Pramoniniai dideli duomenys reiškia visų rūšių duomenis ir susijusias technologijas bei taikomąsias programas, generuojamus pramonės srityje pagal tipinį išmanųjį gamybos modelį, nuo klientų paklausos iki pardavimo, užsakymų, planavimo, tyrimų ir plėtros, projektavimo, procesų, gamybos, pirkimo, tiekimo, atsargų, išsiuntimo ir pristatymo, -paslaugų po pardavimo, eksploatavimo ir priežiūros, išmetimo ar perdirbimo ir visos kiekvienos nuorodos produkto gyvavimo ciklo perdirbimo. Didieji pramoniniai duomenys yra pažangios gamybos, pagrįstos „didieji duomenys + pramoninis internetas“, debesų kompiuterija, dideliais duomenimis, daiktų internetu, dirbtiniu intelektu ir kitomis technologijomis, esmė, siekiant pakeisti pramonės gamybos metodus ir paskatinti naujovišką pramonės ekonomikos plėtrą.
Išsamus pramoninės didžiųjų duomenų technologijos ir pritaikymo aprašymas
I. pramoninių didžiųjų duomenų apibrėžimas
Pramoniniai dideli duomenys – tai pramonės sritis, susijusi su tipišku išmaniuoju gamybos modeliu: nuo klientų paklausos iki pardavimo, užsakymų, planavimo, tyrimų ir plėtros, projektavimo, procesų, gamybos, pirkimo, tiekimo, atsargų, siuntimo ir pristatymo, -paslaugų po pardavimo, eksploatavimo ir priežiūros, laužo ar perdirbimo ir viso gaminio gyvavimo ciklo, įvairių tipų duomenų ir terminų, sugeneruotų naudojant įvairius bendrųjų technologijų ir taikomųjų programų aspektus, perdirbimą. Jame daugiausia dėmesio skiriama produktų duomenims, kurie labai išplečia tradicinių pramonės duomenų apimtį, taip pat apima su pramoniniais dideliais duomenimis susijusias technologijas ir programas. Pagrindiniai pramoninių didelių duomenų šaltiniai yra šios trys kategorijos.
1. Verslo duomenys, susiję su gamyba ir eksploatavimu
Su gamyba ir veikla{0}}susiję verslo duomenys daugiausia gaunami iš tradicinės įmonės informatikos ir yra saugomi įmonės informacinėse sistemose, įskaitant tradicinę pramoninio projektavimo ir gamybos programinę įrangą, įmonės išteklių planavimą (ERP), produkto gyvavimo ciklo valdymą (PLM), tiekimo grandinės valdymą (S CM), ryšių su klientais valdymą (CRM) ir aplinkos valdymo sistemą (EMS) ir kt. Šiose įmonės informacinėse sistemose sukauptas didelis duomenų kiekis. Šiose įmonių informacinėse sistemose yra sukaupta daug produktų kūrimo duomenų, gamybos duomenų, veiklos duomenų, klientų informacijos duomenų, logistikos ir tiekimo duomenų bei aplinkos duomenų. Tokio tipo duomenys yra tradicinis pramonės srities duomenų turtas ir palaipsniui plečia savo apimtį naujų technologijų, pvz., mobiliojo interneto, aplinkoje.
2. Įrangos IoT duomenys
Įrangos IoT duomenys daugiausia susiję su pramonine gamybos įranga ir tiksliniais produktais, veikiant IoT veikimo režimu, realiuoju laiku generuojant ir renkant duomenis apie veikimą ir veikimą, darbo sąlygas, aplinkos parametrus ir kitus duomenis, atspindinčius įrangos ir produktų veikimo būseną. Tokie duomenys yra naujas ir greičiausiai augantis pramoninių didelių duomenų šaltinis. Siauri pramoniniai dideli duomenys reiškia tokio tipo duomenis, ty didelį duomenų kiekį, kurį greitai sukuria pramoninė įranga ir produktai, ir laiko{3}}eilių skirtumus.
3. Išoriniai duomenys
Išoriniai duomenys reiškia pramonės įmonių gamybinę veiklą ir produktus, susijusius su įmonės išoriniais interneto duomenų šaltiniais, pavyzdžiui, įmonės aplinkosauginio veiksmingumo įvertinimas pagal aplinkosaugos reglamentus, produktų rinkos makro{0}}socialiniai-ekonominiai duomenys ir pan. Pramoninė didžiųjų duomenų technologija – tai technologijų ir metodų serija, leidžianti išgauti ir rodyti pramoniniuose didžiuosiuose duomenyse esančią vertę, įskaitant duomenų planavimą, gavimą, išankstinį -apdorojimą, saugojimą, analizę ir gavybą, vizualizavimą ir išmanųjį valdymą. Pramonės didelių duomenų taikymas – tai procesas, kai integruojamos ir taikomos pramoninių didelių duomenų technologijų ir metodų serijos konkrečiam pramoninių didelių duomenų rinkiniui, siekiant gauti vertingos informacijos. Pramoninės didžiųjų duomenų technologijos tyrimai ir proveržis iš esmės yra skirtas atrasti naujus modelius ir žinias iš sudėtingų duomenų rinkinių bei išgauti vertingos naujos informacijos, siekiant skatinti gamybos įmonių produktų inovacijas, gerinti veiklos lygį ir gamybos efektyvumą bei plėsti naujus verslo modelius.
II. Pramoninės didžiųjų duomenų charakteristikos
Be bendrųjų didžiųjų duomenų ypatybių (didelė duomenų apimtis, įvairovė, greitis ir mažos vertės tankis), pramoniniai dideli duomenys taip pat turi laiko sekos, stiprios koreliacijos, tikslumo ir uždaro ciklo ypatybes.
Didelis duomenų kiekis:duomenų dydis lemia nagrinėjamų duomenų vertę ir galimą informaciją. Pramonės duomenų apimtis yra gana didelė, daugybė aukšto -dažnio duomenų iš mašinų ir įrangos bei interneto duomenų ir toliau plūsta, o didelių pramonės įmonių duomenų rinkiniai pasieks PB ar net EB lygį.
Veislė (įvairovė):nurodo duomenų tipų įvairovę ir platų šaltinių spektrą. Pramoniniai duomenys yra plačiai platinami įvairiais aspektais, pvz., mašinomis ir įranga, pramoniniais produktais, valdymo sistemomis ir internetu, o struktūra yra sudėtinga: struktūriniai ir pusiau struktūrizuoti jutiklių duomenys bei nestruktūrizuoti duomenys.
Greitas (greitis):nurodo duomenų gavimo ir apdorojimo greitį. Pramonės duomenų apdorojimo spartos poreikiai yra įvairūs, gamybos vietos-lygio reikalavimai analizės laikotarpiui iki milisekundžių lygio, valdymo ir sprendimų priėmimo{2}}programos turi palaikyti interaktyvią arba paketinę duomenų analizę.
Mažos vertės tankis (vertė):pramoniniai dideli duomenys daugiau dėmesio skiria naudotojo vertei- ir pačių duomenų naudojimui, įskaitant: inovacijų galimybių ir gamybos bei veiklos efektyvumo gerinimą ir suasmeninto tinkinimo, paslaugų transformavimo ir kitų naujų pažangių gamybos pokyčių skatinimą.
Seka:Pramoniniai dideli duomenys turi stiprią laiko seką, pvz., užsakymus, įrangos būsenos duomenis.
Didelis{0}}atitikimas:Viena vertus, duomenys, esantys tame pačiame gaminio gyvavimo ciklo etape, yra labai svarbūs, pavyzdžiui, gaminio dalių sudėtis, darbo sąlygos, įrangos būsena, priežiūra ir papildomas dalių pirkimas; kita vertus, reikia susieti duomenis įvairiuose gaminio gyvavimo ciklo etapuose, pvz., MTEP ir projektavimo, gamybos ir aptarnavimo.
Tikslumas:daugiausia kalba apie duomenų autentiškumą, išsamumą ir patikimumą ir daugiau dėmesio skiria duomenų kokybei, taip pat apdorojimo ir analizės metodų ir metodų patikimumui. Didesnių duomenų analizės patikimumo reikalavimų, pasikliaujant tik statistine koreliacijos analize, nepakanka gedimų diagnostikai, prognozavimui ir išankstiniam įspėjimui bei kitoms pramoninėms reikmėms palaikyti, poreikis derinti fizinį modelį su duomenų modeliu, kasybos priežasties ir pasekmės ryšys.
Uždaras{0}}ciklas:įskaitant duomenų grandinės uždarymą ir susiejimą horizontaliame viso gaminio gyvavimo ciklo procese, taip pat vertikalų duomenų gavimo ir apdorojimo išmaniosios gamybos procesą, kuris turi palaikyti dinamišką ir nuolatinį koregavimą ir optimizavimą pagal uždaro{0}}būsenos jutimo, analizės, grįžtamojo ryšio ir valdymo ciklo scenarijus.
Dėl pirmiau nurodytų ypatybių pramoniniai dideli duomenys, kaip didelių duomenų taikymo pramonė, turi platų pritaikymo perspektyvą, tuo pačiu kelia didelį iššūkį tradicinei duomenų valdymo technologijai ir duomenų analizės technologijai.
III. Pramoninė didžiųjų duomenų architektūra
Pramoninę didžiųjų duomenų architektūrą sudaro trys dimensijos: gyvavimo ciklas ir vertės srautas, įmonės vertikalus sluoksnis ir IT vertės grandinė.
Gyvavimo ciklo ir vertės srauto lygmenyje, atsižvelgiant į pramoninių didžiųjų duomenų taikymo sritis, jį galima suskirstyti į tris sritis: produkto kūrimas ir projektavimas prieš pradedant produkto gamybos etapą, gamybos ir tiekimo grandinės valdymas prieš produkto pristatymą ir eksploatavimo bei priežiūros ir paslaugų valdymas po produkto pristatymo.
Vertikaliajame įmonės sluoksnyje, atsižvelgiant į duomenų rinkimo metodą ir taikymo lygį, jį galima suskirstyti į informacinės fizinės sistemos sluoksnį, įmonės valdymo informacinės sistemos sluoksnį ir platformos sujungimo sistemos sluoksnį.
IT vertės grandinės sluoksnyje ją galima suskirstyti į verslo architektūrą, informacinių sistemų architektūrą ir IT technologijų architektūrą trimis lygiais, iš kurių informacinės sistemos architektūrą galima suskirstyti į taikomųjų programų architektūrą ir informacinę architektūrą.
1. Gyvavimo ciklas ir vertės srauto dimensija
Pramoninės didžiųjų duomenų architektūros gyvavimo ciklo ir vertės srauto dimensija apima viso produkto gyvavimo ciklo etapus, ty MTTP ir projektavimą, gamybą, logistiką, pardavimą, eksploatavimą ir priežiūrą bei aptarnavimą. Tarp jų gamybą, logistiką ir pardavimą galima toliau suskirstyti į gamybos ir tiekimo grandines, o gyvavimo ciklo ir vertės srauto dimensija apima tris sritis: MTEP ir projektavimą, gamybos ir tiekimo grandinę bei eksploatavimą ir priežiūrą bei aptarnavimą. Kiekvieno domeno taikymo scenarijai parodyti 2 paveiksle.
01. MTEP ir dizainas
MTEP darbuotojai MTTP ir projektavimo procese kaupia MTEP duomenis, kurie gaunami iš visų produkto gyvavimo ciklo aspektų, įskaitant: naudotojų paklausos didelius duomenis, MTEP žinių didelius duomenis, produktų pakartotinio naudojimo didelius duomenis, MTTP bendradarbiaujančius didelius duomenis ir t. t., susijusius su įvairiais -produktais ir-pramone, ir daugybe savybių.
Individualizuoto produkto pritaikymo projektavimo įmonės gali rinkti vartotojų individualizuotą produktų paklausą, produkto klientų sąveiką ir operacijų duomenis per interneto platformą. Šių dinamiškų klientų duomenų gavyba ir analizė gali padėti klientams dalyvauti produktų paklausos analizėje ir produkto projektavimo veikloje, kad būtų sukurtas individualus dizainas, o tada, pasikliaudami lanksčiu gamybos procesu, galėsite gaminti naudotojams pritaikytus produktus.
Įgyvendinti modeliavimo dizainą, pagrįstą dideliais duomenimis, tradicinių gamybos įmonių bandymų ir tikrinimo sąsaja turi būti pagaminta natūra, kad būtų galima įvertinti jo veiklos rezultatus ir kitus rodiklius, sąnaudas, didėjant bandymų skaičiui ir didėjant. Naudojant virtualią modeliavimo technologiją, galima pasiekti originalų MTTP projektavimo modeliavimo, analizės, vertinimo, tikrinimo ir optimizavimo procesą, taip sumažinant inžinerinių pakeitimų skaičių, optimizuojant gamybos procesą, sumažinant sąnaudas ir energijos suvartojimą.
Įgyvendinkite suasmenintą individualų projektavimo automatizavimą, pagrįstą dideliais duomenimis, tradicinių įmonės produktų tipų, stilių nėra daug, juos galima naudoti rankiniu būdu projektuojant gaminių modelius, gamybos pavyzdžius, o vėliau masinės gamybos gamybos režimą, tačiau, atsižvelgiant į individualizuotus, mažų partijų gamybos reikalavimus, tradicinis režimas lems, kad produkto gamybos ciklas bus per ilgas, kaina per didelė. Sukaupus didelį gaminio projektavimo modelio duomenų kiekį, analizuojant koreliaciją tarp projektavimo duomenų, naudojant didžiųjų duomenų technologiją ir kitus pagalbinius projektavimo įrankius, galima realizuoti personalizuoto pritaikyto projektavimo ir modelių generavimo automatizavimą.
Skatinti MTTP išteklių ir naujovių bei bendradarbiavimo projektavimo įmonių integravimą ir dalijimąsi jais kuriant ir tobulinant MTEP ir projektavimo žinių bazę, reklamuoti skaitmeninius brėžinius, standartinių dalių biblioteką ir kitus projektavimo duomenis įmonėje, taip pat tiekimo grandies įmones dalijimosi ištekliais ir naujovių bei bendradarbiavimo tiekimo grandinėje, siekiant sustiprinti įmonės integruotą kelių{0}regioninių MTTP išteklių valdymą. ir pramonės grandinės bendradarbiavimo projektavimo galimybes. Didinti įmonių gebėjimą valdyti ir panaudoti pasaulinius MTEP išteklius, optimizuoti ir pertvarkyti MTEP procesus ir pagerinti MTEP efektyvumą.
Puoselėti naujus MTTP būdus, pagrįstus socializuotu projektavimo išteklių dalijimusi ir dalyvavimu, ir suteikti įmonėms galimybę vykdyti naujus MTEP būdus, pvz., sutelkti įmones ir sutelkti įmones, pagrįstus jų pačių MTTP poreikiais, kad būtų padidintas įmonių gebėjimas panaudoti socializuotas inovacijas ir kapitalo išteklius.
02. Gamybos ir tiekimo grandinė
Gamybos didieji duomenys apima ne tik gaminio gamybos informaciją, informaciją apie užsakymus, informaciją apie įrangą, valdymo informaciją, informaciją apie medžiagas, personalo darbo planavimą, bet ir apima vidinį valdymo informacijos srautą, kapitalo srautą, tiekėjų produktų gamybą ir klientų valdymą bei kitą susijusią pagalbinę gamybos valdymo informaciją, gamybinių duomenų rinkimas priklauso nuo įmonės esamų išteklių valdymo, gamybos vykdymo, pramonės grandinės valdymo, tiekėjų valdymo ir kitų tiekimo klientų valdymo sistemų.
Tai realizuoja{0}}gamybos proceso stebėjimą ir valdymą realiuoju laiku bei numatomą gamybos įrangos priežiūrą, pagerina gamybos proceso ir įrangos valdymo lygį, optimizuoja gamybos procesą ir gerina produktų kokybę. Šiuolaikinėse pramoninės gamybos gamybos linijose sumontuoti tūkstančiai mažų jutiklių, leidžiančių aptikti gamybos įrangos darbinę būseną, pvz., temperatūrą, slėgį, šilumą, vibraciją, triukšmą ir kt. Naudojant šiuos duomenis galima stebėti gamybos procesą realiu laiku, diagnozuoti ir numatyti įrangos gedimus, analizuoti energijos sąnaudas, atlikti kokybišką avarijų analizę. Be to, ji taip pat gali integruoti ir agreguoti duomenis iš visų gamybos aspektų, sukurti virtualius gamybos proceso modelius, imituoti ir optimizuoti gamybos procesą.
Realizuoti individualizuotą individualizuotą gamybą ir skatinti šiuolaikinės gamybos sistemos sukūrimą. Automatizuodamas duomenų srautą per visą gaminio gyvavimo ciklą ir automatizuotą bei išmanų viso gamybos proceso valdymą, jis skatins dalijimąsi informacija, sistemų integravimą ir verslo bendradarbiavimą, pagerins tikslios gamybos, aukščiausios klasės gamybos ir judrios gamybos- gebėjimus, įgyvendins individualizuotą individualizuotą gamybą, paspartins modernizuotų gamybos sistemų, pvz., išmaniųjų dirbtuvių ir išmaniųjų gamyklų, kūrimą.
Įgyvendinkite tinklinę bendradarbiavimo gamybą ir gamybos dalijimosi ekonomiką. Naudojant „Internetą +“, gamybos išteklių integravimas ir optimizavimas įmonėse arba tarp įmonių, ir vertikalios bendros gamybos įmonės viduje arba horizontalios bendros gamybos tarp įmonių įgyvendinimas. Per internetą + dalijimosi ekonomiką, dalijantis inovacijų ištekliais, gamybos pajėgumais, atsargomis ir kitais gamybos ištekliais, siekiant įgyvendinti gamybos dalijimosi ekonomiką.
Optimizuokite pramonės tiekimo grandinę. Elektroninės identifikavimo technologijos, tokios kaip radijo dažnio atpažinimas (RFID), daiktų interneto (IoT) technologija ir mobiliojo interneto technologija, gali padėti pramonės įmonėms gauti didelius duomenis apie visą produktų tiekimo grandinę, o tokių duomenų naudojimas analizei žymiai padidins sandėliavimo, platinimo ir pardavimo efektyvumą bei žymiai sumažins išlaidas.
Realizuokite paklausos prognozavimą, kad geriau sutvarkytumėte gaunamas prekes ir gamybą, o paklausai sumažėjus atsekti problemos priežastį ir ją išspręsti.
Realizuoti klientų profiliavimą ir tikslią rinkodarą bei klientų elgesio analizę, kuri gali išplėsti klientų šaltinius, pagerinti rinkodaros sėkmės rodiklį ir originalų klientų pasitenkinimą bei lojalumą.
03. Eksploatavimo ir priežiūros bei aptarnavimo sritis
Yra daug duomenų šaltinių, susijusių su eksploatavimu, priežiūra ir aptarnavimu, įskaitant: realiu laiku{0}}veikimo būsenos duomenis ir aplinkos duomenis, renkamus gaminiuose įtaisytų jutiklių, gavus klientų leidimą; produktų pardavimo duomenys, gauti per verslo platformą, klientų duomenys ir atitinkamo produkto įvertinimo ar naudojimo atsiliepimai; klientų skundus ir atitinkamus apdorojimo įrašus; gaminių grąžinimas/grąžinimas ir atitinkami priežiūros įrašai.
Stebint ir analizuojant nuotoliniu būdu{0}}surinktų produktų veikimo būsenos duomenis realiuoju laiku, gali būti teikiamos internetinės vertės{1}}pridėtinės paslaugos, pvz., nuotolinis stebėjimas ir valdymas, gedimų diagnostika ir nuspėjamoji priežiūra, o tai gali sumažinti priežiūros išlaidas ir pagerinti produktų panaudojimą.
Analizuodama klientų naudojimo duomenis ir įrangos aplinkos duomenis, ji taip pat gali teikti išplėstines paslaugas vartotojams, išplėsti produktų vertės erdvę ir realizuoti į produktą{0}}centruoto verslo modelio transformaciją į modelį „gamyba + paslauga“.
Analizuodami klientų produkto įvertinimą ar naudojimo atsiliepimus, klientų skundus, įtraukdami naudingų komentarų į gaminio dizainą ir gaminio tobulinimą bei suskirstydami klientų skundus į kategorijas, galime pagerinti produkto kokybę ir{0}}paslaugų po pardavimo kokybę, sumažinti skundų skaičių ir padidinti klientų pasitenkinimą bei lojalumą.
Išanalizavę prekės grąžinimo ar taisymo priežastis ir laiku imdamiesi veiksmingų priemonių, galime pagerinti gaminių kokybę ir sumažinti grąžinimo bei remonto rodiklius.
2. Vertikalus įmonės sluoksnis
Vertikalus pramonės didelių duomenų architektūros sluoksnis yra padalintas į penkis sluoksnius fizinio domeno požiūriu iš apačios į viršų, tai yra įrangos sluoksnis, valdymo sluoksnis, dirbtuvių sluoksnis, įmonės sluoksnis ir bendradarbiavimo sluoksnis. Įrangos, valdymo ir dirbtuvių lygmenyje daiktų internetas gali būti naudojamas išmaniosioms gamykloms, pagrįstoms informacine fizine sistema, realizuoti; įmonės lygmenyje įmonė integruoja įvairias vidines informatizavimo programas, atlieka vidinių verslo procesų integravimą ir transformaciją, gerina įmonės veiklos efektyvumą; o bendradarbiavimo lygmenyje pramoninis debesis ir kitos platformų technologijos naudojamos išorinei bendrai įmonės gamybai ir novatoriškiems verslo modeliams, pvz., į gamybos paslaugas{1}}orientuotą modelį, realizuoti. Vertikalią įmonės dimensiją galima suskirstyti į tris posistemes: informacinę fizinę sistemą, įmonės valdymo informacinę sistemą ir sujungimo platformų sistemą.
01. Informacijos fizinė sistema
Informacinė fizinė sistema renka ir kaupia mašinos veikimo duomenis ir gamybos vietos duomenis per jutiklius ir įvairias informacines sistemas, siekdama realizuoti visur esantį jutimą, ir taiko duomenų integravimo ir apdorojimo technologiją pramoniniams duomenims rinkti ir keistis, gamybos grįžtamuoju ryšiu ir valdyti, valdyti ir sąveikauti su įranga ir dirbtuvėmis, realizuoti vidinių ir išorinių gamyklų fizinių sistemų tarpusavio ryšį ir sąveikumą bei teikti duomenų bazę pramoninei analizei ir modeliavimo/simuliacijai. sprendimų priėmimas-cechų / gamyklos operacijų optimizavimas. Tai taip pat suteikia duomenų bazę pramoniniam modeliavimui / modeliavimui ir analizei, o tai savo ruožtu teikia techninės priežiūros paslaugas, skirtas cecho / gamyklos veiklos sprendimų optimizavimui. Vertikaliajame pramoninės didžiųjų duomenų architektūros įmonės lygmenyje informacijos fizinė sistema, naudojama informacijai rinkti pramoninės įrangos lygmenyje, yra pagrįsta dideliais duomenimis, tinklu ir masės skaičiavimu, o naudojant pagrindines protingas suvokimo, analizės, gavybos, įvertinimo, prognozavimo, optimizavimo, bendradarbiavimo ir kitas technines priemones, skaičiavimas, komunikacija ir valdymas gali realizuoti organinę sintezę ir pasiekti gilų bendradarbiavimą. kibernetinė ir fizinė pramoninės įrangos, aplinkų ir grupių erdvė. Gili integracija. Informacinės fizinės sistemos esmė slypi fizinės įrangos prijungime prie interneto, kad fizinė įranga atliktų penkias pagrindines funkcijas: skaičiavimą, ryšį, tikslų valdymą, nuotolinį koordinavimą ir autonomiją.
02.Įmonių valdymo informacinė sistema
Įmonių informatizacija – tai informacinių technologijų ir produktų taikymo įmonėse procesas. Įmonių informatizacija – tai visapusiško informacinių technologijų skverbimosi iš vietinio į pasaulinį, nuo taktinio iki strateginio lygmens į įmones procesas, taikant jį procesų valdymui ir remiant įmonės veiklą bei valdymą. Įmonės informatizavimas daugiausia apima gamybos proceso kontrolę, įmonės valdymą, produkto gyvavimo ciklo valdymą, tiekimo grandinės optimizavimą ir valdymo procesus. Gamybos proceso kontrolės informatizacija orientuota į produkto kūrimą ir projektavimą, gamybos proceso eigą, cecho valdymą, kokybės tikrinimą ir kitas projektavimo bei gamybos sąsajas. Įmonės valdymo informatizacija yra didžiausia įmonės informacijos konstravimo dalis, sunkiausia, plačiausiai naudojama srityje, apimančioje įmonių valdymo verslą ir visus lygius. Įmonių valdymo informacinė konstrukcija yra efektyvus informacijos išteklių rinkimas, apdorojimas, tvarkymas ir integravimas naudojant informacijos integravimo taikomųjų programų sistemą, remiantis pagrindinio valdymo darbo standartizavimu ir verslo procesų optimizavimu, valdymo efektyvumo gerinimu ir dinamiškos valdymo informacijos teikimu realiuoju laiku ir sprendimų priėmimo informacija. Įmonės tiekimo grandinės valdymo informatizacija leidžia įmonės gamybos ir valdymo veiklai plėstis pirmyn ir atgal. Įmonės nuo žaliavų, komponentų įsigijimo, transportavimo, sandėliavimo, perdirbimo ir gamybos, pardavimo iki galutinio pristatymo ir aptarnavimo klientams, sudarančios grandinės struktūrą, kurią sudaro tiekėjai, tarpiniai gamintojai ir trečiųjų šalių paslaugų teikėjai, tolesni pardavimo klientai ir įmonių gamybos veikla, valdymo procesai yra priklausomi nuo šios tiekimo grandinės ir įtakos.
03. Prijungta platformų sistema
Šiuo metu Kinijos ir daugelio šalių pramonės plėtra susiduria su dideliais sunkumais ir iššūkiais, įskaitant: didelį pajėgumų perteklių, individualizuotų produktų trūkumą, gaminiai tampa vis sudėtingesni, gamybos priemonės negali būti efektyviai sukonfigūruojamos, o didelės apimties įrangos rinka vis labiau prisotinama ir pan., todėl reikia skubiai ieškoti strateginio sprendimo pramonės pertvarkai ir pramonės tobulinimui. „Internet+“ labai dinamiškas mąstymas ir novatoriški verslo modeliai, skirti apdirbamosios pramonės padėčiai, kuriai skubiai reikia pertvarkos ir atnaujinimo, suteikia naują transformacijos kryptį, reformuojant gamybos metodus ir verslo modelius bei tobulinant gamybos technologijas, siekiant pritaikyti klientus individualiems poreikiams pritaikytus produktus, mažų partijų, didelio masto gamybą, kad būtų išspręsta didelio-pramoninių produktų gamybos pajėgumų problema. Reformuodami gamybos metodus ir verslo modelius bei tobulindami gamybos technologijas, galime realizuoti mažą-didelę{8}}asmeniniams poreikiams pritaikytų gaminių gamybą, kad išspręstume didelio-pramoninių produktų pertekliaus ir nesugebėjimo patenkinti klientų individualizuoto gaminių paklausos problemą, kad patenkintume klientų pagarbos ir patvirtinimo bei savirealizacijos poreikį{10}.
Pabandykite išspręsti silpnos pagrindinės technologijos ir aukštos klasės produktų mažo gamybos pajėgumo problemą pasitelkdami tinklinę bendradarbiavimo gamybą, ty interneto ar pramoninės debesies platformos pagalba, sukurkite naujus bendro tyrimo ir plėtros, sutelktinio tiekimo projektavimo, tiekimo grandinės bendradarbiavimo ir pan. būdus tarp įmonių, kad efektyviai sumažintumėte išteklių įsigijimo sąnaudas, žymiai padidintumėte uždarų išteklių panaudojimo apimtį, nutrauktumėte uždarų išteklių panaudojimo mastą, paspartinti transformaciją nuo „kovos vienas“ į „pramoninį bendradarbiavimą“. „į pramonės sinergiją ir skatinti bendrą pramonės konkurencingumą.
Stenkitės išspręsti perteklinio pajėgumo problemą be efektyvaus išteklių paskirstymo ir silpnų savarankiškų inovacijų gebėjimų pasitelkiant inovacijas ir verslumą, gamybos dalijimosi ekonomiką.
Su pagrindiniu produktu kaip ašimi, renkant ir analizuojant produkto klientų naudojimo duomenis ir supančios aplinkos duomenis, siekiant teikti vartotojams išplėstines paslaugas, plečiant produkto vertės erdvę, plečiant naujas rinkas ir įgyvendinant į produktą{0}}centruoto verslo modelio transformaciją į modelį „gamyba + paslauga“.
3. IT vertės grandinė
Didelių duomenų vertė suvokiama atliekant tokias veiklas kaip duomenų rinkimas, išankstinis{0}} apdorojimas, analizė, vizualizacija ir prieiga.
IT vertės grandinės dimensijoje didelių duomenų vertė realizuojama teikiant tinklus, infrastruktūrą, platformas, taikomųjų programų įrankius ir kitas paslaugas, kuriose saugomi dideli duomenys, skirti didelių duomenų programoms, taip gerinant veiklos efektyvumą ir remiant verslo naujoves. Didžiųjų duomenų technologijų palaikomą įmonės architektūrą galima suskirstyti į tris lygius: verslo architektūrą, informacinių sistemų architektūrą ir IT technologijų architektūrą, atsižvelgiant į TOGAF padalijimo metodą.
01. Verslo architektūra
Verslo architektūra apibrėžia verslo strategiją, valdymą, organizaciją ir pagrindinius verslo procesus, yra įmonės išsamios informacinių technologijų strategijos ir informacinių sistemų architektūros pagrindas, taip pat duomenų, taikomųjų programų ir technologijų architektūros determinantas. Verslo architektūra yra kanalas, kuris organizacijos verslo strategiją paverčia kasdiene veikla, o verslo strategija lemia verslo architektūrą. Verslo architektūra aukšto lygio verslo strategijas ir tikslus paverčia{2}} veikiančiais verslo modeliais. Verslo architektūra – tai pagrindinės įmonės verslo strategijos ir verslo funkcijų bei procesų išraiška, dažniausiai verslo modelio pagrindu įgyvendinamas verslo dizainas, apibūdinantis verslo modulius ir ryšius tarp jų, ty pagrindinius verslo procesus iš skirtingų perspektyvų. Verslo architektūra yra tinkamas pagrindinių ir bendrų verslo procesų apibūdinimas bei verslo elementų gyvavimo ciklo formulavimas ir analizė. Pramoninių didžiųjų duomenų vertę galima gauti strategiškai planuojant pramoninį didžiųjų duomenų verslą ir kuriant įmonės architektūrą.
02.Informacinės sistemos architektūra
Norint visiškai išnaudoti pramoninių didžiųjų duomenų vertę ir išvengti „informacijos salelių“ susidarymo, būtina sukurti vieningą informacinės sistemos architektūrą, kad būtų galima pasiekti vartotojų prieigą ir įvairių taikomųjų sistemų bei duomenų sąveiką. Informacinės sistemos architektūra, pagrįsta pramonine didžiųjų duomenų verslo strategija, yra architektūra, kuri atspindi ryšį tarp įvairių gamybos įmonės informacinės sistemos komponentų, taip pat ryšį tarp informacinės sistemos ir susijusio verslo bei informacinės sistemos ir susijusios technologijos. Informacinės sistemos architektūra apima programų architektūrą ir duomenų architektūrą. Be to, taikomųjų programų architektūra apibūdina taikomųjų programų sistemos, reikalingos įmonės veiklai palaikyti, planą, įskaitant taikomųjų programų lygius, funkcijas, realizavimo metodus ir statybos standartus ir kt. Ji daugiausia tiria taikomųjų programų sistemų sąveiką ir atitiktį tarp taikomųjų programų ir pagrindinės veiklos, o tai yra bendros įmonės struktūros, kuri, galima sakyti, yra tiltas tarp verslo architektūros ir techninės architektūros, tyrimas. Pramoninėje didelių duomenų taikomųjų programų architektūroje yra tiek taikomųjų programų sistemos, atitinkančios įvairius įmonės vertikaliojo sluoksnio lygius pramoninėje didelių duomenų architektūroje, tiek taikomųjų sistemų, pagrįstų didelių duomenų technologija. Kita vertus, duomenų architektūra yra sudėtingo organizacinio organo pagrindinių duomenų tipų ir šaltinių, loginių duomenų išteklių, fizinių duomenų išteklių ir duomenų valdymo išteklių struktūros ir sąveikos aprašymas.
03.Informacinių technologijų architektūra
Kilus Pramonės 4.0 bangai, tokios informacinės technologijos kaip daiktų internetas (IoT), debesų kompiuterija, dideli duomenys, dirbtinis intelektas, papildyta realybė/virtuali realybė ir kitos informacinės technologijos nuolat integruojasi ir skverbiasi į pramonės sritį, o tai kloja tvirtą technologinį pagrindą diegti pramonines didžiųjų duomenų programas. Be to, daiktų interneto technologija sukuria visur esančią galutinę įrangą ir įrenginius, kuriuos galima prijungti prie interneto pagal sutartus protokolus naudojant informacijos jutimo įrenginius, tokius kaip radijo dažnio identifikavimas, infraraudonųjų spindulių jutikliai, globalios padėties nustatymo sistemos ir kt., kad būtų galima keistis ir bendrauti, kad daiktai ir jų būsena būtų matomi, kad būtų galima išmaniai identifikuoti, lokalizuoti, sekti, stebėti ir valdyti; debesų kompiuterijos technologija teikia tam tikrą dinamišką ir keičiamo dydžio skaičiavimo paslaugą, kurią pagal poreikį galima įgyvendinti tinkle. Debesų kompiuterijos technologija tinkle teikia pagal poreikį, dinamiškai keičiamo dydžio ir nebrangias skaičiavimo paslaugas; didžiųjų duomenų technologija ir dirbtinio intelekto technologija leidžia išanalizuoti ir išgauti potencialią masinių duomenų vertę per priimtiną laiką, taip pat realizuoti tendencijų numatymo ir grupės žvalgybos režimą; AR/VR technologija gali imituoti ir tobulinti gamyklos aplinkos, pramoninės įrangos ir pan. Gamybos įmonės kasdien ar net kiekvieną akimirką generuoja didelį duomenų kiekį, apimantį visą pramonės produktų gyvavimo ciklą, įskaitant projektavimo duomenis, gamybos duomenis, vertės grandinės duomenis ir susijusius išorinius duomenis. Šie duomenys gaunami arba iš jutiklių, arba iš išmaniosios įrangos duomenų rinkimo ir stebėjimo valdymo sistemos, arba iš įmonės projektinio modelio ir informacinės sistemos.
Norint įgyvendinti pramoninę didžiųjų duomenų taikomąją programą, reikia rinkti ir iš anksto apdoroti, saugoti, analizuoti ir išgauti, pritaikyti konkrečiam verslui ir galiausiai rodyti rezultatus, atitinkamai pramoninė didelių duomenų informacinės technologijos architektūra suskirstyta į šešis sluoksnius: duomenų sluoksnį, duomenų rinkimo sluoksnį, saugojimo sluoksnį, skaičiavimo sluoksnį, taikomųjų programų sluoksnį ir rodymo sluoksnį. Jei įmonės kiekvieną sluoksnį statys atskirai, statybos riba bus gana aukšta. Namuose ir užsienyje buvo sukurta ir užbaigta daug atvirojo- kodo technologijų komponentų, susijusių su pramoninių debesų paslaugomis ir (pramoniniu) didžiųjų duomenų apdorojimu, o dirbtinio intelekto technologija toliau padarė didelę pažangą, teikianti pasirenkamus sprendimus išmaniai transformuoti pramonės sritį, taip pat sumažina pramoninių didelių duomenų programų kūrimo ir diegimo slenkstį. Įmonėms nereikia savarankiškai realizuoti kiekvieno techninės architektūros komponento, jei tai nėra būtina, ir gali pasirinkti naudoti atitinkamus atvirojo kodo komponentus kurdamos pramonines didžiųjų duomenų programas pagal savo poreikius, taip pat įvairių tipų ir lygių pramonines debesų paslaugas pagal savo poreikius ir šiuo pagrindu diegti pramonines didžiųjų duomenų programas, kad daugiau dėmesio būtų skiriama verslo sritims ir techninėms sritims, kuriose įmonės yra gerai.
Pramonės didelių duomenų analizės technologija, kaip viena iš pagrindinių pramoninių didžiųjų duomenų technologijų, gali suteikti pramoniniams didelių duomenų produktams galimybę rinkti didžiulius duomenis, integruoti kelių{0}}šaltinių duomenis, modeliuoti kelių-tipų žinias, analizuoti kelių-verslo scenarijus ir atrasti kelių-domenų žinias ir kt., kurios vaidina svarbų vaidmenį skatinant verslo naujoves ir skatinant verslą. įmonių pertvarka ir modernizavimas.