针对制造业大数据分析场景复杂多变、对模型需求多样化的特点，研究了制造业大数据分析自动建模方法，具体贡献如下：
针对制造业生产、供应链和售后阶段的典型场景和主要需求，研究了面向应用的大数据分析模型，具体贡献包括：
在关系型数据质量分析与清洗方面，具体贡献如下：
针对制造业大数据分析对于分析算法的需求，研究了满足不同制造场景对分析算法实时性需求的多实时性分析算法，研究了劣质数据分析算法及面向工业动态过程的自适应分析算法。此外，针对制造业大数据分析算法所依赖的底层技术，研究了制造业大数据分析算法支撑技术，包括特征选择技术、数据源选择技术和计算平台优化技术。
制造业大数据分析算法的具体贡献如下：
在多实时性分析算法方面：
在劣质数据分析算法方面：
在运行规律自适应分析算法方面：
制造业大数据分析支撑技术的具体贡献如下：
面向制造业大数据分析的主要需求，研究了制造业大数据分析结果回馈技术，包括基于分析结果的数据采集技术、基于分析结果的制造业知识库构建技术和分析结果可视化技术。具体贡献如下：
在制造业大数据分析理论和关键技术研究的基础上，课题组研发了面向制造业大数据分析的原型系统，并针对西奥电梯、浙江微宏物联科技有限公司等具有代表性的浙江省制造企业探索了示范应用。
在制造业大数据分析原型系统方面，具体贡献如下：
制造业的特点是中小型企业多，呈块状经济。这些企业的信息化程度逐步提高，而且获得的数据量巨大且稳步增长。这对大数据分析提出了迫切的需求，然而，大多数中小型制造企业不能负担专业数据分析咨询和系统开发的开销。针对这种现状，课题组提出了一种面向制造企业中非大数据分析专家的大数据分析系统架构，该系统可以完成大多数制造业中存在的数据分析任务，并且没有数据分析知识或经验的人也可以容易地定义数据分析任务。
随着工业机器人的普及，许多加工产线已经实现了一定程度的柔性化。当前，柔性产线的特点是能够对中小批次、同种类型、不同型号的产品进行快速响应。在生产过程中，工程技术人员预先为每种类型的产品设计加工方案，预设加工参数并开发相应的机器人控制程序。当特定产品需要加工时，控制系统调用相应的控制程序实现加工。加工参数的设置对于产品合格率具有显著的影响。然而，工程技术人员在针对具体型号产品预设加工参数时，只能依赖人工经验。由于产品的多样性、产线的复杂性和加工环境的不确定性，预设的参数往往不能满足实际生产需要。此时，只能依赖有经验的工作人员在实际生产过程中对加工参数进行合理调整，以满足对产品质量的要求。
针对当前同一柔性产线上加工产品具有较高相似性的特点，课题组设计并开发了基于相似性搜索的柔性产线加工参数在线优化系统原型。系统根据产品质量检测结果，记录良品的加工参数形成知识库。当残次品产生时，系统依据当前产品的特性，采用局部敏感哈希算法实时搜索知识库中与当前产品具有最高相似度产品的加工参数，形成参数优化方案并推荐给产线工作人员，帮助工作人员快速实现加工参数优化，并减少对人工经验的依赖。该系统具有高度可配置性和良好的交互性，能够适配到所有具有上述特点的柔性生产线上。
生产计划排程是车间作业调度中最重要的环节之一。在加工设备、人力等资源有限的前提下，如何依据加工产品的需求合理分配加工资源，最大化加工效率，是制造业生产环节中至关重要的问题。然而，当前多数制造企业，尤其是以浙江省制造业为代表的中小型制造企业，仍采用人工排产的方式，由车间班组长依据自己的经验进行生产计划排程，不仅耗时耗力，且缺乏客观性和科学性。因此，课题组针对车间计划排产问题，设计并开发了高级计划排程系统原型。课题组将计划排程问题抽象为有限资源下的调度优化问题，并设计了基于遗传算法的求解方法。用户只需将订单信息、产品加工工艺和资源情况输入到系统，系统即可调用优化算法对订单加工计划进行优化排程，以最小化加工工时。排产结果以甘特图的形式展示，简单直观。该系统采用B/S架构，具有轻量级的客户端。前端页面整洁友好，便于理解，具有很强的人机交互性，便于产线上的工作人员操作使用。
Auto-Model:UtilizingResearchPapersandHPOTechniquestoDealwiththeCASHproblem.ICDE2020