智慧工業大數據建設方案設計背景目錄1工業大數據藍圖3工業大數據建模2工業數據湖4預測與優化5主要業務規劃大數據智能工廠規劃設備及傳感器網絡工業云平臺應用系統溫度閥門控制企業網絡IPWMSERPPLMMESTMSEMSCRM云數據中心能源數據位置數據大數據管理平臺產品數據托盤AGV掃描設備RFID/WiFi能源監控儀表換算采集Zigbee/RS485濕度原料監控Zigbee物流跟蹤設備管理平臺以太網132原材料、成分溫度、濕度、成分

計量、換算閥門開關權限管理安全策略&QoS應用適配器操作門戶API終端管理數據管理網絡連接管理平臺基于機器學習的工業大腦設備1設備2設備3設備4設備5設備6設備7設備8設備9設備…預測性維修異常監控人機協同過程優化EMS數據ERP數據MES數據檢驗數據設備數據傳感器數據數據源DCS數據工業大數據架構大數據應用大數據處理工藝優化質量提升產線故障預測預測性維修效率提升可視化監控事務型數據MPP數據庫HADOOPOLTP數據倉庫元數據索引列存儲粗粒度索引數據壓縮SQL優化動態拓展資源管理大表關聯并行加載半結構化非結構構化HDFSMap/ReduceHivePig事務處理數據完整性鎖機制索引機制SQL優化SQL執行備份恢復斷點處理監控管理流處理（Storm、SparkStreaming）智能制造大數據藍圖工藝人員物料設備質量歷史數據當前數據歷史數據當前數據歷史數據當前數據歷史數據當前數據歷史數據當前數據大數據平臺業務系統實時查詢服務批量檢索服務數據分享服務數據下載服務數據倉庫和分析型應用ODS/DSA–面向主題、當前DW–面向主題、歷史和匯總DMDMAPI接口供應鏈優化作業行為優化設備預測性維修SparkML目錄1工業大數據藍圖3工業大數據建模2工業數據湖4預測與優化5主要業務規劃6中安鼎輝大數據平臺工業大數據特點供應商數據產品質量服務信息信用數據位置數據渠道依賴原料來源Web信息業務信息行為信息機器數據多種類型時間序列數據真實數據海量并發較高控制數據數據多樣時間戳程序數據結果數據人員數據基本信息行為信息物料數據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質量數據檢驗數據隨機性概率特征相關性客戶數據需求數據產品數據位置數據競爭對手信用數據業務數據Web信息行為信息物流數據位置數據計量數據時間數據多樣、實時、海量的數據需要依賴大數據技術進行數據管理并產生價值交互查詢批查詢機器學習實時分析設備傳感器質量物料人員事件設備傳感器質量人員事件ETL工具定義的主題查詢結果呈現關系型數據LOB應用物料元數據及關聯性數據預處理報表展示機器學習結果展示數據源定義數據預處理工業數據湖行為人員生產線信息系統ERPMESEMS智能化數據可視化流程優化產線建模知識庫自助式BI信息管理事件處理

數據分類數據工廠

機器學習/數據分析HADOOP/Spark技術流處理信息基于數據湖分析機器學習大數據存儲SQL數據倉庫數據湖其他數據信息系統設備傳感器數據數據湖與價值發現生產期量進度實時反映在制品分布實時展示設備、能源、現場實時監控生產動態實時掌控數據統計分析及預測工時績效統計成本核算支持工藝知識積累質量缺陷統計設備效能分析生產瓶頸預測決策工廠生產透明化運行操作資質實動工時運行狀態資源負荷物料消耗在制分布操作指導工藝參數能源消耗現場實況質量記錄NCR人機料法環測制造過程信息集成制造過程實時信息積累制造過程歷史信息制造過程智能化管控基礎管理數字化支撐生產計劃信息基礎管理信息支持制造過程信息模型指導優化目錄1工業大數據藍圖3工業大數據建模2工業數據湖4預測與優化5主要業務規劃工業大數據建模目標制造價值提升1、原因分析的工藝優化；2、設備預測性維修；3、產線異常監控；4、產品質量控制；供應商管理提升1、風險預測與分析；2、交付時間與路徑優化；3、供應商評價與信用管理；客戶需求管理提升1、客戶行為的需求挖掘；2、準確個性化的產品定價；3、產品的預測性保養與維修；4、更好的產品體驗；運營價值提升1、更好的管理資產；2、合理的資源消耗；3、避免人為的錯誤；4、實時推薦技術工具；5、增強用戶高效與便捷01020304如上圖顯示的機器學習算法，多級算法分析引擎可以根據對工廠已安裝設備的數據采集和工藝流程，自動繪制內在的邏輯關系，并顯示哪個工藝流程和數據流之間直接或間接的相互關系，以及這種關系存在的原因。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來標記質量與效率，并進行微觀辯證性的根源問題分析。生產過程建模設備數據建模結果的相似和關聯性產線數據建模模型算法-DNN神經網絡是一組模擬人腦進行模式識別的算法組合，通過聚類或者標記原始數據進行數據感知，它可以識別真實世界包含在向量中的數據，如圖片、聲音、文本等。深度神經網絡與單層神經網絡的區別是數據通過了多步模式識別的隱藏層處理，傳統的神經網絡機器學習算法依賴于一個輸入一個輸出一個隱藏的淺層神經網絡學習，而深度神經網絡是在一個以上的隱藏層學習。模型與數據異常檢測事件處理環境分析人機協同能效增強質量強化實時數據處理歷史數據處理模型分析實時數據檢測設備狀態、預防設備故障、優化生產過程、提升產品質量、能效增強、人機協同。通過對歷史數據清洗整合，進行模型的訓練，優化模型參數，進行更加有效的生產和運營。強化模型目錄1工業大數據藍圖3工業大數據建模2工業數據湖4預測與優化5主要業務規劃設備預測性維修預測與優化生產過程優化設備預測性維修質量提升人機協同異常檢測時間單元對于故障警告日志進行時間單元劃分，將故障或警告視為事件，事件到下一個事件發生時間間隔超過一定時間的視為不同單元。伴隨概率對于同一個時間單元里的故障和警告進行聯合概率分析，計算任意兩個事件在單元里同時發生的概率。故障事件對于某一種故障的前序事件進行觀察，事件與上一次事件間隔時間以內或上一次相同故障發生之間的故障或警告視為前序事件，統計不同前序事件發生的次數。關聯分析通過伴隨發生概率分析，了解任意事件之間的關聯性，尋找同時發生概率高的事件。通過故障的前序事件分析，了解故障前序發生的事件，了解前序事件與故障的關系。異常檢測預測與優化生產過程優化異常檢測設備預測性維修人機協同質量提升時間序列將采集到的底層設備數據進行時間序列分析，生成時間序列數據圖形，將圖像特征按時間段進行觀察。聚類分析對建模后時間序列數據的按照時間端特征進行提取并聚類，聚類的結果對應到采集到的生產國產數據。關聯分析對于不同分類數據的相關性，通過拉長時間軸的長度進行分析。行為分析對采集到的事件和分類數據的進行關聯性分析，并對應到產線運營行為上。生產過程優化預測與優化設備預測性維修生產過程優化質量提升人機協同異常檢測能力平衡通過分析工序的Cycletime，工序瓶頸以及相應的等待事件，該出每一步工序所需要能力平衡的建議。異常事件通過對過程事件的分析發現經常性出現異常事件的原因，原因：機器、人員、原材料、能源等。缺陷事件通過分析過程中反饋記錄的質量信息，進行相關因素分析，通過改善相關因素進行質量改善。按因優化將挖掘發現的過程事件原因進行進行合并處理，改出相應的優化方案。人機協同優化預測與優化生產過程優化人機協同質量提升設備預測性維修異常檢測調度優化對機器和人員的執行調度，通過對歷史操作數據的分析分析出相應崗位最適合的人并進行作業人員畫像保證人機良好的協同。人因分析在具體的任務作業過程中，對作業人員的操作行為及執行結果進行因果關聯分析，并給出良好作業的關鍵行為要素。目錄1工業大數據藍圖3工業大數據建模2工業數據湖4預測與優化5主要業務規劃大數據業務規劃大數據技術、工具、方法對鋼鐵企業生產業務的理解規劃依據業務藍圖數據藍圖技術藍圖大數據管理平臺架構大數據處理技術架構海量、高速實時數據的低成本管理與快速處理大數據管理與控制大數據采集管理數據獲取策略、質量管理、存儲管理、ETL。基于大數據的應用規劃重點設備預測維修高爐異常事件防控產品質量提升人員作業優化生產效率優化智能制造大數據戰略PLC、DCS、SCADA（控制及采集數據）煉鋼設備高爐產線設備與工業網絡MES、EMS1、生產過程。2、能源消耗。3、異常事件。4、災難事件。1、設備參數。2、調度行為。鋼廠數據湖質量提升異常監控人機協同災難規避大數據處理煉鋼生產過程大數據應用料層厚度燒結溫度點火溫度垂直燃燒速度混合料水分燃料配比機速利用系數冶煉強度焦比噴煤比燃料比富氧率風溫氧氣壓強氬氣壓強……鋼材生產過程大數據應用PLC、DCS、SCADA（控制及采集數據）產線設備與工業網絡軋鋼設備主軋機MES、EMS（信息系統）質量分析趨勢圖直方圖散點圖因果圖鋼廠數據湖軋機監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輥道長度主生產計劃生產訂單作業計劃任務分派采購計劃物料需求計劃能力需求計劃技術準備計劃質量保證計劃物料準備計劃作業準備作業執行作業過程監控作業過程檢驗原材料入庫物料領用異常問題處理物料配送物料轉運成品入庫在制品跟蹤原材料檢驗過程質量檢驗不合格品處理成品檢驗質量統計分析圖形化/可視化調度算法物聯網服務架構精益生產準時化生產標準化作業目視化管理5S管理綠色制造質量體系移動計算數據挖掘基礎管理數字化支撐制造過程智能化管控車間運行透明化決策人機料法環測生產計劃管理制造過程管控車間物流管理車間物質量監控作業完工反饋財務管理銷售管理生產計劃供應鏈管理作業計劃作業調控質量改善配送作業實時監控作業調控作業計劃質量改善實時監控數據化服務PLMCADCAE數據化設計CAPP機加工設備工業機器人現場控制在線監測倉儲物流