【研華工業(yè)物聯(lián)網(wǎng)云平臺大數(shù)據(jù)分析框架即將上線，可支持遠程數(shù)據(jù)批處理】研華WISE-PaaS工業(yè)物聯(lián)網(wǎng)云平臺數(shù)據(jù)分析服務框架(簡稱AFS)即將要上線啦!

“AFS”全稱為WISE-PaaS工業(yè)物聯(lián)網(wǎng)云平臺數(shù)據(jù)分析服務框架，它是研華WISE-PaaS平臺獨有的功能模塊。其已有成功應用在鋼鐵公司的改造項目中，也將在不久后正式上線，對外發(fā)布。

今天就來為大家介紹一下，AFS到底是什么呢?

“AFS”提供簡易的拖拉接口讓開發(fā)者可以將分析模塊組裝成解決方案，并且整合多種機器學習函數(shù)庫，如：Spark Mllib、TensorFlow，用戶可輕松調(diào)用后端分布式計算資源，有效降低了開發(fā)門坎。

WISE-PaaS 云平臺的數(shù)據(jù)分析服務主要功能包括：

● 分析模塊/解決方案管理，提供分析模塊/解決方案完整生命周期的管理，包含訂閱、驗證、發(fā)布等;

● 解決方案在線開發(fā)，提供拖拉式接口以組裝多個分析模塊進行解決方案的開發(fā);

● 分析模塊在線開發(fā)，提供在線IDE進行分析模塊的開發(fā)并部署至云端平臺;

● 開放各算法及高速運算模式，提供多種分析所需的算法與運算模式。

AFS特性說明↑↑↑

AFS架構(gòu)↑↑↑

AFS目前已被成功應用落地在某鋼鐵公司的改造項目中，對方初始想要建置的設備診斷云端平臺系統(tǒng)，需要能遠端監(jiān)控設備狀況，同時也得將資料后送給云端平臺機器學習軟件模塊進行大數(shù)據(jù)分析，以便能建立像是瑕疵檢測和預防診斷的預測模型。

研華的AFS也滿足了對方的需求，讓這家鋼鐵公司的工程師可以更容易地設計所需的監(jiān)控管理APP，建立大數(shù)據(jù)分析的預測模型，從而實現(xiàn)設備實時監(jiān)控與預防監(jiān)診。

同時，AFS服務提供了數(shù)據(jù)科學能力，讓分析人員可以使用相關(guān)模塊對數(shù)據(jù)做前處理、分析以及可視化。數(shù)據(jù)可以接入平臺提供的可視化工具以便了解數(shù)據(jù)趨勢，以及利用平臺的分析服務進行進階加值應用，而這些分析模型可以在歷史分析的基礎上隨著時間的推移而更新或者升級等。相關(guān)功能如下：

● 數(shù)據(jù)建模與可視化：

基于WISE-PaaS/Dashboard，提供美觀，多樣化的數(shù)據(jù)呈現(xiàn)形式。該可視化平臺可進行數(shù)據(jù)源添加(包括各種數(shù)據(jù)庫、API等)，提供豐富的數(shù)據(jù)分析展現(xiàn)服務。

在鋼鐵公司的改造項目中，使用者可以利用資料可視化工具Dashboard，創(chuàng)建自己的儀表板，管理者就能通過易讀性高的各種圖表來清楚掌握邊緣裝置健康狀態(tài)、異常警報、預測模型、訊號串流波形等。

● 多語言與工具支持：

支持Jupyter Notebook、Python和R等多種語言編譯環(huán)境，并提供神經(jīng)網(wǎng)絡模塊：Neural Network (Reflow建模)、CNN (AOI影像辨識)、RNN (Reflow建模);資料分類模塊：SVM (溫度預測)、Decision Tree (馬達檢測)、ResNet (AOI建模);資料降維模塊：Auto-encoder dimension reduction for time-series (Time series data降維算法)、Down-sampling (periodic data降維);資料前處理模塊：OpenCV (AOI切圖前處理)、FFT (震動資料前處理)、Wavelet (低頻震動資料前處理);目標檢測模塊：Faster R-CNN (人形辨識)、SSD (物件辨識);特征擷取模塊：PCA (Time series資料降維)、Convolution (圖形資料特征擷取)等工具模組讓大數(shù)據(jù)專家快速分析建模;

● 數(shù)據(jù)批處理：

提供一個分布式的、可靠的、容錯的數(shù)據(jù)流處理系統(tǒng)，可用于實時分析、在線機器學習、持續(xù)計算、ETL 等領域可在毫秒級完成分析、并得到響應;

● 結(jié)合OTA，提供模型的遠端更新

WISE-PaaS/OTA是WISE-PaaS工業(yè)物聯(lián)網(wǎng)云平臺上的遠端軟件更新管理服務。同樣是在鋼鐵公司的改造項目中，WISE-PaaS/OTA的遠端更新機制讓該公司可以很方便地將預測模型部署至指定的邊緣端，并讓預測模型隨時保持在最新版本，管理者完全不用親自到現(xiàn)場就能完成更新作業(yè)。