工業(yè)大數(shù)據(jù)平臺

前言隨著工業(yè)4.0概念的引入，工業(yè)產(chǎn)業(yè)進(jìn)入了新一輪的全球性革命，新型工業(yè)體系最核心的特征就是互聯(lián)網(wǎng)、大數(shù)據(jù)與工業(yè)的融合應(yīng)用。工業(yè)大數(shù)據(jù)是工業(yè)4.0的核心支撐之一，將帶來工業(yè)生產(chǎn)與管理環(huán)節(jié)的極大的升級和優(yōu)化，其價值已經(jīng)得到了全球的認(rèn)可，但是反觀我國的工業(yè)發(fā)展現(xiàn)狀，工業(yè)數(shù)據(jù)的價值利用極其有限，如何采集、應(yīng)用、管理工業(yè)大數(shù)據(jù)，快速跟進(jìn)工業(yè)4.0的步伐，是傳統(tǒng)的工業(yè)企業(yè)轉(zhuǎn)型升級中必須要解決的問題?；诖髷?shù)據(jù)、物聯(lián)網(wǎng)、云計算等核心技術(shù)能力，為全球工業(yè)及商業(yè)企業(yè)提供工業(yè)大數(shù)據(jù)咨詢與實施服務(wù)，涵蓋能效管理、環(huán)保監(jiān)測、資產(chǎn)管理、安全生產(chǎn)、設(shè)備生命周期管理、經(jīng)營管理分析等領(lǐng)域，充分發(fā)揮大數(shù)據(jù)能力，強化工業(yè)與大數(shù)據(jù)的深度緊密融合，為工業(yè)升級轉(zhuǎn)型注入新的活力。工業(yè)大數(shù)據(jù)解決方案是“云、移、物、大、智”深度融合的體現(xiàn)，使得產(chǎn)品與生產(chǎn)設(shè)備之間、不同的生產(chǎn)設(shè)備之間以及數(shù)字世界和物理世界之間能夠互聯(lián)，可以打破傳統(tǒng)工業(yè)生產(chǎn)中企業(yè)、地域、操作習(xí)慣、生產(chǎn)經(jīng)驗等多重限制，在此平臺上快速高效地完成工業(yè)操作制度的決策、工業(yè)大數(shù)據(jù)的云端數(shù)學(xué)建模計算、工業(yè)信息和標(biāo)準(zhǔn)的快速獲取、工業(yè)問題的互動咨詢。智慧工業(yè)3智慧工業(yè)解決方案智慧工業(yè)方案提供數(shù)據(jù)采集、數(shù)據(jù)傳輸、大數(shù)據(jù)分析、智能化控制等功能，可幫助企業(yè)提高環(huán)境安全，加強人員管理，優(yōu)化系統(tǒng)功能和資源配置，降低系統(tǒng)運營成本等。大數(shù)據(jù)智能工廠規(guī)劃設(shè)備及傳感器網(wǎng)絡(luò)工業(yè)云平臺應(yīng)用系統(tǒng)溫度閥門控制企業(yè)網(wǎng)絡(luò)PLMMESTMSEMSCRM云數(shù)據(jù)中心能源數(shù)據(jù)大數(shù)據(jù)管理平臺位置數(shù)據(jù)產(chǎn)品數(shù)據(jù)托盤AGV掃描設(shè)備RFID/WiFi能源監(jiān)控儀表換算采集Zigbee/RS485濕度 原料監(jiān)控閥門開關(guān)物流跟蹤Zigbee設(shè)備管理平臺以太網(wǎng)1原材料、成分32溫度、濕度、成分計量、換算應(yīng)用適配器數(shù)據(jù)管理安全策略&QoS操作門戶終端管理權(quán)限管理APIERP

WMSIP網(wǎng)絡(luò)連接管理平臺基于機器學(xué)習(xí)的工業(yè)大腦設(shè)備1設(shè)備2設(shè)備3設(shè)備4設(shè)備5設(shè)備6設(shè)備7設(shè)備8設(shè)備9設(shè)備…預(yù)測性維修異常監(jiān)控人機協(xié)同過程優(yōu)化EMS數(shù)據(jù)ERP數(shù)據(jù)MES數(shù)據(jù)檢驗數(shù)據(jù)設(shè)備數(shù)據(jù)傳感器數(shù)據(jù)數(shù)據(jù)源DCS數(shù)據(jù)工業(yè)大數(shù)據(jù)架構(gòu)大數(shù)據(jù)應(yīng)用大數(shù)據(jù)處理工藝優(yōu)化質(zhì)量提升產(chǎn)線故障預(yù)測預(yù)測性維修效率提升可視化監(jiān)控事務(wù)型數(shù)據(jù)MPP數(shù)據(jù)庫HADOOPOLTP數(shù)據(jù)倉庫元數(shù)據(jù)索引列存儲粗粒度索引數(shù)據(jù)壓縮SQL優(yōu)化動態(tài)拓展資源管理大表關(guān)聯(lián)并行加載半結(jié)構(gòu)化非結(jié)構(gòu)構(gòu)化HDFSHive

PigMap/Reduce事務(wù)處理數(shù)據(jù)完整性鎖機制索引機制SQL優(yōu)化SQL執(zhí)行備份恢復(fù)斷點處理監(jiān)控管理流處理（Storm、SparkStreaming）智能制造大數(shù)據(jù)藍(lán)圖工藝人員物料設(shè)備質(zhì)量歷史數(shù)據(jù)當(dāng)前數(shù)據(jù)歷史數(shù)據(jù)當(dāng)前數(shù)據(jù)歷史數(shù)據(jù)當(dāng)前數(shù)據(jù)歷史數(shù)據(jù)當(dāng)前數(shù)據(jù)歷史數(shù)據(jù)當(dāng)前數(shù)據(jù)大數(shù)據(jù)平臺業(yè)務(wù)系統(tǒng)實時查詢服務(wù)批量檢索服務(wù)數(shù)據(jù)分享服務(wù)數(shù)據(jù)下載服務(wù)數(shù)據(jù)倉庫和分析型應(yīng)用ODS/DSA–面向主題、當(dāng)前DW–面向主題、歷史和匯總DMDMAPI接口供應(yīng)鏈優(yōu)化作業(yè)行為優(yōu)化設(shè)備預(yù)測性維修SparkML工業(yè)大數(shù)據(jù)特點供應(yīng)商數(shù)據(jù)機器數(shù)據(jù)控制數(shù)據(jù)人員數(shù)據(jù)物料數(shù)據(jù)質(zhì)量數(shù)據(jù)客戶數(shù)據(jù)物流數(shù)據(jù)多樣、實時、海量的數(shù)據(jù)需要依賴大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)管理并產(chǎn)生價值基本信息行為信息位置數(shù)據(jù)計量數(shù)據(jù)時間數(shù)據(jù)數(shù)據(jù)多樣時間戳程序數(shù)據(jù)結(jié)果數(shù)據(jù)檢驗數(shù)據(jù)隨機性概率特征相關(guān)性多種類型時間序列數(shù)據(jù)真實數(shù)據(jù)海量并發(fā)較高基本信息計量信息位置信息物流信息加工信息裝配信息追蹤信息產(chǎn)品質(zhì)量服務(wù)信息信用數(shù)據(jù)位置數(shù)據(jù)渠道依賴原料來源Web信息業(yè)務(wù)信息需求數(shù)據(jù)產(chǎn)品數(shù)據(jù)位置數(shù)據(jù)競爭對手信用數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)Web信息行為信息行為信息交互查詢批查詢機器學(xué)習(xí)實時分析設(shè)備傳感器質(zhì)量物料人員事件設(shè)備傳感器質(zhì)量人員事件ETL工具定義的主題查詢結(jié)果呈現(xiàn)關(guān)系型數(shù)據(jù)LOB應(yīng)用物料元數(shù)據(jù)及關(guān)聯(lián)性數(shù)據(jù)預(yù)處理報表展示機器學(xué)習(xí)結(jié)果展示數(shù)據(jù)源定義數(shù)據(jù)預(yù)處理工業(yè)數(shù)據(jù)湖行為人員生產(chǎn)線信息系統(tǒng)ERPMESEMS智能化數(shù)據(jù)可視化流程優(yōu)化產(chǎn)線建模知識庫自助式BI信息管理事件處理數(shù)據(jù)分類數(shù)據(jù)工廠機器學(xué)習(xí)/數(shù)據(jù)分析HADOOP/Spark技術(shù)流處理信息基于數(shù)據(jù)湖分析機器學(xué)習(xí)大數(shù)據(jù)存儲SQL數(shù)據(jù)倉庫數(shù)據(jù)湖其他數(shù)據(jù)信息系統(tǒng)設(shè)備傳感器數(shù)據(jù)數(shù)據(jù)湖與價值發(fā)現(xiàn)工業(yè)大數(shù)據(jù)特點供應(yīng)商數(shù)據(jù)機器數(shù)據(jù)控制數(shù)據(jù)人員數(shù)據(jù)物料數(shù)據(jù)質(zhì)量數(shù)據(jù)客戶數(shù)據(jù)物流數(shù)據(jù)多樣、實時、海量的數(shù)據(jù)需要依賴大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)管理并產(chǎn)生價值基本信息行為信息位置數(shù)據(jù)計量數(shù)據(jù)時間數(shù)據(jù)數(shù)據(jù)多樣時間戳程序數(shù)據(jù)結(jié)果數(shù)據(jù)檢驗數(shù)據(jù)隨機性概率特征相關(guān)性多種類型時間序列數(shù)據(jù)真實數(shù)據(jù)海量并發(fā)較高基本信息計量信息位置信息物流信息加工信息裝配信息追蹤信息產(chǎn)品質(zhì)量服務(wù)信息信用數(shù)據(jù)位置數(shù)據(jù)渠道依賴原料來源Web信息業(yè)務(wù)信息需求數(shù)據(jù)產(chǎn)品數(shù)據(jù)位置數(shù)據(jù)競爭對手信用數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)Web信息行為信息行為信息交互查詢批查詢機器學(xué)習(xí)實時分析設(shè)備傳感器質(zhì)量物料人員事件設(shè)備傳感器質(zhì)量人員事件ETL工具定義的主題查詢結(jié)果呈現(xiàn)關(guān)系型數(shù)據(jù)LOB應(yīng)用物料元數(shù)據(jù)及關(guān)聯(lián)性數(shù)據(jù)預(yù)處理報表展示機器學(xué)習(xí)結(jié)果展示數(shù)據(jù)源定義數(shù)據(jù)預(yù)處理工業(yè)數(shù)據(jù)湖行為人員生產(chǎn)線信息系統(tǒng)ERPMESEMS智能化數(shù)據(jù)可視化流程優(yōu)化產(chǎn)線建模知識庫自助式BI信息管理事件處理數(shù)據(jù)分類數(shù)據(jù)工廠機器學(xué)習(xí)/數(shù)據(jù)分析HADOOP/Spark技術(shù)流處理信息基于數(shù)據(jù)湖分析機器學(xué)習(xí)大數(shù)據(jù)存儲SQL數(shù)據(jù)倉庫數(shù)據(jù)湖其他數(shù)據(jù)信息系統(tǒng)設(shè)備傳感器數(shù)據(jù)數(shù)據(jù)湖與價值發(fā)現(xiàn)工業(yè)大數(shù)據(jù)建模目標(biāo)制造價值提升供應(yīng)商管理提升客戶需求管理提升運營價值提升設(shè)備數(shù)據(jù)建模如上圖顯示的機器學(xué)習(xí)算法，多級算法分析引擎可以根據(jù)對工廠已安裝設(shè)備的數(shù)據(jù)采集和工藝流程，自動繪制內(nèi)在的邏輯關(guān)系，并顯示哪個工藝流程和數(shù)據(jù)流之間直接或間接的相互關(guān)系，以及這種關(guān)系存在的原因。這種深層和獨特的分析提供了一個高等級的平臺來偵測異常，通過行為和運營表現(xiàn)來標(biāo)記質(zhì)量與效率，并進(jìn)行微觀辯證性的根源問題分析。生產(chǎn)過程建模結(jié)果的相似和關(guān)聯(lián)性產(chǎn)線數(shù)據(jù)建模模型算法-DNN神經(jīng)網(wǎng)絡(luò)是一組模擬人腦進(jìn)行模式識別的算法組合，通過聚類或者標(biāo)記原始數(shù)據(jù)進(jìn)行數(shù)據(jù)感知，它可以識別真實世界包含在向量中的數(shù)據(jù)，如圖片、聲音、文本等。深度神經(jīng)網(wǎng)絡(luò)與單層神經(jīng)網(wǎng)絡(luò)的區(qū)別是數(shù)據(jù)通過了多步模式識別的隱藏層處理，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)算法依賴于一個輸入一個輸出一個隱藏的淺層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，而深度神經(jīng)網(wǎng)絡(luò)是在一個以上的隱藏層學(xué)習(xí)。模型與數(shù)據(jù)實時數(shù)據(jù)處理歷史數(shù)據(jù)處理模型分析實時數(shù)據(jù)檢測設(shè)備狀態(tài)、預(yù)防設(shè)備故障、優(yōu)化生產(chǎn)過程、提升產(chǎn)品質(zhì)量、能效增強、人機協(xié)同。通過對歷史數(shù)據(jù)清洗整合，進(jìn)行模型的訓(xùn)練，優(yōu)化模型參數(shù)，進(jìn)行更加有效的生產(chǎn)和運營。強化模型工業(yè)大數(shù)據(jù)建模目標(biāo)制造價值提升供應(yīng)商管理提升客戶需求管理提升運營價值提升設(shè)備數(shù)據(jù)建模如上圖顯示的機器學(xué)習(xí)算法，多級算法分析引擎可以根據(jù)對工廠已安裝設(shè)備的數(shù)據(jù)采集和工藝流程，自動繪制內(nèi)在的邏輯關(guān)系，并顯示哪個工藝流程和數(shù)據(jù)流之間直接或間接的相互關(guān)系，以及這種關(guān)系存在的原因。這種深層和獨特的分析提供了一個高等級的平臺來偵測異常，通過行為和運營表現(xiàn)來標(biāo)記質(zhì)量與效率，并進(jìn)行微觀辯證性的根源問題分析。生產(chǎn)過程建模結(jié)果的相似和關(guān)聯(lián)性產(chǎn)線數(shù)據(jù)建模模型算法-DNN神經(jīng)網(wǎng)絡(luò)是一組模擬人腦進(jìn)行模式識別的算法組合，通過聚類或者標(biāo)記原始數(shù)據(jù)進(jìn)行數(shù)據(jù)感知，它可以識別真實世界包含在向量中的數(shù)據(jù)，如圖片、聲音、文本等。深度神經(jīng)網(wǎng)絡(luò)與單層神經(jīng)網(wǎng)絡(luò)的區(qū)別是數(shù)據(jù)通過了多步模式識別的隱藏層處理，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)算法依賴于一個輸入一個輸出一個隱藏的淺層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，而深度神經(jīng)網(wǎng)絡(luò)是在一個以上的隱藏層學(xué)習(xí)。模型與數(shù)據(jù)實時數(shù)據(jù)處理歷史數(shù)據(jù)處理模型分析實時數(shù)據(jù)檢測設(shè)備狀態(tài)、預(yù)防設(shè)備故障、優(yōu)化生產(chǎn)過程、提升產(chǎn)品質(zhì)量、能效增強、人機協(xié)同。通過對歷史數(shù)據(jù)清洗整合，進(jìn)行模型的訓(xùn)練，優(yōu)化模型參數(shù)，進(jìn)行更加有效的生產(chǎn)和運營。強化模型設(shè)備預(yù)測性維修預(yù)測與優(yōu)化u時間單元對于故障警告日志進(jìn)行時間單元劃分，將故障或警告視為事件，事件到下一個事件發(fā)生時間間隔超過一定時間的視為不同單元。u

伴隨概率對于同一個時間單元里的故障和警告進(jìn)行聯(lián)合概率分析，計算任意兩個事件在單元里同時發(fā)生的概率。u故障事件對于某一種故障的前序事件進(jìn)行觀察，事件與上一次事件間隔時間以內(nèi)或上一次相同故障發(fā)生之間的故障或警告視為前序事件，統(tǒng)計不同前序事件發(fā)生的次數(shù)。u關(guān)聯(lián)分析通過伴隨發(fā)生概率分析，了解任意事件之間的關(guān)聯(lián)性，尋找同時發(fā)生概率高的事件。通過故障的前序事件分析，了解故障前序發(fā)生的事件，了解前序事件

與故障的關(guān)系。異常檢測預(yù)測與優(yōu)化u時間序列將采集到的底層設(shè)備數(shù)據(jù)進(jìn)行時間序列分析，生成時間序列數(shù)據(jù)圖形，將圖像特征按時間段進(jìn)行觀察。u

聚類分析對建模后時間序列數(shù)據(jù)的按照時間端特征進(jìn)行提取并聚類，聚類的結(jié)果對應(yīng)到采集到的生產(chǎn)國產(chǎn)數(shù)據(jù)。u關(guān)聯(lián)分析對于不同分類數(shù)據(jù)的相關(guān)性，通過拉長時間軸的長度進(jìn)行分析。u行為分析對采集到的事件和分類數(shù)據(jù)的進(jìn)行關(guān)聯(lián)性分析，并對應(yīng)到產(chǎn)線運營行為上。生產(chǎn)過程優(yōu)化預(yù)測與優(yōu)化u

能力平衡通過分析工序的Cycle

time，工序瓶頸以及相應(yīng)的等待事件，該出每一步工序所需要能力平衡的建議。u

異常事件通過對過程事件的分析發(fā)現(xiàn)經(jīng)常性出現(xiàn)異常事件的原因，原因：機器、人員、原材料、能源等。u缺陷事件通過分析過程中反饋記錄的質(zhì)量信息，進(jìn)行相關(guān)因素分析，通過改善相關(guān)因素進(jìn)行質(zhì)量改善。u按因優(yōu)化將挖掘發(fā)現(xiàn)的過程事件原因進(jìn)行進(jìn)行合并處理，改出相應(yīng)的優(yōu)化方案。人機協(xié)同優(yōu)化u調(diào)度優(yōu)化對機器和人員的執(zhí)行調(diào)度，通過對歷史操作數(shù)據(jù)的分析分析出相應(yīng)崗位最適合的人并進(jìn)行作業(yè)人員畫像保證人機良好的協(xié)同。u

人因分析在具體的任務(wù)作業(yè)過程中，對作業(yè)人員的操作行為及執(zhí)行結(jié)果進(jìn)行因果關(guān)聯(lián)分析，并給出良好作業(yè)的關(guān)鍵行為要素。預(yù)測與優(yōu)化智慧工業(yè)解決方案平臺架構(gòu)25智慧工業(yè)解決方案平臺架構(gòu)共分為三層：數(shù)據(jù)采集層（適配器）、數(shù)據(jù)支持層（Gards云平臺）、應(yīng)用層（FIDIS應(yīng)用系統(tǒng)）。數(shù)據(jù)層：提供BIOP-EG智能網(wǎng)關(guān)接入設(shè)備和BIOP的接入接口軟件，支持各類工業(yè)系統(tǒng)（DCS、PLC、SCADA等）、業(yè)務(wù)系統(tǒng)（ERP、MES、EAM、MRO等）、工業(yè)設(shè)備和工業(yè)產(chǎn)品的接入。全結(jié)構(gòu)化工業(yè)數(shù)據(jù)的智能感知采集技術(shù)，實現(xiàn)系統(tǒng)、設(shè)備、產(chǎn)品級等多種數(shù)據(jù)源接入，多種協(xié)議的智能解析（OPC、TCP/IP、Modbus、Profibus、CAN等），提供GB、TB、到PB級的智能數(shù)據(jù)采集。實現(xiàn)數(shù)據(jù)加密傳輸和加密存儲功能，滿足企業(yè)對數(shù)據(jù)安全的需求。工業(yè)平臺層：BIOP平臺提供可擴展的工業(yè)云操作系統(tǒng)，能夠?qū)崿F(xiàn)對軟硬件資源和開發(fā)工具的接入、控制和管理，為應(yīng)用開發(fā)提供必要的存儲、計算、分析、挖掘、工具資源等支持。包括：分布式存儲、分布式計算、數(shù)值質(zhì)量及安全、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化等功能模塊。工業(yè)應(yīng)用層：通過云化軟件和專用APP平臺（支持第三方開發(fā)）應(yīng)用構(gòu)架，面向企業(yè)客戶提供各類軟件和應(yīng)用服務(wù)。對第三方開

發(fā)者提供開發(fā)環(huán)境與開發(fā)工具，且封裝了大量的工業(yè)技術(shù)原理、行業(yè)知識、基礎(chǔ)模型，以微服務(wù)組件方式為開發(fā)者提供調(diào)用，來開發(fā)更多面向用戶的創(chuàng)造性應(yīng)用。BIOP平臺提供經(jīng)營管理、能源管理、安全管理、環(huán)保管理、資金流管理及物資流管理、資產(chǎn)全生命周期管理及預(yù)測性維護(hù)（PHM）等應(yīng)用服務(wù)，幫助客戶實現(xiàn)優(yōu)化企業(yè)資源配置，提高企業(yè)資源利用率，提升企業(yè)的管理能力、營銷能力和資源整合能力，推動企業(yè)向智能制造邁進(jìn)。25智慧工業(yè)解決方案：全生命周期服務(wù)智慧工業(yè)云平臺對服務(wù)的設(shè)備提供全生命周期服務(wù)，主要側(cè)重于設(shè)備生產(chǎn)制造后運營支持服務(wù)，包括：遠(yuǎn)程監(jiān)測服務(wù)，輔助分析服務(wù)，智能化維護(hù)服務(wù)，安全報警服務(wù)，故障診斷服務(wù)，優(yōu)化運行服務(wù)，設(shè)備信息服務(wù)，設(shè)備使用服務(wù)，設(shè)備知識培訓(xùn)服務(wù)，技術(shù)咨詢服務(wù)，運行報告服務(wù)等。優(yōu)化建議：根據(jù)數(shù)據(jù)處理分析結(jié)果和專家經(jīng)驗，對鍋爐運行優(yōu)化提出建議，例如鍋爐排煙溫度很高，可以建立數(shù)學(xué)模型，模擬出各個運行參數(shù)對排煙溫度的影響因子，分析出主要影響因素，再結(jié)合企業(yè)鍋爐專家的經(jīng)驗，對排煙溫度高的問題提出優(yōu)化方案，從而提高鍋爐效率、降低運營成本、輔助用戶決策。安全預(yù)警：設(shè)定對運行安全隱患進(jìn)行預(yù)警及報警，并提出問題的解決方案，幫助用戶提前消除安全隱患，減小安全事故的發(fā)生。維修保養(yǎng)：根據(jù)鍋爐配備的儀表、設(shè)備的實際情況，及時向用戶推送設(shè)備更換、維護(hù)保養(yǎng)信息；根據(jù)現(xiàn)場返回的運行數(shù)據(jù)，及時向用戶推送設(shè)備校準(zhǔn)、維修信息。25智慧工業(yè)解決方案：智能工業(yè)APP“智能工業(yè)”云平臺標(biāo)志著“工業(yè)4.0”時代的到來！物聯(lián)化、智能化和互聯(lián)化是“智能工業(yè)”云平臺的基礎(chǔ)，它將物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、移動互聯(lián)等技術(shù)與傳統(tǒng)工業(yè)深度融合，讓工業(yè)設(shè)備變得更節(jié)能、更環(huán)保、更安全。25智慧工業(yè)解決方案：領(lǐng)導(dǎo)駕駛艙宏觀顯示：顯示整個生產(chǎn)線中所有設(shè)備設(shè)的運行、停機和故障狀態(tài)等；微觀顯示：點選設(shè)備的具體運行實時的狀態(tài)。25智慧工業(yè)解決方案：生產(chǎn)線設(shè)備實時監(jiān)控可以實現(xiàn)設(shè)備臺賬管理、遠(yuǎn)程狀態(tài)監(jiān)控、設(shè)備日常巡檢、歷史數(shù)據(jù)查詢、報警事故處理、產(chǎn)量數(shù)據(jù)分析等；根據(jù)管理身份和職能級別的不同，可以設(shè)置用戶登錄賬戶擁有不同管理權(quán)限。30智慧工業(yè)解決方案：單臺設(shè)備實時監(jiān)控30智慧工業(yè)解決方案：手機APP端顯示①監(jiān)控所有設(shè)備位置、運行狀態(tài)；②支持對設(shè)備的遠(yuǎn)程控制；③識別當(dāng)前產(chǎn)線設(shè)備運行參數(shù)、設(shè)備信息、維護(hù)人員及歷史維護(hù)記錄；④支持手機工單流轉(zhuǎn)；30資產(chǎn)管理體系資產(chǎn)管理解決方案的主要特征：全過程性：涵蓋資產(chǎn)從取得到退出全生命周期的整個過程;全員化性：資產(chǎn)的管理和運營涵蓋各個部門、各級單位以及全體員工;全方位性：資產(chǎn)管理運營效益的全方位的評價，統(tǒng)籌經(jīng)濟效益、安全效益、社會效益等因素進(jìn)行整體評價。30設(shè)備預(yù)測性維修預(yù)測與優(yōu)化u時間單元對于故障警告日志進(jìn)行時間單元劃分，將故障或警告視為事件，事件到下一個事件發(fā)生時間間隔超過一定時間的視為不同單元。u

伴隨概率對于同一個時間單元里的故障和警告進(jìn)行聯(lián)合概率分析，計算任意兩個事件在單元里同時發(fā)生的概率。u故障事件對于某一種故障的前序事件進(jìn)行觀察，事件與上一次事件間隔時間以內(nèi)或上一次相同故障發(fā)生之間的故障或警告視為前序事件，統(tǒng)計不同前序事件發(fā)生的次數(shù)。u關(guān)聯(lián)分析通過伴隨發(fā)生概率分析，了解任意事件之間的關(guān)聯(lián)性，尋找同時發(fā)生概率高的事件。通過故障的前序事件分析，了解故障前序發(fā)生的事件，了解前序事件

與故障的關(guān)系。異常檢測預(yù)測與優(yōu)化u時間序列將采集到的底層設(shè)備數(shù)據(jù)進(jìn)行時間序列分析，生成時間序列數(shù)據(jù)圖形，將圖像特征按時間段進(jìn)行觀察。u

聚類分析對建模后時間序列數(shù)據(jù)的按照時間端特征進(jìn)行提取并聚類，聚類的結(jié)果對應(yīng)到采集到的生產(chǎn)國產(chǎn)數(shù)據(jù)。u關(guān)聯(lián)分析對于不同分類數(shù)據(jù)的相關(guān)性，通過拉長時間軸的長度進(jìn)行分析。u行為分析對采集到的事件和分類數(shù)據(jù)的進(jìn)行關(guān)聯(lián)性分析，并對應(yīng)到產(chǎn)線運營行為上。生產(chǎn)過程優(yōu)化預(yù)測與優(yōu)化u

能力平衡通過分析工序的Cycle

time，工序瓶頸以及相應(yīng)的等待事件，該出每一步工序所需要能力平衡的建議。u

異常事件通過對過程事件的分析發(fā)現(xiàn)經(jīng)常性出現(xiàn)異常事件的原因，原因：機器、人員、原材料、能源等。u缺陷事件通過分析過程中反饋記錄的質(zhì)量信息，進(jìn)行相關(guān)因素分析，通過改善相關(guān)因素進(jìn)行質(zhì)量改善。u按因優(yōu)化將挖掘發(fā)現(xiàn)的過程事件原因進(jìn)行進(jìn)行合并處理，改出相應(yīng)的優(yōu)化方案。人機協(xié)同優(yōu)化u調(diào)度優(yōu)化對機器和人員的執(zhí)行調(diào)度，通過對歷史操作數(shù)據(jù)的分析分析出相應(yīng)崗位最適合的人并進(jìn)行作業(yè)人員畫像保證人機良好的協(xié)同。u

人因分析在具體的任務(wù)作業(yè)過程中，對作業(yè)人員的操作行為及執(zhí)行結(jié)果進(jìn)行因果關(guān)聯(lián)分析，并給出良好作業(yè)的關(guān)鍵行為要素。預(yù)測與優(yōu)化大數(shù)據(jù)業(yè)務(wù)規(guī)劃大數(shù)據(jù)技術(shù)、工具、方法對鋼鐵企業(yè)生產(chǎn)業(yè)務(wù)的理解業(yè)務(wù)藍(lán)圖數(shù)據(jù)藍(lán)圖技術(shù)藍(lán)圖l

大數(shù)據(jù)管理平臺架構(gòu)l

大數(shù)據(jù)處理技術(shù)架構(gòu)規(guī)劃依據(jù)海量、高速實時數(shù)據(jù)的低成本管理與快速處理l

大數(shù)據(jù)管理與控制l

大數(shù)據(jù)采集管理數(shù)據(jù)獲取策略、質(zhì)量管理、存儲管理、ETL。基于大數(shù)據(jù)的應(yīng)用規(guī)劃重點設(shè)備預(yù)測維修高爐異常事件防控產(chǎn)品質(zhì)量提升人員作業(yè)優(yōu)化生產(chǎn)效率優(yōu)化智能制造大數(shù)據(jù)戰(zhàn)略PLC、DCS、SCADA（控制及采集數(shù)據(jù)）煉鋼設(shè)備高爐MES、EMS1、生產(chǎn)過程。2、能源消耗。3、異常事件。4、災(zāi)難事件。1、設(shè)備參數(shù)。2、調(diào)度行為。鋼廠數(shù)據(jù)湖質(zhì)量提升異常監(jiān)控人機協(xié)同災(zāi)難規(guī)避大數(shù)據(jù)處理煉鋼生產(chǎn)過程大數(shù)據(jù)應(yīng)用ü料層厚度

ü燒結(jié)溫度

ü點火溫度ü垂直燃燒速度

ü混合料水分ü燃料配比機速ü利用系數(shù)ü冶煉強度ü焦比噴煤比ü燃料比ü

富氧率ü風(fēng)溫ü氧氣壓強ü氬氣壓強ü……產(chǎn)線設(shè)備與工業(yè)網(wǎng)絡(luò)鋼材生產(chǎn)過程大數(shù)據(jù)應(yīng)用PLC、DCS、SCADA（控制及采集數(shù)據(jù)）軋鋼設(shè)備主軋機MES、EMS（信息系統(tǒng)）質(zhì)量分析趨勢圖

?直方圖

?散點圖?因果圖鋼廠數(shù)據(jù)湖軋機監(jiān)測溫度?厚度

?張力?速度?電機扭矩軋制力物料跟蹤

?跟蹤模型?扎線位置?扎線狀態(tài)?輥道長度產(chǎn)線設(shè)備與工業(yè)網(wǎng)絡(luò)設(shè)備管理體系以大數(shù)據(jù)分析關(guān)聯(lián)建模思想為指引，整合各環(huán)節(jié)大型設(shè)備的全面數(shù)據(jù)信息，全面分析重點設(shè)備在生產(chǎn)環(huán)節(jié)的自動化控制系統(tǒng)，實現(xiàn)對設(shè)備的全生命周期管理。同時，基于大數(shù)據(jù)設(shè)備預(yù)警分析，提升設(shè)備運行的安全性，減少停機維護(hù)時間，具體包括：建立健全設(shè)備運行數(shù)據(jù)標(biāo)準(zhǔn)體系；實現(xiàn)設(shè)備基礎(chǔ)數(shù)據(jù)管理、運行維護(hù)管理、運行預(yù)測管理、物資管理、統(tǒng)計分析管理和與其他系統(tǒng)的無縫集成管理等方面；將設(shè)備運行自檢數(shù)據(jù)和設(shè)備標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行結(jié)合，驅(qū)動設(shè)備故障預(yù)測分析；建立工業(yè)設(shè)備畫家評級系統(tǒng)；建立智能預(yù)警和自動推送維護(hù)方案的智能應(yīng)用。41設(shè)備管理體系41能效管理體系工業(yè)節(jié)能平臺基于數(shù)據(jù)的實時采集，進(jìn)行海量數(shù)據(jù)在線分析和挖掘，識別企業(yè)能效管理的改進(jìn)點，幫助企業(yè)進(jìn)行管理對標(biāo)和優(yōu)化，為企業(yè)能源管理、設(shè)備整體效率提升、廢棄物減量化、生產(chǎn)計劃安排等提供實時在線分析和決策支持。41能源平衡管理體系通過連接能源的供應(yīng)端、輸送儲能部分和能源消費環(huán)節(jié)的數(shù)據(jù)，實現(xiàn)微電網(wǎng)的運行調(diào)控管理、區(qū)域能源分級管理、電力系統(tǒng)平衡管理；同時，通過能源消費平衡機動態(tài)追蹤，建立區(qū)域電力交易市場和電力需求側(cè)響應(yīng)平臺，提供能源系統(tǒng)全生命周期的運營保障服務(wù)，降低二氧化碳排放量，幫助企業(yè)實現(xiàn)優(yōu)價用電和能源的分級管理。41安全管理體系工業(yè)安全管理解決方案包括安全生產(chǎn)事故接警系統(tǒng)、安全生產(chǎn)在線監(jiān)測系統(tǒng)、安全生產(chǎn)在線監(jiān)控系統(tǒng)、安全生產(chǎn)在線預(yù)報警系統(tǒng)和綜合統(tǒng)計分析系統(tǒng)，為不同管理人員提供安全管理信息，幫助企業(yè)系統(tǒng)提升企業(yè)安全管理水平；提升應(yīng)急反應(yīng)、應(yīng)急協(xié)調(diào)、重大危險源預(yù)測預(yù)警等能力。41環(huán)保管理體系環(huán)保大數(shù)據(jù)分析平臺通過對區(qū)域內(nèi)的空氣、水、土壤等環(huán)境信息進(jìn)行采集，并對污染源在線監(jiān)控系統(tǒng)、安全生產(chǎn)監(jiān)督執(zhí)法檢查系統(tǒng)、重點企業(yè)和重大危險源信息管理系統(tǒng)、企業(yè)基本信息查詢系統(tǒng)、排污許可證管理系統(tǒng)、排污交易管理系統(tǒng)、污水處理廠管理系統(tǒng)進(jìn)行對接，形成面向政府、企業(yè)和公眾的環(huán)保大數(shù)據(jù)綜合管理分析平臺。41產(chǎn)供銷平衡體系整合企業(yè)內(nèi)部多系統(tǒng)，貫通企業(yè)上下游的供銷環(huán)節(jié)數(shù)據(jù)，將以銷售為基礎(chǔ)的產(chǎn)業(yè)鏈模型鏈接到企業(yè)內(nèi)部庫存及物流管理、供應(yīng)商服務(wù)、培訓(xùn)、事故響應(yīng)和行業(yè)整體分析系統(tǒng)中，幫助企業(yè)實現(xiàn)行業(yè)信息的實時分析管理，實現(xiàn)數(shù)據(jù)庫信息共享、集中采購、公開展示、供應(yīng)商管理、設(shè)備供應(yīng)全過程管理、價格與需求平衡等目標(biāo)。41經(jīng)營分析體系市場經(jīng)營分析系統(tǒng)可以整合企業(yè)內(nèi)部經(jīng)營管理信息，打破信息孤島，形成向上融合、向下服務(wù)、橫向聯(lián)動的機制，實現(xiàn)管理的貫通，提高經(jīng)濟運行協(xié)