智能數據的案例
【產品】智能數據建模軟件DTEmpower 2023R1新版本功能介紹
對此，DTEmpower 2023R1版本推出了一鍵式、零基礎、可定制的向導式建模模塊，幫助用戶快速上手，并過渡到數據建模專家。
圖7 一鍵完成數據挖掘全過程
圖8 可過渡至專業建模模式
圖9 支持行業專屬的數據挖掘工具定制
DTEmpower更多詳細介紹及軟件試用申請，請點擊“DTEmpower——智能數據建模軟件”，前往查閱。
【新聞】智能數據建模軟件 - DTEmpower 2022R1版本發布
DTEmpower是由天洑軟件自主研發的一款通用的智能數據建模軟件，提供從模型搭建到模型管理應用的一站式解決方案，讓用戶可以聚焦于業務而不是疲于數據分析，充分發揮數據的價值。在DTEmpower 2.1的基礎上，經過迭代研發，于2022年1月正式推出DTEmpower 2022R1版本。
相比于上一個版本，DTEmpower 2022R1在軟件功能和操作體驗上均實現了升級，具體包括：
① 數據管理全新升級；
② 流程搭建效率大幅提升；
③ 數據建模全流程完善；
④ 數據庫直連功能支持。
圖1 智能數據建模軟件DTEmpower 2022R1正式發布
數據管理全新升級
新版本的數據管理中支持全新的表格前處理操作，既覆蓋有通用表格操作與快捷鍵，又針對性地面向數據分析搭載附加功能。嚴謹的變量格式設定，靈活的數據核查與處理，強大的變量賦值功能，零代碼也能輕松實現數據分析。
展開 【DTEmpower案例操作教程】智能數據挖掘
DTEmpower更多詳細介紹及軟件試用，請點擊“DTEmpower - 智能數據建模軟件”，前往查閱。試用無需申請license，下載軟件安裝后可直接免費試用30天
智能數據建模軟件DTEmpower 2023R2新版本功能介紹
工業設計場景案例：
船體型線智能設計、
風力機輪轂強度快速分析、
玻璃模具快速設計等。工業運維場景案例：
水處理系統參數預測、
鍋爐脫硝系統優化控制、
電機繞組溫度預警等工程問題
。
DTEmpower更多詳細介紹及軟件試用，請點擊“DTEmpower - 智能數據建模軟件”，前往查閱。試用無需申請license，下載軟件安裝后可直接免費試用30天。
大數據智能決策.
陳純院士指出,當前大數據智能正從規則的學習推理方法,到數據驅動的知識挖掘方法,邁向數據驅動與知識引導的新時代.將數據驅動的機器學習方法與人類的常識先驗與隱式直覺相結合,可以實現可解釋、更魯棒和更通用的人工智能[9].鄭南寧院士指出,由于人類生活環境的高度不確定性和脆弱性以及面臨問題的開放性,任何智能程度的機器都無法完全取代人類,因此有必要將人類的認知能力或類人認知模型引入人工智能系統,形成混合增強智能形態[142].張鈸院士指出,人類在問題求解中具有天生的知識驅動能力、對不確定性問題的處理優勢和對全局整體的感知能力; 傳統機器學習具有在數據分析處理中的數據驅動能力、高速計算能力,二者結合是未來信息處理的發展趨勢[143].因此,人機結合的智能形態有望構造出更加有效的認知計算方法.在今后的大數據智能決策的應用與研究中,人機結合的增強智能有望實現對大數據更加有效的處理,并創造出更好的結果.
4 結束語
在全球信息化快速發展的背景下,大數據以其蘊含的巨大價值正受到社會各界的廣泛關注.發展基于大數據的人工智能新技術,實現基于大數據的智能決策是推動發展智能經濟、智能服務、智能制造的關鍵手段.現階段,智能決策理論方法在大數據驅動的模式下快速發展,并逐漸形成一系列圍繞多源異構大數據智能化處理的新方法和新趨勢.為了深入了解大數據智能決策的發展現狀,文章對大數據的特性以及大數據決策的特點進行了歸納總結,并著重從智能決策支持系統的發展、不確定性信息處理、信息融合、關聯分析以及增量分析五個方面綜述了當前大數據智能決策的發展現狀.最后文章討論了大數據智能決策仍然面臨的問題與挑戰,展望了一些潛在的方法及研究方向.作為一門快速發展的開放性學科領域,大數據智能決策在內涵外延、模型理論、技術方法及實施策略等方面還需要人們繼續投入更多的研究與實踐.希望本文對大數據智能決策的相關介紹與探討能夠對讀者提供有益的借鑒和幫助
展開 【產品】智能數據建模軟件 - DTEmpower 2022R2版本新功能詳解
DTEmpower是由天洑軟件自主研發的一款通用的智能數據建模軟件，提供了從模型搭建到模型管理應用的一站式解決方案，讓用戶可以聚焦于業務而不是疲于數據分析，充分發揮數據的價值。相比于上一個版本，DTEmpower 2022R2在軟件功能和操作體驗上均實現了升級，具體包括：
新增時間序列工具包；
新增軟件啟動歡迎頁；
優化數據可視化交互式配置；
優化大數據集上傳及加載性能。
圖1 智能數據建模軟件DTEmpower 2022R2正式發布
新增時間序列工具包
新版本算法工具箱新增一系列應用于時間序列分析的工具節點，完成了包含差分整合移動平均自回歸模型ARIMA、指數平滑ES等線性時間序列預測算法的集成，可實現完整的時間序列數據預處理、算法建模、預測應用等工作，進一步拓展了用戶的使用場景。
圖2 時序預處理：數據集時間切片、缺失值填補、重采樣等功能一鍵觸達
圖3 時序預測算法：集成6類線性時間序列預測算法，搭配交互式超參配置及超參優化
圖4 時序模型應用：支持參數預測及置信區間可視化、模型更新、模型調用等一站式解決
新增軟件啟動歡迎頁
為降低新用戶上手難度、優化軟件使用體驗，新版本DTEmpower客戶端推出了啟動歡迎頁，其中內置用戶使用幫助、示例項目模板、歷史項目快速打開以及舊版本項目自動升級等功能。
展開 Altair RapidMiner 數據分析和 AI 平臺助力企業加速智能升級：擴展智能體 AI 及分析生態系統
NEWS
Altair 數據分析與 AI 平臺 Altair? RapidMiner? 迎來重大更新。此次更新旨在幫助企業實現智能運營，在統一生態系統中打通人員洞察、數據自動化與智能體 AI 協作的壁壘。
最新更新進一步強化了Altair 的數據分析與 AI 生態系統，助力企業構建兼具可擴展性、可信賴的智能數據環境。
“
這次更新能幫助企業從“孤立分析”的傳統模式轉向全面互聯的智能體系。通過 AI、數據治理與實時決策能力深度整合，Altair 讓企業內部的每個團隊，無論是業務分析師還是數據科學家，都能以更快的速度、更充足的信心將數據資源轉化為實際行動。
—— Altair 首席技術官 & 西門子數字工業軟件仿真業務負責人
Sam Mahalingam
”
推動企業全域互聯智能
Altair? AI Cloud 為規模化多智能體系統提供了安全基礎。借助全新推出的 Agent Studio，用戶可在統一環境中構建并編排智能體工作流，同時整合大語言模型、機器學習與企業數據。增強型多智能體協作功能支持智能體協同推理、數據檢索與任務自動化。依托這些功能，傳統數據流程將轉變為動態、自主的生態系統，讓企業級 AI 的使用門檻大幅降低，實現普及化應用。
Altair? Graph Studio? 以語義數據智能與智能體系統治理能力為核心，成為 Altair 生態系統的核心支柱。通過集成模型上下文協議 (MCP)，智能體可直接與 Graph Studio 交互，完成查詢、推理與決策；同時，內置的 LLM 驅動輔助工具簡化了元數據管理與本體構建流程。
展開 新聞速遞丨Altair RapidMiner 數據分析和 AI 平臺助力企業加速智能升級：擴展智能體 AI 及分析生態系統
NEWS
Altair 數據分析與 AI 平臺 Altair? RapidMiner? 迎來重大更新。此次更新旨在幫助企業實現智能運營，在統一生態系統中打通人員洞察、數據自動化與智能體 AI 協作的壁壘。
最新更新進一步強化了Altair 的數據分析與 AI 生態系統，助力企業構建兼具可擴展性、可信賴的智能數據環境。
“
這次更新能幫助企業從“孤立分析”的傳統模式轉向全面互聯的智能體系。通過 AI、數據治理與實時決策能力深度整合，Altair 讓企業內部的每個團隊，無論是業務分析師還是數據科學家，都能以更快的速度、更充足的信心將數據資源轉化為實際行動。
—— Altair 首席技術官 & 西門子數字工業軟件仿真業務負責人
Sam Mahalingam
”
推動企業全域互聯智能
Altair? AI Cloud 為規模化多智能體系統提供了安全基礎。借助全新推出的 Agent Studio，用戶可在統一環境中構建并編排智能體工作流，同時整合大語言模型、機器學習與企業數據。增強型多智能體協作功能支持智能體協同推理、數據檢索與任務自動化。依托這些功能，傳統數據流程將轉變為動態、自主的生態系統，讓企業級 AI 的使用門檻大幅降低，實現普及化應用。
Altair? Graph Studio? 以語義數據智能與智能體系統治理能力為核心，成為 Altair 生態系統的核心支柱。通過集成模型上下文協議 (MCP)，智能體可直接與 Graph Studio 交互，完成查詢、推理與決策；同時，內置的 LLM 驅動輔助工具簡化了元數據管理與本體構建流程。
展開 直播預告 | 基于人工智能的材料測試數據擴充與快速預測
精彩直播預告
計算機性能的提升推動了人工智能（AI）和機器學習（ML）技術的蓬勃發展。AI、ML技術正與各行各業深度融合，助力傳統行業實現從經驗驅動到數字驅動的研發理念轉變，有效降低研發成本、提高研發效率并加快產品上市周期。針對材料性能測試周期長、成本高的問題，海克斯康融合物理測試、虛擬實驗和人工智能技術，開發出一套基于人工智能的材料數據擴充解決方案。該方案旨在幫助客戶快速獲取準確可靠的材料屬性數據。
該解決方案工作流程中的三種方法
海克斯康基于人工智能的材料數據擴充解決方案主要包含以下兩部分：
■材料數據的存儲與管理：對客戶的材料數據進行結構化存儲，并提供便捷的展示方式，有效解決材料數據在存儲、使用和共享環節的難題。
■材料數據的擴充：通過結合材料數據擴充的三種經典方法，即實驗測試、虛擬材料建模和人工智能，搭建了一種材料數據擴充智能化解決方案。該方案能夠幫助客戶利用少量材料測試數據，精準預測更廣泛條件下的材料屬性（如靜力學性能、蠕變性能、疲勞性能等）。這確保了客戶能夠高效、準確地獲取用于仿真分析所需的高質量材料數據，同時顯著提升仿真結果的精度與可靠性。
本期直播講堂請到了海克斯康工業軟件應用專家常誠，在直播間中講師將詳細介紹海克斯康基于人工智能的材料數據擴充解決方案及各功能使用方法，并結合多個實際應用案例，分析該解決方案的應用實效和賦能價值。敬請關注！
展開 大型鍛件工藝數據智能化處理與優化系統設計
如鍛件尺寸檢測數據得不到有效的反饋，鍛造規范得不到及時的修訂，下次年輕的工程技術人員在處理同類產品時，仍將重蹈覆轍，犯前人犯過的錯誤。在此背景下，企業開始了大型鍛件工藝數據智能化處理與優化系統項目。
系統的總體結構
大型鍛件工藝數據智能化處理與優化系統主要由四個模塊組成，其流程圖如圖1 所示。
⑴鍛造工藝編制計算機輔助系統模塊。此模塊中集成有材料庫、鍛造規范、輔具庫、鋼錠規格等數據庫。目前，鍛造工藝的輔助設計模塊主要針對形狀簡單，工藝流程相對固化的幾種鍛件，如筒節、餅類件、錐形筒體和臺階軸。
⑵鍛件尺寸統計系統模塊。此模塊主要負責收集測控設備反饋的數據，并將數據反饋給鍛件尺寸數據處理系統。
⑶鍛件尺寸數據處理反饋系統模塊。此模塊主要負責鍛件毛坯尺寸與粗加工尺寸的對比，結合企業自定義判據，分析鍛件添加的余量是否合適。對于余量過大或過小的產品，系統將自動發送預警信息，建議用戶修改規范。
⑷鍛造工藝規范人工智能系統模塊。此模塊主要負責鍛造工藝規范的修訂和優化。
圖1 大型鍛件工藝數據智能化處理與優化系統流程圖
功能介紹
從大型鍛件工藝數據智能化處理與優化系統流程圖（圖1）可知，“鍛造工藝編制計算機輔助系統”模塊是整個系統的“起始點”。只有“鍛造工藝編制計算機輔助系統”模塊設計出鍛造工藝，才能有鍛件毛坯為“鍛件尺寸數據處理系統”模塊提供相應的尺寸數據，并開展后續鍛造工藝規范的修訂。因此，本系統開發設計工作從“鍛造工藝編制計算機輔助系統”模塊開始。
目前，大型鍛件工藝數據智能化處理與優化系統已經完成了“鍛造工藝編制計算機輔助系統”模塊的相關設計。
展開 ViCANdo — 智能駕駛數據采集及數據分析平臺
隨著智能化在汽車工業快速推進，智能駕駛系統的復雜程度已經遠超一般的汽車，為了車輛系統的可靠性，研發中對產品功能的驗證和測試流程不可少。經緯恒潤基于ViCANdo軟件，為智能駕駛測試提供從數據采集到數據分析全流程的解決方案，幫助智能駕駛研發測試人員快速了解產品性能，提升產品可靠性。
產品介紹
?ViCANdo是瑞典Zuragon公司研制的一款針對智能駕駛功能的開發和測試平臺軟件，具備如下特性:
?兼容性好，能運行在Windows、Linux、MacOS等操作系統，支持x86、ARM等平臺
?能夠完成車載總線全量數據的采集和同步
?具備數據實時分析和后處理能力
?提供靈活的API接口，方便后續二次開發
產品功能
?智能駕駛數據采集分析
? 全量數據采集，CAN、LIN、Ethernet和GPS串口數據等
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
?ViCANdo擴展工具組(ICVT)
ViCANdo軟件搭配有多種擴展組件，用于智能駕駛的測試和數據分析。
展開 
經緯恒潤智能駕駛開發、測試評估平臺——智能駕駛全量數據感知及分析系統
上一期給大家介紹了平臺的總體方案，本期從“單車智能”開發及測試的角度，為各位看官帶來智能駕駛全量數據感知及分析系統。
智能駕駛全量感知數據實時可視化系統，可實時展示車端各類傳感器數據，可實現感知系統自動對標，并可感知端獲取各類極限場景。包括以下幾部分組成：
智能駕駛數據采集分析及可視化系統
提供一套智能駕駛傳感器全量數據采集及分析軟硬件系統，傳感器數據同步，可實時在可視化界面展示各傳感器數據。
? 全量數據采集
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
? 定制化場景提取
? ADAS功能/測試信號分析
真值系統
真值系統，通過量化真值系統和本車系統的感知結果差異可以評價標注過程，軟件和模型訓練過程。
展開 Moldex3D模流分析之智能數據管理與同步應用
下圖是以項目管理的角度出發所設計的數據統計圖表；此范例提供 iSLM 的案例數目、產品分類、建立時間、負責部門等數據；用戶透過網頁就得以存取開發數據，實時掌握所有信息。
圖五 管理階層的統計數據儀表板
AI人工智能的發展與數據搜集的關聯性
此外值得一提的是，隨著科技的越發蓬勃，近幾年來AI人工智能的應用可以說是包羅萬象，并逐漸改變著我們的生活及工作方式；而作為當前科技領域中最熱門的話題之一，其未來的發展趨勢包含「自動化和機器學習」、「人工智能與大數據」、「自然語言處理」、「人工智能和物聯網」等等。從以上的幾點走向我們不難發現，無論是機器學習、大數據或是物聯網，都需要預先搜集大量的數據數據，有了越多的數據，AI 模型的學習能力就會越強；然而不只是「量」，資料的「質」也是相當重要，若搜集到的數據質量不好，就很容易產生沒用、甚至是錯誤的結果。因此搜集質量好且多數量的數據數據，將對AI技術的發展至關重要。
總結
以數據可視化的方式將儲存于iSLM平臺中眾多繁雜的數據統整并轉化為易于吸收、理解的圖像內容，將能幫助AI技術完成資料搜集的第一步，與此同時還能讓我們更容易辨別數據的規律、趨勢及關聯性；除此之外，也可讓開發團隊快速并準確地做出生產和管理決策。而平臺中既有的質量儀表板評分標準和任務管理的卡片追蹤，不僅提供我們訂定參數的落點指標，也提高了管理者的工作效率；另一方面，儀表板功能也支持成員透過存取在線網頁的數據，打破距離、時間的限制，實時掌握所有同步更新的信息；此外還能結合虛實數據，將可視化的數據應用于跨模具項目的數據呈現，協助團隊成員在進行資料搜集比對之余，也能實現個人化的智能數據應用。
展開 如何構建智能駕駛泛場景數據體系？
智能駕駛是中國未來十年科技發展面臨的最重要的機遇之一。駕駛場景數據是智能駕駛技術產品研發、測試驗證及落地應用的關鍵基礎數據。中國有全球最大的交通路網、最大的人口基數，中國的實際交通狀況紛繁復雜，適用于中國環境的駕駛場景數據更需要從真實世界數據出發，建立豐富和全面的駕駛場景庫，從而解決智能駕駛面臨的長尾問題。從企業側及行業側的迫切需求及海量數據的實踐應用出發，智能駕駛泛場景數據體系的建立迫在眉睫。
中汽數據有限公司（以下簡稱“中汽數據”）圍繞智能駕駛泛場景的應用與推廣，聚焦行業共性難題，從數據、場景、標準、評價多個維度展開研究及實踐，完成智能駕駛泛場景數據體系架構構建、跨仿真器通用場景數據驅動引擎工具鏈開發，并以標準及白皮書等形式面向國際持續輸出“中國經驗”，全方位促進智能駕駛技術研發落地。2022年3月4日，中汽數據面向全行業發布“智能駕駛場景數據體系”系列成果。
成果一：首次發布面向智能駕駛的泛場景數據體系架構
相對于傳統的“場景”概念，“泛場景”的概念是從基礎數據拓展到了業務應用，從智能駕駛系統核心安全理念出發，覆蓋智能駕駛全生命周期應用范疇。其中，泛場景數據不僅支持智駕系統研發及驗證，而且貫穿從設計、研發、驗證，并將場景延續到智能駕駛多個上下游領域，支持智能網聯汽車全生命周期生產研發。
中汽數據發布的“面向智能駕駛的泛場景數據體系架構”，是以基礎數據及行業需求為出發點，通過場景環境數據、車輛信息及駕駛人員信息等數據采集，數據清洗、數據標注、數據融合及數據分析等數據處理，打造包含功能場景庫、測試用例庫及訓練數據集的基礎場景庫，完善并豐富智能駕駛場景的現有理論。
展開 MSC Vires起草和制定的智能網聯數據標準OpenScenario移交ASAM
中國北京2018年11月訊 ： 由MSC Vires起草和制定的智能網聯數據標準OpenScenario于2018年11月13日在德國正式移交自動化及測量系統標準協會（Association for Standardisation of Automation and Measuring Systems, 簡稱ASAM）,來自寶馬，大眾，奔馳等歐洲知名車企及Tire 1 、Tire2企業，研究機構及部分國內車企、網聯車企業參加了此次會議。
OpenScenario是歐洲整車廠（BMW，BENZ，Porsche，VW，Audi，Volvo, Opel, Valeo等）以及工具提供商推薦的ADAS及智能駕駛的標準組織，用于在地圖，場景，工具以及測試功能間建立標準，實現智能駕駛動態場景的標準化描述， 該標準得到了在歐盟范圍內的寶馬，奧迪等眾多知名車企的高度認可，并將在全球范圍內車企中引起巨大關注。MSC Vires總裁Marius Dupuis先生就OpenScenario的發展方向與應用與與會專家進行了深入討論，為此標準的落地做了充分準備 。該標準由MSC Vires移交ASAM后，將由ASAM進一步完善及測試后計劃于2019年正式對外發布。
除OpenScenario之外，由MSC Vires主導并擬定的如下兩個智能網聯數據標準也已成功移交ASAM。
*OpenDRIVE：2006年起發布的開源和用于仿真的高精地圖級的道路模型標準，用來描述復雜路網的邏輯關系和宏觀特性，在行業內得到了廣泛應用。
*OpenCRG：2008年起發布的用于描述道路路面微觀特性和不平度的開源數據格式，同時為廣大用戶提供了應用工具。
展開 