在開始本文之前，請閱讀這篇文章以瞭解什麼是Qlik，以及Qlik的功能詳細介紹：商業智慧BI明星產品：一篇文章帶你走進Qlik

前面幾篇文章，我們已經詳細介紹了Qlik靈活的功能、強大的效能、有趣的擴充套件性，以及授權和系統要求。接下來本文主要通過裝置運維的Qlik視覺化為大家介紹基於工業大資料的Qlik視覺化。

基於工業大資料的Qlik視覺化

隨著21世紀席捲而來的科技浪潮，企業從客戶需求到銷售、訂單、計劃、研發、設計、工藝、製造、採購、供應、庫存、發貨和交付、售後服務、運維、報廢或回收再製造等整個產品全生命週期各個環節無不產生相應的資料，並對應輸入到相應的系統或形成相應的資料文字，從而形成工業大資料的資料基礎。主要來源可分為三類：第一類是生產經營相關業務資料，主要來自傳統企業資訊化範圍，被收集儲存在企業資訊系統內部，包括企業資源計劃（ERP）、產品生命週期管理（PLM）、供應鏈管理（SCM）、客戶關係管理（CRM）和環境管理系統（EMS）等。通過這些企業資訊系統已累計大量的產品研發資料、生產性資料、經營性資料、客戶資訊資料、物流供應資料及環境資料。此類資料是工業領域傳統的資料資產，在移動網際網路等新技術應用環境下正在逐步擴大範圍。第二類是裝置物聯資料，主要指工業生產裝置和目標產品在物聯網執行模式下，實時產生收集的涵蓋操作和執行情況、工況狀態、環境引數等體現裝置和產品執行狀態的資料。此類資料是工業大資料新的、增長最快的來源。狹義的工業大資料即指該類資料，即工業裝置和產品快速產生的並且存在時間序列差異的大量資料。第三類是外部資料，指與工業企業生產活動和產品相關的企業外部網際網路來源資料，例如，評價企業環境績效的環境法規、預測產品市場的巨集觀社會經濟資料等。

基於工業大資料的Qlik視覺化是使工業大資料中所蘊含的價值得以挖掘和展現的一系列技術與方法，包括資料採集、預處理、儲存、分析挖掘、視覺化和驅動決策等。基於工業大資料的Qlik視覺化應用，則是對特定的工業大資料集，整合應用工業大資料系列技術與方法，將所獲得的有價值的資料轉化為資訊的視覺化過程。基於工業大資料的Qlik視覺化的研究與突破，其本質目標就是從複雜的資料集中發現新的模式與知識，挖掘得到有價值的新資訊、知識，從而促進工業企業的產品創新、提升經營水平和生產運作效率以及拓展新型商業模式。

裝置運維的Qlik視覺化

根據前面提到的中興地鐵專案案例，使用者將近90萬條的原始資料載入到Qlik Sense中，在分析資料的時候，由於資料龐大，很難快速認知資料。使用Qlik Sense，可以立即對資料關係、規律進行分析探索，形成具有重要意義的資料結論。例如，對告警日誌進行一些初步探索，可以發現，月份上的告警數量分佈如下圖所示：

為了保證規則的連續性，我們可以選擇2017.12~2018.3期間的告警作為分析基礎資料集。告警次數字段上的告警數量分佈，如下圖所示：

由此可以發現，大多數告警都只出現過一次，最多出現362次。

以上資料探索已經幫助使用者形成資料關係的快速認知，結合業務邏輯，可以進行更深入的資料分析探索。Qlik insights功能可自動生成見解，以幫助窺探其中的資料規律，如下圖所示：

以第一張圖為例，點選仔細檢視該圖，如下圖所示：

可以發現，708這臺裝置故障時長最高，達1056388157秒，也就是說在2001年到2018年間，24號這個車站中708這臺裝置有將近34年都處於故障狀態，而通過下圖可以發現更多洞察：

通過篩選708這臺裝置，可以發現708裝置故障主要分佈在86、3、93、1等槽位，而其中86這個槽位故障時長最大，繼續深入分析，則可得到下圖：

可以發現在4331這個故障狀態中，有一次故障時長為525414647秒，也就是說708這臺裝置86槽位在一次故障中出現4331這項故障時長長達近17年，也就是說將近花了17年才修復好這項故障，而其他故障修復時長明顯更快速，利用Qlik Sense對修復時長進行分段，得到下圖：

由此，可以發現，99%的故障修復時長都在1-41秒範圍內，少數修復時長在41-81秒範圍內，極少數時長大於81秒，也就是說大多數故障可能是閃退、閃斷等故障狀態，同時也能夠看出該裝置對於故障修復要求的時效性極高，如何保障故障修復的時效性，以及如何有效減少故障、提高裝置執行的穩定性與安全性，還可以利用Qlik Sense通過探索、分析得到更多的資料結論。

關於慧都大資料分析平臺與Qlik

瞭解慧都大資料分析平臺

慧都作為Qlik官方的中國合作伙伴，我們為Qlik的中國使用者提供產品授權與實施、定製分析方案、技術培訓等服務，旨在讓中國企業的每個Qlik使用者都能探索出資料的價值，讓企業形成分析文化。