Data Issues in Industrial AI System: A Meta-Review and Research Strategy

在工业4.0时代，人工智能（AI）在工业系统中扮演着越来越关键的角色。尽管各行各业最近都趋向于采用AI，但实际上AI的采用并没有像人们想象的那么发达。导致这种滞后的一个重要因素是AI实施中的数据问题。如何解决这些数据问题是业界和学术界都面临的重大问题。为了解决这些数据问题，首先需要对这些问题进行梳理。因此，本研究进行了元综述，探讨了工业AI实施中的数据问题和方法。研究确定了72个数据问题，并将其分类到数据生命周期的各个阶段，包括数据来源和收集、数据访问和存储、数据集成和互操作、数据预处理、数据处理、数据安全和隐私以及AI技术采用。随后，研究分析了各种AI算法的数据要求。在上述分析的基础上，提出了一个数据管理框架，解决了数据问题如何在数据生命周期的每个阶段得到系统解决的问题。最后，研究突出了未来的研究方向。通过这样做，本研究丰富了现有的知识体系，并为在工业AI中实现数据可用性和有用性的复杂领域中寻找指导的专业人士提供了指南。

解决工业AI实现中的数据问题，包括数据源、数据存储、数据处理等方面的挑战，提出数据管理框架，为解决数据可用性和有效性提供指导。

通过对工业AI实现过程中的72个数据问题进行分类，提出数据管理框架，解决数据采集、存储、处理等方面的挑战，为工业界和学术界提供指导。

论文提出了一个全面的数据管理框架，能够解决工业AI实现中的各种数据问题，为工业界和学术界提供指导。同时，论文还分析了不同AI算法的数据需求，并提供了一些未来研究方向。

最近的相关研究包括：《工业4.0时代的人工智能：挑战、机会和未来方向》、《基于深度学习的工业互联网关键技术研究》、《面向工业互联网的大数据分析与挖掘》等。