工業大數據在提高新能源汽車質量中的應用

奚新文 茅衛東 張轉平

奇瑞新能源汽車股份有限公司 安徽省蕪湖市 241000

1 前言

新能源汽車的發展是汽車發展的新方向，隨著人們環境保護意識的增加，新能源汽車逐漸有替代傳統燃油車的趨勢。新能源汽車的逐漸普及給汽車公司帶來了新的發展和挑戰，如何利用新的產品為公司帶來更多的利潤，成為公司發展新能源汽車過程中必須要考慮的問題。

國內公司對新能源汽車的研究頗多，也為社會提供了許多產品。但是廉價的新能源汽車雖然銷量不錯，但是并不能帶來非常可觀的利潤。汽車公司必須提供更高質量的新能源汽車，才能夠在日益激烈的競爭環境中生。

計算機技術發展迅速，通訊網絡也在快速發展，隨之而來的是大量數據的不斷積累。在工業生產中，也出現了許多數據，統稱為工業大數據。如何從海量的數據中提取出有用的信息，并且利用這些數據提高新能源汽車的質量，成為新能源汽車發展過程中必須要解決的問題。

工業大數據攜帶著大量有用的信息，其優勢明顯。本文將探討工業大數據與新能源汽車發展之間的關系，并研究如何利用工業大數據，提高新能源汽車的質量。

2 工業大數據的應用

大數據的概念首先產生于IT行業中，最早是對互聯網中產生的極大量數據的統稱。隨著互聯網在各個領域的應用，大數據相關的概念層出不窮，比如：大數據醫療、大數據信息以及工業大數據。

各種概念中與新能源汽車聯系緊密的便是工業大數據。新能源汽車的發展離不開制造，制造過程中的海量數據可以被利用，新能源汽車若想發展好離不開工業大數據。工業大數據的框架主要包括五個部分，如圖1所示。

圖1 工業大數據的框架

首先需要對數據進行收集，數據的收集是產生工業大數據的手段，收集的數據則是數據分析的基石。收集到的數據儲存在存儲設備中。當完成數據收集以后，便需要進行數據的傳遞，將收集到的數據傳遞到數據處理中心。當數據處理中心接收到數據以后，便開始對數據進行處理，提取數據的特征，從而為數據的建模建立基礎。通過對數據進行處理以后，可以提取出數據的特征，獲取相關的重要信息，剔除無關信息。利用數據的特征進行建模分析，從而獲得問題的模型。

3 工業大數據的處理方法

K-means聚類是處理工業大數據的一種常用的方法，在進行數據聚類時主要利用數據之間的歐式距離確定數據點之間距離，從而判斷出哪些數據的之間的距離較近，哪些數據之間的點較遠，這種方法被稱之為K-最近相鄰點算法。

K-means聚類方法主要利用數據之間的歐式距離來判斷數據點之間的相似性。對于n維的數據點，計算其與子集之間的距離。此處，利用最近相鄰點的平均距離的分數來表示：

圖2 基于二維數據的聚類

通過對數據的分類，可以獲得影響新能源汽車質量的相關數據。

4 新能源汽車質量研究

影響新能源汽車質量的因素有很多，通過采集數據可以對數據進行分類。假設影響新能源汽車質量的數據是一個n維的向量，通過聚類分析，可以獲得影響新能源質量的主要因素。

此處給出一個二維向量的分布圖，如圖2所示。

通過聚類的方法可以對影響新能源汽車質量的工業大數據進行分類，從而總結出一些規律。

5 總結與展望

隨著計算機技術的發展，可以收集到的數據量越來越多，傳統的方法已經很難有效的進行數據分析，這對新能源汽車的發展造成了阻礙。本文利用數據分類的方法對工業大數據進行聚類分析，探討了如何利用工業大數據促進新能源汽車的質量發展。

在未來的研究中，將探討更簡單有效的方法，以促進新能源汽車的發展。