下载掌阅APP，畅读海量书库
立即打开
面向制造及协作企业群形成的产业多价值链，数据空间的构建只是提供了一个汇集多方数据的方式或途径，而要想真正利用好大数据，首先需要分析企业对于多价值链协同数据空间体系需求，以及如何使用和管理数据空间。本书认为制造业使用数据空间时主要有如下几点需求：
数据格式多种多样，数据空间囊括了制造与协作企业在生产及管理各个环节产生的感知数据、状态数据、业务数据、流程数据以及价值链中的交易平台、金融平台、供应链平台等平台中存在的结构化、半结构化、非结构化数据。因此具有统一标准和规范的数据对于企业来说是首要的需求。只有按照标准统一的数据规则，将数据分门别类存放到规则一致、格式规范的统一数据服务平台，才能完成构建多价值链协同数据体系架构，提供数据分析和服务的能力。
传统制造业在生产经营活动中无法充分利用来自市场的大量数据，在产品的研发和生产、经营及销售活动等方面往往存在很大的不确定性，难以对市场需求、产品销售状况做出准确分析与预测，进而做出最优决策。在智能制造中，企业要做的便是将数据驱动与专家知识相结合，建立制造企业外部供应链以及企业内部价值活动的搜索、关联和演化动态系统模型。其具体的需求主要包括：基于人工智能对历史数据、多价值链各环节的数据的挖掘，整合专家知识库的先验知识，建立价值链各环节的智能优化决策模型，实现制造及协作企业的需求预测、库存优化、供应链联盟评价、生产调度优化和物流运输优化、供应链动态演化博弈报价、多模态混杂数据的产品故障预测预警及关系驱动自学习特征识别的质量追溯模型，提出价值链智能优化决策建模理论方法。
面向复杂的数据空间，企业常常无法在短时间内获得最理想的服务，这就涉及对数据的协同知识服务和知识服务推荐，即制造业对多价值链协同数据空间的知识服务及知识重用需求。为实现良好的知识服务，应通过构建面向多源、多模态、多维数据的一致性知识表示模型，以对复杂数据空间中的有效信息进行知识抽取；设计异构知识融合和推理算法，以构建自演化协同服务知识图谱；同时基于多价值链协同服务知识图谱，采用面向语境的知识服务推荐方法，以实现复杂知识服务与用户需求的动态匹配。
作为关联数据库的延伸，数据空间的使用也包括数据集成、储存、处理、分析及展现等功能，但由于其涉及的数据源众多，数据格式多种多样，使得在数据空间的管理要复杂得多。因此，在多价值链协同数据空间的使用过程中，要尤其注意管理问题。其可能涉及的管理方法有分布式集群引擎数据存储和管理、面向事务处理的动态快速索引、引擎数据自动扩展和可视化等。