仪器仪表技术的发展对“大数据”的作用

    1、多物理量检测技术、RFID技术和模块化数据采集系统等为“大数据”的获取提供前提与支撑。

   多种物理量检测获取到不同种类的数据，即为非结构化数据，现代仪表检测的灵敏度、精度、测量范围、检测对象都有了很大的提升，现代仪器仪表对物理世界的认知交互应用越来越广泛。先进的传感检测仪表是信息世界与物理世界互动的前提，也是造成海量数据的原因。如美国国家仪器公司(NI公司)开发的产品NI CompactDAQ、CompactRIO、PXI硬件，以及诸如NI LabVIEW系统设计软件和DIAdem之类的工具为“大数据”实时的在采集数据的源头处理数据。

    2、互联网技术、总线技术、分布式仪表技术为“大数据”的信息融合提供多样性保障。

    随着现代工业的飞速发展和生产装置规模的不断扩大，生产过程日趋复杂，对企业生产自动化仪表和各种信息的集成设备信息综合要求越来越高。据估计，到2020年，全球将有约300亿的仪器设备通过无线方式发生互联，无线传感网、物联网技术在智能电网、智能交通等中得到了越来越多的应用。一个大的复杂系统亟需综合各种数据信息，不同设备检测获取的数据的结构是不同的;通过网络，中间点智能变送器发挥的作用更加重要，它将为上层设备的“大数据”分析提供可访问性、可用性。总的来说，网络技术、总线技术、分布式测量技术为仪器仪表产生的“大数据”信息的时空融合提供渠道，以保证数据多样性。

    3、低功耗、高处理能力的集成电路与存储技术为“大数据”的运算处理速度和海量存储提供可能。

    低功耗、高频率的微型芯片、大规模集成电路、超大容量存储技术的迅猛发展直接促进了海量数据的有效处理与存储。近年出现的云储存技术有效突破本地单一传感器数据存储的局限。1965年，Gordon Moore提出著名的摩尔定律，即集成电路中晶体管数量大约每两年就会翻一番。近50年过去，摩尔定律依然影响着电子行业，摩尔定律的效应令技术的价格变得可以让人承受，并且新的发明帮助工程师和科学家以先进的电子仪器仪表采集、分析和储存数据，正是这些变化引起了“大数据”这一奇观现象。

    4、嵌入“智慧”的仪器仪表为“大数据”的低密度价值信息的分析、综合、提取、决策提供支持。

    从“大数据”中汲取价值的过程是一个从原始数据获取到有价值信息提炼的阶段过程。统计分析、数据挖掘、机器学习等智能算法越来越被嵌入到智能仪器仪表中，使得对“大数据”的价值利用更为充分，借助现代化微型智能处理器、执行单元仪表等，可以建立有效的“大数据”分析模型，并在大量数据集合上执行多种模式的智能交互。