随着21世纪席卷而来的科技浪潮，企业从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、 废或回收再制造等整个产品全生命周期各个环节无不产生相应的数据，并对应输入到相应的系统或形成相应的数据文本，从而形成工业大数据的数据基础。
基于工业大数据的Qlik可视化
基于工业大数据的Qlik可视化是使工业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据采集、预处理、存储、分析挖掘、可视化和驱动决策等。基于工业大数据的Qlik可视化应用，则是对特定的工业大数据集，集成应用工业大数据系列技术与方法，将所获得的有价值的数据转化为信息的可视化过程。基于工业大数据的Qlik可视化的研究与突破，其本质目标就是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的新信息、知识，从而促进工业企业的产品创新、提升经营水平和生产运作效率以及拓展新型商业模式。
设备运维的Qlik可视化
根据前面提到的中兴地铁项目案例，用户将近90万条的原始数据加载到Qlik Sense中，在分析数据的时候，由于数据庞大，很难快速认知数据。使用Qlik Sense，可以立即对数据关系、规律进行分析探索，形成具有重要意义的数据结论。例如，对告警日志进行一些初步探索，可以发现，月份上的告警数量分布如下图所示：
为了保证规则的连续性，我们可以选择2017.12~2018.3 期间的告警作为分析基础数据集。告警次数字段上的告警数量分布，如下图所示：
由此可以发现，大多数告警都只出现过一次，最多出现362次。
以上数据探索已经帮助用户形成数据关系的快速认知，结合业务逻辑，可以进行更深入的数据分析探索。Qlik insights功能可自动生成见解，以帮助窥探其中的数据规律，如下图所示：
以第一张图为例，点击仔细查看该图，如下图所示：
可以发现，708这台设备故障时长最高，达1056388157秒，也就是说在2001年到2018年间，24 这个车站中708这台设备有将近34年都处于故障状态，而通过下图可以发现更多洞察：
通过筛选708这台设备，可以发现708设备故障主要分布在86、3、93、1等槽位，而其中86这个槽位故障时长最大，继续深入分析，则可得到下图：
可以发现在4331这个故障状态中，有一次故障时长为525414647秒，也就是说708这台设备86槽位在一次故障中出现4331这项故障时长长达近17年，也就是说将近花了17年才修复好这项故障，而其他故障修复时长明显更快速，利用Qlik Sense对修复时长进行分段，得到下图：
由此，可以发现，99%的故障修复时长都在1-41秒范围内，少数修复时长在41-81秒范围内，极少数时长大于81秒，也就是说大多数故障可能是闪退、闪断等故障状态，同时也能够看出该设备对于故障修复要求的时效性极高，如何保障故障修复的时效性，以及如何有效减少故障、提高设备运行的稳定性与安全性，还可以利用Qlik Sense通过探索、分析得到更多的数据结论。
关于大数据分析平台与Qlik
了解大数据分析平台
作为Qlik官方的中国合作伙伴，我们为Qlik的中国用户提供产品授权与实施、定制分析方案、技术培训等服务，旨在让中国企业的每个Qlik用户都能探索出数据的价值，让企业形成分析文化。
下载免费试用
大数据分析团队核心研究全球最先进的BI产品和技术，为企业推荐最合适的产品和分析方案，大数据分析平台为用户提供从数据收集、数据仓库、数据建模、数据分析到数据呈现的端到端分析方案。在精准营销、管理驾驶舱、设备故障分析及预测、生产质量优化、能耗异常值分析等方面有成熟的经验，让数据分析能够为业务创造价值，是我们的宗旨。
了解定制分析方案
如您的企业目前有关于数据分析、数据可视化、大数据平台搭建方面的需求，
欢迎访问 咨询在线客服或直接拨打，我们将免费为您定制专属方案，并发送相关行业案例给您！
标签：
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！