《工業(yè)大數(shù)據(jù)導(dǎo)論》 課件 第8章 工業(yè)大數(shù)據(jù)智能應(yīng)用

工業(yè)大智能應(yīng)用章節(jié)內(nèi)容一、工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用二、工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用三、工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用四、工業(yè)大數(shù)據(jù)在發(fā)動(dòng)機(jī)中的應(yīng)用五、工業(yè)大數(shù)據(jù)在白色家電中的應(yīng)用思維導(dǎo)圖8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用大數(shù)據(jù)數(shù)據(jù)采集溫度傳感器振動(dòng)傳感器系統(tǒng)內(nèi)部電控?cái)?shù)據(jù)數(shù)據(jù)傳感器iNC-CloudAI算法庫(kù)智能數(shù)控系統(tǒng)智能機(jī)床健康保障智能APP裝配質(zhì)量診斷工藝參數(shù)優(yōu)化接口調(diào)用算法調(diào)用APP開(kāi)發(fā)章節(jié)導(dǎo)圖8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用8.1.1機(jī)床健康保障技術(shù)應(yīng)用

通過(guò)對(duì)不同階段CPS模型中的指令域波形圖進(jìn)行對(duì)比、分析，提取出指令域波形顯著的特征信息，進(jìn)而利用指令域的特征信息進(jìn)行數(shù)控機(jī)床健康狀態(tài)的檢測(cè)與評(píng)估，并以雷達(dá)圖表達(dá)單臺(tái)機(jī)床各子系統(tǒng)間的健康狀態(tài)和分色圖表達(dá)單臺(tái)機(jī)床所處的健康階段，最終實(shí)現(xiàn)數(shù)控機(jī)床的健康保障目的。健康保障技術(shù)原理圖

自檢G指令運(yùn)行內(nèi)容提取出指令域波形顯著的特征信息負(fù)載電流跟隨誤差換刀時(shí)間……機(jī)床健康狀態(tài)檢測(cè)與評(píng)估8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用機(jī)床健康保障將時(shí)域信號(hào)按照G指令進(jìn)行劃分，并提取相關(guān)時(shí)域信號(hào)的特征值，對(duì)特征值做相關(guān)聚類處理和可視化處理，得到數(shù)控機(jī)床進(jìn)給軸、主軸和整機(jī)的健康指數(shù)，指數(shù)范圍0~1，越接近1表示健康狀況越好a)雷達(dá)圖b）健康指數(shù)圖

機(jī)床健康指數(shù)雷達(dá)圖通過(guò)雷達(dá)圖并利用時(shí)序分析和歷史健康數(shù)據(jù)對(duì)數(shù)控機(jī)床的進(jìn)給軸、主軸和整機(jī)的健康狀態(tài)進(jìn)行預(yù)測(cè)。Y軸健康指數(shù)異常，需重點(diǎn)關(guān)注！8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用使用健康保障對(duì)車間機(jī)床進(jìn)行健康普查，提升機(jī)床健康度、提升機(jī)床稼動(dòng)率；通過(guò)健康保障，故障在隱患階段時(shí)就被監(jiān)測(cè)并進(jìn)行預(yù)警，提升設(shè)備維保效率。已檢測(cè)到故障隱患：機(jī)床防護(hù)罩變形導(dǎo)致的進(jìn)給軸電流波動(dòng)大；繼電器板基座接觸不良導(dǎo)致的選刀、換刀時(shí)間偏長(zhǎng)；緩沖點(diǎn)及過(guò)緩沖點(diǎn)速度設(shè)置不合理造成的換刀過(guò)程振動(dòng)偏大等防護(hù)罩變形健康保障應(yīng)用效果異常機(jī)床健康指數(shù)正常機(jī)床健康指數(shù)機(jī)床健康指數(shù)對(duì)比8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用8.1.2機(jī)床裝配質(zhì)量診斷技術(shù)應(yīng)用圖

機(jī)床主軸、進(jìn)給軸裝配質(zhì)量診斷技術(shù)實(shí)現(xiàn)原理圖項(xiàng)目的需求分析8.1.2機(jī)床裝配質(zhì)量診斷技術(shù)應(yīng)用數(shù)據(jù)采集溫度傳感器振動(dòng)傳感器系統(tǒng)內(nèi)部電控?cái)?shù)據(jù)數(shù)據(jù)傳感器主軸進(jìn)給軸裝配質(zhì)量云系統(tǒng)內(nèi)部數(shù)據(jù)傳感器數(shù)據(jù)診斷數(shù)據(jù)質(zhì)量診斷與預(yù)測(cè)結(jié)果裝配質(zhì)量較好裝配質(zhì)量不合格，需關(guān)注8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用8.1.3工藝參數(shù)優(yōu)化技術(shù)應(yīng)用實(shí)時(shí)加工大數(shù)據(jù)基于實(shí)測(cè)數(shù)據(jù)優(yōu)化進(jìn)給速度8.1工業(yè)大數(shù)據(jù)在智能機(jī)床中的應(yīng)用8.1.3工藝參數(shù)優(yōu)化技術(shù)應(yīng)用效果在3C加工企業(yè)，工藝參數(shù)優(yōu)化技術(shù)在保證加工質(zhì)量的同時(shí)，無(wú)需修改任何加工工藝路線，可將加工效率提升5%~20%。8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用8.2.1性能監(jiān)控與智慧工地窄帶物聯(lián)網(wǎng)移動(dòng)網(wǎng)絡(luò)無(wú)線網(wǎng)絡(luò)終端油位數(shù)據(jù)平均油耗數(shù)據(jù)氣壓油壓數(shù)據(jù)水溫油溫?cái)?shù)據(jù)報(bào)警信息數(shù)據(jù)實(shí)時(shí)采集數(shù)據(jù)傳輸云數(shù)據(jù)平臺(tái)云端狀態(tài)監(jiān)控異常提醒效率分析……數(shù)據(jù)分析數(shù)據(jù)處理性能監(jiān)控8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用智慧工地物聯(lián)網(wǎng)技術(shù)的“感、傳、知、控"，使用前端感應(yīng)器獲取視頻、考勤、設(shè)備、環(huán)境等工地現(xiàn)場(chǎng)數(shù)據(jù)。通過(guò)WSN、4G傳輸、有線傳輸?shù)榷喾N方式傳輸至中心。用戶可以通過(guò)APP在手機(jī)上，通過(guò)網(wǎng)絡(luò)盒子在監(jiān)視器上，通過(guò)網(wǎng)頁(yè)在電腦上查看工地實(shí)時(shí)信息。異常時(shí)設(shè)備自動(dòng)控制，或者人為控制前端系統(tǒng)。Internetofthings智慧工地感視頻圖像感應(yīng)塔吊狀態(tài)感應(yīng)工地環(huán)境感應(yīng)人工信息錄入傳4G卡無(wú)線AP路由知手機(jī)電腦網(wǎng)頁(yè)網(wǎng)絡(luò)盒子控視頻塔吊限制器淋噴系統(tǒng)信息下發(fā)8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用智慧工地8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用8.2.2遠(yuǎn)程運(yùn)維與健康保障快速進(jìn)行故障定位與分析，快速響應(yīng)！云數(shù)據(jù)中心實(shí)時(shí)運(yùn)行數(shù)據(jù)報(bào)警數(shù)據(jù)實(shí)時(shí)運(yùn)行數(shù)據(jù)歷史運(yùn)行數(shù)據(jù)其他輔助數(shù)據(jù)遠(yuǎn)程指導(dǎo)用戶自主維修遠(yuǎn)程運(yùn)維不起作用根據(jù)工程車輛和服務(wù)車輛的定位，以及遠(yuǎn)程運(yùn)維過(guò)程中掌握的故障信息，確認(rèn)需要的備件類型，安排離故障設(shè)備最近的服務(wù)車攜帶最近的維修備件前往現(xiàn)場(chǎng)維修。實(shí)現(xiàn)快速響應(yīng)。8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用8.2.2遠(yuǎn)程運(yùn)維與健康保障云數(shù)據(jù)中心實(shí)時(shí)運(yùn)行數(shù)據(jù)報(bào)警數(shù)據(jù)實(shí)時(shí)運(yùn)行數(shù)據(jù)歷史運(yùn)行數(shù)據(jù)其他輔助數(shù)據(jù)tV0設(shè)備健康運(yùn)行狀態(tài)模型數(shù)據(jù)挖掘數(shù)據(jù)分析建模故障預(yù)測(cè)提前干預(yù)服務(wù)方式轉(zhuǎn)變由被動(dòng)服務(wù)轉(zhuǎn)向主動(dòng)服務(wù)由故障維修轉(zhuǎn)變?yōu)楣收项A(yù)測(cè)8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用8.2.3產(chǎn)品與生產(chǎn)營(yíng)銷優(yōu)化利用大數(shù)據(jù)技術(shù)，通過(guò)對(duì)地理位置數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析發(fā)現(xiàn)泵車主油缸故障與沿海地區(qū)有很強(qiáng)的相關(guān)性，確定沿海地區(qū)的鹽霧環(huán)境和水質(zhì)導(dǎo)致油缸密封體腐蝕是主油缸故障的主要原因。杭深高鐵鹽霧環(huán)境腐蝕下一代油缸產(chǎn)品中針對(duì)故障原因作出相應(yīng)優(yōu)化，提高產(chǎn)品質(zhì)量8.2工業(yè)大數(shù)據(jù)在工程機(jī)械中的應(yīng)用8.2.3產(chǎn)品與生產(chǎn)營(yíng)銷優(yōu)化通過(guò)對(duì)挖掘機(jī)、旋挖鉆機(jī)、起重機(jī)等工程機(jī)械設(shè)備的運(yùn)行時(shí)間、開(kāi)工位置等某些敏感數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，及時(shí)、準(zhǔn)確地發(fā)現(xiàn)市場(chǎng)需求。針對(duì)不同地區(qū)，不同產(chǎn)品，及時(shí)調(diào)整生產(chǎn)和銷售策略，實(shí)現(xiàn)宏觀決策分析。8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用電力大數(shù)據(jù)是指在發(fā)電、輸電、變電、配電、用電、調(diào)度等各個(gè)環(huán)節(jié)，通過(guò)傳感器、智能設(shè)備、視頻監(jiān)控設(shè)備、音頻通信設(shè)備和移動(dòng)終端等各種數(shù)據(jù)采集渠道采集到的各種結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量業(yè)務(wù)數(shù)據(jù)的集合。章節(jié)導(dǎo)圖8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用8.3.1電廠端：狀態(tài)監(jiān)測(cè)與故障智能預(yù)警電網(wǎng)大數(shù)據(jù)分類8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用狀態(tài)監(jiān)測(cè)早期的電網(wǎng)狀態(tài)監(jiān)測(cè)主要傾向于單臺(tái)獨(dú)立的設(shè)備，即設(shè)備與設(shè)備之間的監(jiān)測(cè)數(shù)據(jù)相互獨(dú)立，且數(shù)據(jù)量少，那么不同設(shè)備間的運(yùn)行數(shù)據(jù)便無(wú)法進(jìn)行綜合監(jiān)測(cè)及對(duì)比分析，因此很難實(shí)現(xiàn)對(duì)電網(wǎng)全景狀態(tài)信息的監(jiān)測(cè)。發(fā)電輸電變電用電電網(wǎng)監(jiān)測(cè)與調(diào)度中心電網(wǎng)運(yùn)行過(guò)程全程監(jiān)控?cái)?shù)據(jù)在線監(jiān)測(cè)與分析電網(wǎng)全景運(yùn)行狀態(tài)實(shí)時(shí)診斷數(shù)據(jù)采集8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用狀態(tài)評(píng)估與智能預(yù)警初始數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)歷史運(yùn)行數(shù)據(jù)設(shè)備故障數(shù)據(jù)數(shù)據(jù)采集神經(jīng)網(wǎng)絡(luò)算法深度學(xué)習(xí)算法數(shù)據(jù)挖掘設(shè)備異常狀態(tài)關(guān)聯(lián)模型在線評(píng)估趨勢(shì)分析設(shè)備狀態(tài)評(píng)估與智能預(yù)警的基本思路：8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用狀態(tài)評(píng)估與智能預(yù)警設(shè)備狀態(tài)評(píng)估是基于設(shè)備關(guān)聯(lián)分析的，可為智能預(yù)警提供有力依據(jù)。重要意義：設(shè)備狀態(tài)評(píng)估與智能預(yù)警對(duì)早期故障預(yù)測(cè)、檢修策略制定等都具有重要意義，不但可以避免因檢修不到位造成的故障停電，也能避免過(guò)度、重復(fù)檢修造成資源浪費(fèi)，降低檢修成本，提供高檢修效率和電網(wǎng)資產(chǎn)利用效率。關(guān)聯(lián)分析算法設(shè)備A設(shè)備B異常報(bào)警異常報(bào)警98%概率設(shè)備A設(shè)備B異常報(bào)警檢修維保故障預(yù)警智能預(yù)警原理8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用8.3.2企業(yè)端：電力負(fù)荷預(yù)測(cè)與智能調(diào)度實(shí)時(shí)用電信息氣溫降水其他氣象數(shù)據(jù)電能是一種非常特殊的能源，它無(wú)法像其他商品一樣通過(guò)大量的存儲(chǔ)來(lái)滿足用戶突然大量的用電需求。因此，電能的生產(chǎn)、傳輸和使用要求同時(shí)完成，那么某一時(shí)刻發(fā)電量過(guò)多，就會(huì)造成資源浪費(fèi)，過(guò)少則會(huì)造成停電，無(wú)法滿足用電側(cè)的用電需求。歷史用電數(shù)據(jù)短期負(fù)荷預(yù)測(cè)：火電分配，新能源發(fā)電與傳統(tǒng)發(fā)電并網(wǎng)協(xié)調(diào)，機(jī)組經(jīng)濟(jì)組合等調(diào)度方式中長(zhǎng)期負(fù)荷預(yù)測(cè)：水庫(kù)調(diào)度，線網(wǎng)規(guī)劃，電廠建設(shè)等人口數(shù)據(jù)國(guó)民經(jīng)濟(jì)數(shù)據(jù)用地類型數(shù)據(jù)8.3工業(yè)大數(shù)據(jù)在電網(wǎng)中的應(yīng)用8.3.3用戶端：提升服務(wù)質(zhì)量大數(shù)據(jù)分析不僅能幫助企業(yè)提高運(yùn)營(yíng)效率，還能改善客戶體驗(yàn)、提升服務(wù)質(zhì)量。通過(guò)對(duì)用戶資料、用電信息、以及客服電話錄音等數(shù)據(jù)進(jìn)行收集，并通過(guò)模式識(shí)別與機(jī)器學(xué)習(xí)等技術(shù)，統(tǒng)計(jì)分析用戶關(guān)注與訴求最高的問(wèn)題點(diǎn)，針對(duì)重點(diǎn)問(wèn)題及時(shí)制定處理方案，通過(guò)主動(dòng)服務(wù)來(lái)改善用戶體驗(yàn)，提升服務(wù)質(zhì)量。GulfPower海灣電力公司通過(guò)大數(shù)據(jù)分析發(fā)現(xiàn)，公司在發(fā)布計(jì)劃停電信息后，如果：供電恢復(fù)時(shí)間比預(yù)期計(jì)劃時(shí)間早10分鐘客戶滿意度最高2小時(shí)客戶滿意度會(huì)更高嗎？反而會(huì)對(duì)客戶滿意度產(chǎn)生負(fù)面影響，造成用戶投訴通過(guò)大數(shù)據(jù)分析得到的類似這樣的指標(biāo)，能幫助電力企業(yè)解決他們最關(guān)注的客戶體驗(yàn)問(wèn)題，提高客戶滿意度和客戶留存率。8.4工業(yè)大數(shù)據(jù)在發(fā)動(dòng)機(jī)中的應(yīng)用航空發(fā)動(dòng)機(jī)大數(shù)據(jù)主要產(chǎn)生在設(shè)計(jì)制造、運(yùn)行使用和維護(hù)修理三個(gè)階段。發(fā)動(dòng)機(jī)設(shè)計(jì)、制造、使用、維護(hù)、報(bào)廢等全生命周期的所有數(shù)據(jù)構(gòu)成了發(fā)動(dòng)機(jī)多元多維度的大數(shù)據(jù)來(lái)源。根據(jù)產(chǎn)生階段，發(fā)動(dòng)機(jī)數(shù)據(jù)可分為：2、運(yùn)行數(shù)據(jù)主要是指發(fā)動(dòng)機(jī)運(yùn)行使用過(guò)程中產(chǎn)生的數(shù)據(jù)，如發(fā)動(dòng)機(jī)起降過(guò)程參數(shù)、運(yùn)行過(guò)程中飛機(jī)的高度、速度、航向、油液壓力和溫度、進(jìn)氣和排氣溫度、發(fā)動(dòng)機(jī)振動(dòng)值等。發(fā)動(dòng)機(jī)運(yùn)行環(huán)境如天氣狀況、航班、飛行時(shí)間等也是構(gòu)成發(fā)動(dòng)機(jī)運(yùn)行數(shù)據(jù)的重要來(lái)源。1、初始數(shù)據(jù)主要是發(fā)動(dòng)機(jī)設(shè)計(jì)與制造階段產(chǎn)生的數(shù)據(jù)，主要包括發(fā)動(dòng)機(jī)的初始構(gòu)型清單、適航指令狀態(tài)清單、發(fā)動(dòng)機(jī)出廠信息、初始尺寸參數(shù)、初始運(yùn)行參數(shù)等。還包括發(fā)動(dòng)機(jī)設(shè)計(jì)制造公式、圖紙、文件、代碼等信息。3、維修數(shù)據(jù)包括航線使用維護(hù)（如滑油消耗分析數(shù)據(jù)、特情維護(hù)等）、車間修理（如修理后的構(gòu)型清單、修理方案、維修大綱及維修成本等）以及涉及維護(hù)維修的設(shè)備、材料和維護(hù)管理人員等數(shù)據(jù)。8.4工業(yè)大數(shù)據(jù)在發(fā)動(dòng)機(jī)中的應(yīng)用8.4.1發(fā)動(dòng)機(jī)狀態(tài)監(jiān)控與故障預(yù)警起降、巡航等480個(gè)飛行參數(shù)大數(shù)據(jù)Predix工業(yè)互聯(lián)網(wǎng)平臺(tái)1級(jí)預(yù)警警告位于美國(guó)辛辛那提或中國(guó)上海的GE發(fā)動(dòng)機(jī)機(jī)隊(duì)支援中心會(huì)立即收到通知狀態(tài)監(jiān)控2級(jí)預(yù)警警告3級(jí)預(yù)警警告predix會(huì)將該事件反饋給發(fā)動(dòng)機(jī)機(jī)隊(duì)監(jiān)控團(tuán)隊(duì)的專家處理說(shuō)明情況非常嚴(yán)重，必須由發(fā)動(dòng)機(jī)的設(shè)計(jì)和制造工程師們親自解決故障預(yù)警8.4工業(yè)大數(shù)據(jù)在發(fā)動(dòng)機(jī)中的應(yīng)用8.4.2發(fā)動(dòng)機(jī)數(shù)字化雙胞胎技術(shù)DigitalTwin（數(shù)字化雙胞胎）技術(shù)是指通過(guò)技術(shù)手段，將實(shí)際產(chǎn)品、設(shè)備、生產(chǎn)工藝等物理對(duì)象以數(shù)字化的方式進(jìn)行仿真，從而得到一個(gè)被“數(shù)字克隆”過(guò)的虛擬對(duì)象。同濟(jì)大學(xué)陳明教授指出，數(shù)字化雙胞胎模型指的是以數(shù)字化方式在虛擬空間呈現(xiàn)物理對(duì)象，即以數(shù)字化方式為物理對(duì)象創(chuàng)建虛擬模型，模擬其在現(xiàn)實(shí)環(huán)境中的行為特征。物理對(duì)象虛擬對(duì)象虛擬調(diào)試數(shù)字信息協(xié)同模型優(yōu)化優(yōu)化產(chǎn)品降低成本節(jié)省時(shí)間數(shù)字化雙胞胎通過(guò)互聯(lián)網(wǎng)平臺(tái)收集和分析數(shù)據(jù)，將發(fā)動(dòng)機(jī)的運(yùn)行數(shù)據(jù)映射到對(duì)應(yīng)的數(shù)字化雙胞胎模型中，在服務(wù)器里得到一個(gè)被“數(shù)字克隆”的發(fā)動(dòng)機(jī)，在數(shù)字模型中進(jìn)行虛擬現(xiàn)實(shí)操作，就可實(shí)現(xiàn)對(duì)數(shù)字模型發(fā)動(dòng)機(jī)的監(jiān)測(cè)和調(diào)試，從而給出實(shí)物發(fā)動(dòng)機(jī)零部件的更換建議和更加科學(xué)的維護(hù)計(jì)劃，極大地提高了GE公司物理資產(chǎn)的利用價(jià)值。8.4工業(yè)大數(shù)據(jù)在發(fā)動(dòng)機(jī)中的應(yīng)用8.4.3發(fā)動(dòng)機(jī)健康管理設(shè)計(jì)數(shù)據(jù)制造數(shù)據(jù)飛行數(shù)據(jù)飛行天氣狀況飛行員操作飛行航線遠(yuǎn)程維修預(yù)防性維護(hù)維保計(jì)劃壽命管理健康管理其他數(shù)據(jù)“發(fā)動(dòng)機(jī)健康管理”系統(tǒng)（EngineHealthManagementEHM）發(fā)動(dòng)機(jī)監(jiān)控8.5工業(yè)大數(shù)據(jù)在白色家電中的應(yīng)用8.5.1工業(yè)大數(shù)據(jù)在智能白色家電中的應(yīng)用智能冰箱除了最基本的溫度智能控制外，還能實(shí)現(xiàn)食品安全追溯、食品保質(zhì)期預(yù)警、健康食譜推送等功能。它通過(guò)采用圖像識(shí)別技術(shù)，對(duì)放入冰箱的食材進(jìn)行自動(dòng)識(shí)別，記錄食材的種類、特色和放入時(shí)間，當(dāng)食材接近保鮮期時(shí)，冰箱就可提醒用戶及時(shí)處理。同時(shí)，通過(guò)記錄用戶的日常飲食數(shù)據(jù)，分析用戶飲食習(xí)慣，并結(jié)合RealSense（實(shí)感技術(shù)）對(duì)人身體維度信息進(jìn)行測(cè)量，計(jì)算出人體的BMI（身體質(zhì)量指數(shù)）、BMR（基礎(chǔ)代謝率）等數(shù)據(jù)，那么結(jié)合用戶飲食習(xí)慣與身體維度信息，可為用戶推薦最全面、最營(yíng)養(yǎng)的健康膳食食譜和運(yùn)動(dòng)建議。智能家居通過(guò)配套的智能家居APP，可以通過(guò)智能設(shè)備感應(yīng)或人為情景設(shè)置切換智能家電不同的工作模式，比如當(dāng)PM2.5檢測(cè)儀檢測(cè)到當(dāng)前環(huán)境PM2.5濃度高于75μg/m3時(shí)，自動(dòng)開(kāi)啟空氣凈化器；又比如下班時(shí)通過(guò)APP設(shè)置“回家模式”，空調(diào)便開(kāi)始工作，回到家中開(kāi)鎖時(shí)，智能門鎖便“告訴”智能家居系統(tǒng)打開(kāi)客廳的燈和電視，而此時(shí)，提前工作的空調(diào)已經(jīng)讓客廳的溫度達(dá)到預(yù)設(shè)的值。標(biāo)簽二維碼掃描智能標(biāo)簽識(shí)別獲取衣物面料信息用水量自動(dòng)選擇洗衣液及用量自動(dòng)選擇最佳洗滌程序設(shè)置衣物量自動(dòng)感知獲取衣物數(shù)量或重量智能洗衣機(jī)8.5工業(yè)大數(shù)據(jù)在白色家電中的應(yīng)用8.5.2工業(yè)大數(shù)據(jù)在多聯(lián)機(jī)空調(diào)中的應(yīng)用安裝調(diào)試層面：規(guī)范工程安裝流程，指導(dǎo)安裝調(diào)試人員進(jìn)行高質(zhì)量的安裝調(diào)試產(chǎn)品使用層面：實(shí)時(shí)監(jiān)控空調(diào)設(shè)備的運(yùn)行狀態(tài)，保證空調(diào)健康工作售后維保層面：通過(guò)海量實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)，提前發(fā)現(xiàn)空調(diào)設(shè)備可能會(huì)出現(xiàn)的故