工业大数据架构与应用

工业大数据架构与应用一站式管理你的数据资产、数据价值尽在眼底目

录工业大数据背景与需求1工业数据资产价值评估与管理工业大数据技术架构工业大数据应用场景234P4第四次工业革命，走入数据时代第一次工业革命—机械化时代第二次工业革命—流水线时代第三次工业革命—信息化时代第四次工业革命—智能化时代标准化智能化+客制化以低成本大规模生产高质量产品全流程改善，降低浪费次品和事故产品全生命周期管,提供全面的服务和能力在无忧生产环境下，快速实现客制化需求合理化+规范化自动化+集成化网络化+信息化P5智能与大数据：无数据、不智能ERP设备控制车间企业设计生产物流服务销售CAD工艺包MESCRM离线大数据分析DCS实时大数据/边缘计算智能制造的体系架构中，大数据与智能制造的关系。系统层级智能制造体系架构协同生命周期《国家智能制造标准体系建设指南（2018年版）》P6工业对大数据的需求摘录快消品我们在各地拥有许多固定资产，因此我们需要最大化运营效率。如何一年四季让橙汁的口味保持一致。您不能让货架空着且消费者无法购买产品的情况。在一个瞬息万变的世界中，如何应对至关重要。服装制造消费电子化纤纺织生产和设计之间保持短距离很重要。这提高了质量和灵活性。运动服生产商开设了自己的零售店，只为从市场获得更多反馈。价格竞争已到极限，必须进行客户细分和分类，大数据很重要。我们希望优化工艺，但是关键设备的数据是无法解读的。我们不希望生产因为缺少原料而中断生产。但原料价格时刻在变，对于成本和收益很难实时计算。产品本身可以成为数据源，尤其是可以提高客户洞察力。我们可以根据用户的使用数据为他们提供所需的产品。因此，我们可以告诉他们：根据我们的知识，您可能会更喜欢此产品。我们已经在营销中使用大数据，其中还包括分析社交媒体数据。P7工业大数据的价值质量与成本优化设计生产运营优化客户服务优化供应链优化设计生产运营优化生产各个环节的数字化和智能化，产品设计、生

产、设备等管理，实现安全生产、优化生产效率，工艺改进、节能减排。质量与成本优化优化产品和过程质量，优化制造和运营成本。客户服务优化市场预测、客户化定制、按需生产、客户分层分级管理，价格管理，售后管理、自动化客服，并对业务过程的有效支持。供应链效率优化强调采购、销售、物流、研发等各个环节的协同，以及与上下游的业务过程的协同。MESERPCRMPLMSCMDCSPLCSCADA智能装备工业大数据智能化信息化自动化数据资产管理数据资产增值、数据架构管理、标准和主数据管

理、数据质量管理、数据安全管理。P8大数据支持业务的4个能力阶段——4个童话故事阶段1：知晓发生了什么1：收集关键数据2：建立标准和主数据3：经营分析、KPI阶段2：分析为什么发生1：收集全量数据2：加工全部指标3：生产、客户管理《白雪公主》王后的魔镜《善良的夏吾冬》公主的魔镜《小女巫碧碧》女巫水晶球阶段3：预测未来会发生什么1：建立预测模型2：设备管理、智能制造《阿拉丁神灯》灯神阶段4：决策让它发生1：建立数据产品2：辅助决策3：数据驱动业务P9工业大数据的数据来源外部数据内部数据管理类数据生产经营类数据结构化数据非结构化数据销售数据：订单、数量、价格、期限、合同。客户数据：客户信息、客户分级、客户信用、客户沟通历史。产品数据：产品名称和描述、规格、分类、定价、版本。内部组织和人力资源数据：岗位、人员、技能。生产订单数据：客户信息、产线规划、完成情况等。生产订单和生产计划数据：客户信息、产线规划、完成情况等。仓储物流数据：原料物料、仓储节点、物流运输数据。生产实绩数据：原料、产出、质量。供应商数据：基本信息、评价信息。工业大数据来源广泛，类型复杂多样，要有计划、有目的的采集。采集顺序原则：先内后外、先管理后生产、先结构数据后非结构数据。生产控制系统数据：智能仪表、PLC、变频器。自动装备数据：AGV、机器人。质检和实验室数据：质量检查、物料数据。图形图像数据：监控数据、设备图形图像数据。市场数据：产品、销售、地区、价格等。客户数据：下游客户的生产销售、质量功能反馈、社交网络等。能源数据：用电、用水、用气数据。竞争对手数据：生产、销售、质量、供应链等。公用系统：空调系统、公用工程数据。设备数据：设备主数据、设备运维数据、备品备件。外部环境数据：地域、经济信息、环境天气等。外部市场数据：现货市场、期货市场等。商机和需求数据：客户、产品需求、属性、市场调研等。产品回传数据：产品位置、客户的配置和使用数据、客户操作。目

录工业大数据背景与需求1工业数据资产价值评估与管理工业大数据技术架构工业大数据应用场景234P11大数据从数据管理到数据资产之路国际数据管理协会制定的《数据管理的知识体 系和指南v3.0》将数据管理被细分为10大组成 职能：数据治理、数据架构管理、数据开发、 数据操作管理、数据安全管理、参考数据和主 数据管理、数据仓库和商务智能管理、文档和 内容管理、元数据管理、数据质量管理。数据资源管理包容传统数据管理，更偏重于OLAP系统。传统数据管理指利用计算机硬件和软件技术对数据进行有效的收集、存

储、处理和应用的过程。其目的在于充分、有效地发挥数据的作用。传统数据管理偏重于对OLTP系统的数据处理过程进行管理。数据管理

数据资源管理数据资产管理数据管理国际上目前对数据资产管理还未形成完成的理论体系。数据资产管理的核心思想是数据对象作为一种全新的资产形态，并且以资产管理的标准和要求来加强相关体制和手段。数据资产管理的7个主要方面：职能部门管理、信息报告、形成占用、保值增值、配置使用、资产处置和评估清算。P12工业数据资产管理目标建立数据资产管理中心的组织和职能；确定数据资产管理中心的人员、角色和职责；确定数据资产管理中心的政策、制度、流程和规范建组织，定职责数据资产来源渠道多样，包括自营、外部采集、外部购买和第三方数据等；建立数据资产来源冲突解决机制。确定数据资产来源根据数据资产交易的价值、成本、产品、利润…等确定数据资产管理的商业价值；提供咨询、服务、实施和托管产生的商业附加值。明确商业模式建立数据采集交换标准和交换接口；建立标准化的数据采集交换的技术体系；建立数据采集交换评价体系。建立数据采集交换体系建立标准化的数据清洗融合、数据存储、数据加工处理技术和管理体系；实现与其他体系的模块化和智能化对接.建立数据流转体系建立数据标准、元数据、数据质量、数据 安全、数据生命周期等方面的业务体系和 产品体系实现与其他体系的模块化和智能化对接.建立数据治理体系建立数据采集价值评估体系建立数据运营价值评估体系实现与其他体系的模块化和智能化对接。建立数据价值评估体系建立数据资产产品体系，如按行业分类；建立数据服务体系，如根据客户要求提供不同层级的数据。建立可视化的数据管理、分析、运维平台。建立数据应用和管理体系与行业新技术、热门技术和新的管理理论深度融合，创新数据资产管理理论；与市场紧密结合，探索数据资产管理新的商业模式。创新数据资产理论和实践P13数据管理/数据治理/数据管控——体系框架专题组织制度

流程战略目标规划机制技术实现运维 数据集成数据治理工具数据标准元数据数据质量主数据……开发数据治理专题数据生命周期管理数据安全管理元数据管理数据模型管理数据架构管理数据标准管理数据质量管理主数据管理数据交换管理数据开发管理包括各专题的：管理、维护、开发内外部数据的活动和相应的组织建设、管理制度、流程和数据确权。P14数据资产管理主要专题的内容数据架构与模型管理数据标准管理数据质量管理元数据管理主数据管理数据生命周期管理数据安全与隐私管理数据服务管理••••••••组织制度流程技术数据模型管理团队数据治理专职团队数据管理角色及认责数据模型管理办法数据治理综合考核项目开发管理办法数据模型设计评审管理流程数据确权流程项目开发管理流程数据模型设计工具数据治理系统数据存储平台数据标准管理团队数据标准管理员数据标准管理办法数据标准管理考核数据标准管理流程数据标准执行检查数据质量管理团队数据质量管理办法数据质量检核数据质量管理流程数据质量剖析工具数据质量检核工具元数据管理团队元数据管理办法元数据管理考核元数据管理流程元数据管理系统主数据管理团队主数据管理办法主数据管理考核主数据管理流程主数据管理系统数据生命周期管理团队数据生命周期管理办法数据交换管理办法数据归档管理流程数据交换管理流程数据交换平台历史数据存储平台集中备份系统数据安全管理团队数据安全管理办法数据安全管理考核数据安全管理流程数据安全管理系统需求管理团队数据服务管理办法报表需求管理办法报表需求管理流程统一报表平台数据服务管理平台P15数据资产管理——数据价值评估理论数据资产价值评估的理论基础是资产评估，数据资产和无形置产有相似之处但又有差异资产评估示工业时代的阐述，数据时代的数据资产评估方法需要不同的思路没有系统化的价值计量方法是数据称为资产最棘手的问题资产拥有或控制预期有收益可计量使用有损耗转移过程增值聚集无增值无形资产排他或独占利益预期流入能可靠计量外部认可可控制外部变现或内部收益可评估可计量使用有增值转移过程减值聚集有增值数据资产P16数据资产价值评估理论的四个关键定理数据资产价值数据应用程度数据资产价值数据汇聚度结论：数据的价值不是一成不变的，数据价值取决于你对数据的态度。定理1：数据应用越多，数据价值越高 定理2：数据汇聚越多，数据价值越高数据资产价值数据时效性定理3：数据时效越长，数据价值越低数据资产价值数据分享度定理4：数据越分享，数据价值越低目

录工业大数据背景与需求1工业数据资产价值评估与管理工业大数据技术架构工业大数据应用场景234P18工业大数据的体系框架：1个架构，5大中心0306数据技术架构逻辑物理架构数据架构网络架构应用架构开发运维架构数据中台工具组织与流程数据开发运营中心开发集成环境测试与生成环境运维监控数据应用开发平台BI开发和应用平台AI开发和应用平台数据存储与加工中心边缘计算流计算离线计算智能计算非结构化数据多模型关联数据安全中心数据安全管理数据脱敏与加密数据操作审计数据权限审批密钥管理数据资产管理中心企业数据资产目录元数据管理数据模型管理数据标准管理数据质量管理数据存储管理数据产品中心数据产品工厂数据开放平台数据服务和数据总线报表和指标集市数据成本价值管理P19工业大数据逻辑架构工艺设计数据生产运营数据（边缘网络）管理数据外部数据CAD模型工艺参数智能仪表智能传感器公辅/能源系统DCSMPC

/

APC物流系统TCP/IP或OPC

UA数据 数据数据源层流数据处理

(流计算引擎)TCP/

IP数据存储与加工层数据应用层传统应用大数据应用与服务数据管理ERPSCMPLMCRMSCADA数据

指令

数据指令 数据

指令 数据数字孪生体(工厂/产品)实时规则实时计算流消息队列数据服务设备分析权限管理访问审计数据安全管理运维安全管理系统监控数据监控数据备份恢复管理市场、客户、舆情、供应链、竞争对手、环境检验系统ERP/CRM系统…生产实绩数据统一交换数据存储产品分析市场分析控制优化数据任务调度数据转换产品精细化管理智能定价非结构化数据（对象存储）MESPLC能耗环保管理供应链分析批量数据处理与加工数据抽取加载公共统计数据多维分析数据(HBase)主题分析数据应用数据工厂设备数字模型生产实时数据（时序数据库）主题模型（MPP/Hive）客户设备产品销售财务数据标准管理数据模型管理数据质量管理企业数据资源目录主数据管理元数据管理数据

数据AI模型数据客户分析生产安全数据P20大数据的网络架构和数据中心拓扑集团公司分公司A分公司B分公司C分布式数据中心通常的大型制造企业是3层网络架构，一般规模企业至少是2层架构。但是依据大数据价值定理2，数据中心通常只做2层架构，这样成本最低，分析能力高，性价比合适。工厂A1工厂A2工厂B1工厂B2P21为什么大数据的存储和处理的产品种类这么多？因为还没有一种技术能够适应所有大数据的需求。但是你可以根据自己的业务需求、数据需求、数据量进行选择。东方金信提供最小化、开箱即用的一站式解决方案。P22东方金信大数据产品家族海盒大数据基础平台SDB海盒数据同步平台SDG海盒人工智能平台SAI海盒大数据开发分析平台SDA海盒数据资产管理平台SAMP海盒通用数据应用SGDA数据服务接口

SAPI标签管理与自助分析

SmartTag掌上分析Appmbi多维数据开发

SCS数据应用构建器

AppBuilder数据开发管理

Data

Plant数据报表和大屏

SBI元数据管理

MDS数据质量管理

DQS数据标准管理

DS数据安全管理

D4A数据产品工厂

DPF任务调度处理

SDT数据交换平台

SMG机器学习套件

SHO图数据分析

SGH海盒对象存储SeaboxSAN海盒流计算引擎SeaboxStream海盒MPP数据库SeaboxMPP海盒图数据库SeaboxGraph实时规则引擎

SRT识别引擎套件

Eyes指标和仪表盘

KPIs海盒时序数据库SeaboxTSDB基础服务设施（云基础、数据门户、通用服务、安全管理、日志管理、统一监控）海盒大数据SeaboxBD自然语言处理

SNLP数据模型开发

SeaModel数据资源目录

SAMS实时数据同步决策支持

DSE数据生命周期

DLC海盒大数据扩展平台SDBX通用区块链SBLC金融/政务/工业数据模型库金融/政务/工业

AI及算法模型库行业模型知识库BML金融/政务/工业指标库数据服务总线

SESB数据标注平台

SLabel外部数据采集

SDS主数据

MDM目

录工业大数据背景与需求1工业数据资产价值评估与管理工业大数据技术架构工业大数据应用场景234P24应用场景1整合12个系统的数据，故障分析（FA）工程师he

RD工程师可以进行快速故障分析和通用性分析，以及知识检索。分析从4个小时缩短到几分钟。富士康大数据平台大数据平台通过数据采集后对螺栓拧紧的拧紧方式、参数进行分析，通过统计图的特征，判断螺栓的一致性是否良好。潍柴工业大数据平台通过大数据分析以及实验验证，地铁车辆的加速时间减少5秒，就能节省拖动电