基于工业大数据技术基础的智能工厂方案规划

Page 3
The next Frontier for Innovation,Cometition and Productivity
大数据特征
Value（价 Volumn(数
值）
量）
Veracity（ 真实）
Variety(种 类）
Velocity（ 速度）
工业大数据中，生产数据的速度实时性更明显
•关系
层次和网 络数据 文档和文 本
Page 23
只有了解制造本身才能造就智能工厂。 我们可能是最好的智能工厂解决方案研究者、实践者。
我们可能是最好的工业大数据产业创新者。
Page 24
数据，智造驱动力
25
50 45 40 35 30 25 20 15 10
5 0
Page 21
能耗总量 综合能耗 产值 用电量
典型工业大数据应用（5）：MRO
Page 22
工业大数据可采用的数据可视化
空间标量
•一维二维三
面向领域 维
地理信息
可视化评 测
可视化交 互
可视化
多变量空 间数据场
时变数据
复杂高维 多元 跨媒体数 据
• 总体框架 • 云基础平台 • 网络安全 • 用户授权 • 数据标准 • 科技研发 • 其他各子系统 • 系统集成
Page 14
以数据驱动的智慧企业（智慧工厂/智能院所） 规划方案纲要
15
典型工业大数据应用（1）：科技研发大数据平台
Page Biblioteka Baidu6
典型工业大数据应用（2）：云设计/云仿真平台
Page 17
需求分析
成熟度评估
模型架构
• 集团战略 • 企业战略
• 产品竞争力 • 生产成本 • 管理流程
• 整体架构 • 技术路线
• 信息化战略
• 研发流程 • 质量
• 客户服务
• 信息系统基础 战略与资源配置
• 业务软件
50
• 数据现状
客户与产业链协同
组织与流程优化
0
技术工具与集成度
制造模式与管理优化
技术方案
CPU虚拟化
内存虚拟化
存储
ＤＡＳ／NAS
SAN
网络
网卡虚拟化
虚拟交换机
技术背景
流程 安全
SDN 分布式ＣＡ
SDM ＯｐｅｎＩＤ
微服务：数据继承
应用集成ESB
云存储 网络虚拟化 制造流程定义 Ｏａｕｔｈ 区块链应用协同
数据
新在线事务 （Nosql/newsql)）
分布式处理（Ｈ／ Ｍ）
高级分析
Page 9
应用仿真应用开发环境将 经验、流程固化为仿真App
专业仿真工 程师
上传
应用仿真云平台对 工程问题进行仿真
下载
应用仿真App针对具体的 设计问题、工程问题进行仿 真，找出最优设计方案，而 无需了解任何仿真细节。
Page 18
典型工业大数据应用（3）：产品智能检测
Page 19
Page 20
典型工业大数据应用（4）：能量监控
管理层
• 结构化数据和非结构化数据的处理 • MPP并行处理，线性扩展，OLAP
基础层
• 虚拟化、网络化、分布式（软件定义SDX） • 横向可扩展的体系结构（区块链），数据采集
工P业ag大e数4据中，数据的采集来源更多样化，应用模式更复杂
数据使用者
数据汇总者
数据应用模式
大数据产业模 式
工业大数据需要基于归因、建议、预测、洞察、基准的应用
沙子
2010年全球数字世界信息规模首次达到1ZB（1万亿GB) IDC:The Digital Universe in 2020:
Big Data,Bigger Digital Shadows,and Biggest Growth in the Far East.
大数据指的是所涉及的数据集规模已经超越了传统数据库软件获取、存储、管理和分析的能
从大数据到工业大数据 工业大数据中，数据的采集来源更多样化，PLC控制、传感器、内部系统、互联网 应用模式更复杂：研发、设计、工艺、生产、管理、决策、运维、环境 实时性要求：工业控制级别的上下环节协同 知识共享：隐形知识显性化的嵌入式技术体系比互联网式样的知识地图更为复杂 数据隐私保护：涉及商业秘密的前提条件下公有云与私有云模式的谨慎区隔
机器学习 聚类 关联 回归 分类
数据可视化
制造型企业内部的数据与应用用户
Page 10
基于工业大数据技术基础的应用规划
Page 11
基于工业大数据技术基础的应用规划（2）
Page 12
基于工业大数据技术基础的应用规划（3）
Page 13
以数据驱动的智慧企业（智慧工厂/智能院所） 规划思路
战略设定
Page 5
工业大数据面临的智能制造架构
美国IIRA
德国RAMI4.0架构
Page 6
日本IVRA
中国智能制造架构
我国智能制造架构体系中工业大数据的位置
Page 7
工业大数据面临的国内外平台
普奥工业云
索为
解决方案
航天云网
云平台
舜宇 其他
Page 8
云服务
公有云 私有云
行业云 企业云
工业大数据面临的技术进步 计算
结构化：数 据库等
半结构化: 如XML
准结构化:如URL
非结构化：不同类型文 件
各企业或组织机构中，80%以上数字信息都是非结构化
应用层
• ESB集成方法，数据驱动的应用 • 数据可视化，数据关系，数据货币化
数字化设备
数据采集者
分析层
• SOA服务，迭代更新，实时交换机制 • ECTL，商业智能BI，机器学习，模式识别
力。这是一个被故意设计成主观性的定义，并且是一个关于多大的数据集才能被认为是大数
据的可变定义……随着技术的不断发展，复核大数据标准的数据集容量也会增长；并且定义
随不同的行业也有变化，这依赖于在一个特定行业通常使用何种软件和数据集有多大……
McKinsey Global Institute.Big Data:
基于工业大数据技术基础的应用方案规划
1
主要内容
大数据规模、特征 从大数据到工业大数据 工业大数据应用背景 工业大数据应用方案的规划思路 智能工厂中的典型工业大数据应用
Page 2
大数据的规模与相对性
1B：一个字符或一粒沙子 1K：一句句子或一撮沙子 1M：20页左右的Powerpoint 文件或一勺沙子 1G：一摞厚度10米左右的书或一鞋盒沙子 1T：300小时左右的高清视频或一操场沙子 1P：30~40万张数字照片或者一片1.5公里左右长海滩沙子 1E：大约2000年前后全球信息的一半或者上海到香港之间海滩的全部