智慧工業(yè)大數(shù)據(jù)建設(shè)方案 智慧工廠整體解決方案

1、智慧工業(yè)大數(shù)據(jù)平臺建設(shè)方案前言隨著工業(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

2、大數(shù)據(jù)能力，強(qiáng)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)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(qiáng)人員管理，優(yōu)化系統(tǒng)功能和資源配置，降低系統(tǒng)運(yùn)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)

3、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)IPWMSERPPLMMESTMSEMSCRM云數(shù)據(jù)中心能源數(shù)據(jù)位置數(shù)據(jù)大數(shù)據(jù)管理平臺產(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Zigbee物流跟蹤設(shè)備管理平臺以太網(wǎng)132原材料、成分溫度、濕度、成分 計量、換算閥門開關(guān)權(quán)限管理安全策略&QoS應(yīng)用適配器操作門戶API終端管理數(shù)據(jù)管理網(wǎng)絡(luò)連接管理平臺基于機(jī)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(jī)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)

4、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HDFSMap/ReduceHivePig事務(wù)處理數(shù)據(jù)完整性鎖機(jī)制索引機(jī)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、Spark Streaming）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/D

5、SA 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Spark ML工業(yè)大數(shù)據(jù)特點多樣、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)生價值交互查詢批查詢機(jī)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(jī)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(jī)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(jī)

6、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)生價值交互查詢批查詢機(jī)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(jī)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(jī)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(jī)器學(xué)習(xí)大數(shù)據(jù)存儲SQL 數(shù)據(jù)倉庫

7、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)01020304如上圖顯示的機(jī)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(yùn)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)過程建模設(shè)備數(shù)據(jù)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

8、、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(jī)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(qiáng)、人機(jī)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(yùn)營。強(qiáng)化模型工業(yè)大數(shù)據(jù)建模目標(biāo)01020304如上圖顯示的機(jī)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

9、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(yùn)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)過程建模設(shè)備數(shù)據(jù)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(jī)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

10、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(qiáng)、人機(jī)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(yùn)營。強(qiáng)化模型設(shè)備預(yù)測性維修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。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。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)。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)

11、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。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)。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。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(yùn)營行為上。生產(chǎn)過程優(yōu)化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。異常事件通過對過程事件的分析發(fā)現(xiàn)經(jīng)

12、常性出現(xiàn)異常事件的原因，原因：機(jī)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(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。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(jī)協(xié)同優(yōu)化調(diào)度優(yōu)化對機(jī)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(jī)良好的協(xié)同。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。智慧工業(yè)解決方案平臺架構(gòu)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)）

13、。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(kuò)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、

14、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

15、制造邁進(jìn)。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(yùn)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(yùn)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(yùn)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(yùn)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(yùn)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(yùn)營成本、輔助用戶決策。安全預(yù)警：設(shè)定對運(yùn)行安全隱患進(jìn)行預(yù)警

16、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(yùn)行數(shù)據(jù)，及時向用戶推送設(shè)備校準(zhǔn)、維修信息。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。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(yùn)行、停機(jī)和故障狀態(tài)等； 微觀顯示：點選設(shè)備的具體運(yùn)行實時的狀態(tài)。智慧工業(yè)解決方

17、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。智慧工業(yè)解決方案：單臺設(shè)備實時監(jiān)控智慧工業(yè)解決方案：手機(jī)APP端顯示監(jiān)控所有設(shè)備位置、運(yùn)行狀態(tài)；支持對設(shè)備的遠(yuǎn)程控制；識別當(dāng)前產(chǎn)線設(shè)備運(yùn)行參數(shù)、設(shè)備信息、維護(hù)人員及歷史維護(hù)記錄； 支持手機(jī)工單流轉(zhuǎn)；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(yùn)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(yùn)營效益的全方位的評價，統(tǒng)籌經(jīng)濟(jì)效益

18、、安全效益、社會效益等因素進(jìn)行整體評價。設(shè)備預(yù)測性維修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。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。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)。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。異常檢測時間序列將采集到

19、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。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)。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。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(yùn)營行為上。生產(chǎn)過程優(yōu)化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。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(jī)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(zhì)量信息，進(jìn)行相關(guān)因素分析，通過改善相

20、關(guān)因素進(jìn)行質(zhì)量改善。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(jī)協(xié)同優(yōu)化調(diào)度優(yōu)化對機(jī)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(jī)良好的協(xié)同。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。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)的理解規(guī)劃依據(jù)業(yè)務(wù)藍(lán)圖數(shù)據(jù)藍(lán)圖技術(shù)藍(lán)圖大數(shù)據(jù)管理平臺架構(gòu)大數(shù)據(jù)處理技術(shù)架構(gòu)海量、高速實時數(shù)據(jù)的低成本管理與快速處理大數(shù)據(jù)管理與控制大數(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)

21、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)備高爐產(chǎn)線設(shè)備與工業(yè)網(wǎng)絡(luò)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(jī)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)用料層厚度燒結(jié)溫度點火溫度垂直燃燒速度混合料水分燃料配比機(jī)速利用系數(shù)冶煉強(qiáng)度焦比噴煤比燃料比富氧率風(fēng)溫氧氣壓強(qiáng)氬氣壓強(qiáng)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)）產(chǎn)線設(shè)備與工業(yè)網(wǎng)絡(luò)軋鋼設(shè)備主軋機(jī)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)

22、據(jù)湖軋機(jī)監(jiān)測溫度厚度張力速度電機(jī)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(yùn)行的安全性，減少停機(jī)維護(hù)時間，具體包括： 建立健全設(shè)備運(yùn)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(yùn)行維護(hù)管理、運(yùn)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(yùn)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。設(shè)備管理體

23、系能效管理體系工業(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。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(fèi)環(huán)節(jié)的數(shù)據(jù)，實現(xiàn)微電網(wǎng)的運(yùn)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(fèi)平衡機(jī)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(yùn)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。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

24、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。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。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