Teollisuuden suurdata tarkoittaa kaikenlaista dataa ja niihin liittyviä teknologioita ja sovelluksia, jotka tuotetaan teollisuusalalla tyypillisen älykkään valmistusmallin ympärillä asiakkaiden kysynnästä myyntiin, tilauksiin, suunnitteluun, tutkimukseen ja kehitykseen, suunnitteluun, prosessiin, valmistukseen, hankintaan, toimitukseen, varastoon, kuljetukseen ja toimitukseen, -myynnin jälkeiseen palveluun, käyttöön ja ylläpitoon, romutukseen tai kierrätykseen ja jokaisen linkin elinkaaren uudelleenvalmistukseen. Teollinen big data on älykkään valmistuksen ydin, joka perustuu "big dataan + teolliseen Internetiin", pilvilaskentaan, big dataan, esineiden Internetiin, tekoälyyn ja muihin teknologioihin, jotka johtavat teollisten tuotantomenetelmien muutosta ja ajavat teollisuustalouden innovatiivista kehitystä.
Yksityiskohtainen kuvaus teollisesta big datateknologiasta ja sovelluksesta
I. teollisen big datan määritelmä
Teollisuuden suurdata viittaa teollisuuden alaan tyypillisen älykkään valmistusmallin ympärillä asiakkaiden kysynnästä myyntiin, tilauksiin, suunnitteluun, tutkimukseen ja kehitykseen, suunnitteluun, prosessiin, valmistukseen, hankintaan, toimitukseen, varastoon, kuljetukseen ja toimitukseen,{0}}jälkipalveluun, käyttöön ja ylläpitoon, romuun tai kierrätykseen ja tuotteen koko elinkaaren uudelleenvalmistukseen erityyppisten tietojen ja yleisten tekniikoiden sekä niihin liittyvien yleisten tekniikoiden ja sovellusten tuottamiin yleisiin tarkoituksiin. Se keskittyy tuotetietoihin, jotka laajentavat huomattavasti perinteisen teollisuusdatan kattavuutta. Se sisältää myös teolliseen big dataan- liittyviä teknologioita ja sovelluksia. Teollisen big datan tärkeimmät lähteet ovat seuraavat kolme luokkaa.
1. Tuotantoon ja toimintaan liittyvät liiketoimintatiedot
Tuotanto- ja toiminta{0}}liiketoimintatiedot tulevat pääosin perinteisestä yritysinformaatiosta, ja ne tallennetaan yrityksen tietojärjestelmiin, mukaan lukien perinteiset teollisen suunnittelun ja valmistuksen ohjelmistot, yrityksen resurssien suunnittelu (ERP), tuotteen elinkaaren hallinta (PLM), toimitusketjun hallinta (S CM), asiakassuhteiden hallinta (CRM) ja ympäristönhallintajärjestelmä (EMS) jne. Näihin yritystietojärjestelmiin on kertynyt suuri määrä tietoa. Näihin yritystietojärjestelmiin on kertynyt suuri määrä tuotekehitystietoja, tuotantotietoja, toimintatietoja, asiakastietotietoja, logistiikka- ja toimitustietoja sekä ympäristötietoja. Tällainen data on perinteinen tietovarallisuus teollisuudessa, ja se laajenee vähitellen uusien teknologiasovellusten, kuten langattoman Internetin, ympäristössä.
2. Laitteiden IoT-tiedot
Laitteiden IoT-data viittaa pääasiassa teollisiin tuotantolaitteisiin ja kohdetuotteisiin IoT-toimintatilassa, reaaliaikaiseen{0}}toiminnan ja toiminnan, työolosuhteiden, ympäristöparametrien ja muiden laitteiden ja tuotteiden toimintatilaa kuvaavien tietojen luomiseen ja keräämiseen. Tällainen data on uusi ja nopeimmin kasvava teollisen big datan lähde. Kapealla teollisella big datalla tarkoitetaan tämän tyyppistä dataa, toisin sanoen suurta määrää dataa, jota teollisuuslaitteet ja -tuotteet tuottavat nopeasti, sekä aikasarjaerojen olemassaoloa.
3. Ulkoiset tiedot
Ulkoisilla tiedoilla tarkoitetaan teollisuusyritysten tuotantotoimintaa ja tuotteita, jotka liittyvät yrityksen ulkoisiin Internet-tietolähteisiin, esimerkiksi yrityksen ympäristömääräysten ympäristövaikutusten arviointiin, tuotemarkkinoiden makro-sosio-taloudellisten tietojen ennustamiseen ja niin edelleen. Teollinen suurdatateknologia on sarja teknologioita ja menetelmiä, jotka mahdollistavat teollisuuden suurdatan sisältämän arvon louhimisen ja näyttämisen, mukaan lukien tiedon suunnittelu, hankinta, esikäsittely, tallennus, analysointi ja louhinta, visualisointi ja älykäs ohjaus. Teollinen suurdatasovellus on prosessi, jossa integroidaan ja sovelletaan sarjan teollisia big datatekniikoita ja menetelmiä tiettyyn teolliseen suurdatajoukkoon arvokkaan tiedon saamiseksi. Teollisen big datateknologian tutkimus ja läpimurto tähtäävät olennaisesti uusien mallien ja tiedon löytämiseen monimutkaisista tietokokonaisuuksista sekä arvokkaan uuden tiedon louhinnasta valmistavan yritysten tuoteinnovaatioiden edistämiseksi, toiminnan ja tuotannon tehokkuuden parantamiseksi sekä uusien liiketoimintamallien laajentamiseksi.
II. Teollisuuden suurdatan ominaisuudet
Teollisella big datalla on yleisen big datan ominaisuuksien (suuri datamäärä, vaihtelu, nopeus ja pieni arvotiheys) lisäksi myös ajallisen sekvenssin, vahvan korrelaation, tarkkuuden ja suljetun silmukan ominaisuuksia.
Suuri datamäärä:datan koko määrää tarkasteltavana olevan tiedon arvon ja mahdollisen tiedon. Teollisuuden datamäärä on suhteellisen suuri, suuri määrä{1}}korkeataajuista dataa koneista ja laitteista sekä Internet-dataa tulee jatkuvasti, ja suurten teollisuusyritysten tietojoukot saavuttavat PB- tai jopa EB-tason.
Lajike (lajike):viittaa tietotyyppien monimuotoisuuteen ja moniin lähteisiin. Teollisuusdataa levitetään laajalti eri osa-alueille, kuten koneille ja laitteille, teollisuustuotteille, hallintajärjestelmille ja Internetiin, ja rakenne on monimutkainen, ja siinä on jäsenneltyä ja puolistrukturoitua tunnistustietoa sekä jäsentämätöntä dataa.
Nopea (nopeus):viittaa tiedon hankinnan ja käsittelyn nopeuteen. Teollisuuden tietojenkäsittelyn nopeustarpeet ovat erilaisia, tuotantolaitos{1}}tason vaatimukset analyysin aikakehykseltä millisekuntitasolle, hallinta- ja päätöksentekosovellusten on tuettava interaktiivista tai eräanalyysiä.
Pienen arvon tiheys (arvo):teollinen big data painottaa enemmän käyttäjäarvoa-ja itse datan käytettävyyttä, mukaan lukien innovaatiokyvyn ja tuotannon ja toiminnan tehokkuuden parantaminen sekä personoidun räätälöinnin, palvelujen muuntamisen ja muiden älykkään tuotannon muuttamisen uusien muotojen edistäminen.
Järjestys:Industrial Big Datalla on vahva ajallinen järjestys, kuten tilaukset, laitteiden tilatiedot.
Vahva{0}}relevanssi:Toisaalta tuotteen elinkaaren samassa vaiheessa olevilla tiedoilla on suuri merkitys, kuten tuotteen osien koostumus, työolosuhteet, laitteiden tila, huolto ja osien lisähankinta; toisaalta tuotteen elinkaaren eri vaiheissa, kuten T&K:ssa ja suunnittelussa, tuotannossa ja palvelussa olevat tiedot on yhdistettävä.
Tarkkuus:viittaa lähinnä tietojen aitouteen, täydellisyyteen ja luotettavuuteen ja kiinnittää enemmän huomiota tiedon laatuun sekä käsittely- ja analysointitekniikoiden ja -menetelmien luotettavuuteen. Data-analyysin korkeammat luottamusvaatimukset, pelkästään tilastolliseen korrelaatioanalyysiin luottaminen ei riitä tukemaan vikadiagnoosia, ennustamista ja varhaisvaroitusta ja muita teollisia sovelluksia, tarve yhdistää fyysinen malli tietomalliin, kaivosten syy-seuraussuhde.
Suljettu{0}}silmukka:mukaan lukien tietoketjun sulkeminen ja yhdistäminen tuotteen koko elinkaaren horisontaaliseen prosessiin sekä älykkään valmistuksen vertikaalinen tiedonkeruu- ja käsittelyprosessi, jonka on tuettava dynaamista ja jatkuvaa säätöä ja optimointia suljetun -silmukan tilantunnistuksen, analyysin, palautteen ja ohjauksen skenaarioissa.
Yllä mainituista ominaisuuksista johtuen teollisella big datalla big datan sovellustoimialana on laaja sovellusnäkymä samalla, kun se asettaa suuren haasteen perinteiselle tiedonhallintateknologialle ja data-analyysiteknologialle.
III. Industrial Big Data -arkkitehtuuri
Teollinen big data -arkkitehtuuri sisältää kolme ulottuvuutta: elinkaari ja arvovirta, yrityksen vertikaalinen kerros ja IT-arvoketju.
Elinkaari- ja arvovirtakerroksessa se voidaan jakaa teollisen big datan sovellusalueiden mukaan kolmeen osa-alueeseen: tuotekehitys ja suunnittelu ennen tuotteen tuotantovaiheen alkua, tuotanto- ja toimitusketjun hallinta ennen tuotteen toimitusta sekä käyttö- ja ylläpito- ja palveluhallinta tuotteen toimituksen jälkeen.
Yrityksen pystysuorassa kerroksessa tiedonkeruumenetelmän ja sovellustason mukaan se voidaan jakaa tietofyysiseen järjestelmäkerrokseen, yrityksen johtamisen tietojärjestelmäkerrokseen ja alustan yhteenliittämisjärjestelmän kerrokseen.
IT-arvoketjukerroksessa se voidaan jakaa kolmella tasolla liiketoimintaarkkitehtuuriin, tietojärjestelmäarkkitehtuuriin ja IT-teknologiaarkkitehtuuriin, joista tietojärjestelmäarkkitehtuuri voidaan jakaa sovellusarkkitehtuuriin ja tietoarkkitehtuuriin.
1. Elinkaari ja arvovirran ulottuvuus
Teollisen big data -arkkitehtuurin elinkaari- ja arvovirtaulottuvuus kattaa tuotteen koko elinkaaren vaiheet eli tuotekehityksen ja suunnittelun, tuotannon, logistiikan, myynnin, käytön ja ylläpidon sekä palvelun. Niistä tuotanto, logistiikka ja myynti voidaan jakaa edelleen tuotanto- ja toimitusketjuun, ja elinkaari- ja arvovirtaulottuvuus sisältää kolme osa-aluetta: T&K ja suunnittelu, tuotanto- ja toimitusketju sekä käyttö ja ylläpito ja huolto. Kunkin toimialueen sovellusskenaariot on esitetty kuvassa 2.
01. T&K ja suunnittelu
T&K-henkilöstö kerää T&K-dataa T&K- ja suunnitteluprosessin aikana, mikä tulee kaikilta tuotteen elinkaaren osa-alueilta, mukaan lukien: käyttäjien kysynnän suurdata, T&K-tiedon big data, tuotteiden uudelleenkäyttö big data, T&K-yhteistyön suurdata jne. -tuote- ja poikki-toimialoilla sekä laaja valikoima ominaisuuksia.
Räätälöidyn tuoteräätälöinnin suunnitteluyritykset voivat kerätä käyttäjien räätälöityä tuotekysyntää, tuotteen asiakasvuorovaikutusta ja tapahtumatietoja Internet-alustan kautta. Näiden asiakkaiden dynaamisten tietojen louhinta ja analysointi voi auttaa asiakkaita osallistumaan tuotteiden kysynnän analysointiin ja tuotesuunnitteluun räätälöidyn suunnittelun saavuttamiseksi. Tämän jälkeen joustavaan tuotantoprosessiin luotaen voit tuottaa räätälöityjä tuotteita käyttäjille.
Toteuttaa isoon dataan perustuva simulaatiosuunnittelu perinteisten tuotantoyritysten testaamiseen ja todentamiseen linkki on tuotettava luontoissuorituksina arvioidakseen sen suorituskykyä ja muita indikaattoreita, kustannuksia testien määrän lisääntyessä ja nousussa. Virtuaalisen simulointitekniikan avulla voidaan saavuttaa alkuperäinen T & K-suunnitteluprosessi simulointiin, analysointiin, arviointiin, todentamiseen ja optimointiin, mikä vähentää teknisten muutosten määrää, optimoida tuotantoprosessia, vähentää kustannuksia ja energiankulutusta.
Toteuta henkilökohtainen räätälöity suunnitteluautomaatio, joka perustuu isoihin tietoihin perinteisiä yritystuotetyyppejä, tyylejä ei ole paljon, voidaan käyttää manuaaliseen tuotemallien, tuotantonäytteiden ja sitten massatuotannon tuotantotilan suunnitteluun, mutta henkilökohtaisten, pienten erien tuotantovaatimusten edessä perinteinen tila johtaa tuotteen tuotantosykliin liian pitkäksi, kustannukset ovat liian korkeat. Keräämällä suuren määrän tuotesuunnittelumallitietoa, analysoimalla suunnittelutietojen välistä korrelaatiota sekä big data -teknologian ja muiden suunnittelun aputyökalujen avulla voidaan toteuttaa yksilöllisen räätälöidyn suunnittelun ja mallin luomisen automatisointi.
Edistää T&K-resurssien sekä innovaatio- ja yhteistyömuotoiluyritysten integrointia ja jakamista rakentamalla ja parantamalla T&K- ja suunnittelutietopohjaa, edistää digitaalisia piirustuksia, standardiosien kirjastoa ja muuta suunnittelutietoa yrityksessä sekä alku- ja loppupään yrityksissä resurssien jakamisen sekä innovaation ja yhteistyön toimitusketjussa, parantaa yrityksen{0}}alueellista integroitua hallintaa ja T&K-resursseja alan ketjun yhteistyön suunnitteluominaisuudet. Parantaa yritysten kykyä hallita ja hyödyntää globaaleja T&K-resursseja, optimoida ja organisoida T&K-prosesseja sekä parantaa T&K-tehokkuutta.
Viljellä uusia t&k-toimintamuotoja, jotka perustuvat suunnitteluresurssien sosiaalistettuun jakamiseen ja osallistumiseen, ja mahdollistaa yritysten uusien t&k-tapojen, kuten joukko- ja joukkohankintamuotojen toteuttaminen omiin T&K-tarpeisiinsa, parantaakseen yritysten kykyä hyödyntää sosiaalistettuja innovaatioita ja pääomaresursseja.
02. Tuotanto ja toimitusketju
Tuotannon suurdata ei sisällä vain tuotetuotantotietoja, tilaustietoja, laitetietoja, ohjaustietoja, materiaalitietoja, henkilöstötyön aikataulutusta, vaan sisältää myös sisäisen johtamisen tietovirran, pääomavirran, alku- ja loppupään toimittajien tuotetuotannon sekä asiakashallinnan ja muut niihin liittyvät aputuotannon hallintatiedot, tuotantotiedon keruu perustuu yrityksen olemassa olevaan resurssienhallintaan, valmistuksen toteutukseen, teollisuuden ohjausjärjestelmien hallintaan, toimittajien hallintaan ja muuhun toimitusjohtamiseen.
Se toteuttaa tuotantoprosessin reaaliaikaisen-valvonnan ja hallinnan sekä tuotantolaitteiden ennakoivan huollon, parantaa tuotantoprosessin ja laitteiden hallintatasoa, optimoi tuotantoprosessin ja parantaa tuotteiden laatua. Nykyaikaisiin teollisiin tuotantolinjoihin on asennettu tuhansia pieniä antureita, jotka havaitsevat tuotantolaitteiden toimintatilan, kuten lämpötilan, paineen, lämmön, tärinän ja melun jne. Näiden tietojen avulla voidaan toteuttaa tuotantoprosessin reaaliaikaista-seurantaa, laitevikojen diagnosointia ja ennakointia, energiankulutusanalyysiä ja laatuonnettomuusanalyysiä. Lisäksi se voi myös integroida ja aggregoida tietoja kaikista valmistuksen osa-alueista, luoda tuotantoprosessin virtuaalisia malleja, simuloida ja optimoida tuotantoprosessia.
Toteuttaa henkilökohtainen räätälöity mittakaavatuotanto ja edistää nykyaikaisen tuotantojärjestelmän perustamista. Tuotteen koko elinkaaren tietovirran automatisoinnin ja koko valmistusprosessin automatisoidun ja älykkään ohjauksen avulla se edistää tiedon jakamista, järjestelmäintegraatiota ja yritysyhteistyötä, parantaa tarkkuusvalmistuksen, huippuluokan valmistuksen ja ketterän valmistuksen kykyä-, toteuttaa räätälöidyn mittakaavan tuotannon, nopeuttaa modernisoitujen tuotantojärjestelmien, kuten älykkäiden työpajojen ja älykkäiden tuotantolaitosten, perustamista.
Toteuta verkottunut yhteistuotanto ja tuotannon jakamistalous. "Internet+":n avulla tuotantoresurssien integrointi ja optimointi yritysten sisällä tai yritysten välillä sekä vertikaalisen yhteistuotannon toteuttaminen yritysten sisällä tai horisontaalisen yhteisvalmistuksen toteuttaminen yritysten välillä. Internetin kautta + jakamistalous, innovaatioresurssien jakaminen, tuotantokapasiteetti, varastot ja muut tuotantoresurssit toteuttaa valmistus jakamistaloutta.
Optimoi teollisuuden toimitusketju. Elektroniset tunnistustekniikat, kuten radiotaajuustunnistus (RFID), esineiden Internet (IoT) -teknologia ja mobiili Internet -teknologia voivat auttaa teollisuusyrityksiä hankkimaan isodataa koko tuotteen toimitusketjusta, ja tällaisten tietojen käyttö analysointiin lisää merkittävästi varastoinnin, jakelun ja myynnin tehokkuutta sekä alentaa kustannuksia merkittävästi.
Toteuta kysynnän ennustaminen järjestääksesi paremmin saapuvat tavarat ja tuotanto, ja kun kysyntä laskee, jäljitä ongelman syy ja ratkaise se.
Toteuta asiakasprofilointi ja täsmällinen markkinointi- ja asiakaskäyttäytymisanalyysi, joka voi laajentaa asiakaslähteitä, parantaa markkinoinnin onnistumisastetta ja alkuperäistä asiakastyytyväisyyttä ja -uskollisuutta.
03. Käyttö- ja huolto- ja huoltokenttä
Käyttö-, huolto- ja huoltoalalla on monia tietolähteitä, mukaan lukien pääasiassa: reaaliaikaiset-ajotilatiedot ja ympäristön tiedot, jotka on kerätty tuotteisiin upotetuilla antureilla asiakkaiden luvalla; liiketoiminta-alustan kautta hankitut tuotemyyntitiedot, asiakastiedot ja vastaava tuotearviointi tai -käyttöpalaute; asiakkaiden valitukset ja vastaavat käsittelytiedot; tuotteiden palautukset ja vastaavat huoltokirjat.
Seuraamalla ja analysoimalla etänä kerättyjen tuotteiden reaaliaikaisia-käyttötilatietoja, voidaan toteuttaa online-arvoa-lisäpalveluita, kuten etävalvontaa ja -hallintaa, vikadiagnoosia ja ennakoivaa huoltoa, mikä voi vähentää ylläpitokustannuksia ja parantaa tuotteiden käyttöastetta.
Analysoimalla laitteiden asiakaskäyttötietoja ja ympäristön tietoja se voi myös tarjota käyttäjille laajennettuja palveluita, laajentaa tuotteiden arvoavaruutta ja toteuttaa tuote{0}}keskeisen liiketoimintamallin muutoksen "valmistus + palvelu" -malliksi.
Analysoimalla asiakkaiden tuotearvioita tai käyttöpalautetta, asiakkaiden valituksia, sisällyttämällä hyödyllisiä kommentteja tuotesuunnitteluun ja tuotekehitykseen sekä luokittelemalla asiakkaiden valitukset, voimme parantaa tuotteiden laatua ja{0}}jälkipalveluiden laatua, vähentää valitusten määrää ja lisätä asiakastyytyväisyyttä ja -uskollisuutta.
Analysoimalla tuotteen palautuksen tai korjaamisen syyt sekä ryhtymällä oikea-aikaisiin ja tehokkaisiin toimenpiteisiin voimme parantaa tuotteiden laatua ja vähentää palautus- ja korjausastetta.
2. Yrityksen pystysuora kerros
Teollisen big data -arkkitehtuurin yrityksen vertikaalinen kerros on jaettu fyysisen toimialueen näkökulmasta alhaalta ylöspäin viiteen kerrokseen, jotka ovat laitekerros, ohjauskerros, työpajakerros, yrityskerros ja yhteistyökerros. Laitekerroksessa, ohjauskerroksessa ja työpajakerroksessa esineiden Internetiä voidaan käyttää älykkäiden tehtaiden toteuttamiseen tietofyysisen järjestelmän pohjalta; yritystasolla yritys integroi erilaisia sisäisiä informatisointisovelluksia, suorittaa sisäisten liiketoimintaprosessien integroinnin ja muuntamisen sekä parantaa yrityksen toiminnan tehokkuutta; ja yhteistyökerroksessa teollista pilveä ja muita alustatekniikoita käytetään yrityksen ulkoisen yhteisvalmistuksen ja innovatiivisten liiketoimintamallien, kuten valmistuspalvelu{1}}mallin toteuttamiseen. Yrityksen vertikaalinen ulottuvuus voidaan jakaa kolmeen alajärjestelmään: tietofyysinen järjestelmä, yrityksen johdon tietojärjestelmä ja yhteenliittämisalustajärjestelmä.
01. Tietojen fyysinen järjestelmä
Tietofyysinen järjestelmä kerää ja aggregoi koneen käyttötietoja ja tuotantopaikan tietoja antureiden ja erilaisten tietojärjestelmien kautta kaikkialla läsnä olevan havainnon toteuttamiseksi ja soveltaa tietojen integrointi- ja käsittelytekniikkaa teollisen tiedon keräämiseen ja vaihtamiseen, valmistuksen palautteeseen ja ohjaukseen, ohjaukseen ja vuorovaikutukseen laitteiden ja työpajojen kanssa, tehtaiden sisäisten ja ulkoisten fyysisten järjestelmien yhteenliittämisen ja yhteentoimivuuden toteuttamiseksi sekä tietopohjan tarjoamiseksi teollisen analyysin ja simuloinnin tukemiseen, mallintamiseen/simulaatioon. päätöksenteon-optimointi korjaamo-/tehdastoiminnassa. Se tarjoaa myös tietopohjan teolliseen mallintamiseen/simulointiin ja analysointiin, mikä puolestaan tarjoaa tukipalveluita korjaamon/tehtaan toiminnan päätösten optimointiin. Teollisen big data -arkkitehtuuriyrityksen vertikaalisessa kerroksessa teollisuuden laitekerroksen tiedonkeruussa käytettävä informaatiofyysinen järjestelmä perustuu big dataan, verkkoon ja massalaskentaan, ja älykkään havainnoinnin, analyysin, louhinnan, arvioinnin, ennustamisen, optimoinnin, yhteistyön ja muiden teknisten keinojen avulla laskennalla, viestinnällä ja ohjauksella voidaan toteuttaa orgaanisen fuusion ja syvällisen yhteistyön -syvyys. kyberavaruus ja teollisten laitteiden, ympäristöjen ja ryhmien fyysinen tila. Syvä integraatio. Tietofyysisen järjestelmän ydin on fyysisten laitteiden liittäminen Internetiin siten, että fyysisillä laitteilla on viisi päätoimintoa: laskenta, viestintä, tarkka ohjaus, etäkoordinointi ja autonomia.
02. Yritysjohdon tietojärjestelmä
Yritysinformatisointi on prosessi, jossa tietotekniikkaa ja tuotteita sovelletaan yrityksissä. Yritysinformatisointi on tietotekniikan kattava tunkeutuminen paikalliselta globaalille, taktiselta tasolta strategiselle tasolle yrityksiin, soveltamalla sitä prosessien hallintaan ja tukemalla yrityksen toimintaa ja johtamista. Yritysinformatisointi sisältää pääasiassa tuotantoprosessin ohjauksen, yrityksen johtamisen, tuotteen elinkaaren hallinnan, toimitusketjun optimoinnin ja hallintaprosessit. Tuotantoprosessin ohjauksen informatisointi keskittyy tuotekehitykseen ja -suunnitteluun, tuotantoprosessin kulkuun, työpajan hallintaan, laaduntarkastukseen ja muihin suunnittelun ja tuotannon yhteyksiin. Yritysjohdon informatisointi on suurin osa yrityksen tiedon rakentamisesta, vaikein, laajimmin käytetty alalla, joka liittyy yrityksen johtamiseen ja kaikilla tasoilla. Yritysjohtamisen informatisointirakenteessa on kerätä, käsitellä, organisoida ja integroida tietoresursseja tehokkaasti tiedon integrointisovellusjärjestelmän kautta johtamisen perustyön standardoinnin ja liiketoimintaprosessien optimoinnin, johtamisen tehokkuuden parantamisen sekä reaaliaikaisen-dynaamisen johtamisinformaation ja-päätöksentekotietojen tarjoamisen perusteella. Yrityksen toimitusketjun hallinnan informatisoituminen saa yrityksen tuotanto- ja johtamistoiminnan ulottumaan eteenpäin ja taaksepäin. Yritykset raaka-aineiden, komponenttien hankinnasta, kuljetuksesta, varastoinnista, jalostuksesta ja valmistuksesta, myynnistä lopulliseen toimitukseen ja palveluun asiakkaille, jotka muodostavat ketjurakenteen, joka koostuu alkupään toimittajista, välituottajista ja kolmannen osapuolen palveluntarjoajista, loppupään myyntiasiakkaista ja yritysten tuotantotoiminnasta, johtamisprosesseista, ovat tämän toimitusketjun ja vaikutusvallan alaisia.
03. Yhdistetty alustajärjestelmä
Tällä hetkellä Kiinan ja useimpien maiden teollinen kehitys kohtaa suuria vaikeuksia ja haasteita, mukaan lukien: vakava ylikapasiteetti, henkilökohtaisten tuotteiden niukkuus, tuotteet muuttuvat yhä monimutkaisemmiksi, tuotantovälineitä ei voida konfiguroida tehokkaasti, ja suurten{0}}laitteiden markkinat ovat yhä kylläisempiä jne., ja on kiireesti etsittävä strateginen ratkaisu teollisuuden muutokseen ja teollisuuden uudistamiseen. "Internet +" erittäin dynaaminen ajattelu ja innovatiiviset liiketoimintamallit valmistavan teollisuuden ahdinkoon, joka tarvitsee kiireesti muutosta ja päivitystä, tarjoaa uuden suunnan muutokselle tuotantomenetelmien ja liiketoimintamallien uudistamisen ja tuotantoteknologian parantamisen kautta, jotta asiakaskohtaiset räätälöidyt tuotteet, pieni erä, suuri{4}}mittakaavatuotanto voidaan ratkaista, teollisten tuotteiden suuren-tuotantokapasiteetin ongelman ratkaisemiseksi. Uudistamalla tuotantomenetelmiä ja liiketoimintamalleja sekä parantamalla tuotantotekniikkaa voimme toteuttaa pienen-erän, suuren-persoonallisten tuotteiden tuotannon, joka ratkaisee teollisuustuotteiden suuren-liikakapasiteetin ja asiakkaiden yksilöllisen tuotekysynnän kyvyttömyyden vastata, jotta voidaan tyydyttää asiakkaiden kunnioituksen ja vahvistumisen sekä itsensä toteuttamisen{10} kysyntä.
Yritä ratkaista heikon ydinteknologian ja korkealaatuisten tuotteiden alhaisen valmistuskapasiteetin ongelma verkottuneen yhteistyövalmistuksen avulla, eli Internetin tai teollisen pilvialustan avulla kehittää uusia yhteistyömuotoja tutkimus- ja kehitystyöhön, joukkolähdesuunnitteluun, toimitusketjun yhteistyöhön jne. nopeuttaa muutosta "taistelusta yksin" "teolliseen yhteistyöhön". "teollisuuteen synergiaa ja edistää alan yleistä kilpailukykyä.
Yritetään parantaa ylikapasiteetin ongelmaa ilman tehokasta resurssien allokointia ja heikkoa itsenäistä innovaatiokykyä innovaation ja yrittäjyyden, tuotannon jakamistalouden avulla.
Ydintuote akselina, keräämällä ja analysoimalla tuotteen asiakkaiden käyttötietoja ja ympäröivän ympäristön dataa, tarjota käyttäjille laajennettuja palveluita, laajentaa tuotteen arvoavaruutta, laajentaa uusia markkinoita ja toteuttaa tuote{0}}keskeisen liiketoimintamallin muutos "valmistus + palvelu" -malliksi.
3. IT-arvoketju
Big datan arvo toteutuu esimerkiksi tiedonkeruun,{0}}esikäsittelyn, analyysin, visualisoinnin ja käytön avulla.
IT-arvoketjun mittakaavassa big datan arvo toteutuu tarjoamalla verkkoja, infrastruktuuria, alustoja, sovellustyökaluja ja muita palveluita, jotka sisältävät big dataa big data -sovelluksiin, mikä parantaa toiminnan tehokkuutta ja tukee liiketoiminnan innovaatioita. Big data -teknologian tukema yritysarkkitehtuuri voidaan jakaa kolmeen tasoon: liiketoiminta-arkkitehtuuri, tietojärjestelmäarkkitehtuuri ja IT-teknologia-arkkitehtuuri TOGAF-jakomenetelmään viitaten.
01. Liiketoiminnan arkkitehtuuri
Liiketoimintaarkkitehtuuri määrittelee liiketoimintastrategian, johtamisen, organisaation ja keskeiset liiketoimintaprosessit ja on yrityksen kattavan tietotekniikkastrategian ja tietojärjestelmäarkkitehtuurin perusta sekä data-, sovellus- ja teknologiaarkkitehtuurin määrääjä. Liiketoimintaarkkitehtuuri on kanava, joka muuttaa organisaation liiketoimintastrategian päivittäisiksi toiminnoiksi, ja liiketoimintastrategia määrittää liiketoimintaarkkitehtuurin. Liiketoimintaarkkitehtuuri muuntaa korkean-tason liiketoimintastrategiat ja tavoitteet toimiviksi liiketoimintamalleiksi. Liiketoimintaarkkitehtuuri on ilmaisu yrityksen keskeisestä liiketoimintastrategiasta sekä liiketoimintatoiminnoista ja prosesseista, yleensä liiketoimintamallin pohjalta toteutettu liiketoimintasuunnitelma, joka kuvaa liiketoimintamoduulit ja niiden väliset suhteet eli liiketoiminnan pääprosessit eri näkökulmista. Liiketoimintaarkkitehtuuri on liiketoiminnan pää- ja yhteisten prosessien kunnollinen rajaaminen sekä liiketoiminnan elementtien elinkaaren artikulaatio ja analysointi. Teollisen big datan arvon voi saada suunnittelemalla strategisesti teollista big dataa ja rakentamalla yritysarkkitehtuuria.
02. Tietojärjestelmän arkkitehtuuri
Jotta teollisen big datan arvo voitaisiin hyödyntää täysimääräisesti ja välttää "tietosaarten" muodostuminen, on tarpeen rakentaa yhtenäinen tietojärjestelmäarkkitehtuuri, joka toteuttaa eri sovellusjärjestelmien ja datan käyttäjien pääsyn ja yhteentoimivuuden. Teollisen big datan liiketoimintastrategiaan perustuva tietojärjestelmäarkkitehtuuri on arkkitehtuuri, joka heijastaa tuotantoyrityksen tietojärjestelmän eri komponenttien välistä suhdetta sekä tietojärjestelmän ja siihen liittyvän liiketoiminnan sekä tietojärjestelmän ja siihen liittyvän teknologian välistä suhdetta. Tietojärjestelmäarkkitehtuuri sisältää sovellusarkkitehtuurin ja tietoarkkitehtuurin. Niistä sovellusarkkitehtuuri kuvaa yrityksen toiminnan tukemiseen tarvittavan sovellusjärjestelmän suunnitelmaa sisältäen sovellustasot, toiminnot, toteutustavat ja rakentamisstandardit jne. Se tutkii pääasiassa sovellusjärjestelmien vuorovaikutusta sekä sovellusten ja ydinliiketoiminnan vastaavuutta ja on tutkimuksen painopiste yrityksen kokonaiskehyksestä, jonka voidaan sanoa olevan silta liiketoiminta-arkkitehtuurin ja teknisen arkkitehtuurin välillä. Teollinen big data -sovellusarkkitehtuuri sisältää sekä yrityksen vertikaalisen kerroksen eri tasoja vastaavia sovellusjärjestelmiä teollisessa big data-arkkitehtuurissa että big datateknologiaan perustuvia sovellusjärjestelmiä. Tietoarkkitehtuuri puolestaan on kuvaus monimutkaisen organisaatioyksikön tärkeimpien tietotyyppien ja -lähteiden, loogisten tietoresurssien, fyysisten tietovarojen ja tiedonhallintaresurssien rakenteesta ja vuorovaikutuksesta.
03. Tietotekniikan arkkitehtuuri
Teollisuus 4.0:n aallon nousun myötä tietotekniikat, kuten esineiden Internet (IoT), Cloud Computing, Big Data, tekoäly, lisätty todellisuus/virtuaalitodellisuus ja muut tietotekniikat integroituvat ja tunkeutuvat jatkuvasti teollisuuden alalle, mikä luo vankan teknologisen perustan teollisten big datasovellusten toteuttamiselle. Niistä IoT-teknologia tekee kaikkialla läsnä olevia päätelaitteita ja -tiloja, jotka voidaan liittää Internetiin sovittujen protokollien mukaisesti tiedontunnistuslaitteiden, kuten radiotaajuustunnistuksen, infrapuna-anturien, globaalien paikannusjärjestelmien jne. kautta tiedonvaihtoa ja viestintää varten, jolloin kohteet ja niiden tila näkyvät älykkään tunnistamisen, lokalisoinnin, seurannan, valvonnan ja hallinnan toteuttamiseksi; pilvitekniikka tarjoaa eräänlaisen dynaamisen ja skaalautuvan laskentapalvelun, joka voidaan toteuttaa verkon kautta pyynnöstä-. Pilvilaskentatekniikka tarjoaa pyynnöstä -dynaamisesti skaalautuvat ja edulliset laskentapalvelut verkon kautta. big data -teknologia ja tekoälyteknologia mahdollistavat massiivisen datan potentiaalisen arvon analysoinnin ja louhimisen hyväksyttävässä ajassa sekä trendinennustus- ja ryhmäälytilan toteuttamisen; AR/VR-tekniikka voi toteuttaa tehdasympäristön, teollisuuslaitteiden ja niin edelleen kokemuksen simuloinnin ja parantamisen. Teollisuusyritykset tuottavat päivittäin tai jopa joka hetki suuren määrän dataa laajalla valikoimalla, kattaa teollisuustuotteiden koko elinkaaren, mukaan lukien suunnittelutiedot, tuotantotiedot, arvoketjutiedot ja niihin liittyvät ulkoiset tiedot. Nämä tiedot tulevat joko antureista tai älylaitteiden tiedonkeruu- ja valvontajärjestelmästä tai yrityksen suunnittelumallista ja tietojärjestelmästä.
Teollisen big data -sovelluksen toteuttaminen vaatii tiedon keräämistä ja esikäsittelyä-, tallennusta, analysointia ja louhintaa, sovellusta tietylle yritykselle ja lopuksi tulosten näyttämistä, vastaavasti teollinen big data -tietotekniikan arkkitehtuuri on jaettu kuuteen kerrokseen: tietokerros, tiedonkeruukerros, tallennuskerros, laskentakerros, sovelluskerros ja näyttökerros. Jos yritykset rakentavat jokaisen kerroksen yksin, rakentamisen kynnys on suhteellisen korkea. Kotimaassa ja ulkomailla on kehitetty ja saatettu valmiiksi joukko avoimen-lähdekoodin teknologiakomponentteja, jotka liittyvät teollisiin pilvipalveluihin ja (teolliseen) big datan käsittelyyn, ja tekoälyteknologia on edistynyt entisestään, mikä tarjoaa valinnaisia ratkaisuja teollisuuden älykkääseen muutokseen ja alentaa myös teollisten big datasovellusten rakentamisen ja käyttöönoton kynnystä. Yritysten ei tarvitse tarvittaessa toteuttaa kutakin teknisen arkkitehtuurin komponenttia itse, vaan ne voivat käyttää vastaavia avoimen lähdekoodin komponentteja rakentamaan tarpeidensa mukaan teollisia big data -sovelluksia sekä tarpeidensa mukaan erityyppisiä ja -tasoisia teollisia pilvipalveluita ja toteuttaa tältä pohjalta teollisia big data -sovelluksia keskittyäkseen enemmän niihin liiketoiminta-alueisiin ja teknisiin aloihin, joilla yritykset ovat hyviä.
Teollinen big data -analyysiteknologia, joka on yksi teollisen big datan ydinteknologioista, voi mahdollistaa teollisuuden big data -tuotteiden louhinnan valtavan määrän dataa, integroida moni{0}}lähdedataa, mallintaa usean-tyyppistä tietoa, analysoida usean-liiketoiminnan skenaarioita ja löytää usean-domainin tietämystä jne., jolla on merkittävä rooli yrityksen innovaatioiden edistämisessä. yritysten muuttaminen ja parantaminen.




