5月13日，工信部發(fā)布《關(guān)于工業(yè)大數(shù)據(jù)發(fā)展的指導(dǎo)意見》(以下簡稱《意見》)。對我國工業(yè)大數(shù)據(jù)發(fā)展進(jìn)行了全面部署，進(jìn)一步促進(jìn)大數(shù)據(jù)與工業(yè)深度融合。
工業(yè)大數(shù)據(jù)是工業(yè)領(lǐng)域產(chǎn)品和服務(wù)全生命周期數(shù)據(jù)的總稱，包括工業(yè)企業(yè)在研發(fā)設(shè)計、生產(chǎn)制造、運營管理、運維服務(wù)等環(huán)節(jié)中生成和使用的數(shù)據(jù)，以及工業(yè)互聯(lián)網(wǎng)平臺中的數(shù)據(jù)等。其日益成為提升企業(yè)生產(chǎn)力、競爭力和創(chuàng)新力的關(guān)鍵要素，對于支撐智能制造和工業(yè)轉(zhuǎn)型升級方面有著舉足輕重的作用。
一、建設(shè)背景
“數(shù)據(jù)”引領(lǐng)變革，數(shù)據(jù)集中管控必不可少，如何做好數(shù)據(jù)共享和數(shù)據(jù)分析、如何發(fā)揮數(shù)據(jù)資產(chǎn)價值最大化是工業(yè)轉(zhuǎn)型升級的首要目標(biāo)。
傳統(tǒng)的數(shù)據(jù)中心在應(yīng)對海量數(shù)據(jù)存儲、非結(jié)構(gòu)化數(shù)據(jù)處理、大數(shù)據(jù)挖掘分析等方面存在不足，有必要構(gòu)建基于工業(yè)大數(shù)據(jù)的新一代數(shù)據(jù)中心，滿足企業(yè)對工業(yè)大數(shù)據(jù)集中管控、處理、分析及利用，為企業(yè)構(gòu)建在線感知、實時分析、智能決策、精準(zhǔn)執(zhí)行的能力，支撐企業(yè)從生產(chǎn)型制造向服務(wù)型制造轉(zhuǎn)型。
二、問題與挑戰(zhàn)
缺乏統(tǒng)一的信息資源規(guī)劃
原有信息化建設(shè)缺乏統(tǒng)一的信息資源規(guī)劃，“信息孤島”現(xiàn)象嚴(yán)重，內(nèi)部缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，導(dǎo)致企業(yè)大量內(nèi)部信息共享利用不暢。
缺乏海量數(shù)據(jù)管理能力
企業(yè)的工業(yè)大數(shù)據(jù)在數(shù)據(jù)采集、存儲、檢索、處理方面給傳統(tǒng)數(shù)據(jù)中心帶來巨大挑戰(zhàn)，傳統(tǒng)數(shù)據(jù)中心無法應(yīng)對海量數(shù)據(jù)的高速采集、線性擴容、快速計算、高效檢索。
缺乏大數(shù)據(jù)整合能力
業(yè)務(wù)數(shù)據(jù)、圖文檔及音視頻數(shù)據(jù)、智能設(shè)備實時數(shù)據(jù)、外部數(shù)據(jù)等都是企業(yè)智能決策的有力支撐，傳統(tǒng)數(shù)據(jù)中心平臺缺乏各類數(shù)據(jù)整合處理能力。
無法滿足智能化需求
智能制造是大勢所趨，傳統(tǒng)數(shù)據(jù)中心關(guān)注數(shù)據(jù)集中管控，無法滿足數(shù)據(jù)的智能化應(yīng)用需求。
三、解決方案
數(shù)據(jù)中心框架圖
數(shù)據(jù)集中管控
為產(chǎn)品全生命周期數(shù)據(jù)提供集中存儲，提供大數(shù)據(jù)統(tǒng)一管理平臺，包括但不限于數(shù)據(jù)質(zhì)量管理、存儲管理、大數(shù)據(jù)計算管理、算法管理。
支持多源數(shù)據(jù)整合
提供各類源數(shù)據(jù)向數(shù)據(jù)中心的抽取、傳輸、轉(zhuǎn)換和加載，支持對海量及動態(tài)變化的物聯(lián)網(wǎng)數(shù)據(jù)集成，支持對各類文檔、視頻、模型、圖紙等非結(jié)構(gòu)化數(shù)據(jù)的集成。
數(shù)據(jù)挖掘分析
基于大數(shù)據(jù)技術(shù)對工程制造、企業(yè)管理等方面的數(shù)據(jù)進(jìn)行分析、挖掘。通過運營輔助決策、預(yù)算評估、風(fēng)險預(yù)警等應(yīng)用，為決策層提供科學(xué)的決策支撐;通過生產(chǎn)可視化、運營可視化、生產(chǎn)協(xié)同、采購協(xié)同等應(yīng)用，為管理層提供生產(chǎn)運營過程的透明化管理;通過設(shè)備故障智能診斷、工藝參數(shù)優(yōu)化、產(chǎn)品質(zhì)量分析等應(yīng)用，幫助執(zhí)行層解決業(yè)務(wù)關(guān)鍵問題。
四、建設(shè)成果
1、建立825個核心數(shù)據(jù)實體模型，梳理了12972個標(biāo)準(zhǔn)屬性，對企業(yè)工業(yè)大數(shù)據(jù)資產(chǎn)進(jìn)行全面盤點。
2、為企業(yè)構(gòu)建新一代工業(yè)大數(shù)據(jù)中心平臺，包括大數(shù)據(jù)基礎(chǔ)平臺、大數(shù)據(jù)采集交換平臺、數(shù)據(jù)資產(chǎn)管理平臺、大數(shù)據(jù)分析平臺。
3、圍繞科研、生產(chǎn)、制造、質(zhì)量構(gòu)建173項智能決策指標(biāo)，針對發(fā)動機試車故障診斷、發(fā)動機機匣摩擦原因分析、鼓筒慣性磨擦焊接異常等業(yè)務(wù)難點建設(shè)了5個專項大數(shù)據(jù)試點應(yīng)用。
4、智能車間核心業(yè)務(wù)流程的數(shù)字化率提升至80%，企業(yè)核心業(yè)務(wù)流程數(shù)字化率達(dá)85%，企業(yè)及智能化車間核心業(yè)務(wù)指標(biāo)覆蓋率達(dá)70%，產(chǎn)品質(zhì)量合格率提升5%。
評論