智慧工业大数据建设方案 智慧工厂整体解决方案

智慧工业解决方案
智慧工业方案提供数据采集、数据传输、大数据分析、智能化控制等功能，可帮助企业提高环境 安全，加强人员管理，优
化系统功能和资源配置，降低系统运营成本等。
3
大数据智能工厂规划
基于机器学习的工业大脑
CRM
应用系统
ERP
WMS
IP
PLM
TMS
EMS 大数据管理平台
MES
管理平台 工业云平台
模型算法-DNN
神经网络是一组模拟人脑进行模式识别的算法组合，通 过聚类或者标记原始数据进行数据感知，它可以识别真 实世界包含在向量中的数据，如图片、声音、文本等。
深度神经网络与单层神经网络的区别是数据通过了多步模式识别的隐藏 层处理，传统的神经网络机器学习算法依赖于一个输入一个输出一个隐 藏的浅层神经网络学习，而深度神经网络是在一个以上的隐藏层学习。
元数据 索引
大数据应用 HADOOP
半结 构化 非结 构构 化
工艺优化
OLTP
质量提升
事务处理 数据完整性 锁机制 索引机制 SQL优化 SQL执行 备份恢复 断点处理
数据仓库
Hive
Pig
列存储 粗粒度索引 数据压缩 SQL优化 动态拓展 资源管理 大表关联 并行加载
Map/Reduce HDFS
能源监控
Zigbee/RS485
Zigbee
设备及传感器
温度 设备1 设备2 湿度 原料监控 设备3 设备4 阀门控制 设备5 AGV 扫描 设备6 托盘 设备7 设备 设备8 仪表 换算 设备9 采集 设备…
工业大数据架构
数据源 ERP数据 MES数据 EMS数据 DCS数据 检验数据 设备数据 传感器数据 事务型数据 大数据处理 MPP数据库
查询
关系型数据
结果呈现
ETL工具
LOB应用
定义的主题
数据湖与价值发现
信息管理
其他数据
数据工厂
大数据存储
机器学习/数据分析
智能化
人员
数据湖 SQL 数据仓库
机器学习
知识库
数据分类
基于数据湖分析
产线建模
ERP
信息系统
事件处理
HADOOP/Spark 技术 流处理
流程优化
MES
信息系统
EMS
数据可视化
设备 传感器
智慧工业大数据建设方案
前言
智慧工业
随着工业4.0概念的引入，工业产业进入了新一轮的全球性革命，新型工业体系最核心的特征就是互联网、大数据
与工业的融合应用。工业大数据是工业4.0的核心支撑之一，将带来工业生产与管理环节的极大的升级和优化，其价值 已经得到了全球的认可，但是反观我国的工业发展现状，工业数据的价值利用极其有限，如何采集、应用、管理工业 大数据，快速跟进工业4.0的步伐，是传统的工业企业转型升级中必须要解决的问题。
自助式BI
生产线
数据
百度文库
信息
行为
工业大数据建模目标
制造价值提升 1、原因分析的工艺优化；2、设备预测性维修；3、产线异常监控；4、产品质量控制；
供应商管理提升 1、风险预测与分析；2、交付时间与路径优化；3、供应商评价与信用管理；
客户需求管理提升
1、客户行为的需求挖掘；2、准确个性化的产品定价；3、产品的预测性保养与维修；4、更好的产品体验；
Spark ML
API接口
设备
当前数据 历史数据
质量
当前数据 历史数据
业务系统实时查询服务
批量检索服务
数据分享服务
数据下载服务
大数据平台
工业大数据特点
供应商数据
• 产品质量 • 服务信息 • 信用数据 • 位置数据
机器数据
• 多种类型 • 时间序列 • 数据真实 • 数据海量
控制数据
• 数据多样 • 时间戳 • 程序数据 • 结果数据
• 并发较高
• 加工信息
• 装配信息 • 追踪信息
• 信用数据
• 业务数据 • Web信息 • 行为信息
多样、实时、海量的数据需要依赖大数据技术进行数据管理并产生价值
工业数据湖
数据源定义
数据预处理 批查询 交互查询
设备
人员
机器学习结果展示 报表展示
物料
质量
实时分析
事件
传感器
机器学习
元数据及关联性 数据预处理
运营价值提升
1、更好的管理资产；2、合理的资源消耗；3、避免人为的错误；4、实时推荐技术工具；5、增强用户高效与便捷
产线数据建模
生产过程建模
结果的相似和关联性
设备数据建模
如上图显示的机器学习算法，多级算法分析引擎可以根据对工厂已安装设备的数据采集和工艺流 程，自动绘制内在的逻辑关系，并显示哪个工艺流程和数据流之间直接或间接的相互关系，以及 这种关系存在的原因。这种深层和独特的分析提供了一个高等级的平台来侦测异常，通过行为和 运营表现来标记质量与效率，并进行微观辩证性的根源问题分析。
产线故障预测
预测性维修
流处理 （Storm、 Spark Streaming）
效率提升
监控管理
可视化监控
智能制造大数据蓝图
数据仓库和分析型应用
作业行为优化 供应链优化
工艺
当前数据
历史数据
DM
DM
人员
当前数据 历史数据
DW – 面向主题、历 史和汇总
设备预测性维修
物料
当前数据 历史数据
ODS/DSA – 面向主题、当前
网络连接管理平台
操作门户 终端管理 权限管理 API 应用适配器 数据管理 安全策略&QoS
产品数据
位置数据
能源数据
预 测 性 维 修 异 常 监 控 人 机 协 同 过 程 优 化
云数据中心
企业网络 网络 设备
温度、湿度、成分
1
以太网 阀门开关 原材料、成分
3
计量、换算
2
物流跟踪
RFID/WiFi
基于大数据、物联网、云计算等核心技术能力，为全球工业及商业企业提供工业大数据咨询与实施服务，涵盖能
效管理、环保监测、资产管理、安全生产、设备生命周期管理、经营管理分析等领域，充分发挥大数据能力，强化工 业与大数据的深度紧密融合，为工业升级转型注入新的活力。 工业大数据解决方案是“云、移、物、大、智”深度融合的体现，使得产品与生产设备之间、不同的生产设备之 间以及数字世界和物理世界之间能够互联，可以打破传统工业生产中企业、地域、操作习惯、生产经验等多重限制， 在此平台上快速高效地完成工业操作制度的决策、工业大数据的云端数学建模计算、工业信息和标准的快速获取、工 业问题的互动咨询。
人员数据
• 基本信息 • 行为信息
物料数据
• 基本信息 • 计量信息 • 位置信息 • 物流信息
质量数据
• 检验数据 • 随机性 • 概率特征 • 相关性
客户数据
• 需求数据 • 产品数据 • 位置数据 • 竞争对手
物流数据 • 位置数据 • 计量数据 • 时间数据
• 渠道依赖
• 原料来源 • Web信息 • 业务信息 • 行为信息