汪憶 鐘世成 王敏

摘 要：文章基于重型機(jī)械裝備制造企業(yè)的大數(shù)據(jù)分析及可視化管理駕駛艙平臺(tái)的建設(shè)背景，提出了大數(shù)據(jù)管理駕駛艙的建設(shè)需求，深入闡述了大數(shù)據(jù)分析及挖掘的概念、分析流程及分析工具，以及構(gòu)建管理駕駛系統(tǒng)的可視化方法、常用圖表及工具，得出了基于重型機(jī)械裝備制造企業(yè)構(gòu)建的管理駕駛艙系統(tǒng)平臺(tái)形成的研究結(jié)果，旨在為相關(guān)的企業(yè)大數(shù)據(jù)分析及可視化管理駕駛艙系統(tǒng)平臺(tái)的構(gòu)建提供借鑒

關(guān)鍵詞：機(jī)械裝備制造企業(yè);大數(shù)據(jù)分析;大數(shù)據(jù)可視化;管理駕駛艙系統(tǒng)

中圖法分迷號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

１ 引言

１．１ 研究背景

重型機(jī)械裝備制造業(yè)是我國國民經(jīng)濟(jì)的主體，目前，重型機(jī)械裝備制造企業(yè)面臨數(shù)字化轉(zhuǎn)型的諸多難題和挑戰(zhàn)。通過簡單、直觀、多維的大數(shù)據(jù)分析結(jié)果幫助企業(yè)洞察經(jīng)營狀況并提升管理決策顯得十分必要。在此背景下，本文通過對機(jī)械裝備制造業(yè)大數(shù)據(jù)應(yīng)用進(jìn)行深入研究并實(shí)踐，旨在實(shí)現(xiàn)從大數(shù)據(jù)分析需求到大數(shù)據(jù)系統(tǒng)分析、設(shè)計(jì)建模，以及從數(shù)據(jù)采集、數(shù)據(jù)加工、數(shù)據(jù)分析到數(shù)據(jù)可視化圖形展示的全過程分析及可視化管理。

１．２ 研究問題的提出

基于重型機(jī)械裝備制造企業(yè)大數(shù)據(jù)管理駕駛系統(tǒng)的構(gòu)建需求，本文提出研究問題，并對大數(shù)據(jù)分析及可視化方法進(jìn)行深入研究。如何通過大數(shù)分析及可視化方法、工具及大數(shù)據(jù)相關(guān)技術(shù)構(gòu)建開發(fā)管理駕駛艙系統(tǒng)是本文的核心研究問題。

２ 大數(shù)據(jù)分析與挖掘

２．１ 大數(shù)據(jù)分析

（１）大數(shù)據(jù)分析的概念。

大數(shù)據(jù)是傳統(tǒng)數(shù)據(jù)管理工具無法存儲(chǔ)或處理的大型、復(fù)雜和海量數(shù)據(jù)的集合。大數(shù)據(jù)分析是指分析大數(shù)據(jù)的相關(guān)性、隱藏模式、市場趨勢和客戶偏好等信息，以幫助做出基于數(shù)據(jù)決策的復(fù)雜過程。大數(shù)據(jù)分析通過多種不同的方式來幫助不同行業(yè)的企業(yè)和組織進(jìn)行風(fēng)險(xiǎn)管理、產(chǎn)品開發(fā)和創(chuàng)新、制定戰(zhàn)略決策、改善用戶體驗(yàn)等。從業(yè)務(wù)的角度來說，大數(shù)據(jù)分析分為描述性分析、診斷性分析、預(yù)測性分析、規(guī)范性分析４ 種類型。

（２）大數(shù)據(jù)分析的流程。

大數(shù)據(jù)分析流程往往包括收集數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)和對轉(zhuǎn)換結(jié)果執(zhí)行數(shù)據(jù)分析，大數(shù)據(jù)專業(yè)人員需要經(jīng)歷流程中的多個(gè)步驟。主要的５ 個(gè)關(guān)鍵步驟如下。

①識(shí)別數(shù)據(jù)源并收集數(shù)據(jù)。在最初的步驟中，數(shù)據(jù)專業(yè)人員需要根據(jù)分析目標(biāo)來選擇可能包含原始形式的有用數(shù)據(jù)的數(shù)據(jù)源，盡可能從廣泛的平臺(tái)中選擇數(shù)據(jù)源來收集數(shù)據(jù)，以提高數(shù)據(jù)分析的準(zhǔn)確性。

②數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理對來自數(shù)據(jù)源的所有數(shù)據(jù)進(jìn)行多方面的預(yù)處理。

③數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)轉(zhuǎn)換步驟的主要目的是在運(yùn)行分析算法之前將所有數(shù)據(jù)轉(zhuǎn)換為可用的格式。

④數(shù)據(jù)分析和挖掘。這一階段，利用數(shù)據(jù)分析知識(shí)對上一步輸入的數(shù)據(jù)進(jìn)行詳細(xì)分析，并利用數(shù)據(jù)挖掘技術(shù)在收集的海量數(shù)據(jù)中發(fā)現(xiàn)隱藏和重要的模式。

⑤數(shù)據(jù)可視化。可使用諸如Ｐｏｗｅｒ ＢＩ，Ｔａｂｌｅａｕ，ＳｍａｒｔＢＩ 等商業(yè)智能工具或者開源的Ｐｙｔｈｏｎ 工具庫對數(shù)據(jù)分析的結(jié)果進(jìn)行可視化呈現(xiàn)，并為不同級(jí)別的業(yè)務(wù)團(tuán)隊(duì)創(chuàng)建豐富的分析報(bào)告。

（３）大數(shù)據(jù)的分析方法。

很多學(xué)者和技術(shù)人員掌握了很多數(shù)據(jù)分析工具和技能，但依然做不好數(shù)據(jù)分析。遇到業(yè)務(wù)問題時(shí)，他們常常覺得無從下手。其實(shí)，掌握技能和工具只是第一步，掌握好大數(shù)據(jù)分析方法還必須有數(shù)據(jù)分析思維。數(shù)據(jù)思維具有框架性引導(dǎo)作用，能夠確認(rèn)分析角度、搭配分析方法、選擇指標(biāo)體系以及得出分析結(jié)論。常見的７ 種數(shù)據(jù)分析思維包括對比法、象限法、漏斗法、二八定律、指數(shù)法、假設(shè)法及多維分析法。

做好大數(shù)據(jù)分析常常會(huì)用到統(tǒng)計(jì)分析方法，常見的統(tǒng)計(jì)分析方法有１４ 種，分別是描述統(tǒng)計(jì)分析法、駕駛檢驗(yàn)分析法、信度分析法、列聯(lián)表分析法、相關(guān)分析法、方差分析法、回歸分析法、聚類分析法、主成分分析法、因子分析法、時(shí)間序列分析法、生存分析法、典型相關(guān)分析法、ＲＯＣ 曲線分析法。在重型機(jī)械裝備制造企業(yè)的大數(shù)分析過程中，可以選擇以上大數(shù)據(jù)分析方法進(jìn)行大數(shù)據(jù)分析。

（４）大數(shù)據(jù)分析工具。

開發(fā)人員根據(jù)大數(shù)據(jù)分析工具的功能和特性，以及開發(fā)環(huán)境的支持來確定和選擇最合適的大數(shù)據(jù)分析解決方案?？梢詮牧餍械膸讉€(gè)大數(shù)據(jù)分析并行編程模型（ＭａｐＲｅｄｕｃｅ、工作流、批量同步并行和類似ＳＱＬ）的角度來了解并選擇對應(yīng)的大數(shù)據(jù)分析工具。

①基于ＭａｐＲｅｄｕｃｅ 編程模型的分析工具。ＭａｐＲｅｄｕｃｅ 是一種受函數(shù)式編程啟發(fā)的編程模型。它基于ｍａｐ 和ｒｅｄｕｃｅ 函數(shù)并行執(zhí)行，用于設(shè)計(jì)大規(guī)模數(shù)據(jù)密集型應(yīng)用程序。ＭａｐＲｅｄｕｃｅ 模型專為數(shù)據(jù)密集型應(yīng)用而設(shè)計(jì)，如社交媒體分析、圖像檢索、科學(xué)模擬和網(wǎng)站爬取。在此類應(yīng)用程序中，其復(fù)雜性主要與要處理的大量數(shù)據(jù)有關(guān)，ＭａｐＲｅｄｕｃｅ 允許充分利用數(shù)據(jù)的并行性，從而在分布式環(huán)境中實(shí)現(xiàn)高效執(zhí)行。此外，它可以適應(yīng)多種計(jì)算環(huán)境，包括多核、眾核和多集群系統(tǒng)以及動(dòng)態(tài)云平臺(tái)和高性能計(jì)算系統(tǒng)。最常用的基于ＭａｐＲｅｄｕｃｅ 編程模型的開源框架是Ａｐａｃｈｅ Ｈａｄｏｏｐ?；冢龋幔洌铮铮?平臺(tái)的大數(shù)據(jù)分析可以幫助組織更高效地運(yùn)營、發(fā)現(xiàn)新機(jī)會(huì)并獲得更多的競爭優(yōu)勢。

②基于工作流的分析工具。工作流是一種定義明確且可能重復(fù)的模式，旨在實(shí)現(xiàn)數(shù)據(jù)的某種轉(zhuǎn)換，可用于對復(fù)雜的數(shù)據(jù)分析場景進(jìn)行建模，如分布式數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和流分析應(yīng)用程序。工作流任務(wù)可以按照不同的模式組合在一起，這使得輸入、輸出任務(wù)和依賴于其他任務(wù)的各種應(yīng)用程序的高效建模與執(zhí)行成為可能。流處理通?？梢岳斫鉃閷\(yùn)動(dòng)中的連續(xù)數(shù)據(jù)流進(jìn)行實(shí)時(shí)計(jì)算和處理。

Ａｐａｃｈｅ Ｓｐａｒｋ 是基于工作流的最流行的框架之一，用于機(jī)器學(xué)習(xí)、ＳＱＬ 分析和圖形計(jì)算。ＡｐａｃｈｅＳｔｏｒｍ 是一個(gè)用于實(shí)時(shí)流處理的開源分布式系統(tǒng)，能夠處理大規(guī)?；A(chǔ)設(shè)施中的海量無界數(shù)據(jù)，具有高度可擴(kuò)展性、容錯(cuò)性，并確保高速數(shù)據(jù)處理（每個(gè)節(jié)點(diǎn)每秒處理數(shù)百萬個(gè)元組）和低延遲響應(yīng)時(shí)間。

③基于批量同步并行模型的分析工具。批量同步并行是一種并行計(jì)算模型，是在圖和矩陣、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)算法上執(zhí)行海量計(jì)算任務(wù)最常用的模型之一。Ａｐａｃｈｅ Ｈａｍａ 是一個(gè)基于批量同步并行的開源框架，旨在執(zhí)行小型基礎(chǔ)設(shè)施中涉及基于矩陣和圖的計(jì)算的復(fù)雜任務(wù)，主要用于開發(fā)利用批量同步并行模型進(jìn)行高度迭代的圖形處理應(yīng)用程序。

Ａｐａｃｈｅ Ｇｉｒａｐｈ 也可以為開發(fā)高度可擴(kuò)展的應(yīng)用程序提供迭代圖計(jì)算，其將Ｈａｄｏｏｐ 作為資源管理器，主要被學(xué)術(shù)界和小型工業(yè)界用來在小型基礎(chǔ)設(shè)施中運(yùn)行圖形處理應(yīng)用程序。

④類似ＳＱＬ 的分析工具。類ＳＱＬ 系統(tǒng)試圖將Ｈａｄｏｏｐ 的有效性和查詢能力與類ＳＱＬ 語言的易用性結(jié)合起來，以便開發(fā)簡單高效的數(shù)據(jù)分析應(yīng)用程序。Ａｐａｃｈｅ Ｈｉｖｅ 是一種建立在Ｈａｄｏｏｐ 上的數(shù)據(jù)倉庫軟件，用于讀取、寫入和管理大規(guī)?；A(chǔ)架構(gòu)中的數(shù)據(jù)。它允許通過聲明性的類似ＳＱＬ 的語言，即Ｈｉｖｅ 查詢語言（ＨｉｖｅＱＬ），對大量數(shù)據(jù)進(jìn)行可擴(kuò)展和容錯(cuò)的管理。在Ｈｉｖｅ 中，每個(gè)數(shù)據(jù)操作查詢都會(huì)自動(dòng)轉(zhuǎn)換為ＭａｐＲｅｄｕｃｅ 作業(yè)，從而無需編寫復(fù)雜的ＭａｐＲｅｄｕｃｅ 程序即可輕松處理大數(shù)據(jù)。

２．２ 大數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是在大型數(shù)據(jù)集中提取和發(fā)現(xiàn)模式的過程，涉及機(jī)器學(xué)習(xí)、統(tǒng)計(jì)和數(shù)據(jù)庫系統(tǒng)交叉的方法，是知識(shí)發(fā)現(xiàn)的分析步驟。有效的數(shù)據(jù)挖掘有助于企業(yè)規(guī)劃業(yè)務(wù)戰(zhàn)略和管理運(yùn)營等，包括客戶管理、供應(yīng)鏈管理、欺詐檢測、風(fēng)險(xiǎn)管理、網(wǎng)絡(luò)安全規(guī)劃和許多其他關(guān)鍵業(yè)務(wù)用例。它還在醫(yī)療保健、政府、科學(xué)研究、數(shù)學(xué)、體育等領(lǐng)域發(fā)揮著重要作用。一般來說，數(shù)據(jù)挖掘的過程包含預(yù)處理、數(shù)據(jù)挖掘、結(jié)果驗(yàn)證。而常用的跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程定義了數(shù)據(jù)挖掘?yàn)闃I(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建模、評(píng)估、部署６ 個(gè)階段。

ＳＰＳＳ 是最流行的統(tǒng)計(jì)軟件平臺(tái)。該軟件的高級(jí)功能提供了廣泛的機(jī)器學(xué)習(xí)算法庫、統(tǒng)計(jì)分析（描述性、回歸、聚類等）、文本分析、與大數(shù)據(jù)集成等。此外，ＳＰＰＳ 允許用戶通過專門的擴(kuò)展并使用Ｐｙｔｈｏｎ 和Ｒ 改進(jìn)他們的ＳＰＳＳ 語法。

Ｐａｎｄａｓ 是用于數(shù)據(jù)分析的庫之一，它包含高級(jí)數(shù)據(jù)結(jié)構(gòu)和以簡單方式操作數(shù)據(jù)的工具，能夠?qū)Χ嗑S和單維數(shù)據(jù)進(jìn)行索引、檢索、拆分、連接、重組。雖然Ｐａｎｄａｓ 庫提供了很多分析功能，但它依賴于Ｐｙｔｈｏｎ 生態(tài)系統(tǒng)中用于數(shù)據(jù)處理的庫，如ＮｕｍＰｙ，ＳｃｉＰｙ，Ｓｃｉｋｉｔ?Ｌｅａｒｎ，Ｍａｔｐｌｏｔｌｉｂ，它們配合使用并從大型數(shù)據(jù)集中得出結(jié)論。

ＮｕｍＰｙ 是一個(gè)用于數(shù)值計(jì)算和科學(xué)計(jì)算的Ｐｙｔｈｏｎ 庫。ＮｕｍＰｙ 提供了許多功能，可以在Ｐｙｔｈｏｎ中對ｎ 維數(shù)組和矩陣執(zhí)行操作。它有助于處理存儲(chǔ)相同數(shù)據(jù)類型值的數(shù)組，并提高對數(shù)組（及其向量化）執(zhí)行數(shù)學(xué)運(yùn)算的效率［１～２］ 。

３ 大數(shù)據(jù)可視化

３．１ 可視化的方法及圖表

大數(shù)據(jù)可視化是將信息轉(zhuǎn)換為可視化的實(shí)踐，使人腦更容易理解數(shù)據(jù)并從中獲取見解，更容易識(shí)別大型數(shù)據(jù)集中的模式、趨勢和異常值。該術(shù)語通常與其他術(shù)語互換使用，包括信息圖形、信息可視化和統(tǒng)計(jì)圖形。

大數(shù)據(jù)可視化往往超越了普通可視化中使用的典型技術(shù)，增加了更復(fù)雜或者組合的表示形式。大數(shù)據(jù)可視化需要強(qiáng)大的計(jì)算機(jī)系統(tǒng)來收集原始數(shù)據(jù)，對其進(jìn)行處理并將其轉(zhuǎn)化為人們可以快速得出見解的圖形表示。這是因?yàn)閳D像通常比文字更快、更有效地傳達(dá)正在發(fā)生的事情。大數(shù)據(jù)可視化技術(shù)利用了這一事實(shí)，它們以圖表或圖形來呈現(xiàn)數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為圖片。這使得決策者可以一目了然地獲得大量數(shù)據(jù)所包含的信息。

若要成功有效地展示數(shù)據(jù)，必須根據(jù)可視化項(xiàng)目的情況和對受眾的了解來選擇正確的圖表。例如，如果要展示一組時(shí)間段內(nèi)的變化，其中包含少量見解，那么折線圖是一種有效的可視化方式。此外，線條使多個(gè)系列繪制在一起變得簡單。

顏色將對可視化模型的整體成功產(chǎn)生顯著影響，應(yīng)在整個(gè)數(shù)據(jù)可視化中保持配色方案的一致性，使用清晰的對比來區(qū)分元素。同時(shí)，在構(gòu)建有效的圖形時(shí)，可以適當(dāng)?shù)靥砑游谋咀寛D形更易于理解。在數(shù)據(jù)可視化中最常見的文本元素通常是標(biāo)題、標(biāo)簽、圖例或工具提示。標(biāo)題在圖形或圖表中占據(jù)頂部位置，它告訴用戶在該視覺對象中能夠找到什么信息。當(dāng)涉及字幕時(shí)，應(yīng)始終避免冗長，保持簡短明了。描述太長的標(biāo)簽會(huì)擁擠視覺并使其難以理解。圖例是圖表的側(cè)面部分，它顯示并提供簡要說明，以幫助用戶理解所顯示的數(shù)據(jù)?？梢栽黾涌梢暬ぞ咛崾?，一旦用戶將鼠標(biāo)懸停在數(shù)據(jù)點(diǎn)上，就會(huì)顯示額外的文本。大數(shù)據(jù)常用的可視化圖表包括餅圖、條形圖、折線圖、直方圖、散點(diǎn)圖、氣泡圖、熱力圖、雷達(dá)圖、面積圖、玫瑰圖、甘特圖、詞云圖、?；鶊D、樹形圖、漏斗圖，根據(jù)可視化需要及豐富的圖標(biāo)顯示特點(diǎn)，選擇合適的一種或多種圖形對分析主題進(jìn)行可視化展示。

３．２ 可視化的工具

（１）Ｅｘｃｅｌ。

Ｅｘｃｅｌ 是人們最常用的數(shù)據(jù)組織和處理工具，它提供了大量的內(nèi)置圖表，人們可以很好地利用這些圖表來進(jìn)行數(shù)據(jù)可視化。

（２）ＢＩ 工具。

商業(yè)智能（ＢＩ）工具是專有或開源應(yīng)用軟件，用于收集、處理、分析、排序、過濾和報(bào)告來自內(nèi)部和外部系統(tǒng)的大量數(shù)據(jù)，目的是將原始數(shù)據(jù)轉(zhuǎn)換為有用的信息商業(yè)。常見ＢＩ 工具有ｔａｂｌｅａｕ，Ｐｏｗｅｒ ＢＩ，ＳｍａｒｔＢＩ等。Ｓｍａｒｔｂｉ 是國產(chǎn)ＢＩ 工具之一，提供數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化等功能，在金融、制造、零售、地產(chǎn)、教育等行業(yè)獲得超４ ０００ 家行業(yè)頭部客戶認(rèn)可，在Ｓｍａｒｔｂｉ 的官網(wǎng)可以選擇申請?jiān)囉没蜻x擇Ｄｅｍｏ體驗(yàn)。

（ ３）大數(shù)據(jù)可視化開源庫。

Ｍａｔｐｌｏｔｌｉｂ 是一個(gè)在Ｐｙｔｈｏｎ 中創(chuàng)建靜態(tài)、動(dòng)畫和交互式可視化的綜合庫。Ｍａｔｐｌｏｔｌｉｂ 可用于Ｐｙｔｈｏｎ 腳本、Ｐｙｔｈｏｎ／ ＩＰｙｔｈｏｎｓｈｅｌｌ、Ｗｅｂ 應(yīng)用程序服務(wù)器和各種圖形用戶界面工具包。ＰｙＥＣｈａｒｔｓ 是一個(gè)Ｐｙｔｈｏｎ 第三方庫，用于開發(fā)生成可視化圖表。Ｐｙｅｃｈａｒｔｓ 具有簡單的ＡＰＩ 設(shè)計(jì)， 支持主流Ｎｏｔｅｂｏｏｋ 環(huán)境， ＪｕｐｙｔｅｒＮｏｔｅｂｏｏｋ 和Ｊｕｐｙｔｅｒ Ｌａｂ，易于集成到Ｆｌａｓｋ 和Ｄｊａｎｇｏ等主流Ｗｅｂ 框架中。

４ 重型裝備制造業(yè)大數(shù)據(jù)分析及可視化

４．１ 重型機(jī)械裝備制造企業(yè)管理駕駛艙

本文通過深入研究相關(guān)大數(shù)據(jù)分析與可視化技術(shù)，按照面向?qū)ο蟮能浖_發(fā)方法，開發(fā)了重型機(jī)械裝備制造企業(yè)的管理駕駛艙系統(tǒng)平臺(tái)。通過管理駕駛艙系統(tǒng)可視化大屏，企業(yè)高管及管理者可以快速查看訂貨合同金額計(jì)劃完成率、報(bào)產(chǎn)產(chǎn)值完成率、銷售收入完成率、貨款回收完成率、合同金額、銷售金額（銷售收入）以及貨款稅收金額指標(biāo)；還能查閱地理緯的省份、城市合同簽訂金額可視化結(jié)果；年度、產(chǎn)品分類的合同金額的桑基圖；報(bào)產(chǎn)金額、報(bào)產(chǎn)重量、產(chǎn)品分類的詞云圖；庫存柱狀圖以及責(zé)任制工資指標(biāo)可視化圖表，具體如圖１ 所示。

４．２ 管理駕駛艙系統(tǒng)研究結(jié)果

整個(gè)管理駕駛艙系統(tǒng)功能分為８ 個(gè)功能模塊，包括管理駕駛艙總倉、銷售指標(biāo)、生產(chǎn)指標(biāo)、采購指標(biāo)、協(xié)作指標(biāo)、財(cái)務(wù)指標(biāo)、人力資源指標(biāo)及系統(tǒng)權(quán)限管理。其中，管理駕駛艙總倉展示企業(yè)核心指標(biāo)（ＫＰＩ）；銷售指標(biāo)、生產(chǎn)指標(biāo)、采購指標(biāo)、協(xié)作指標(biāo)、財(cái)務(wù)指標(biāo)、人力資源指標(biāo)６ 個(gè)功能模塊分別從６ 個(gè)業(yè)務(wù)方面進(jìn)行指標(biāo)數(shù)據(jù)查詢、透視分析及儀表盤可視化展示；系統(tǒng)權(quán)限管理功能模塊實(shí)現(xiàn)了人員、角色、權(quán)限及用戶密碼修改管理等系統(tǒng)管理。

管理駕駛艙系統(tǒng)Ｗｅｂ 應(yīng)用端采用Ｖｉｓｕａｌ Ｓｔｕｄｉｏ２０１５，開發(fā)語言為Ｃ＃和ＪＳ，數(shù)據(jù)庫環(huán)境為ＭｉｃｒｏｓｏｆｔＳＱＬ Ｓｅｒｖｅｒ ２０１２。ＥＴＬ 及大數(shù)據(jù)分析可視化工具采用ＳｍａｒｔＢＩ 工具；大數(shù)據(jù)底層采用開源ｈａｄｏｏｐ 大數(shù)據(jù)平臺(tái)。

５ 結(jié)束語

本文從研究背景、研究問題的提出到具體大數(shù)據(jù)分析、挖掘及可視化的研究，闡述了大數(shù)據(jù)分析挖掘方法及工具、可視化的圖標(biāo)、可視化的工具，通過理論研究與實(shí)證研究，開發(fā)了基于重型機(jī)械裝備制造業(yè)的大數(shù)據(jù)分析及可視化平臺(tái)?管理駕駛系統(tǒng)，形成了本論題的研究結(jié)果。通過本論題的研究，為重型機(jī)械裝備制造業(yè)管理駕駛系統(tǒng)的構(gòu)建提供了參考思路。

參考文獻(xiàn)：

［１］ 王旭．資源管理駕駛艙的設(shè)計(jì)與實(shí)現(xiàn)［Ｊ］．鐵路計(jì)算機(jī)應(yīng)用，２０２３，３２（１）：４６?５１．

［２］ 任政，祁建，陸晨亮．基于大數(shù)據(jù)分析可視化平臺(tái)關(guān)鍵技術(shù)研究及供電服務(wù)指揮應(yīng)用［Ｊ］．微型電腦應(yīng)用，２０２２，３８（４）：１９８?２０１．

作者簡介：

汪憶（１９８１—），碩士，副教授，高級(jí)工程師，研究方向：大數(shù)據(jù)技術(shù)、人工智能技術(shù)、機(jī)械裝備制造業(yè)信息化、高等職業(yè)教育。