数据资料。具体应用：
1.数据采集。大数据技术在工控行业中的应用基础就是对海量的信息进行采集，以此实现对数据的快速、高效时实的处理。例如在机械自动化控制系统中，由于机械自动化控制需要通过核心的数据模块实现，而自动化操作控制数据来源于不同的环节，这些数据最终汇总到统一的数据中心，而大数据技术则是数据处理中心的关键，其可以完成每百兆数据的采集。
2.数据存储。在现代工控体系中，需要对搜集的数据进行存储，以便用于对后续工作的支撑，或者形成数据分析基础。由于在工控体系中需要对不同通道的数据进行储存，基于数据类型的不同，导致数据在储存会存在差异性，储存方式的不同会增加数据查阅的效率。例如对于主要在查询中发挥作用的日志信息等数据，应用列式存储方式比较合适，能够有效提高数据的查询效率；对于主要用于分析处理的经过标准化处理的数据，先使用分布式计算模式，对数据进行分析处理之后，产生分析结果，存放在列式存储部分；对于即时的数据，使用流式计算比较合适，同样在分析处理之后，产生分析记过，存放在列式存储部分。
3.数据分析。数据分析是大数据技术的核心，也是工控智能化操作的关键。目前大数据技术在工控行业中的数据分析主要包括两个方面：一是对于数控行业的实时数据分析。在设备运行的过程中会不断地产生数据，而且这些数据会不断地被覆盖，因此基于对操作系统的在线监测要求，需要大数据技术强化对数据的实时监测与分析，第一时间分析传输的数据，以此判断系统操作的性能。例如在数控机床操作系统中需要不断地对数据信息进行分析，在线了解设备的运行状态，及时发现设备存在的潜在故障；二是对于工控设备的历史数据、统计结果的分析处理。由于工控系统的储存数据比较多，而且在某些功能操作上需要利用历史数据对相关设备运行状态等进行对比评估。例如在智能电网建设上，需要根据以往的电网运行数据等进行分析，以此能够完成风险分析、攻击溯源等功能。
4.复杂数据分析处理。应用大数据技术，能够让系统在数据的存储、分析、查询等方面都表现出良好的性能，在对复杂数据的分析处理中，能够有效完成对多源异构数据、系统安全隐患以及关联性攻击行为的分析處理。例如，僵尸网络是比较典型的一种网络安全问题，对于这一问题的处理，应用大数据技术，不但能够从流量和 DNS 访问特性出发，还能进行发散性关联分析，同时结合多方面的数据信息，从而达到全方位分析的效果，提高处理的有效性。又如，在系统存在漏洞时，可以关联处理内网的各个主机，综合检测安全隐患存在的具体位置。
三、大数据技术在工控行业中应用所存在的缺陷及改进对策
大数据技术是我国智能化发展的基础，随着互联网技术、云计算等技术的发展，大数据技术在现代工控领域中所发挥的作用越来突出，有效的实现了设备的智能化、高效化发展。但是大数据技术在工控行业中的应用还存在一些缺陷，具体表现在：一是大数据技术存在安全风险，加剧工控行业风险。基于机械精细化发展，设备自动化控制系统越来越完善，由此而来的是非计划停工而造成的巨大经济损失。结合多年的工作实践，大数据技术所存在的风险主要有大数据技术本身所存在的缺陷，例如大数据技术结构存在的漏洞导致数据在传输的过程中存在被窃取的现象；二是计算机设备风险。大数据技术虽然实现了数据的无线传输，但是由于计算机等硬件设备故障也会增加大数据技术的风险；三是人为因素。由于大数据操作人员专业技能或者责任意识不到位等现象也会造成工控系统出现故障。
基于大数据技术在工控行业应用中所存在的问题，需要我们要加强对大数据技术的研究力度，根据大数据技术在工控行业应用所暴露的问题，采取以下措施：一是要加强对大数据技术风险的防范与控制能力。以大数据储存为例，由于储存载体等因素容易导致数据在储存的过程中因为数据繁多而出现被覆盖等现象，因此考虑到大数据技术的特点，需要强化大数据技术风险防范能力，尤其是要加强大数据技术自身系统的风险防范能力设计；二是要强化硬件设施建设，提高大数据技术应用环境安全管理。基于当前网络环境的复杂性，在工控行业中必须要强化基础配套设施的安全管理。例如网络企业要定期对大数据系统平台进行安全防护管理操作，引进性能更加完善的硬件设施等；三是要加强对大数据技术操作人员的技能培训，提高他们的专业技能以及安全管理意识，避免因自身因素而导致大数据技术风险。
四、结论
总之，基于互联网等技术的发展，“大数据”技术在现代机械制造领域中得到广泛的应用。大数据技术实现了工控行业的技术革新，促进了工控管控方式的转变，例如通过大数据技术实现了对工控行业自动化控制能力和管理能力的提升，规范生产的流程，降低安全隐患的发生。“大数据” 技术应用到工控行业中，相关管理人员能够获取更多有效、真实的数据信息，提高决策的真实性与有效性，促进工控行业持续健康发展。
参考文献：
[1]韦小雯，孟大锋，刘志东 大数据在广电行业中的应用 信息通信，2014（07）
[2]孙长江，谢欣岳，大数据技术在工控行业中的应用研究[J].信息系统工程2016（05）
[3]何发钦，大数据技术风险研究[D].湖南大学 2017
关键词：大数据技术；工控行业；网络；应用
引言
基于我国互联网、云计算以及物联网等技术的发展，无所不在的移动设备、无线传感器等产生成千上亿的数据，而这些数据需要及时处理，只有这样才能提高信息的市场价值，传统的数据处理技术无法应对“大数据”浪潮，因此具有现代网络优势的大数据技术应用而生。工控行业是提升我国现代制造业的基础，大数据技术在工控行业的应用具有广泛的市场价值。
一、大数据技术的概述
大数据就是指具有一定涵义，超出传统数据库处理能力的数据。其具有多样性、大容量以及时效高的特点。大数据技术就是具有搜集、整理、分析、处理、使用以及产生价值的数据的现代技术。一般大数据技术分析技术、存储数据库、NoSQL数据库、分布式计算技术。随着我国网络技术的不断发展，“大数据”是与智能制造、无线网络革命并行的一次颠覆式的技术变革。根据调查我国工业行业已经实现智能化、网络化操作，大数据技术在工控行业中的应用具有重要的意义：首先大数据技术在工控行业中的应用有助于促进工业控制技术的发展，提高工控行业的洞察力。工控行业技术创新与发展必须要依托数据的搜集、分析以及处理等，例如在工业控制系统操作时必须要提高对设备运行系统数据的自动分析能力，而大数据技术则是实现数据搜集、分析以及处理的关键，提高对关键数据的观测能力；其次大数据技术有助于准确预测工控运行效果，降低工控系统故障发生率。工控操作需要大量的数据赖以支撑，尤其是智能操作系统的运行需要从海量的数据中筛选出来，而大数据技术则是通过对海量数据的分析，寻求工控系统操作状态，以此准确的判断设备的故障原因，以便快速解决故障；最后大数据技术应用在工控行业中也是提高我国现代制造业发展，提升工业技术创新的关键。
二、大数据技术在工控行业中的具体应用
大数据技术是现代工业控制的关键技术，在智能化的现代控制体系中大数据所发挥的作用越来越突出。结合多年的工作实践，大数据在现代工控网络系统中的应用为例。现代工控行业在生产过程中会产生大量的数据信息，这些数据信息对于整个工业生产而言具有不同的影响，因此需要通过特殊的技术对大量的数据信息进行搜集、汇总以及分析等，以此形成具有价值的应用数据资料。具体应用：
1.数据采集。大数据技术在工控行业中的应用基础就是对海量的信息进行采集，以此实现对数据的快速、高效时实的处理。例如在机械自动化控制系统中，由于机械自动化控制需要通过核心的数据模块实现，而自动化操作控制数据来源于不同的环节，这些数据最终汇总到统一的数据中心，而大数据技术则是数据处理中心的关键，其可以完成每百兆数据的采集。
2.数据存储。在现代工控体系中，需要对搜集的数据进行存储，以便用于对后续工作的支撑，或者形成数据分析基础。由于在工控体系中需要对不同通道的数据进行储存，基于数据类型的不同，导致数据在储存会存在差异性，储存方式的不同会增加数据查阅的效率。例如对于主要在查询中发挥作用的日志信息等数据，应用列式存储方式比较合适，能够有效提高数据的查询效率；对于主要用于分析处理的经过标准化处理的数据，先使用分布式计算模式，对数据进行分析处理之后，产生分析结果，存放在列式存储部分；对于即时的数据，使用流式计算比较合适，同样在分析处理之后，产生分析记过，存放在列式存储部分。
3.数据分析。数据分析是大数据技术的核心，也是工控智能化操作的关键。目前大数据技术在工控行业中的数据分析主要包括两个方面：一是对于数控行业的实时数据分析。在设备运行的过程中会不断地产生数据，而且这些数据会不断地被覆盖，因此基于对操作系统的在线监测要求，需要大数据技术强化对数据的实时监测与分析，第一时间分析传输的数据，以此判断系统操作的性能。例如在数控机床操作系统中需要不断地对数据信息进行分析，在线了解设备的运行状态，及时发现设备存在的潜在故障；二是对于工控设备的历史数据、统计结果的分析处理。由于工控系统的储存数据比较多，而且在某些功能操作上需要利用历史数据对相关设备运行状态等进行对比评估。例如在智能电网建设上，需要根据以往的电网运行数据等进行分析，以此能够完成风险分析、攻击溯源等功能。
4.复杂数据分析处理。应用大数据技术，能够让系统在数据的存储、分析、查询等方面都表现出良好的性能，在对复杂数据的分析处理中，能够有效完成对多源异构数据、系统安全隐患以及关联性攻击行为的分析處理。例如，僵尸网络是比较典型的一种网络安全问题，对于这一问题的处理，应用大数据技术，不但能够从流量和 DNS 访问特性出发，还能进行发散性关联分析，同时结合多方面的数据信息，从而达到全方位分析的效果，提高处理的有效性。又如，在系统存在漏洞时，可以关联处理内网的各个主机，综合检测安全隐患存在的具体位置。
三、大数据技术在工控行业中应用所存在的缺陷及改进对策
大数据技术是我国智能化发展的基础，随着互联网技术、云计算等技术的发展，大数据技术在现代工控领域中所发挥的作用越来突出，有效的实现了设备的智能化、高效化发展。但是大数据技术在工控行业中的应用还存在一些缺陷，具体表现在：一是大数据技术存在安全风险，加剧工控行业风险。基于机械精细化发展，设备自动化控制系统越来越完善，由此而来的是非计划停工而造成的巨大经济损失。结合多年的工作实践，大数据技术所存在的风险主要有大数据技术本身所存在的缺陷，例如大数据技术结构存在的漏洞导致数据在传输的过程中存在被窃取的现象；二是计算机设备风险。大数据技术虽然实现了数据的无线传输，但是由于计算机等硬件设备故障也会增加大数据技术的风险；三是人为因素。由于大数据操作人员专业技能或者责任意识不到位等现象也会造成工控系统出现故障。
基于大数据技术在工控行业应用中所存在的问题，需要我们要加强对大数据技术的研究力度，根据大数据技术在工控行业应用所暴露的问题，采取以下措施：一是要加强对大数据技术风险的防范与控制能力。以大数据储存为例，由于储存载体等因素容易导致数据在储存的过程中因为数据繁多而出现被覆盖等现象，因此考虑到大数据技术的特点，需要强化大数据技术风险防范能力，尤其是要加强大数据技术自身系统的风险防范能力设计；二是要强化硬件设施建设，提高大数据技术应用环境安全管理。基于当前网络环境的复杂性，在工控行业中必须要强化基础配套设施的安全管理。例如网络企业要定期对大数据系统平台进行安全防护管理操作，引进性能更加完善的硬件设施等；三是要加强对大数据技术操作人员的技能培训，提高他们的专业技能以及安全管理意识，避免因自身因素而导致大数据技术风险。
四、结论
总之，基于互联网等技术的发展，“大数据”技术在现代机械制造领域中得到广泛的应用。大数据技术实现了工控行业的技术革新，促进了工控管控方式的转变，例如通过大数据技术实现了对工控行业自动化控制能力和管理能力的提升，规范生产的流程，降低安全隐患的发生。“大数据” 技术应用到工控行业中，相关管理人员能够获取更多有效、真实的数据信息，提高决策的真实性与有效性，促进工控行业持续健康发展。
参考文献：
[1]韦小雯，孟大锋，刘志东 大数据在广电行业中的应用 信息通信，2014（07）
[2]孙长江，谢欣岳，大数据技术在工控行业中的应用研究[J].信息系统工程2016（05）
[3]何发钦，大数据技术风险研究[D].湖南大学 2017