基于工业物联网和大数据分析平台的智慧水务_第1页
基于工业物联网和大数据分析平台的智慧水务_第2页
基于工业物联网和大数据分析平台的智慧水务_第3页
基于工业物联网和大数据分析平台的智慧水务_第4页
基于工业物联网和大数据分析平台的智慧水务_第5页
已阅读5页,还剩13页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于工业物联网和大数据分析平台的智慧水务信息解决方案能力–Cloud|On-Premise|EdgeSCALABLEEXECUTIONSYSTEMS规模灵活的生产执行系统SCALABLEANALYTICS各层级的数据分析MOBILITY&COLLABORATION移动与协作CONNECTEDSERVICES互联服务帮助互联企业客户实现价值更快的上市资产利用更低的成本风险管理罗克韦尔自动化的工业物联网基础架构–集成架构IntegratedArchitecture™移动设备/

显示器控制器机器&

设备远程重资产智能马达控制传感器&

执行机构智能的数字化设备–未经修改的标准以太网贯穿企业EtherNet/IPEnabledNetwork基于工业物联网(IIoT)的互联企业当前生产管理实现未来生产管理实现人与设备的融合云服务把数据转变为价值为数字化转型赋能–FTInnovationSuiteApplicationEnablementPlatform应用程序基础支撑平台MachineLearning大数据分析平台软件SubstantialOrganicInvestment

Leveraging3DandPLMHeritage大量的有机投资AugmentedandVirtualRealityPlatform增强现实和虚拟现实平台InternetofThings物联网AugmentedandVirtualReality增强现实和虚拟现实DataAnalytics大数据分析IndustrialAutomationConnectivity工业自动化连接智慧水务信息平台智慧水务信息平台技术架构智慧水务信息平台架构工业物联网和大数据分析安全地连接到就近的任何设备,不论通过有线网络,无线网络或者是蜂窝网络通过Kepware丰富的驱动软件将ThingWorx和工业设备相连可在ThingWorx平台和设备/传感器间建立一个持续的安全的双向连接

提供一套边缘设备侧的技术堆栈,赋予设备分布式、实时的计算能力,从而消除潜在的通信延迟、成本和安全问题支持任意的连接场景–连接硬/软件ThingWorxEdgeSDK(C,.Net,Java,IOS,AndroidEdgeMicroServer(EMS)网关一拖多设备新型标准(例如MQTT协议)

或RESTAPI专有协议云端部署,本地部署或者混合部署DEVICEMANAGEMENTEdgeSDKsand

IoTGatewayEdge

IntelligenceBi-directionalCommunicationDataDrivers工业系统企业业务系统创建“物”ThingWorx使开发人员可以快速开发和部署具备强大功能的企业级解决方案。应用程序与解决方案快速开发体验Mashupbuilder,支持2D体验,支持移动应用程序构建内容发布和配置管理综合全面的设备管理和优化集成工具,包括流程管理和第三方业务系统连通性开箱即用的远程服务扩展程序ThingworxStudio–“无代码”、3D构建工具,实现移动2D、3D和AR体验连接创建分析体验网络移动网络Internet物联网应用程序开发是价值实现的障碍之一传感器、设备和装置应用程序开发固定的应用程序收集、处理和管理通信信息云通信架构数据模型集成或编写服务编码业务逻辑和时间用户权限设计和构建Web用户接口加密&设备安全重新架构数据模型与ERP系统集成触发报警协作移动终端灵活的可扩展的连接重做架构模型提供API事件客户自定义权限用户自定义界面复杂的编程不易维护/演进高成本安全性与可扩展无保障漫长的交付时间阻碍创新通过移动网络直接连接通过网关传输数据缓存,处理&传输挑战14模型驱动式的应用开发业务建模:车辆的“物”模型快速

创建分析模型快速

形成解决方案快速

连接设备快速

尝试失败

降低数据使用成本快速

提升和改变快速

创造商业价值Thingworx价值

ThingWorx的价值不仅是能创建这些解决方案,而且..分析“物”Analytics在IoT解决方案中快速运行强大的分析能力自动化的学习技术对边缘设备上的数据流进行实时的异常和模式检测自动预测建模和评分模拟的和规定的智能警报和通知连接创建分析体验数据分析与预测大数据预测应用举例常见的预测需求:设备可用性、可靠性(预测维修)产品/过程质量(在复杂的制造过程中,通过机器学习,识别相关性模式,找到导致产品质量问题根因)数据源:机器数据(Historian)产品数据(PLM)质量数据(QMS,MES)工单数据(MES,ERP)维护数据(EAM)物料数据(ERP)供应商数据(SCM)…IntegrationHub“pivot”数据确定预测目标确定相关数据确定模型质量问题A及相关根因质量问题B及相关根因质量问题C及相关根因…机器学习:预测结果:体验“物”ThingWorx提供一个全新的方式体验“物”通过VuforiaExperienceService部署和管理“物”体验通用的VuforiaView提供用于I

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论