力控科技

管控一体化解决之道

工业大数据平台浅析


1 互联网+下的智慧工厂

      智慧工厂是以制造、设计、管理为中心的智能制造,从原材料、能源供应、产品销售的角度用工程技术、生产制造、供应链这三个维度来描述智慧工厂的全部活动。大型智慧工业企业和智慧城市园区都需要完成从数字化到智慧层的跨越,智能工厂的核心是将工厂的大量的人、信息和机器通过ICT(Information Communication Technology)技术完成互连,将全部生产要素联成统一的工业互联网,而智慧城市则需要通过IOT(Internet Of Things)把数字城市与物理城市无缝连接起来,来完成智慧市政、能源、水务、环保等系统的建设。加快了智能工厂与智慧城市建设的速度。

      德国工业4.0战略的核心就是通过CPS(信息物理系统)网络实现物理世界与虚拟世界的融合,从而构建一个高度灵活的个性化和数字化的智能制造模式,从根本上改变现有的生产思维模式。工业软件是CPS物理信息系统的核心,是智能制造体系中的物联网与服务网的基础。

      工业互联网主要包括和产品设计、技术相关的PLM、与生产计划、物流、能源和经营相关的ERP、SCR、CRM等。工业物联网主要包括与制造生产设备和生产线控制、调度、排产等相关的PCS、MES等,在成品制造过程、原材料供应、售后服务等产业链之间通过CPS形成实时互联互通的信息交换。

      工业软件通过多维角度的信息模型来围绕产品设计、技术支持、生产制造以及原材料供应、销售和市场相关的所有环节的活动。物联网和管理网是智慧工厂的信息技术基础。

      制造业是一个工业化国家的重要基础。在2008~2009年的世界经济危机之后,许多国家重新认识了制造业的重要性,并且制定了一系列的政策来夯实本国的制造业基础。例如,美国政府推出了“先进制造业伙伴计划”,希望重夺制造业全球领导地位;德国政府也启动了“工业4.0”国家战略,以巩固自身的制造业竞争力。最近,中国政府也颁布了一项意义重大的国家战略——《中国制造2025》,旨在为中国制造业进一步夯实基础、推进变革。

      以上所有国家战略的背后都有一个共同点,那就是对加快发展CPS和工业大数据相关技术的重视,并以此作为未来制造业发展的新驱力。这些新驱力将给工业转型带来深刻影响,人们因此将制造业的这一次变革称为“第四次工业革命”。

2   工业云的建设

2.1  工业云的意义


      在工业领域、无论是系统监控还是整体优化都需要大量现场数据支持,很多之后甚至需要积累的庞大数据做支撑,这决定了如果要实现监控与优化控制,必然要依赖于大型数据中心,考虑到数据的安全性的私密性,云无疑是最好的承载平台。

      为了解决行业通用性问题的优化,也需要将行业中各个企业工厂的数据进行汇总,这显然也不是传统的企业数据中心可实现的。

      基于云的优化解决方案可以无缝集成推广至其他企业,大大提高了整个工业体系的优化进度,同时相对于一个一个企业的实施方法大大降低了成本。

      工业云平台采集的是工业企业最基本的原始数据,为国家监管统计部门提供了第一手数据,对于国家层面对于整个工业系统的把控能力有了基本数据层面的支持。

2.2    共享经济

      流程行业的工业体系在国民经济中占有重要地位,其共同点特征是它们都由一系列单元操作设备通过一定形式组合成复杂系统。随着信息技术的发展,例如云计算、工业大数据、物联网、工业互联网、云制造等技术的日臻成熟以及相关工业标准的发布与执行,过程工业生产方式在技术层面已经开始逐渐从两化融合到后信息化工业革命的转变。同时也为仿真系统平台的开发应用提供了全新的设计思路和实现方法。

      通过工业云平台的建设,可以充分利用现有云计算中心资源,带动工业云平台软件以及工业云服务企业的发展,工业云的建设主要围绕工业大数据的智能应用,从而带动工业物联网产业发展和突破工业人工智能关键技术。通过深入挖掘工业大数据价值,来推动工业智能设备产业升级、工业生产安全监管等重点领域的工业大数据应用,构建整体大数据智能应用生态。带动企业基于工业大数据的第三方数据分析发掘服务、技术外包服务和知识流程外包服务的开展,形成产业集群来带动新一代工业互联网产业的发展。

2.3   整合产业链

      以互联网为代表的新一代信息通信技术正在加速向工业的研发设计、生产、供应链、销售、服务等全价值链环节渗透,形成新模式、新业态,重塑产业组织与制造模式,重构企业与用户关系。

      化工、石化、炼油等过程工业是国民经济的支柱产业,过程设备、装置和工厂是典型复杂大系统,具有大通量、多变量、非线性、强耦合等特点。过程模型是过程知识的集中体现,工艺和控制的设备和流程动态仿真是仿真培训系统的灵魂,基于云计算模型的模拟和仿真是提升产业链优化设计和改变服务模式的根本方法。

      以互联网+模式在工业云基础上构建的工业大数据平台可以完成对企业生产制造和业务管理流程的智能优化。能够整合全部生产线数据,对生产动态模型建设、多目标控制流程进行优化,并可对物料品质、能耗、设备异常和零件生命周期进程进行监控预警,赋予设备和系统“自我意识”,进而实现低成本、高效率的并行生产。在业务流程管理方面,工业大数据将企业业务执行与数据高度融合,可打通用户、市场、企业、政府间的隔离状态,让数据驱动实时决策和高效运营,实现企业柔性化、透明化管理。为带动周边地区经济与稳定以及国际间经济合作共赢提供强有力支撑。

2.4    智能互联

      目前,欧美等发达国家的工业企业正在大力发展智能互联产品。相比传统工业产品,智能互联产品内置传感器、处理器和软件,并与互联网相联,同时产品数据和应用程序在云端存储并运行。产品具备了智能互联特性后,不仅性能更强、可靠性更佳、利用率更高,而且能提供跨界乃至超越传统产品的新功能。智能互联产品的涌现,将重塑现有的价值链,进而引发生产效率的大规模提升,激发更多创新,实现更大的生产率提升和经济发展。

      在工业智能互联产品的体系中,工业云是产品互联信息的后端处理平台,负责完成以下核心功能:

      产品数据库:大数据储存库,可以实现对产品实时及历史数据的存储、标准化处理和管理。

      应用平台:执行和开发应用程序的环境,通过数据接入、虚拟化和运行时间工具,用户可以实现智能互联应用软件的快速开发。

      规划/数据分析引擎:产品运行中嵌入的包含规则、商业逻辑和大数据分析能力的算法,让企业发掘新的产品能力。

      智能产品应用:用来管理产品的监测、控制、优化和自动等功能。

3   工业大数据平台

3.1    发展背景

      国家制造强国建设战略咨询委员会于2015年10月发布了《中国制造2025》重点领域技术路线图,明确了需要重点突破的十大技术领域,其中在“新一代信息技术产业/操作系统与工业软件”部分中指出要重点发展“云端”+“终端”工业大数据平台产品,具体说明为:面向终端与云端数据的交换融合与智能协同,研制设备端的嵌入式数据管理平台与实时数据智能处理系统,开发云端具有海量处理能力的工业数据采集、存储、查询、分析、挖掘与应用的工业数据处理软件栈。构建覆盖产品全生命周期和制造全业务活动的工业大数据平台,支持企业内部与外部、结构化与非结构化、同步与异步、动态与静态、设备与业务、实时与历史数据的整合集成与统一访问,实现“数据驱动”。

3.2    工业大数据平台

      工业大数据平台是基于产业链中的企业之间的信息集成,是智能制造的一个核心,智能制造将无处不在的传感器,嵌入式终端系统,智能控制系统,通信设施通过集成平台形成一个智能网络,使人与人,人与机器,机器和机器以及服务和服务之间能够互联,从而实现横向,纵向和端到端的高度集成。

       随着智能工厂的迅速发展,基于传统模型的实时数据库已经无法满足横向集成对工业产业链规模、拓展性、容错性的要求。传统的实时数据库事务处理缺少对智能工厂相关需求的针对性研究,没有充分考虑分布式事务处理面临的事务分解、事务合并、数据一致性等问题,建设一个支持工业云体系的具有高容量、高伸缩性、高容错性的分布式实时数据库对工业大数据的建设可提供基础支撑。

      工业互联网领域的大数据平台可以将以GFS、HDFS,、Cassandr为代表的分布式存储系统进行有效整合来进行建设,可以充分利用现有数据中心的资源。解决数据存储处理规模的海量性与事务在分布式环境下执行的实时性之间的矛盾。

      基于海量工业大数据的数据挖掘可以用树、图、层次聚类之类直观的结构,清楚的描述变量之间的复杂依赖关系,工业大数据平台的建设可以帮助在生物特征鉴别(人脸,语音,指纹,虹膜)、机器视觉、目标跟踪这些领域,直接代替人进行决策来得到结果,并分析决策原因和过程。提升模式识别、机器学习和深度等人工智能算法在云计算时代的创新与提高。

3.3 大数据的技术体系

      大数据来源于互联网、企业系统和物联网等信息系统,经过大数据处理系统的分析挖掘,产生新的知识用以支撑决策或业务的自动智能化运转。从数据在信息系统中的生命周期看,大数据从数据源经过分析挖掘到最终获得价值一般需要经过5个主要环节,包括数据准备、数据存储与管理、计算处理、数据分析和知识展现。过程中需要保证工业数据的完整性。

3.4   构建工业大数据平台

      构建工业大数据平台是以工业系统的数据收集、特征分析为基础,对设备、装备的质量和生产效率以及产业链进行更有效的优化管理,并为未来的制造系统搭建无忧的环境。而工业云平台作为支撑工业大数据平台的基础平台,是能够完成对来自设备端的海量工业数据实现采集、存储、查询、分析、挖掘与应用的重要支撑。

      智能制造下的综合集成需要适应各种工厂多种不同的数据模型、信息模型、业务模型的定义与连接,典型的工业IT及其集成技术包括工业物联网、工业云计算、工业互联网技术、物理信息融合系统、机器与机器之间的通信(M2M)、基于统一架构(OPCUA)的控制软总线、适应自动化体系中的人工智能,基于SOA体系的模块化软件开发平台等。

      力控科技的分布式实时数据库基于信息模型的中间件、通过开放接口和异构对象模型实现垂直集成应用的无缝集成,完成从物联感知到海量工业大数据平台的管理。

      力控科技的分布式实时数据库系统作为工业信息化基础数据平台,对点数规模、数据分布、可靠性、扩展性的要求不断提高。分布式实时数据库以其海量数据存储、规模动态扩展、系统可用性可靠性高等特点得到了广泛的运用与发展。

3.5    大数据的系统集成

      拥有大数据不是目的,发掘其价值才是关键。由企业信息化数据、装备物联网数据和外部互联网数据汇聚而成的工业大数据,蕴藏着巨大价值。但工业大数据的原始数据(生数据)质量决定分析结果的质量。同时工业大数据其来源更加广泛,并且装备物联网数据(半结构化数据)和外部互联网数据(非结构化数据)都要与企业信息系统(结构化数据)进行集成,基于产业链的横向集成更加重要。

3.6    数据挖掘与分析

      大数据分析平台的发展需要在两个方面取得突破,一是对体量庞大的结构化和半结构化数据进行高效率的深度分析,挖掘隐性知识,如从自然语言构成的文本网页中理解和识别语义、情感、意图等;二是对非结构化数据进行分析,将海量复杂多源的语音、图像和视频数据转化为机器可识别的、具有明确语义的信息,进而从中提取有用的知识。

      大数据分析一是对体量庞大的结构化和半结构化数据进行高效率的深度分析,挖掘隐性知识,如从自然语言构成的文本网页中理解和识别语义、情感、意图等;二是对非结构化数据进行分析,将海量复杂多源的语音、图像和视频数据转化为机器可识别的、具有明确语义的信息,进而从中提取有用的知识。