工业大数据智能工厂规划实施方案

数据源定义
设备
人员
物料
质量
事件
传感器
关系型数据 LOB应用
工业数据 湖
数据预处理
批查询 交互查询 实时分析 机器学习
机器学习结果展示 报表展示
查询
元数据及关联性
数据预处理
ETL工具
定义的主题
结果呈现
其他数据
信息系统
设备 传感器
数据
信息管理
数据工厂 数据分类 事件处理
数据湖与价值发 现
大数据存储
机器学习/数据分析
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。
2020
工业大数据智能工厂规划 实施方案
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。
API
应用适配器
性
大数据管理平台
维
产品数据
位置数据 能源数据
修
终端管理
数据管理
异
权限管理
安全策略&QoS
云数据中心
常
监
网络
控
企业网络
以太网
计量、换算
设备
1
温度、湿度、成分
阀门开关
物流跟踪
原材料、成分
3
人
2
机
能源监控
协
同
Zigbee
RFID/Wi
Zigbee/RS485
Fi
过
设备及传感器
程 优
温度
湿度 原料监控 阀门控制
元数据 索引
数据仓库
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
Baidu Nhomakorabea
HADOOP
半结 构化
非结 构构 化
Hive Pig Map/Reduce
HDFS
流处理 （Storm、
Spark Streaming）
大数据应用 工艺优化 质量提升 产线故障预测 预测性维修 效率提升 可视化监控
AGV
扫描
托盘
设备
仪表
换算
采集
化
设备1
设备2
设备3
设备4
设备5
设备6
设备7
设备8
设备9
设备…
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
工业大数据架 构
大数据处理
事务型数据
MPP数据库
OLTP
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 监控管理
• 计量信
• 随机性
• 产品数
列
• 程序数
息
息
• 概率特
据
• 数据真
据
• 位置信
征
• 位置数
实
• 结果数
息
• 相关性
据
• 数据海
据
• 物流信
• 竞争对
量
息
手
• 并发较 多样、实时、海量的数据需要依赖大数• 据加技工术信进行数据管理并产生价值• 信用数
物流数据 • 位置数
据 • 计量数
据 • 时间数
据
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。
大数据智能工厂规划
基于机器学习的工业大 脑
应用系统
CRM
ERP
WMS
PLM
TMS
EMS
MES
预
测
工业云平台
管理平台
操作门户
IP
网络连接管理平台
工艺 人员 物料 设备 质量
当前数据 历史数据
当前数据 历史数据
当前数据 历史数据
当前数据 历史数据
当前数据 历史数据
智能制造大数据蓝图
数据仓库和分析型应用
DM
DM
DW – 面向主题、 历史和汇总
ODS/DSA – 面向主题、当前
Spark ML
作业行为优化 供应链优化 设备预测性维
修
API接口
业务系统实时查询服务
生产过程建模
产线数据建模
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。
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； 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
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。
异常检测 事件处理 环境分析 人机协同 能效增强 质量强化
模型与数据
强化模型
历史数据处理
实时数据处理
批量检索服务 数据分享服务 数据下载服务
大数据平台
供应商 数据
• 产品质 量
• 服务信 息
• 信用数 据
• 位置数 据
• 渠道依
机器数 据
• 多种类
型
控制数 据
工点业人大员据数数据特
物料数 据
• 数据多
• 基本信
• 基本信
样
息
息
质量数 据
• 检验数
据
客户数 据
• 需求数
据
• 时间序
• 时间戳
• 行为信
智能化
数据湖 SQL 数据仓库
机器学习
基于数据湖分 析 HADOOP/Spark 技术
流处理
知识库 产线建模 流程优化
数据可视化
信息
自助式BI
人员
信息系统
ERP MES EMS
生产线
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；