面向大数据归因分析的评价理论与方法

The development of Big Data and Data Science promotes the development of data driven technology and related wide business applications. However, because big data focus on correlation analysis but cause and effect analysis, it causes a serial of mistakes. The project will study big data cause and effect analysis architecture and modeling methods. It tries to form the model driven big data analysis and evaluation architecture and methodology, and study basic theory and methods of evaluation in loop. Furthermore, the project is going to study the individual oriented evaluation theory and technology. Based on results of theory research, the cause and effect analysis problem of GB 23020-2013 will be overcome.

大数据及数据科学理论的发展，推动了数据驱动技术的进步及其广泛的商业化应用。但是大数据在相关性分析上的突出特点，造成了一系列由于归因分析手段匮乏所引发的谬误。本课题研究大数据归因分析的体系架构和建模方法，力图形成模型驱动的大数据分析与评价的体系架构与方法论，并开展动态大数据环境下连续的系统评价与趋势预测，探索评价在环的基础理论和方法。开展大数据驱动的面向个体的评价理论与方法研究，形成问题和需求导向的个体评价的理论体系和技术方案。在上述研究成果的基础上，针对国家标准GB 23020-2013 《工业企业信息化和工业化融合评估规范》在区域评价中面临的大数据归因的问题，突破两化融合评估大数据的归因分析与评价的理论和方法。

本项目研究面相大数据归因的评价理论和方法，在通用体系结构框架、大数据体系结构和大数据分析体系、数据驱动和模型驱动相融合的系统工程3V体系、基于贝叶斯因果网络和改进因果图的归因方法、智能制造生态系统及其评价领域产生了一批研究成果。(1) 通用体系结构框架及其建模体系，为复杂工业系统的认识和研发，提供了基于模型的系统工程方法。(2) 大数据体系结构和分析体系，提供了模型驱动的、分析人员在环的大数据分析策略和方法。(3) 数据和模型融合驱动的3V体系，为机理模型的建立和未建模模态的补偿提供了基于大数据学习的手段，也为基于大数据的人工智能的学习算法，提供了机理模型所产生的高品质数据，解决了我国工业领域缺乏模型和缺乏数据的双重工程问题。(4) 基于贝叶斯因果网络和改进因果图的归因方法为工程领域的数据分析与归因，提供了新的手段。本项目的理论研究成果，已经在舰船综合管理平台效能评估、两化融合管理体系和数字化转型评估、装备故障诊断和健康管理领域的工程实践中进行了应用验证。