智慧工厂智能制造全景解读

工业互联网2025智能制造深层剖析五大工程重点领域企业：效率20%

，成本20%

，产品研制

30%

，不

良率20%

，能源利用率

10%智能制造综合标准化与新模式应用项目

(241)信息化与工业化深度融合中国制造2025是对中国制造业转型升级的整体谋划

，不仅提出培育发展新兴产业的路径

，

同时重视对传统产业进行

改造升级

，预计在未来很长一段时间

，都将是中国改革发展的重点。《中国制造2025》

+“

1

+X”实施方案和规划体系+高端领域技术路线图的绿皮书产品服务→•智能化•定制化•服务化生产方式→•智能化•

网络化•数字化企业组织→•扁平化•虚拟化中国制造2025中国制造2035中国制造2045中国制造2025框架

制造业大蝈

制造业强蝈世界强蝈网络化、数字化、智能化创新驱动、智能转型展示页蝈家制造业创新中心

建设工程智能制造装备发展

专项项目某省市、

区的专

项扶持项目智能制造试点示范项目(100)蝈家

：20年3万亿美元GDP增量海洋工

程装备

及高技

术船舶生物医

药及高

性能医

疗器械高档数控机床

和机器

人智能制造工

程绿色发展工

程高端装备创

新工程工业强基工

程节能与新能源

汽车新一代

信息技

术先进轨

道交通

装备三十年

，三步走航空航

天装备农业机

械装备电力装

备发展趋势预期效益智能制造扶持项目第一步新材料核心特点231类型从生产过程数字化到智能工厂从智能制造生产单元到智能工厂从个性化定制到互联工厂代表行业石化、钢铁、冶金、建材、纺织、造纸、医药、食品等流程制造领域机械、汽车、航空、船舶、轻工、家用电器和电子信息等离散制造领域家电、服装、家居等距离用户最近的消费品制造领域智能工厂实现目的产品品质可控拓展产品价值空间充分满足消费者多元化需求的同时实现规模经济生产智能工厂建设侧重点侧重从生产数字化建设起步

，基于品控需求从产品末端控制向全流程控制转变从单台设备自动化和产品智能化入手

，基于生产效率和产品效能的提升实现价值增

长通过互联网平台开展大规模个性定制模式

创新智能工厂建设模式1.推进生产过程数字化2.推进生产管理一体化3.推进供应链协同化4.整体打造大数据化智能工厂1.推进设备（生产线）智能化2.拓展基于产品智能化的增值服务3.推进车间级系统与企业级系统集成4.推进生产与服务的集成1.推进个性化定制生产2.推进设计虚拟化3.推进制造网络协同化由于各行业生产流程不同

，且各行业智能化情况不同

，

智能工厂有以下几种不同的发展类型和建设模式

，也形成

了某省市场需求展示页产品设计生产制造智能制造涵盖范围广

，包含多种类型的智能制造模式及相应的关键能力要素。/制造与供应

链系统优化/品远程运维服务平台企业间研发

系统协同大数据挖掘

与分析溯开放数据

接口网络化制造资源协同云平台专家库与专

家咨询系统资源动态分析、柔性配置全流程数字

管理…展示页关键能力要素解读（示例）个性化定制平台与制造系统协同与集成远程运维服

务平台与

PLM/CRM

协同集成信息系统

（MES/ERP)

协同与集成用户的个性

化需求特征

大数据分析全生产链协

同共享的产

品溯源体系工业互联网个性化定制服务平台生产现场数据可视化管理智能装备

应用与集成数字化设计

与仿真实现数字化制造

系统智能制造模式智能装备/产模块化设计物流服务采购计划………工业/产业基础数据连接与传输工厂/企业外互联

工厂/企业内互联

信息/生产系统互联……数据计算与处理工厂/企业内专有云

外部专有云/公有云……

智能化生产网络化协同个性化定制服务化延伸先进材料先进工艺行业经验/知识/技能

其它基础

…数据采集智能装备机器人智能产品跨设备跨系统跨企业数据共享智能制造

数据智能

全面互联基于数据的建模与智能分析基于数据自决策自执行核心是基于全面互联而形成数据驱动的智能展示页预测性运维制造协作设计协作供应协作C2B定制B2B定制资产优化智能服务……智能管理虚拟仿真产品良率智能控制端管云……数据：本质是数据智能在工业中的全

应用

，包括“采集交换-集成处理-建模分

析-决策与控制”

，形成优化闭环

，驱动

工业智能化。网络：本质是实现数据智能的网络基础

，包括网络互联、标识解析、应用支撑三大

体系。安全：本质是工业/产业互联网各个领域

和环节的安全保障

，包括设备安全、控制

安全、

网络安全、应用安全等。应用个性化定制

企业-用户服务化延伸

企业-产品用户（消费者/企业用户）三大智能化闭环：

智能生产控制、

智能运营决策优化、

消费需求与生产制造精确对接产业建模、仿真与分析数据集成处理车间/工厂/企业运营决策优化应用支撑标识解析网络互联网络化协同

企业-企业智能化生产

企业内应用安全网络安全数据安全控制安全设备安全总体架构物理系统生产反馈控制产业数据

采集交换互联网视角数据安全网络产业视角大数据分析现有管理网络MES车间级

现有控制网络HMI新增传感器监测设备PLC案例动力设备制造企业在原有基础上通过添加传感设

备完善信息收集能力

，借助网

络技术支持实现企业互联

互通

，

并依赖数据分析和处理

平台来进行生产过程优化。应用实践推动工厂内外的改造

展示页

在现有制造系统基础上

，通过部署嵌入式系统和新型网络

，

实现现场数据的采集和集成

，并开展

大数据分析优化

，

实现智能生产与管理。应用场景：产线优化、智能排程、设备预测性维护、基于大数据分析的质量优化、现场库存优化等工业数据平台OT层IT层外部网关外部网络

·网关ERP、

PLM数据网关现场级传感器执行器云应用SCADA认知制造2015-20252015前传统制造智能制造实现信息化实现数字化实现智能化制造业的演变主要的应用技术对业务的影响当前•深度学习•增强现实技术

•机器人•虚拟现实技术•人工智能•社交网络•某著名企业技术•工业物联网•大数据分析

•云计算•

ERP•套装软件

•数据库•工业自动化•互联网技术2025或更早实施阶段探索阶段•M2M

互联

，流程数据打通

，实时数据共享•在生产线或局部生产区域实施认知解决方案•效益得到实现•从流程和设备中获取数据•用高级数据分析和建模手段分

析结构／非结构化数据•小而分散的验证项目•实现认知型企业•和供应商

，客户

，级各类合作伙伴共享认知平台

转型阶段

•

实现单件盈利模式（

Profitable

Lot

Size

One）•多个认知方案的实施和集成•认知运营控制中心的建立•认知模型逐步收敛

，集成。运营效率有跨越式的提高分析验证集成控制协同共享互联落地推广阶段共享认知库数据洞察

执行认知技术超越了传统的数据分析

，擅长处理非结构化数据、

机器学习和人机交互。

对智能制造有着突破性的展示页

认知技术人与机,机与机交互结构化数据非结构化数据您的流程产生的数据

您的机器记录的数据

您员工获取的数据

大数据分析2ME认知制造观点和概要3ME认知视觉检测方案介绍1ME对中国制造2025的理解五大工程重点领域企业：效率20%

，成本20%

，产品研制

30%

，不

良率20%

，能源利用率

10%智能制造综合标准化与新模式应用项目

(241)信息化与工业化深度融合中国制造2025是对中国制造业转型升级的整体谋划

，不仅提出培育发展新兴产业的路径

，

同时重视对传统产业进行

改造升级

，预计在未来很长一段时间

，都将是中国改革发展的重点。《中国制造2025》

+“

1

+X”实施方案和规划体系+高端领域技术路线图的绿皮书产品服务→•智能化•定制化•服务化生产方式→•智能化•

网络化•数字化企业组织→•扁平化•虚拟化中国制造2025中国制造2035中国制造2045中国制造2025框架

制造业大蝈

制造业强蝈世界强蝈网络化、数字化、智能化创新驱动、智能转型蝈家制造业创新中心

建设工程智能制造装备发展

专项项目某省市、

区的专

项扶持项目智能制造试点示范项目(100)蝈家

：20年3万亿美元GDP增量海洋工

程装备

及高技

术船舶生物医

药及高

性能医

疗器械高档数控机床

和机器

人智能制造工

程绿色发展工

程高端装备创

新工程工业强基工

程节能与新能源

汽车新一代

信息技

术先进轨

道交通

装备三十年

，三步走航空航

天装备农业机

械装备电力装

备发展趋势预期效益智能制造扶持项目第一步新材料核心特点231IPv6标识解析某省市场选择、各种标识解析系统体系共同发展的大前提下

，着力探索Handle

，推动与其它技术标识解析系统

体系互联互通1、离散型智能制造2、流程型智能制造3、网络协同制造4、大规模个性化定制5、远程运维服务两大实施方

向信管据整体体系架构与网络互联1、智能制造综合标准化

试验验证2、

重点领域智能制造新

模式应用六大试点内容装备斯产品设计生产制造智能制造涵盖范围广

，包含多种类型的智能制造模式及相应的关键能力要素。/制造与供应

链系统优化/品远程运维服务平台企业间研发

系统协同大数据挖掘

与分析溯开放数据

接口网络化制造资源协同云平台专家库与专

家咨询系统资源动态分析、柔性配置全流程数字

管理…关键能力要素解读（示例）个性化定制平台与制造系统协同与集成远程运维服

务平台与

PLM/CRM

协同集成信息系统

（MES/ERP)

协同与集成用户的个性

化需求特征

大数据分析全生产链协

同共享的产

品溯源体系工业互联网个性化定制服务平台生产现场数据可视化管理智能装备

应用与集成数字化设计

与仿真实现数字化制造

系统智能制造模式智能装备/产模块化设计物流服务采购计划………类型从生产过程数字化到智能工厂从智能制造生产单元到智能工厂从个性化定制到互联工厂代表行业石化、钢铁、冶金、建材、纺织、造纸、医药、食品等流程制造领域机械、汽车、航空、船舶、轻工、家用电器和电子信息等离散制造领域家电、服装、家居等距离用户最近的消费品制造领域智能工厂实现目的产品品质可控拓展产品价值空间充分满足消费者多元化需求的同时实现规模经济生产智能工厂建设侧重点侧重从生产数字化建设起步

，基于品控需求从产品末端控制向全流程控制转变从单台设备自动化和产品智能化入手

，基于生产效率和产品效能的提升实现价值增

长通过互联网平台开展大规模个性定制模式

创新智能工厂建设模式1.推进生产过程数字化2.推进生产管理一体化3.推进供应链协同化4.整体打造大数据化智能工厂1.推进设备（生产线）智能化2.拓展基于产品智能化的增值服务3.推进车间级系统与企业级系统集成4.推进生产与服务的集成1.推进个性化定制生产2.推进设计虚拟化3.推进制造网络协同化由于各行业生产流程不同

，且各行业智能化情况不同

，

智能工厂有以下几种不同的发展类型和建设模式

，也形成

了某省市场需求智能化生产网络化协同个性化定制服务化延伸预测性运维产品良率资产优化设计协作供应协作制造协作C2B定制智能服务工业/产业基础跨设备跨系统跨企业数据共享数据连接与传输基于数据的建模与智能分析数据计算与处理基于数据自决策自执行数据采集先进材料先进工艺行业经验/知识/技能

其它基础

…工厂/企业外互联

工厂/企业内互联

信息/生产系统互联……核心是基于全面互联而形成数据驱动的智能工厂/企业内专有云

外部专有云/公有云……数据智能

全面互联智能装备机器人智能产品……虚拟仿真智能控制B2B定制智能制造端管云智能管理……数据：本质是数据智能在工业中的全

应用

，包括“采集交换-集成处理-建模分

析-决策与控制”

，形成优化闭环

，驱动

工业智能化。网络：本质是实现数据智能的网络基础

，包括网络互联、标识解析、应用支撑三大

体系。安全：本质是工业/产业互联网各个领域

和环节的安全保障

，包括设备安全、控制

安全、

网络安全、应用安全等。服务化延伸

企业-产品个性化定制

企业-用户应用用户（消费者/企业用户）三大智能化闭环：

智能生产控制、

智能运营决策优化、

消费需求与生产制造精确对接产业建模、仿真与分析数据集成处理车间/工厂/企业运营决策优化应用支撑标识解析网络互联网络化协同

企业-企业智能化生产

企业内应用安全数据安全网络安全控制安全设备安全总体架构物理系统生产反馈控制产业数据

采集交换互联网视角数据安全网络产业视角大数据分析现有管理网络MES车间级

现有控制网络HMI新增传感器监测设备PLC案例动力设备制造企业在原有基础上通过添加传感设

备完善信息收集能力

，借助网

络技术支持实现企业互联

互通

，

并依赖数据分析和处理

平台来进行生产过程优化。在现有制造系统基础上

，通过部署嵌入式系统和新型网络

，

实现现场数据的采集和集成

，并开展

大数据分析优化

，

实现智能生产与管理。应用场景：产线优化、智能排程、设备预测性维护、基于大数据分析的质量优化、现场库存优化等应用实践推动工厂内外的改造

工业数据平台OT层IT层外部网关外部网络

·网关ERP、

PLM数据网关现场级传感器执行器云应用SCADA3ME认知视觉检测方案介绍1ME对中国制造2025的理解2ME认知制造观点和概要4讨论交流认知制造2015-20252015前传统制造智能制造实现信息化实现数字化实现智能化制造业的演变主要的应用技术对业务的影响当前•深度学习•增强现实技术

•机器人•虚拟现实技术•人工智能•社交网络•某著名企业技术•工业物联网•大数据分析

•云计算•

ERP•套装软件

•数据库•工业自动化•互联网技术2025或更早IIoT

平台智能装备SIEMENS智能控制系统SIEMENS软件、分析与解决方案SIEMENS数据平台

EMC'智能网关云平台全球产业加速布局和渗透

，新体系雏形初现产业体系初步形成pivotal.端随着物联网和智能设备不断普及

，

工厂内产生了海量数据,然而企业的诸多业务挑战问题始终得不到有效解决订单变更工程变更质量问题80%的工厂数据是非结构化或不可视的生产线停工材料短缺部件缺陷设备停机预测误差传感器数据流程数据设备数据产品数据部件数据人员数据劳动力问题错误参数返工共享认知库数据洞察

执行认知技术超越了传统的数据分析

，擅长处理非结构化数据、

机器学习和人机交互。

对智能制造有着突破性的意义。

认知技术人与机,机与机交互结构化数据非结构化数据您的流程产生的数据

您的机器记录的数据

您员工获取的数据

大数据分析更强数据采集能力更复杂的数据分析和决策更大范围网络连接更深层次的数据链打通新型工业软件智能工控系统智能传感器2、

现有环

节创新变革1、

出现新

的产业环节……大数工作时长设备

利用率支架姿态油耗行驶状态发动机负荷发动机转速燃油油位……GPS位置压力发动机油温5000多个渗数认知技术超越了传统的数据分析

，擅长处理非结构化数据、

机器学习和人机交互、

对智能制造有着突破性的意义。您的流程产生的数据

您的机器记录的数据

您员工获取的数据

认知技术超越了传统的数据分析

，擅长处理非结构化数据、

机器学习和人机交互、

对智能制造有着突破性的意义。生态系统个性化制造数据整合车间可视度机器传感器数据解决方案自动故障检修

主动维护认知制造业借助认知计算技术、认知分析技术、工业物联网(IoT)技术及其他技术推动制造制造业务转型流程自动化自给自足的传感器发来的物流数据实际需求数据和机器学习实时洞察自动决策自主运行推销失败后，企业资源计划数据预期需求数据财产和设施制造执行系统数据操作员日志管理数据服务数据认知质控数据目标:发现越早，损失越少维护质量成本销售点质量立体仓库辅助物流设备生产设备▲.▲仓库管理系统

（WMS）生产计划及排产系统（APS）L2:生产计划及执行层生态系统

新零售

第三方平台

终端销售

产品定制化服务个性化用户洞察某著名企业APPB2B管理

企业间协同大规模定制的模式和卓越的订单交付L4:用户管理层供应链管理

（SCM）产品生命管理（

PLM）L3:集成运营层工业物联网认知工厂的构架是多层物理信息系统虚实联动和集成认知运营控制中心认知视觉／听

觉检测系统客户关系管理

（CRM）生产执行系统

（MES）预测性维护系

统认知设备维护

助手能源及安全管

理系统供应商管理

（SRM）售后及服务

管理+某著名企业终端物流管理

（TMS）质量控制系统设备管理系统供应链控制塔自动决策管理认知机器人认知采购ERP

机器学习

影像分析ME解决方案l

Watson

IoT平台关键问题lM2M互联及数据采集挑战l运营及生产监控缺失可视化l

异常快速处理实现困难l

产品及部件无法追溯l

过程追踪及流程数据缺失工业物联网生产设备辅助物流设备立体仓库设备

，产品及流

程数据传感器数据PLC及系统数据设备数据各类设备的互联及高效数据采集及分析手段是实现认知制造的基础

自然语言处理

文本分析天气

，社交及公共数据外部数据Watson

IoT平台大数据分析认知技术边缘计算预测性分析优先级分析关连性分析异常分析lllllllME解决方案View系列

MES系统Gi-View生产计划及排程系统认知视觉检测系统

(CognitiveVisual

Inspector)预测性维护系统（

PM）良率管理系统（YMS）设备管理系统（

Maximo）认知设备维护助手（CognitiveEquipmentAdvisor）关键问题l小批量多品种多批量的定制化需求交付周

期长l缺乏端到端的集成计划体系

，人工生产排

产困难

，影响生产效率l较难控制产品质量稳定性

，提高良率l设备管理和维护的人力投入大

，效率低l人工质检速度慢

，管理困难l

对个人经验的依赖较重质量控制系统认知视觉／听

觉检测系统L2:生产计划及执行层SiView

/

MES

Express

Maximo

良率管理

（YMS）GiView

认知质检员

预测性维护（

PM）生产运营核心层面需要传统IT和认知技术的有效结合ME的卓越运营系统和认知方案最大化的提升运营效率生产计划及排

产系统（APS）仓库管理系统

（WMS）生产执行系统

（MES）预测性维护系

统认知设备维护

助手能源及安全管

理系统设备管理系统认知机器人实施阶段探索阶段•M2M

互联

，流程数据打通

，实时数据共享•在生产线或局部生产区域实施认知解决方案•效益得到实现•从流程和设备中获取数据•用高级数据分析和建模手段分

析结构／非结构化数据•小而分散的验证项目•实现认知型企业•和供应商

，客户

，级各类合作伙伴共享认知平台

转型阶段

•

实现单件盈利模式（

Profitable

Lot

Size

One）•多个认知方案的实施和集成•认知运营控制中心的建立•认知模型逐步收敛

，集成。运营效率有跨越式的提高分析验证集成控制协同共享互联落地推广阶段

协作企业

用户

产品企业外

设计与管理软件系统

IT层生产过程执行软件系统OT层路径二

路径一模式四：基于企业间联网的云制造

协作模式五：基于互联网平台的C2B/B2B规模化定制生产模式三：基于产品智能化和联网的

智能延伸服务模式二：基于集成式系统的智

能工厂探索模式一：基于叠加式系统改造

的智能工厂探索方向二：

自上而下/智

能服务方向一：

自下而上/

智能工厂路径五

路径四路径三工业自动化系统生产设备•分析方法/模型:相关数据异常分析模型•输入数据:传感器监控数据•结果输出:

每个传感器在某时刻的异

常评分;

关键性能指标（依赖关系图

)•

分析方法/模型:

时域频域分析

专家系统/规则•输入数据:传感器监控数据•结果输出:

故障原因和类型•

分析方法/模型:

聚类相关技术•输入数据:部件状态数据•结果输出:

整机健康指数;•

分析方法/模型:

决策树

支持向量机

神经网络•输入数据:

监控数据

维修历史•结果输出:

提前预知关键故障动设备故障诊断与预测性维护平台分析框架整机健康状态评估数据收集和准备传感器异常诊断关键故障预测故障诊断分析Higher

than

usual评分o诊断传感器

异常o实时监测18个部位的工

作状态o利用‘相关数据异常分

析模型

’计算实时异常1.基于时频域数据的决策树模型-利用决策树技术

，对设备历史故障频域数据进行分析,

发现部件故障规则-建立部件故障决策模型2.基于故障频域对照表的故障诊断引擎-基于频域故障对照表

，建立故障诊断引擎-分析设备特征指标的频域数据

，判断设备故障原因3.故障树显示故障原因及概率各部件的重要度排序o基于部件的健康状况评估整机健康状

况：

计算每个部件的健康状态

结合部件的重要度排序

评估整机健康状态

.输入数据DCS/SCADA数据：•

电流•

•

电压•

环境•

功率•

转速等故障历史数据振动加速度传感器数据结果输出固定时间窗当前时间基于支持向量机或决策树等分类建模技术用于关键故障类别的预测。分析将首先给出各关键

故障对应的KPI指标列表

，进而进行关键故障

预测。

基于监控数据，设备健康状况和维修历史建立关键故障预测模型关键故障分类将基于“缺陷分类表”划分。决策树支持向量机示例图未来时间窗3ME认知视觉检测方案介绍1ME对中国制造2025的理解2ME认知制造观点和概要•

智能手机部件缺陷检

查／分类•PCB板缺陷检测/

分类液晶显示屏缺陷检测/分类超过

120种缺陷•

芯片缺陷检测/分类•晶片缺陷检测/分类我们的认知技术在视觉检测自动化领域有着广泛的应用••学习系统全新问题？

3b

开发全新图像分析技术

，

并利用样品集训练分析技术

，从而提高分析精度；将其作为全新基础

方案应用于生产。

4

使用

PMQ分析及报告功能生成每日报告、每和每更报告。对图像库和预先编制的算法执行交叉检查

，以作复用

3a

复用先前训练的算法

，并在

生产过程中对算法再次进行训练，

从而处理数据变体。

5

机器学习系统浏览数据库，

并试图通过更大的数据集提高算法精度。

1

使用“图像工作站”在生产

过程中截取图像难判断的

问题？实时监控功能认知引擎图像库2!•基于机器学习的分析方法有助于降低漏检率•仅需要几天时间重新训练分析以适应新产品和新场景•不特定于任何图像捕获系统

，使其展•

采用通用硬件

，降低运行和操作成本•

利用云技术

，无需维护窗口•大数据分析的一部分

，可以跨多个工作单元驱动多个优化方案•

准确率越用越高•利用原有的OCR/基于规则的测量分析方法通常会导致较高的漏检率•通常需要几个月的时间重新编程分析以适应新产品和新场景•

由于专有的一体化方法（捕获

+分析）而难以实现规模化•需要维护窗口来更新影响生产量的固件和软件•

封闭系统只能由供应商进行扩展•

本地报告仅针对单一功能•

准确率递减与传统的自动化视觉检测方法相比

，我们的方法有显著的优势ImagingProcessing

EngineIBMDefectDetection

as

a

ServiceStreamingAnalyticsAnalyticalMachine

LearningImage

LibraryME认知视觉检测系统传统视觉检测系统ImageAcquisition

StationsInspectionWorkstation将图像发送至检测室进行人工检测在工作场所采集图像结果反馈回工作场所以便采取相应行动每批次每项

检测平均等

待时间：20-30分钟应用案例：

中国一家主要液晶显示屏制造商约

150名检

测工人现状孔洞、板面损伤硅残留擦伤异物污染物膜孔特定于行业/客模型学习能力测试户的模型开发已建立基础模型图像数量模型优化数百万数万数千学习模型基于不同层的神经网络（分类和学习过程中的视觉特征表现）学习系统处理方式准确率65.12%二次运行约2000图像批量测试结果

：

准确率67.01%首次运行约800图像批量测试结果：三次运行约26000图像

+客户高级质检员极快地学习提取差异性视觉特征和质检员的知识批量测试结果：

准确率95.29%初始化时间：

12月6

日星期五

，上午07:25:45（

1秒）运行时间：

12月6

日星期五

，上午07:25:46（41分31秒）完成时间：

12月6

日星期五

，上午08:07:18（共计–41分32秒）使用

NVIDIAGTX

1080GPU

，用时41分钟训练Caffe模型

已完成工作状态

已完成损失度准确率降低人工成

本产生收入/

利润缩短交付前准备时间某省市

150万美工人数量减少数百超过

1000万美元减少向客户投诉年净利润增加提高生产率名元3ME认知视觉检测方案介绍1ME对中国制造2025的理解2ME认知制造观点和概要4讨论交流•

风电场•

功能位置（风机/零部件）

•

物理设备（风机/零部件）

•

量测•

仓库•

物料•EBOM•MBOM•

组织人员•

地理位置根据信息共享需求

，逐步扩展工单出入库单故障风机运行量测值

风机状态量测值

气象数据…金风企业公共信息模型GW-ECIM•

预测风功率•

预测可靠性•

KPI指标值

•

预警•…相对稳定经营过程数据核心数据分析结果数据•

客户•

项目•

KPI•••••••关关关

关

关标准/数据管理

模型算法

应用创新某省市场运营

平台运维专家

专家

团队

团队

团队关产品服务规划

专家关行业专家开放式创新的统一平台-业务集成与资源需求关行业专家关关关

关

关标准/数据管理

模型算法

应用创新某省市场运营

平台运维专家

专家

团队

团队

团队关产品服务规划

专家开放式创新的统一平台-业务集成与资源需求行业专家：

参与到运维过程的咨询诊断等服务标准/数据管理专家：负责大数据资产规划

、

数据标准规范协调与制定

、

元数据定义、

数据质量管控模型算法专家：

基于大数据平台及数据资产构建各种模型算法产品服务规划专家：负责平台服务产品的整体规划和整合资源，

持续提升平台产品服务能力应用创新团队：

将现有系统

、

组件(可复用业务组件

、

技术组件)

、

及各种服务迁移到平台，

或基于平台功能

、接口

、

数据

、

服务进行应用创新；平台运维团队：

推动企业最有价值的大数据资产的收集

、

整理，

备份恢复

、

安全访问规则制定与访问控制,风电运营人员：通过大数据平台分析服务

，在线运营及智能控制

，提升风电运营效率某省市场运营团队：负责品牌递推，

持续提高数字化服务产品的客户体验和满意度PaaS运行时容器基础设施混合云56统一元数据模型支撑服务平台工具监控管理配置管理核心算法库大数据应用平台服务作业编排设计交互式计算(SQL/JSON)批处理计算作业生命理分布式内存库NoSql数据库分布式文件系统流计算作业编排解析ETL服务集成关系型存储物联网接入计量计费我的工作台多渠道访问产品目录服务目录配置访问服务计算分析服务数据检索服务大数据可视化数据

管理故障预警风资源风机画像混合大数据存储安全与运营管理服务接入平台与

PaaS组件数据整合大数据计算DevOps……

了解工艺

，发现能源优化空间

审查工艺

，降低设备的气流量和

改进工艺接口如阻尼器及控制装置

评估购置其它节能组件

，预测投资回报

研究关于系统改造/升级、高效换热器、新陶瓷介质等方案

，更换过时元器件

考虑二次热量回收

考虑能效更好的新系统ME在中国正在与污水处理、钢铁、制造行业的企业紧密合作

，进行