制造行業(yè)數(shù)字化轉型智能制造大數(shù)據(jù)平臺建設方案

智能制造行業(yè)數(shù)字化轉型智能制造大數(shù)據(jù)平臺建設方案通過信息資源標準，數(shù)據(jù)交換服務，數(shù)據(jù)加工存儲，數(shù)據(jù)分析應用與信息安全保障五大體系形成甲方數(shù)的整體落地。技術支撐技術支撐…據(jù)管企業(yè)應用集成平臺數(shù)據(jù)資源交換體系建設企業(yè)應用集成平臺數(shù)據(jù)資源交換體系建設企業(yè)應用分析數(shù)據(jù)加工存儲體系建設數(shù)據(jù)加工存儲體系建設數(shù)據(jù)分析應用體系建設分析應用架構設計大數(shù)據(jù)支撐平臺信息安全保障體系建設信息安全保障體系建設數(shù)據(jù)源系統(tǒng)...…n企業(yè)在業(yè)務發(fā)展的關鍵時刻,需將業(yè)務與信息技術變革在整個公司全方位展開，數(shù)據(jù)的高階應用和可視化分析依賴于數(shù)據(jù)管理保障數(shù)據(jù)應用高效率。同時高標準的數(shù)據(jù)質量和管理也會促建數(shù)據(jù)資產(chǎn)利用的最大數(shù)據(jù)應用數(shù)據(jù)管理實現(xiàn)價值目標解決方案實施數(shù)據(jù)應用數(shù)據(jù)管理實現(xiàn)價值目標解決方案實施估數(shù)據(jù)所有權認責數(shù)據(jù)項清單度估數(shù)據(jù)管理能力發(fā)展路線在網(wǎng)絡化戰(zhàn)略下，甲方探索全流程用戶交互。甲方顛覆傳統(tǒng)創(chuàng)新流程，實踐用戶全流程參與創(chuàng)新，設計階段用戶就參與交互。 操作層視角--流程可視化定單各環(huán)節(jié)可視監(jiān)控報表問題點顯差定單各環(huán)節(jié)展示：按原材料類別/區(qū)域/供應商類別/模塊類別維度展示環(huán)節(jié)占比分析：例交貨率85.86，物料合格率94.23%定單差異環(huán)節(jié)預警到到總體到環(huán)節(jié)到明細到明細 期末庫存253期末庫存2537個本期入庫1602個本期領用2000個總下單2862W已開票2290W未開票572W總下單金額2862W已收貨2332W接單數(shù)量280個，生產(chǎn)計劃1980個檢驗數(shù)量1700個,壞品數(shù)量98個下單數(shù)量1980個,交貨數(shù)量1700個尋供應商50家,合格供應商10家生產(chǎn)數(shù)量2800,供應商2家項目定單數(shù)量19138614028495201150251234456122234定單總額1562132918721156121177211212101167去年同期351731119774452974232442167增長率81.7%55.2%20.7%65.8%22.1%77.6%80.7%70.5%90.2%46.5%82.8%71.4%主要包含定單業(yè)務全流程可視化報表、問題顯差、預警機制三個部分。將各個階段顯差考核到責任人，并對后續(xù)節(jié)點進行預警，挽回時間，提升用戶體驗。平臺整體業(yè)務流程配置業(yè)務邏輯層維修工單創(chuàng)建判斷維修工單創(chuàng)建PLC點位故障計劃停護維修工單處理設備日志Update開機允許判斷故障隱患判斷人工報單創(chuàng)建PLC設備數(shù)據(jù)讀取PLC設備數(shù)據(jù)驗證維修過程信息維修信息更新原因代碼輸入狀態(tài)信息傳遞t維修過程記錄設備主數(shù)據(jù)對象/故障/原因代碼設備計量點主數(shù)據(jù)產(chǎn)品主數(shù)據(jù)配置業(yè)務邏輯層維修工單創(chuàng)建判斷維修工單創(chuàng)建PLC點位故障計劃停護維修工單處理設備日志Update開機允許判斷故障隱患判斷人工報單創(chuàng)建PLC設備數(shù)據(jù)讀取PLC設備數(shù)據(jù)驗證維修過程信息維修信息更新原因代碼輸入狀態(tài)信息傳遞t維修過程記錄設備主數(shù)據(jù)對象/故障/原因代碼設備計量點主數(shù)據(jù)產(chǎn)品主數(shù)據(jù)維修過程查詢維修過程查詢產(chǎn)品主數(shù)據(jù)設備參數(shù)值設備計量點主數(shù)據(jù)設備PLC地址信息產(chǎn)品主數(shù)據(jù)設備參數(shù)值設備計量點主數(shù)據(jù)設備PLC地址信息設備主數(shù)據(jù)設備主數(shù)據(jù)對象/故障對象/故障/原因代碼報修通知維修狀態(tài)更新設備預警生產(chǎn)預警報警分析生產(chǎn)分析報表展示層趨勢分析設備活動故障分析報警分析生產(chǎn)分析報表展示層趨勢分析設備活動故障分析產(chǎn)品主數(shù)據(jù)設備計量點主數(shù)據(jù)壞品率生產(chǎn)計劃時間計算引擎層故障分析設備效能計算趨勢預測大數(shù)據(jù)分析平臺系統(tǒng)架構傳統(tǒng)商業(yè)智能與大數(shù)據(jù)分析相并行，實時數(shù)據(jù)分析與智能生產(chǎn)平臺支持當前及近期的信息需求，提供實時生產(chǎn)過程中的決策支持及優(yōu)化數(shù)據(jù)聚合數(shù)據(jù)分析算法算法數(shù)據(jù)管理分析預測機器學習u客戶訂單u運營計劃u機器（loT）u供應商數(shù)據(jù)u員工改善數(shù)據(jù)u經(jīng)濟預測u天氣預測生產(chǎn)優(yōu)化u規(guī)劃與安排u生產(chǎn)優(yōu)化u規(guī)劃與安排u生產(chǎn)管理u供應管理u質量管理u更小的批量u可預測的供給/需求u更短的產(chǎn)品生命周期u更多的生產(chǎn)差異化價值實現(xiàn)u生產(chǎn)能力u靈活性u利用率u服務水平u生產(chǎn)前置時間u定制化服務智能制造可視化需求可視化可視化模塊模塊1：定單分析模塊2：設備分析模塊3：質量分析模塊4：人員分析模塊5：物料分析優(yōu)化/質量/追溯跟蹤分析趨勢/質量狀況監(jiān)控趨勢/質量狀況監(jiān)控/執(zhí)行分析供應商/負荷分析狀態(tài)/參數(shù)/運行維保信息流動/效率/競比其它內外部其它內外部構建企業(yè)關鍵指標體系設備質量物料人員設備質量物料人員集團平臺層定單分析設備分析質量分析物料分析人員分析工廠平臺層定單監(jiān)控參數(shù)監(jiān)控質量監(jiān)控物料跟蹤人員監(jiān)控業(yè)務追溯層定單執(zhí)行設備運行質量執(zhí)行物料執(zhí)行人員執(zhí)行23乙方制作所在世界500強中排名第78位（2014）社會在進步，乙方推動它。4我們的使命:通過創(chuàng)新的技術、產(chǎn)品和服務為社會做出貢獻智能生產(chǎn)研發(fā)投入19%4%15%11%7%14%9%7%11%3%5提供全球化的管理咨詢和IT技術咨詢服務ProvideGlobalManagementandTechnologyConsultingService$659M端到端解決方案:端到端解決方案:$12B6,500擁有經(jīng)驗6提供全面的業(yè)務轉型服務ProvideWholeBusinessChangeServiceApplication)OperationOptimization)8亞太區(qū)心只歐美地區(qū)9遍及全球的辦公場所ShenzhenDalianDalian案ShenzhenShenzhen分公司/辦事處研發(fā)中心乙方咨詢在中國的分布分公司/辦事處研發(fā)中心乙方咨詢在中國的分布執(zhí)行團隊在岸辦公市場及業(yè)界實踐調研執(zhí)行團隊在岸辦公市場及業(yè)界實踐調研企業(yè)競爭力分析戰(zhàn)略規(guī)劃運營模式規(guī)劃用戶需求收集需求分析與規(guī)格化概念與原型驗證產(chǎn)品路線規(guī)劃在岸開發(fā)戰(zhàn)略及運營規(guī)劃f離岸開發(fā)在岸團隊全項目生命周期項目管理服務服務響應中心技術及環(huán)境支持戰(zhàn)略及運營規(guī)劃f離岸開發(fā)在岸團隊全項目生命周期項目管理服務服務響應中心技術及環(huán)境支持問題總結實時監(jiān)控執(zhí)行團隊在岸負責在岸團隊應用架構、系統(tǒng)架構設計產(chǎn)品開發(fā)適配器開發(fā)企業(yè)應用集成數(shù)據(jù)遷移方案設計安全技術方案并發(fā)控制代碼質量管理…產(chǎn)品測試應用測試（單元、功能測試）交互測試（應用集成測試）非功能性測試（性能測試產(chǎn)品測試應用測試（單元、功能測試）交互測試（應用集成測試）非功能性測試（性能測試、安全測試）數(shù)據(jù)遷移驗證環(huán)境構建及發(fā)布管理數(shù)據(jù)遷移上線用戶培訓系統(tǒng)遷移知識轉移質量管理互聯(lián)網(wǎng)時代，甲方啟動網(wǎng)絡化戰(zhàn)略。為用戶提供按需設計、按需制造、按需配送的個性化體驗踏準時代節(jié)拍為用戶提供超值體驗網(wǎng)絡化戰(zhàn)略全球化戰(zhàn)略國際化戰(zhàn)略多元化戰(zhàn)略名牌戰(zhàn)略僅出口“創(chuàng)匯”2012-干第一”，為用戶在網(wǎng)絡化戰(zhàn)略下，甲方探索全流程用戶交互。甲方顛覆傳統(tǒng)創(chuàng)新流程，實踐用戶全流程參與創(chuàng)新，設計階段用戶就參與交互。智能制造大數(shù)據(jù)平臺集團內供應鏈對各互聯(lián)工廠的生產(chǎn)執(zhí)行情況，無法全面和實時掌握，現(xiàn)在主要靠事后的匯總報表。對設備參數(shù)等實時性較高的監(jiān)控和分析無法從集團層面及時獲取。智能制造大數(shù)據(jù)平臺集團內集團外互聯(lián)工廠可視根據(jù)集團互聯(lián)互通的戰(zhàn)略要求，為實現(xiàn)供應鏈實時透明可視，對供應鏈各節(jié)點數(shù)據(jù)進行實時顯示和統(tǒng)計分析?；ヂ?lián)工廠可視根據(jù)集團互聯(lián)互通的戰(zhàn)略要求，為實現(xiàn)供應鏈實時透明可視，對供應鏈各節(jié)點數(shù)據(jù)進行實時顯示和統(tǒng)計分析。訂單全流程可視根據(jù)集團互聯(lián)互通的戰(zhàn)略要求，為實現(xiàn)互聯(lián)工廠的透明可視，對互聯(lián)工廠數(shù)據(jù)進行實時可視和統(tǒng)計分析。符合互聯(lián)互通架構要求，可無縫與COSMO-IM集成。業(yè)務需求——互聯(lián)網(wǎng)工廠需求 減少設備故障造成的生產(chǎn)損失互聯(lián)網(wǎng)工廠相比傳統(tǒng)工廠，在生產(chǎn)效率上提升一倍以上，人工維護時效已經(jīng)無法滿足需求。設備故障導致生產(chǎn)線暫停，造成的生產(chǎn)延誤損失巨大。所以，通過實時大數(shù)據(jù)分析，分析設備故障數(shù)據(jù)從而改善和優(yōu)化生產(chǎn)線。同時通過統(tǒng)計數(shù)據(jù)預測設備故障，通過計劃性維護來降低非計劃性停機帶來的損失。2質量問題實時監(jiān)控及實時響應互聯(lián)網(wǎng)工廠在工藝流水線上設置有質量檢查點，可以將產(chǎn)品質量在工藝流程上切片，分解，還原。在高效率生產(chǎn)線上，質量數(shù)據(jù)異常帶來的次品損失相比較傳統(tǒng)生產(chǎn)線會更所以，通過實時大數(shù)據(jù)分析，監(jiān)控并報警質量數(shù)據(jù)異常。實時響應質量問題，預測質量問題發(fā)生，從而降低質量事故率，提升產(chǎn)品合格率。3需要支持多平臺多系統(tǒng)對接能夠支持COSMO-IM數(shù)據(jù)實施對接業(yè)務需求——訂單全流程需求 供應鏈全流程訂單監(jiān)控與分析從訂單到制造的端到端全流程供應鏈數(shù)據(jù)監(jiān)控，通過對流程的分片監(jiān)控，分析出各種不同模型下不同流程節(jié)點的效率KPI，從而找出差異和異常，通過關閉差異來提升供應鏈效2實時數(shù)據(jù)狀態(tài)的可視化將訂單到制造的實時數(shù)據(jù)狀態(tài)，通過形象生動的圖像形式動態(tài)顯示在大屏上，配合精準的KPI數(shù)據(jù)。提供給管理層最及時、準確的智能制造大數(shù)據(jù)顯示，給管理層制定計劃和決策提供有力支持。以市場訂單為業(yè)務導向，聚焦智能制造，通過據(jù)透視全流程效率，通過業(yè)務切片精準顯差，責任到人，有效關差。提升供應鏈效率，匹配互聯(lián)網(wǎng)用戶體驗，實現(xiàn)用戶交互零距離。紹甲方業(yè)務需求理通過信息資源標準，數(shù)據(jù)交換服務，數(shù)據(jù)加工存儲，數(shù)據(jù)分析應用與信息安全保障五大體系形成甲方數(shù)的整體落地。技術支撐技術支撐…據(jù)管企業(yè)應用集成平臺數(shù)據(jù)資源交換體系建設企業(yè)應用集成平臺數(shù)據(jù)資源交換體系建設企業(yè)應用分析數(shù)據(jù)加工存儲體系建設數(shù)據(jù)加工存儲體系建設數(shù)據(jù)分析應用體系建設分析應用架構設計大數(shù)據(jù)支撐平臺信息安全保障體系建設信息安全保障體系建設數(shù)據(jù)源系統(tǒng)...…n企業(yè)在業(yè)務發(fā)展的關鍵時刻,需將業(yè)務與信息技術變革在整個公司全方位展開，數(shù)據(jù)的高階應用和可視化分析依賴于數(shù)據(jù)管理保障數(shù)據(jù)應用高效率。同時高標準的數(shù)據(jù)質量和管理也會促建數(shù)據(jù)資產(chǎn)利用的最大數(shù)據(jù)應用數(shù)據(jù)管理實現(xiàn)價值目標解決方案實施數(shù)據(jù)應用數(shù)據(jù)管理實現(xiàn)價值目標解決方案實施估數(shù)據(jù)所有權認責數(shù)據(jù)項清單度估數(shù)據(jù)管理能力發(fā)展路線 戰(zhàn)略決策層：銷售預測、成本控制、風險預測與管控等管理執(zhí)行層：生產(chǎn)效率，產(chǎn)能負荷、設備效能、質量管理、訂單執(zhí)行等l需要充分理解公司戰(zhàn)略層的發(fā)展規(guī)劃，了解各級用戶的l需要充分理解公司戰(zhàn)略層的發(fā)展規(guī)劃，了解各級用戶的使用訴求，充分考慮企業(yè)在價值鏈上關鍵環(huán)節(jié)競爭要素，定位大數(shù)據(jù)平臺在企業(yè)內部的定位和目標。操作執(zhí)行層：訂單監(jiān)控、參數(shù)監(jiān)控、物料跟蹤等系統(tǒng)運維層：日志分析、內存監(jiān)控、服務器運行狀態(tài)等 智能制造可視化需求可視化可視化模塊模塊1：定單分析模塊2：設備分析模塊3：質量分析模塊4：人員分析模塊5：物料分析優(yōu)化/質量/追溯跟蹤分析趨勢/質量狀況監(jiān)控趨勢/質量狀況監(jiān)控/執(zhí)行分析供應商/負荷分析狀態(tài)/參數(shù)/運行維保信息流動/效率/競比其它內外部其它內外部構建企業(yè)關鍵指標體系設備質量物料人員設備質量物料人員集團平臺層定單分析設備分析質量分析物料分析人員分析工廠平臺層定單監(jiān)控參數(shù)監(jiān)控質量監(jiān)控物料跟蹤人員監(jiān)控業(yè)務追溯層定單執(zhí)行設備運行質量執(zhí)行物料執(zhí)行人員執(zhí)行 項目需求實施建議移動APPPC端WAP端微信端渠道?KPI分析:定單/市場?定單數(shù)量?定單金額?環(huán)比增長率?同比增長率?預計入庫率?定單完成率?設備概覽總體情況?設備狀態(tài)分析?設備運行分析?設備利用率分析?設備參數(shù)監(jiān)控分析?設備維保信息分析?設備綜合效率分析?質量執(zhí)行分析?質量報警分析?市場不良分析?一次通過率分析?關鍵質量參數(shù)分析?質量問題閉環(huán)分析?產(chǎn)品質量追溯分析?產(chǎn)品質量趨勢預測分析?離職率分析?人員異動分析?人員負荷分析?人均效率分析?人員競比分析?人員出勤分析?員工保留率分析?物料優(yōu)化分析?物料質量分析?物料追溯分析?物料交付分析?缺料跟蹤分析?物料齊套率分析?庫存增長率分析 ………………<訂單誤差率擠壓訂單擠壓原因擠壓時長訂單歷史產(chǎn)量訂單完成率訂單時間序訂單貢獻率訂單滿足率訂單接受率訂單量同比計劃訂單產(chǎn)個性化訂單…訂單及時率擠壓成本訂單數(shù)量訂單金額訂單類型訂單進度<訂單誤差率擠壓訂單擠壓原因擠壓時長訂單歷史產(chǎn)量訂單完成率訂單時間序訂單貢獻率訂單滿足率訂單接受率訂單量同比計劃訂單產(chǎn)個性化訂單…訂單及時率擠壓成本訂單數(shù)量訂單金額訂單類型訂單進度定制訂單量<<匯總細分為產(chǎn)線管理層、工廠管理層、集團戰(zhàn)略層提供監(jiān)控、預警和決集團戰(zhàn)略層一集團戰(zhàn)略層一定單KPI指標45000庫存數(shù)量8800定單KPI指標45000庫存數(shù)量88009800035600近三年訂單量876000167000投入產(chǎn)出收益占比月月季年去年78.8%52.6%客戶滿意度客戶滿意度88.9%個性化訂單占比個性化訂單占比集團戰(zhàn)略層二集團戰(zhàn)略層二從各區(qū)域看總體定單完成情況增加篩選條件，可以查看組織、區(qū)域、產(chǎn)品大類的定單數(shù)量和增長率點擊跳轉至定單數(shù)量明細報表20160101近三年訂單排名情況（前8）區(qū)域定單數(shù)量區(qū)域占比模塊占比區(qū)域76703522.09%36.52%區(qū)域4260938.60%14.21%區(qū)域20160101近三年訂單排名情況（前8）區(qū)域定單數(shù)量區(qū)域占比模塊占比區(qū)域76703522.09%36.52%區(qū)域4260938.60%14.21%區(qū)域8265688.76%14.47%區(qū)域3146104.82%7.96%區(qū)域637431.23%2.04%區(qū)域146102.00%2.51%區(qū)域548291.59%2.63%區(qū)域242251.39%2.30%起始起始2016020160131紅色點表示此大區(qū)當月訂單超過200黃色點表示此大區(qū)當月訂單超過100 高層視角>定單執(zhí)行情況分析>生產(chǎn)節(jié)拍分析mm定單金額定單數(shù)量完成率>定單執(zhí)行情況分析>生產(chǎn)節(jié)拍分析mm定單金額定單數(shù)量完成率70%60%50%40%30%20%10%0%500045004000171集團戰(zhàn)略層三35003000250020001500物料A物料B物料C物料D物料E物料F1000500001月2月3月4月5月6月7月8月9月10月11月12月>定單完成情況分析>>定單完成情況分析350330310290270250Δ230Δ210190170華北華東華南華北華東華南1月2月3月4月5月6月7月8月華中庫存數(shù)量實際定單數(shù)量計劃定單數(shù)量起始日:結束日:2016010120161231起始日:結束日:2016010120161231全部全部華南華北華中華東送貨金額6374完成率送貨金額6374送貨金額完成率區(qū)域業(yè)務經(jīng)理：到區(qū)域及每個地區(qū)2016010120160101個性化定單占比情況分析20161231定單數(shù)量860個性化定單占比98%定單數(shù)量個性化定單占比12.0%10.0%8.0%6.0%4.0%2.0%0.0%806040200起始日:結束日:地區(qū)總監(jiān)：看不同區(qū)域執(zhí)行情況 起始日:20160101起始日:20160101適用查看人：項目負責人月份：201606近三年定單量排名近三年定單量排名區(qū)域排名華北1華南2華東3華中4中南5西北6東北7顯差統(tǒng)計：對產(chǎn)品需求占比情況分析項目負責人：對項目執(zhí)行狀況管理層視角二管理層視角二>定制出貨分析情況>同產(chǎn)品競爭排名分析情況0100% 產(chǎn)品C>客戶滿意度排名情況J產(chǎn)品 F產(chǎn)品E產(chǎn)品C產(chǎn)品B產(chǎn)品>生產(chǎn)效率分析70%50%40%20%生產(chǎn)數(shù)量制作成本人工效率 管理層視角定單完成進度分析統(tǒng)計定單完成進度分析統(tǒng)計2016年6月23日星期四12:04:02頁面將于03分12秒后刷新管理層視角三操作層視角一操作層視角一>產(chǎn)能需要分析情況>定單報警—預付款未退回4500400035003000250020001500100050006000500040003000200010000定單數(shù)量生產(chǎn)成本——去年同期增長率6,0005,0004,0003,0002,0001,000-A客戶B客戶C客戶D客戶E客戶F客戶G客戶定單金額預付款未退回100.0%99.5%99.0%98.5%98.0%97.5%97.0%96.5%96.0%95.5%95.0%>客戶需求滿足率分析70%60%50%40%30%20%10%>投入產(chǎn)出收益占比A類A類0 操作層視角產(chǎn)業(yè)區(qū)域模塊材料類別產(chǎn)業(yè)區(qū)域模塊材料類別操作層視角二2016年1月2016年2月2016年3月2016年4月2016年5月2016年6月2016年7月2016年8月定單數(shù)量定單金額實際完成率查詢時間介于查詢時間介于A類372423824238588-1346357203772094.70%35066654294372843728783654392154001541783-2568321453414594.14%37783-5638 操作層視角--流程可視化定單各環(huán)節(jié)可視監(jiān)控報表問題點顯差定單各環(huán)節(jié)展示：按原材料類別/區(qū)域/供應商類別/模塊類別維度展示環(huán)節(jié)占比分析：例交貨率85.86，物料合格率94.23%定單差異環(huán)節(jié)預警到到總體到環(huán)節(jié)到明細到明細 期末庫存253期末庫存2537個本期入庫1602個本期領用2000個總下單2862W已開票2290W未開票572W總下單金額2862W已收貨2332W接單數(shù)量280個，生產(chǎn)計劃1980個檢驗數(shù)量1700個,壞品數(shù)量98個下單數(shù)量1980個,交貨數(shù)量1700個尋供應商50家,合格供應商10家生產(chǎn)數(shù)量2800,供應商2家項目定單數(shù)量19138614028495201150251234456122234定單總額1562132918721156121177211212101167去年同期351731119774452974232442167增長率81.7%55.2%20.7%65.8%22.1%77.6%80.7%70.5%90.2%46.5%82.8%71.4%主要包含定單業(yè)務全流程可視化報表、問題顯差、預警機制三個部分。將各個階段顯差考核到責任人，并對后續(xù)節(jié)點進行預警，挽回時間，提升用戶體驗。 操作層視角--流程可視化報表顯差 區(qū)域-模塊類型A產(chǎn)品 G產(chǎn)品高亮色標注差異，從差異出發(fā)，通過維度的切換組合剖析，探索差異點根源所在。區(qū)域-金額（萬元）010101040105合計華東6483283429354華南23206635282686583666748713589454263918510034999華北40474373410929543華中25523627219559143448607036775618614800區(qū)域-日期區(qū)域-產(chǎn)品類型華東華南西南東北華北華中西北山東區(qū)域-物料品種0A類項目 乙方工廠優(yōu)化（OptimizedFactoryAMMOAMMO乙方咨詢的資產(chǎn)監(jiān)控及運維優(yōu)化（AMMO）解決方案，認識到把工廠專業(yè)知識和大數(shù)據(jù)分析結合起來的必要性。通過把專業(yè)操作和數(shù)據(jù)挖掘、機器學習和我們的專業(yè)研究及數(shù)據(jù)科詢和技術服務的解決方案。本方案具有其獨有特點，AMMO解決方案包含IoT服務，軟件和管理咨詢。這意味著交付結果包括咨詢服務和技術。關注點在于圍繞潛在產(chǎn)出建立一個版本且展示AMMO怎樣顯著提高為內部和外部客戶交付的正常運行時間和可靠性。OptimizedOptimizedFactoryFactory）解決方案，針對不斷增加的定制化客戶需求，致力于解決新產(chǎn)品投入市場時效壓力，同時滿足低成本的控.通過對設備、人員、生產(chǎn)、物料及質量持續(xù)的監(jiān)控及實時溝通，本方案提供了及時決策的能力。通過預測性模型和機器學習方法，本方案對多種復雜流程的監(jiān)控提供支持。在多個案例中提高了生u執(zhí)行更有效的方式：-世界級維護及可靠性-可靠性-中心維護-設備綜合效率-貫穿生產(chǎn)的標準數(shù)據(jù)挖掘流程u增加維護的精準性和u提高資產(chǎn)可靠性和產(chǎn)量優(yōu)化維護和資產(chǎn)價值傳感器設備原始設備制造商設計了傳感器和控制機械健康監(jiān)測的設備機器學習算法計算即將失敗機器學習算法計算即將失敗地理空間映射檢測不合規(guī)格、定位不準確或表現(xiàn)不佳的單位手機應用程序技術人員可以找到設備的精確位置去給具體失效模式提供所需的確切根據(jù)一項正式的維護響應計劃給所有設備排名，這樣團隊可以聚焦于最有價值的活動傳輸傳感器數(shù)據(jù)和集成生產(chǎn)計劃、調度數(shù)據(jù)、失敗歷史、天氣、置信號、視頻等實時環(huán)境數(shù)據(jù)智能生產(chǎn)平臺支持當前及近期的信息需求，提供實時生產(chǎn)過程中的決策支持及優(yōu)化數(shù)據(jù)聚合數(shù)據(jù)分析算法算法數(shù)據(jù)管理分析預測機器學習u客戶訂單u運營計劃u機器（loT）u供應商數(shù)據(jù)u員工改善數(shù)據(jù)u經(jīng)濟預測u天氣預測生產(chǎn)優(yōu)化u規(guī)劃與安排u生產(chǎn)優(yōu)化u規(guī)劃與安排u生產(chǎn)管理u供應管理u質量管理u更小的批量u可預測的供給/需求u更短的產(chǎn)品生命周期u更多的生產(chǎn)差異化價值實現(xiàn)u生產(chǎn)能力u靈活性u利用率u服務水平u生產(chǎn)前置時間u定制化服務業(yè)務運營訂單可視基礎數(shù)據(jù)應用系統(tǒng)企業(yè)和客戶溝通流程可視化規(guī)劃與設計計劃性控制可視化展現(xiàn)規(guī)劃與設計企業(yè)銷售關聯(lián)活動流程可視化，如訂單需求展開，創(chuàng)建采購訂單，創(chuàng)建生產(chǎn)訂單，入庫，出庫等企業(yè)和供應商溝通流程可視化規(guī)劃與設計企業(yè)對采購訂單匯總可視化展現(xiàn)規(guī)劃與設計企業(yè)采購關聯(lián)活動流程可視化規(guī)劃與設計企業(yè)不同制造方式下訂單流程可視化設計與規(guī)劃企業(yè)制造訂單執(zhí)行流程可視化設計與規(guī)劃企業(yè)制造訂單執(zhí)行流程監(jiān)控、預警設計與規(guī)劃企業(yè)物流訂單生命周期可視化規(guī)劃與設計企業(yè)物流關聯(lián)活動流程可視化，如出庫，入分撥點，逆向訂單等設備保修及召回設備保修及召回安全風險分析生產(chǎn)風險分析過程質量監(jiān)控原因分析變量追溯原因分析故障預警資產(chǎn)可靠性監(jiān)控資產(chǎn)剩余壽命資產(chǎn)管理質量監(jiān)控風險管控生產(chǎn)性能監(jiān)控資產(chǎn)管理質量監(jiān)控風險管控生產(chǎn)性能監(jiān)控ValueValuecreationValueValuecreationValueValuecreationValueValuecreation生產(chǎn)能力監(jiān)控設備利用率資產(chǎn)流動過程產(chǎn)出優(yōu)化訂單全流程可視化?集成的，可擴展的?低成本的顧客應用?以組件基礎的架構?單個數(shù)據(jù)湖?安全的個人云端服務?可延伸的價值鏈的一體化?保證可視化數(shù)據(jù)來源，一個“事實來源” IoT數(shù)據(jù) ERP/MES數(shù)據(jù)外部數(shù)據(jù)生產(chǎn)優(yōu)化機器學習高級的分析和報告服務標準的BI報告和分析數(shù)據(jù)抽取和ETL生產(chǎn)優(yōu)化機器學習高級的分析和報告服務標準的BI報告和分析數(shù)據(jù)抽取和ETL服務質量優(yōu)化分布式制造預測性維護高級自動化物流優(yōu)化1243 51243作為持續(xù)改進在大量精確生使用統(tǒng)計模使用運營知基于新的見計劃的一部產(chǎn)數(shù)據(jù)和質量型、預測模型識，洞察出制解，責任到分，識別運營數(shù)據(jù)的基礎和AI模型，發(fā)造業(yè)流程知識人，通過通提取數(shù)據(jù)集合現(xiàn)及發(fā)掘相關影響參數(shù)、預測發(fā)展模式知、告警、預警等方式處理AMMO平臺基本架構AMMO平臺AMMO平臺平臺整體業(yè)務流程配置業(yè)務邏輯層維修工單創(chuàng)建判斷維修工單創(chuàng)建PLC點位故障計劃停護維修工單處理設備日志Update開機允許判斷故障隱患判斷人工報單創(chuàng)建PLC設備數(shù)據(jù)讀取PLC設備數(shù)據(jù)驗證維修過程信息維修信息更新原因代碼輸入狀態(tài)信息傳遞t維修過程記錄設備主數(shù)據(jù)對象/故障/原因代碼設備計量點主數(shù)據(jù)產(chǎn)品主數(shù)據(jù)配置業(yè)務邏輯層維修工單創(chuàng)建判斷維修工單創(chuàng)建PLC點位故障計劃停護維修工單處理設備日志Update開機允許判斷故障隱患判斷人工報單創(chuàng)建PLC設備數(shù)據(jù)讀取PLC設備數(shù)據(jù)驗證維修過程信息維修信息更新原因代碼輸入狀態(tài)信息傳遞t維修過程記錄設備主數(shù)據(jù)對象/故障/原因代碼設備計量點主數(shù)據(jù)產(chǎn)品主數(shù)據(jù)維修過程查詢維修過程查詢產(chǎn)品主數(shù)據(jù)設備參數(shù)值設備計量點主數(shù)據(jù)設備PLC地址信息產(chǎn)品主數(shù)據(jù)設備參數(shù)值設備計量點主數(shù)據(jù)設備PLC地址信息設備主數(shù)據(jù)設備主數(shù)據(jù)對象/故障對象/故障/原因代碼報修通知維修狀態(tài)更新設備預警生產(chǎn)預警報警分析生產(chǎn)分析報表展示層趨勢分析設備活動報警分析生產(chǎn)分析報表展示層趨勢分析設備活動故障分析產(chǎn)品主數(shù)據(jù)設備計量點主數(shù)據(jù)生產(chǎn)計劃時間壞品率計算引擎層故障分析設備效能計算趨勢預測設備故障分析：通過建立標準化設備狀態(tài)原因代碼，可對設備歷史性停機狀態(tài)記錄進行統(tǒng)計分析，為設備的改善優(yōu)化提供數(shù)據(jù)支撐，降低因設備能力帶來的產(chǎn)能效益損失。AA級C級D級計劃停機時間計劃生產(chǎn)時間設備損失結構計劃停機時間計劃生產(chǎn)時間設備損失結構（按個班次計算）性能非計劃停機時間性能非計劃停機時間產(chǎn)品速度損失產(chǎn)品速度損失實際PPM計算公式在一個班次的時間段中，對符合連續(xù)生產(chǎn)時間>5分鐘，產(chǎn)出個數(shù)>5的條件進行PPM計算，然后去掉兩個PPM最大值之后再取余下的PPM中最大值作為該時間段的PPM值。按時間段，則取每個班次PPM進行算術平均運算。設備停止<><><>設備停止<><><>C:產(chǎn)量StarttimeashiftEndtimebyPPM=Max(C1/T1;C2/T2;…Cn/Tn)shift取介于1.5~30之間后去掉前兩個峰值 匯總時的算法·PPM=Avg(Shift_mc1_max;Shift_mc2_max;…Shift_mcn_max)傳感器：1000臺每臺每天：86,400DP每小時平臺：3,6mDP每個月26億數(shù)據(jù)點預測缺陷的時間序列模型供應商及原材料參數(shù)影響進行中的問題識別輸出監(jiān)控過程例外情況輸出訂單生產(chǎn)執(zhí)行明細監(jiān)控工廠-產(chǎn)品線-班組產(chǎn)量監(jiān)控訂單生產(chǎn)計劃與實際差異分析生產(chǎn)進度完成率預警分析大數(shù)據(jù)分析平臺系統(tǒng)架構傳統(tǒng)商業(yè)智能與大數(shù)據(jù)分析相并行，實時數(shù)據(jù)分析與--------s離線數(shù)據(jù)抽取?場景應用：實時性要求不高，計算量偏大?特點：重點在計算量，非高并發(fā)?方式：運行批處理程序--------s離線數(shù)據(jù)抽取?場景應用：實時性要求不高，計算量偏大?特點：重點在計算量，非高并發(fā)?方式：運行批處理程序離線數(shù)據(jù)抽取--日志日志--KakfaKakfa流式流式計算實時數(shù)據(jù)抽取實時數(shù)據(jù)抽取?場景應用：實時性要求高?方式：高并發(fā)數(shù)據(jù)寫入kafka,進行數(shù)據(jù)緩沖，之后進行數(shù)據(jù)轉換及存儲，有效防止高并發(fā)寫LogstashPattern1Pattern2…nLogstashPattern1Pattern2…n實時分析（Storm） 優(yōu)點?編程模型簡單?容錯性高?水平擴展性強?消息處理高可靠性?易于開發(fā)JSONJSON…優(yōu)點?編程模型簡單?容錯性高?水平擴展性強?消息處理高可靠性?易于開發(fā)JSONJSON…JSON數(shù)據(jù)存儲缺點?Storm數(shù)據(jù)源只能JSON數(shù)據(jù)存儲缺點?Storm數(shù)據(jù)源只能?匯總統(tǒng)計需要臨時存儲離線分析（Hive）ElasticSearch基礎數(shù)據(jù)管理基礎數(shù)據(jù)管理Agent管理Logstash管理云監(jiān)控管理Hive表定義管理Topic管理應用管理作業(yè)管理日志類型管理Flume管理ETL任務管理專題分析應用業(yè)務分析應用數(shù)據(jù)服務應用可視化應用物聯(lián)網(wǎng)智慧家居互聯(lián)網(wǎng)電商渠道業(yè)務系統(tǒng)數(shù)據(jù)源HadoopSearchEngineNoSQLSQL數(shù)據(jù)應用HDFS/HbaseImpalaElasticsearchMongoDBRedisMySQLOracle數(shù)據(jù)集成定制組件(按需)網(wǎng)絡爬蟲Kafka(實時)Sqoop(批量專題分析應用業(yè)務分析應用數(shù)據(jù)服務應用可視化應用物聯(lián)網(wǎng)智慧家居互聯(lián)網(wǎng)電商渠道業(yè)務系統(tǒng)數(shù)據(jù)源HadoopSearchEngineNoSQLSQL數(shù)據(jù)應用HDFS/HbaseImpalaElasticsearchMongoDBRedisMySQLOracle數(shù)據(jù)集成定制組件(按需)網(wǎng)絡爬蟲Kafka(實時)Sqoop(批量)Flume系統(tǒng)MDXMondrian數(shù)據(jù)存儲研發(fā)集市采購集市…集市研發(fā)集市采購集市…集市…集市市場集市市場集市數(shù)據(jù)可視化工具推薦Pentaho是數(shù)據(jù)重現(xiàn)領域最早的行業(yè)領軍者之一，它是一個靈活易用、用戶驅動的信息探索和分析平臺。它也可以用于建立預測模型和創(chuàng)作的分析應用，發(fā)布交互式和可視化的儀表盤(dashboards)。?開放式、易擴展、模塊化、標準化?支持大數(shù)據(jù)：既可以使用文件式存儲(Hadoop)，又支?與第三方集成：與eCharts、D3.js、Unity3D等無縫銜接；Weka和R緊密集成?移動設備支持:支持iOS及AndroidNoSQLAnalyticHadoopClusterAnalytics現(xiàn)有ETL工具NoSQLAnalyticHadoopClusterAnalytics現(xiàn)有ETL工具/PDIDataIntegrationDataMartsFlcExistingETLToolorPDIEDWDataIntegrationDataMartsFlcExistingETLToolorPDIEDW現(xiàn)有ETL工具/PDI?合規(guī)性的數(shù)據(jù)細化?合規(guī)性的數(shù)據(jù)細化?基礎設施的架構優(yōu)化?設備和傳感器數(shù)據(jù)處理?軟件和SaaS的嵌入式分析?應用數(shù)據(jù)遷移?協(xié)調病人和商業(yè)信息?忠誠度數(shù)據(jù)處理與分析2.無效操作導致廢品增加2.建立監(jiān)控體制4.建立先進預測維護流程算業(yè)2.研發(fā)預測計算公式，預測機器業(yè)算2.新機器安裝傳感裝置4.供應鏈流程沒有優(yōu)化2.分析平衡各分工廠產(chǎn)量及物流4.減少供應鏈的復雜性1.合并后的實體公司，運行了不效4.利用原始數(shù)據(jù)，高效制定合理護2.減少維護成本資產(chǎn)監(jiān)控及運行優(yōu)化平臺—建筑工程機械全球領先企客戶背景 客戶背景設備量大，監(jiān)控困難，部分設備的利用率低下。確監(jiān)控，維護需求難以管理多工廠生產(chǎn)效能低，質量監(jiān)控及提升壓力大面臨的挑戰(zhàn)乙方設備量大，監(jiān)控困難，部分設備的利用率低下。確監(jiān)控，維護需求難以管理多工廠生產(chǎn)效能低，質量監(jiān)控及提升壓力大面臨的挑戰(zhàn)乙方解決方案運行結果本降低20%按時交付率提升25%采用了AMMO下的設備預警維護解決方案，及OF下的質量分析預測方案。包含了重型設備維護、機器傳感遠程監(jiān)控和高頻率高容量的數(shù)據(jù)采集及機器學習算法。從1000臺以上的設備讀取實時數(shù)據(jù)及日志,實現(xiàn)了設備及時監(jiān)控、預警顯示多部門的運行數(shù)據(jù)集成（MES,PLC…）OEE效能大數(shù)據(jù)分析及提升實現(xiàn)了質量問題分析及預測 客戶背景其是在終端業(yè)務領域進行了受到關注最多的戰(zhàn)略級IT應用實施項目，是公司互聯(lián)網(wǎng)服務轉型的典型代表。隨著客戶市場的全球擴張，業(yè)務量飛速增長，實體店IT平臺作為整體建設中非常重要的組成部分，對數(shù)據(jù)的集成，分析及展示提出了更高要求。面臨的挑戰(zhàn)客戶企業(yè)云業(yè)務要求對服務器的運行情況出具周期周邊系統(tǒng)數(shù)量多，數(shù)據(jù)來源復雜，結構化非結構化性報表，面對數(shù)以萬計的服務器，人工無法操作，數(shù)據(jù)同時存在抽樣機器進行統(tǒng)計無法對運行狀況全面了解全球數(shù)據(jù)分析，對實時性要求高，現(xiàn)有架構難以實查詢效率低下，單次查詢都需要10分鐘+，系統(tǒng)宕全球數(shù)據(jù)分析，對實時性要求高，現(xiàn)有架構難以實查詢效率低下，單次查詢都需要10分鐘+，系統(tǒng)宕業(yè)務量大，數(shù)據(jù)量多，業(yè)務無法有效利用現(xiàn)有數(shù)據(jù)每日訂單相關記錄5000萬+，一體機數(shù)據(jù)10T+進行分析控平臺完成乙方乙方解決方案品為大數(shù)據(jù)和PAAS解決方案，并已實施支撐多個業(yè)務系統(tǒng)大數(shù)據(jù)應用大數(shù)據(jù)日志采集平臺搭建實時計算平臺，建立了基于flume+kafka+storm的流式數(shù)據(jù)計算平臺，將日志通過flume實時采集到kafka，并通過storm進行實時計算與分析，對于達到臨界值的日志記錄進行實時郵件發(fā)送預警，同時計算結果存儲到redis，進行結果展現(xiàn)業(yè)務統(tǒng)計分析平臺設計離線計算架構，采用了Oracle+ElasticSearch+Hive實現(xiàn)針對性分別存儲，財務數(shù)據(jù)及聚合類數(shù)據(jù)進Oracle，分別進行實時查詢及批量計算 項目成果成功實現(xiàn)戰(zhàn)略落地項目，為支撐終端全球銷售業(yè)務快速拓展，構建的統(tǒng)一交付快車道。幫助客戶繼續(xù)擴大市場份額，在市場大數(shù)據(jù)集成和分析方面，通過為營銷部門提供最優(yōu)質的最有價值的決策服務，與客戶一起成長，實現(xiàn)雙贏局面?；谠贐I領域豐富的實施經(jīng)驗，增強企業(yè)級數(shù)據(jù)倉庫系統(tǒng)，支持集團財經(jīng)、供應鏈、交付服務等幾十個業(yè)務領域的分析類系統(tǒng)得到了集團總裁的高度評價，是客戶集團互聯(lián)網(wǎng)服務轉型的典型代表大數(shù)據(jù)日志采集平臺集群運行良好，實現(xiàn)零故障業(yè)務統(tǒng)計分析平臺普通報表查詢響應時間在秒級，高度計算報表查詢在2分鐘以內客戶背景客戶背景客戶是中國家電最大經(jīng)銷商之一。2013年，客戶門店總數(shù)（含大中電器）達1,063家，覆蓋全國256個城市，同時客戶還有542家非上市公司?？蛻舨粌H啟動了以消費需求為核心，全面整合供需鏈資源的興商業(yè)模式，更打造了中國家電零售業(yè)先進的以消費需求為導向的信息化系統(tǒng)，全力保障消費者利益。乙方解決方案乙方解決方案數(shù)據(jù)統(tǒng)計平臺，通過storm進行流式計態(tài)數(shù)量及金額統(tǒng)計據(jù)統(tǒng)計平臺，通過storm進行流式計UV數(shù)據(jù)的統(tǒng)計平臺上線之后，訂單庫實現(xiàn)零宕機面臨的挑戰(zhàn)面臨的挑戰(zhàn)客戶電商平臺每天訂單量在數(shù)十萬，訂單金額在百萬左右，面對眾多的訂單，要實時的監(jiān)控每個訂單處于什么狀態(tài)，以及處于各個狀態(tài)的訂單有多少，以及每個整點的訂單金額宕機多次客戶電商平臺上線每天訪問網(wǎng)站的PV及UV，之前是通過F5的流量監(jiān)控，只能粗略的查看，無法進行精細統(tǒng)計億級每天集群運行良好，零故障，統(tǒng)計速度明顯提升運行性能客戶背景客戶背景客戶是中國家電最大經(jīng)銷商之一。2013年，客戶門店總數(shù)（含大中電器）達1,063家，覆蓋全國256個城市，同時客戶還有542家非上市公司?？蛻舨粌H啟動了以消費需求為核心，全面整合供需鏈資源的興商業(yè)模式，更打造了中國家電零售業(yè)先進的以消費需求為導向的信息化系統(tǒng)，全力保障消費者利益。乙方解決方案乙方解決方案針對客戶電商平臺的訴求，我們采用了hadoop+hive+Mahout的大數(shù)據(jù)推薦基于用戶喜好及協(xié)同過濾算法進行喜好推薦針對購物車數(shù)據(jù)及訂單數(shù)據(jù)進行套餐推薦基于RFM模型進行熱賣推薦面臨的挑戰(zhàn)面臨的挑戰(zhàn)客戶電商平臺上線之后，要根據(jù)用戶喜好進行商品的推薦，之前都是從其他合作伙伴購買的數(shù)據(jù)，費用高且數(shù)據(jù)不準確。在網(wǎng)上商城二期上線之后，國美開始著手于自己的推薦算法運行性能運行性能數(shù)據(jù)解決方案團隊人員儲備據(jù)治理等多層次全方位需求?中國區(qū)人員分布上海，北京，廣州，深圳，大連，成都各大城市?東南亞越南新加坡團隊200+人技術支持?亞太區(qū)大數(shù)據(jù)解決方案中心建設中數(shù)據(jù)業(yè)務分析BusinessAnalysis大數(shù)據(jù)、數(shù)據(jù)倉庫架構和建模3Informatica,ODI,Kettle9大數(shù)據(jù)開發(fā)ElasticSearchShenShenenu管理咨詢-行業(yè)專家-咨詢顧問-業(yè)務平臺搭建-大數(shù)據(jù)平臺搭建-項目管理-