Rūpnieciskie lielie dati attiecas uz visa veida datiem un saistītām tehnoloģijām un lietojumprogrammām, kas tiek ģenerētas rūpnieciskajā jomā saistībā ar tipisku viedo ražošanas modeli, sākot no klientu pieprasījuma līdz pārdošanai, pasūtījumiem, plānošanai, pētniecībai un izstrādei, projektēšanai, procesam, ražošanai, sagādei, piegādei, krājumiem, nosūtīšanai un piegādei, pēc-pārdošanas pakalpojumiem, darbībai un apkopei, lūžņiem vai otrreizējai pārstrādei un katra produkta dzīves cikla visa produkta dzīves cikla atkārtotai ražošanai. Rūpnieciskie lielie dati ir viedās ražošanas kodols, kura pamatā ir "lielie dati + rūpnieciskais internets", mākoņdatošana, lielie dati, lietiskais internets, mākslīgais intelekts un citas tehnoloģijas, lai vadītu rūpnieciskās ražošanas metožu maiņu un virzītu inovatīvu rūpnieciskās ekonomikas attīstību.
Detalizēts industriālās lielo datu tehnoloģijas un pielietojuma apraksts
I. rūpniecisko lielo datu definīcija
Rūpnieciskie lielie dati attiecas uz industriālo jomu, kas aptver tipisku viedo ražošanas modeli, sākot no klientu pieprasījuma līdz pārdošanai, pasūtījumiem, plānošanai, pētniecībai un izstrādei, projektēšanai, procesam, ražošanai, sagādei, piegādei, krājumiem, nosūtīšanai un piegādei, pēc-pārdošanas pakalpojumiem, ekspluatācijai un apkopei, visa produkta dzīves cikla dažāda veida datu un lietojumprogrammu, dažādu saistīto vispārīgo tehnoloģiju un terminu ģenerētiem lūžņiem vai pārstrādei un atkārtotai ražošanai. Tas ir vērsts uz produktu datiem, kas ievērojami paplašina tradicionālo rūpniecisko datu apjomu, kā arī ietver ar rūpnieciskiem lielajiem datiem saistītas tehnoloģijas un lietojumprogrammas. Galvenie rūpniecisko lielo datu avoti ir šādas trīs kategorijas.
1. Biznesa dati, kas saistīti ar ražošanu un darbību
Ar ražošanu un darbību{0}}saistītie uzņēmējdarbības dati galvenokārt nāk no tradicionālās uzņēmumu informatizācijas un tiek glabāti uzņēmuma informācijas sistēmās, tostarp tradicionālajā rūpnieciskā dizaina un ražošanas programmatūrā, uzņēmuma resursu plānošanā (ERP), produkta dzīves cikla pārvaldībā (PLM), piegādes ķēdes pārvaldībā (S CM), klientu attiecību pārvaldībai (CRM) un vides pārvaldības sistēmā (EMS) utt. Šajās uzņēmuma informācijas sistēmās ir uzkrāts liels datu apjoms. Šīs uzņēmuma informācijas sistēmas ir uzkrājušas lielu daudzumu produktu izstrādes datu, ražošanas datu, darbības datu, klientu informācijas datu, loģistikas un piegādes datu un vides datu. Šāda veida dati ir tradicionāls datu līdzeklis rūpniecības jomā, un tas pakāpeniski paplašina savu darbības jomu jaunu tehnoloģiju lietojumprogrammu, piemēram, mobilā interneta, vidē.
2. Iekārtas IoT dati
Iekārtu IoT dati galvenokārt attiecas uz rūpnieciskās ražošanas iekārtām un mērķa produktiem IoT darbības režīmā, reāllaikā ģenerējot un apkopojot datus par darbību un darbību, darba apstākļiem, vides parametriem un citiem datiem, kas atspoguļo iekārtu un produktu darbības statusu. Šādi dati ir jauns un visstraujāk augošais rūpniecisko lielo datu avots. Šauri rūpnieciskie lielie dati attiecas uz šāda veida datiem, tas ir, lielu datu apjomu, ko ātri ģenerē rūpnieciskās iekārtas un produkti, un laika{3}}rindu atšķirības.
3. Ārējie dati
Ārējie dati attiecas uz rūpniecības uzņēmumu ražošanas darbībām un produktiem, kas saistīti ar uzņēmuma ārējiem interneta datu avotiem, piemēram, uzņēmuma vides aizsardzības normatīvo aktu novērtēšanu, produktu tirgus makro-sociālekonomisko{1}}ekonomisko datu prognozēšanu un tā tālāk. Rūpnieciskā lielo datu tehnoloģija ir tehnoloģiju un metožu virkne, kas ļauj iegūt un parādīt rūpnieciskajos lielos datos ietverto vērtību, tostarp datu plānošanu, iegūšanu, iepriekšēju-apstrādi, uzglabāšanu, analīzi un ieguvi, vizualizāciju un viedo vadību. Rūpniecisko lielo datu lietojumprogramma ir rūpniecisko lielo datu tehnoloģiju un metožu sērijas integrēšana un pielietošana konkrētai rūpnieciskai lielo datu kopai, lai iegūtu vērtīgu informāciju. Rūpniecisko lielo datu tehnoloģiju izpēte un izrāviens būtībā ir vērsts uz jaunu modeļu un zināšanu atklāšanu no sarežģītām datu kopām un vērtīgas jaunas informācijas ieguvi, lai veicinātu ražošanas uzņēmumu produktu inovācijas, uzlabotu darbības līmeni un ražošanas efektivitāti un paplašinātu jaunus biznesa modeļus.
II. Rūpnieciskie lielo datu raksturlielumi
Papildus vispārīgo lielo datu raksturlielumiem (liels datu apjoms, daudzveidība, ātrums un zemas vērtības blīvums), rūpnieciskajiem lielajiem datiem piemīt arī laika secības, spēcīgas korelācijas, precizitātes un slēgtas cilpas īpašības.
Liels datu apjoms:datu lielums nosaka aplūkojamo datu vērtību un potenciālo informāciju. Rūpniecisko datu apjoms ir salīdzinoši liels, turpina ienākt liels skaits augstas-frekvences datu no mašīnām un iekārtām, kā arī interneta dati, un lielo rūpniecības uzņēmumu datu kopas sasniegs PB vai pat EB līmeni.
Šķirne (šķirne):attiecas uz datu tipu daudzveidību un plašu avotu klāstu. Rūpnieciskie dati tiek plaši izplatīti dažādos aspektos, piemēram, iekārtās un iekārtās, rūpnieciskajos produktos, pārvaldības sistēmās un internetā, un struktūra ir sarežģīta, un tajā ir strukturēti un daļēji strukturēti sensoru dati, kā arī nestrukturēti dati.
Ātri (ātrums):attiecas uz datu iegūšanas un apstrādes ātrumu. Rūpniecisko datu apstrādes ātruma vajadzības ir dažādas, ražošanas vietas{1}}līmeņa prasības analīzes laika posmam līdz milisekundes līmenim, pārvaldības un lēmumu pieņemšanas{2}}lietojumprogrammām ir jāatbalsta interaktīva vai pakešu datu analīze.
Zemas vērtības blīvums (vērtība):rūpnieciskie lielie dati liek lielāku uzsvaru uz lietotāja vērtību{0}}un pašu datu lietojamību, tostarp: uzlabojot inovācijas spējas un ražošanas un darbības efektivitāti un veicinot personalizētu pielāgošanu, pakalpojumu pārveidošanu un citus jaunus viedo ražošanas izmaiņu veidus.
Secība:Rūpnieciskajiem lielajiem datiem ir spēcīga laika secība, piemēram, pasūtījumi, aprīkojuma statusa dati.
Spēcīga{0}}atbilstība:No vienas puses, datiem tajā pašā produkta dzīves cikla posmā ir liela nozīme, piemēram, produkta daļu sastāvam, darba apstākļiem, aprīkojuma statusam, apkopei un papildu detaļu iegādei; no otras puses, dati dažādos produkta dzīves cikla posmos, piemēram, pētniecībā un attīstībā un projektēšanā, ražošanā un apkalpošanā, ir jāsaista.
Precizitāte:galvenokārt attiecas uz datu autentiskumu, pilnīgumu un uzticamību un vairāk uzmanības pievērš datu kvalitātei, kā arī apstrādes un analīzes metožu un metožu uzticamībai. Augstākas ticamības prasības datu analīzei, paļaujoties tikai uz statistisko korelācijas analīzi, nepietiek, lai atbalstītu kļūdu diagnostiku, prognozēšanu un agrīnu brīdināšanu un citus rūpnieciskus lietojumus, nepieciešamību apvienot fizisko modeli ar datu modeli, ieguves cēloņu un seku saistību.
Slēgts{0}}cikls:ietverot datu ķēdes slēgšanu un saistīšanu visa produkta dzīves cikla horizontālajā procesā, kā arī inteliģentas ražošanas vertikālo datu iegūšanas un apstrādes procesu, kam ir jāatbalsta dinamiska un nepārtraukta pielāgošana un optimizācija saskaņā ar slēgtā{0}}cikla stāvokļa noteikšanas, analīzes, atgriezeniskās saites un kontroles scenārijiem.
Iepriekš minēto īpašību dēļ rūpnieciskajiem lielajiem datiem kā lielo datu lietojumprogrammu nozarei ir plaša pielietojuma perspektīva, vienlaikus radot lielu izaicinājumu tradicionālajai datu pārvaldības tehnoloģijai un datu analīzes tehnoloģijai.
III. Rūpnieciskā lielo datu arhitektūra
Rūpnieciskā lielo datu arhitektūra ietver trīs dimensijas: dzīves ciklu un vērtību plūsmu, uzņēmuma vertikālo slāni un IT vērtību ķēdi.
Dzīves cikla un vērtības plūsmas slānī atbilstoši rūpniecisko lielo datu pielietojuma jomām to var iedalīt trīs jomās: produktu izstrāde un dizains pirms produkta ražošanas posma sākuma, ražošanas un piegādes ķēdes vadība pirms produkta piegādes un ekspluatācijas un apkopes un pakalpojumu pārvaldība pēc produkta piegādes.
Uzņēmuma vertikālajā slānī atbilstoši datu vākšanas metodei un lietojumprogrammas līmenim to var iedalīt informācijas fiziskās sistēmas slānī, uzņēmuma vadības informācijas sistēmas slānī un platformas starpsavienojumu sistēmas slānī.
IT vērtību ķēdes slānī to var iedalīt biznesa arhitektūrā, informācijas sistēmu arhitektūrā un IT tehnoloģiju arhitektūrā trīs līmeņos, no kuriem informācijas sistēmu arhitektūru var iedalīt lietojumprogrammu arhitektūrā un informācijas arhitektūrā.
1. Dzīves cikla un vērtību plūsmas dimensija
Dzīves cikla un vērtību plūsmas dimensija rūpnieciskajā lielo datu arhitektūrā aptver visa produkta dzīves cikla posmus, ti, pētniecību un izstrādi un projektēšanu, ražošanu, loģistiku, pārdošanu, darbību un apkopi, kā arī servisu. Tostarp ražošanu, loģistiku un pārdošanu var sīkāk iedalīt ražošanas un piegādes ķēdēs, un dzīves cikla un vērtības plūsmas dimensija ietver trīs jomas: pētniecību un attīstību un projektēšanu, ražošanu un piegādes ķēdi, kā arī ekspluatāciju un apkopi un apkalpošanu. Katra domēna lietojumprogrammu scenāriji ir parādīti 2. attēlā.
01. Pētniecība un attīstība un dizains
Pētniecības un attīstības personāls uzkrāj P&A un dizaina procesā, kas nāk no visiem produkta dzīves cikla aspektiem, tostarp: lietotāju pieprasījuma lielie dati, R&D zināšanu lielie dati, produktu atkārtotas izmantošanas lielie dati, pētniecības un izstrādes sadarbības lielie dati u.c. ar starp-produktiem un starp-nozarēm, kā arī ar plašu raksturlielumu klāstu.
Personalizēta produktu pielāgošanas dizaina uzņēmumi var apkopot lietotāju personalizēto produktu pieprasījumu, produkta klientu mijiedarbību un darījumu datus, izmantojot interneta platformu. Šo klientu dinamisko datu ieguve un analīze var palīdzēt klientiem piedalīties produktu pieprasījuma analīzē un produktu izstrādes darbībās, lai panāktu pielāgotu dizainu, un pēc tam, paļaujoties uz elastīgu ražošanas procesu, varat ražot lietotājiem pielāgotus produktus.
Realizēt simulācijas dizainu, pamatojoties uz lielajiem datiem, tradicionālo ražošanas uzņēmumu testēšanas un pārbaudes saite ir jāsagatavo natūrā, lai novērtētu tās veiktspēju un citus rādītājus, izmaksas, palielinoties pārbaužu skaitam un pieaugot. Virtuālās simulācijas tehnoloģijas izmantošana var sasniegt oriģinālo pētniecības un attīstības projektēšanas procesu, simulāciju, analīzi, novērtēšanu, verifikāciju un optimizāciju, tādējādi samazinot inženiertehnisko izmaiņu apjomu, optimizējot ražošanas procesu, samazinot izmaksas un enerģijas patēriņu.
Īstenojiet personalizētu pielāgota dizaina automatizāciju, kuras pamatā ir lielie dati, tradicionālie uzņēmuma produktu veidi, stilu nav daudz, tos var izmantot, lai manuāli izstrādātu produktu modeļus, ražošanas paraugus un pēc tam masveida ražošanas ražošanas režīmu, taču, saskaroties ar personalizētām, mazu partiju ražošanas prasībām, tradicionālais režīms novedīs pie pārāk gara produkta ražošanas cikla, izmaksas ir pārāk augstas. Uzkrājot lielu daudzumu produktu dizaina modeļu datu, analizējot korelāciju starp projektēšanas datiem, kā arī ar lielo datu tehnoloģiju un citu palīgprojektēšanas rīku palīdzību, var realizēt personalizēta pielāgota dizaina un modeļu ģenerēšanas automatizāciju.
Veicināt pētniecības un attīstības resursu un inovāciju un sadarbības projektēšanas uzņēmumu integrāciju un koplietošanu, veidojot un uzlabojot pētniecības un izstrādes un dizaina zināšanu bāzi, lai veicinātu digitālos rasējumus, standarta detaļu bibliotēku un citus dizaina datus uzņēmumā, kā arī augšupējos un pakārtotos uzņēmumus resursu koplietošanas, inovācijas un sadarbības piegādes ķēdē, lai uzlabotu uzņēmuma integrēto pārrobežu{0}reģionālo resursu pārvaldību un pētniecības un attīstības resursus. nozares ķēdes sadarbības projektēšanas iespējas. Uzlabot uzņēmumu spēju pārvaldīt un izmantot globālos pētniecības un attīstības resursus, optimizēt un reorganizēt pētniecības un attīstības procesus un uzlabot pētniecības un attīstības efektivitāti.
Izstrādāt jaunus pētniecības un attīstības veidus, kuru pamatā ir dizaina resursu socializēta koplietošana un līdzdalība, un dot uzņēmumiem iespēju veikt jaunus pētniecības un attīstības veidus, piemēram, kolektīvo pakalpojumu un kolektīvo pakalpojumu izmantošanu, pamatojoties uz viņu pašu pētniecības un attīstības vajadzībām, lai uzlabotu uzņēmumu spēju izmantot socializētus jauninājumus un kapitāla resursus.
02.Ražošanas un piegādes ķēde
Ražošanas lielie dati ietver ne tikai informāciju par produktu ražošanu, pasūtījumu informāciju, informāciju par aprīkojumu, vadības informāciju, materiālu informāciju, personāla darba grafiku, bet arī iekšējās vadības informācijas plūsmu, kapitāla plūsmu, produktu ražošanu no iepriekšējā posma un pakārtotajiem piegādātājiem un klientu pārvaldību un citu saistītu ražošanas vadības palīginformāciju, ražošanas datu vākšana balstās uz uzņēmuma esošo resursu pārvaldību, ražošanas izpildi, rūpnieciskās vadības sistēmas, piegādātāju vadības un citu piegādes klientu vadības sistēmu.
Tas realizē ražošanas procesa{0}}uzraudzību un pārvaldību reāllaikā un prognozējamo ražošanas iekārtu apkopi, uzlabo ražošanas procesa un aprīkojuma vadības līmeni, optimizē ražošanas procesu un uzlabo produktu kvalitāti. Mūsdienu rūpnieciskās ražošanas ražošanas līnijas ir uzstādītas ar tūkstošiem mazu sensoru, lai noteiktu ražošanas iekārtu darba stāvokli, piemēram, temperatūru, spiedienu, karstumu, vibrāciju un troksni utt. Izmantojot šos datus, var veikt ražošanas procesa reāllaika uzraudzību, iekārtu bojājumu diagnostiku un prognozēšanu, enerģijas patēriņa analīzi, kvalitatīvu negadījumu analīzi. Turklāt tā var arī integrēt un apkopot datus no visiem ražošanas aspektiem, izveidot virtuālos ražošanas procesa modeļus, simulēt un optimizēt ražošanas procesu.
Realizēt personalizētu pielāgotu apjomu ražošanu un veicināt modernas ražošanas sistēmas izveidi. Izmantojot datu plūsmas automatizāciju visā produkta dzīves ciklā un visa ražošanas procesa automatizētu un inteliģentu vadību, tas veicinās informācijas apmaiņu, sistēmu integrāciju un biznesa sadarbību, uzlabos precīzas ražošanas, augstākās klases ražošanas un elastīgas ražošanas spēju, realizēs personalizētu pielāgota mēroga ražošanu, paātrinās modernizētu ražošanas sistēmu, piemēram, viedo darbnīcu un viedo ražošanas rūpnīcu izveidi.
Īstenojiet tīklā sadarbīgu ražošanu un ražošanas koplietošanas ekonomiku. Izmantojot "Internet+", ražošanas resursu integrācija un optimizācija uzņēmumos vai starp uzņēmumiem, kā arī vertikālas sadarbības ražošanas realizācija uzņēmumos vai horizontālas sadarbības ražošana starp uzņēmumiem. Izmantojot internetu + koplietošanas ekonomiku, inovāciju resursu, ražošanas jaudas, krājumu un citu ražošanas resursu koplietošana, lai realizētu ražošanas koplietošanas ekonomiku.
Optimizējiet rūpniecisko piegādes ķēdi. Elektroniskās identifikācijas tehnoloģijas, piemēram, radiofrekvenču identifikācija (RFID), lietiskā interneta (IoT) tehnoloģija un mobilā interneta tehnoloģija, var palīdzēt rūpniecības uzņēmumiem iegūt lielus datus par visu produktu piegādes ķēdi, un šādu datu izmantošana analīzei ievērojami uzlabos noliktavas, izplatīšanas un pārdošanas efektivitāti, kā arī ievērojami samazinās izmaksas.
Realizējiet pieprasījuma prognozēšanu, lai labāk sakārtotu ienākošās preces un ražošanu, un, kad pieprasījums samazinās, izsekojiet problēmas cēloni un atrisiniet to.
Realizēt klientu profilēšanu un precīzu mārketingu un klientu uzvedības analīzi, kas var paplašināt klientu avotus, uzlabot mārketinga panākumu līmeni un sākotnējo klientu apmierinātību un lojalitāti.
03. Ekspluatācijas un apkopes un servisa joma
Ekspluatācijas, apkopes un apkalpošanas jomā ir pieejami daudzi datu avoti, tostarp: reāllaika darbības statusa dati un apkārtējās vides dati, ko ar klientu atļauju vāc izstrādājumos iegultie sensori; produktu pārdošanas dati, kas iegūti, izmantojot biznesa platformu, klientu dati un atbilstošā produkta novērtēšana vai lietošanas atsauksmes; klientu sūdzības un attiecīgie apstrādes ieraksti; produktu atgriešana/atgriešana un attiecīgie apkopes ieraksti.
Uzraugot un analizējot attālināti savāktos{0}}produktu darbības statusa datus reāllaikā, var realizēt tiešsaistes pievienotās vērtības-pakalpojumus, piemēram, attālo uzraudzību un pārvaldību, kļūdu diagnostiku un paredzamo apkopi, kas var samazināt uzturēšanas izmaksas un uzlabot produktu izmantošanu.
Analizējot iekārtu klientu lietošanas datus un apkārtējās vides datus, tā var arī nodrošināt lietotājiem paplašinātus pakalpojumus, paplašināt produktu vērtību telpu un realizēt uz produktu{0}}centrēta biznesa modeļa pārveidi par modeli "ražošana + serviss".
Analizējot klientu produktu novērtējumu vai lietošanas atsauksmes, klientu sūdzības, iekļaujot noderīgus komentārus produkta dizainā un produktu uzlabošanā un klasificējot klientu sūdzības, mēs varam uzlabot produktu kvalitāti un pēcpārdošanas pakalpojumu kvalitāti, samazināt sūdzību skaitu un palielināt klientu apmierinātību un lojalitāti.
Analizējot preces atgriešanas vai remonta iemeslus un veicot savlaicīgus un efektīvus pasākumus, mēs varam uzlabot produktu kvalitāti un samazināt atgriešanas un remonta līmeni.
2. Uzņēmuma vertikālais slānis
Rūpnieciskās lielo datu arhitektūras uzņēmuma vertikālais slānis ir sadalīts piecos slāņos no fiziskā domēna viedokļa no apakšas uz augšu, kas ir aprīkojuma slānis, vadības slānis, darbnīcas slānis, uzņēmuma slānis un sadarbības slānis. Iekārtu slānī, vadības slānī un darbnīcu slānī lietu internetu var izmantot, lai realizētu viedās rūpnīcas, kuru pamatā ir informācijas fiziskā sistēma; uzņēmuma līmenī uzņēmums integrē dažādas iekšējās informatizācijas lietojumprogrammas, veic iekšējo biznesa procesu integrāciju un transformāciju, kā arī uzlabo uzņēmuma darbības efektivitāti; un sadarbības slānī industriālais mākonis un citas platformu tehnoloģijas tiek izmantotas, lai realizētu uzņēmuma ārējo sadarbību ražošanā un novatoriskus uzņēmējdarbības modeļus, piemēram, uz ražošanas pakalpojumu{1}}orientētu modeli. Uzņēmuma vertikālo dimensiju var iedalīt trīs apakšsistēmās: informācijas fiziskā sistēma, uzņēmuma vadības informācijas sistēma un starpsavienojumu platformu sistēma.
01. Informācijas fiziskā sistēma
Informācijas fiziskā sistēma vāc un apkopo mašīnu darbības datus un ražošanas vietas datus, izmantojot sensorus un dažādas informācijas sistēmas, lai īstenotu visuresošo sensoru, un izmanto datu integrācijas un apstrādes tehnoloģiju, lai savāktu un apmainītos ar rūpnieciskiem datiem, ražošanas atgriezeniskā saite un kontrole, panāktu kontroli un mijiedarbību ar iekārtām un darbnīcām, lai realizētu rūpnīcu iekšējo un ārējo fizisko sistēmu savstarpējo savienojumu un savietojamību, kā arī lai nodrošinātu datu bāzi rūpnieciskai analīzei un simulācijas atbalstam, modelēšanai/simulācijai. lēmumu pieņemšanas-darbnīcas/rūpnīcas darbības optimizācija. Tas arī nodrošina datu bāzi rūpnieciskai modelēšanai/simulācijai un analīzei, kas savukārt nodrošina atbalsta pakalpojumus darbnīcas/rūpnīcas darbības lēmumu optimizēšanai. Rūpnieciskās lielo datu arhitektūras uzņēmuma vertikālajā slānī informācijas fiziskā sistēma, ko izmanto informācijas vākšanai rūpniecisko iekārtu slānī, ir balstīta uz lielajiem datiem, tīklu un masu aprēķiniem, un, izmantojot galvenos viedo uztveri, analīzi, ieguvi, novērtēšanu, prognozēšanu, optimizāciju, sadarbību un citus tehniskos līdzekļus, aprēķini, saziņa un kontrole var realizēt organisko saplūšanu un-dziļāko sadarbību, lai panāktu dziļu sadarbību. un rūpniecisko iekārtu, vides un grupu fiziskā telpa. Dziļa integrācija. Informācijas fiziskās sistēmas būtība ir fizisko iekārtu savienošana ar internetu, lai fiziskajam aprīkojumam būtu piecas galvenās funkcijas: skaitļošana, komunikācija, precīza vadība, attālināta koordinācija un autonomija.
02.Uzņēmumu vadības informācijas sistēma
Uzņēmumu informatizācija ir informācijas tehnoloģiju un produktu pielietošanas process uzņēmumos. Uzņēmuma informatizācija ir visaptverošas informācijas tehnoloģiju iespiešanās process no lokāla uz globālu, no taktiskā līmeņa līdz stratēģiskajam līmenim uz uzņēmumiem, pielietojot to procesu vadībā un atbalstot uzņēmuma darbību un vadību. Uzņēmuma informatizācija galvenokārt ietver ražošanas procesa kontroli, uzņēmuma vadību, produktu dzīves cikla pārvaldību, piegādes ķēdes optimizāciju un vadības procesus. Ražošanas procesa kontroles informatizācija koncentrējas uz produktu izstrādi un projektēšanu, ražošanas procesa plūsmu, darbnīcu vadību, kvalitātes pārbaudi un citām projektēšanas un ražošanas saitēm. Uzņēmuma vadības informatizācija ir lielākā uzņēmumu informācijas veidošanas daļa, visgrūtākā, visplašāk izmantotā jomā, kas ietver uzņēmumu vadības un visu līmeņu biznesu. Uzņēmuma vadības informatizācijas konstrukcija ir efektīva informācijas resursu apkopošana, apstrāde, organizēšana un integrēšana, izmantojot informācijas integrācijas lietojumprogrammu sistēmu, pamatojoties uz vadības pamatdarba standartizāciju un biznesa procesu optimizēšanu, vadības efektivitātes uzlabošanu un reāllaika dinamiskas vadības informācijas un lēmumu pieņemšanas informācijas nodrošināšanu. Uzņēmuma piegādes ķēdes vadības informatizācija liek uzņēmuma ražošanas un vadības darbībām paplašināties uz priekšu un atpakaļ. Šīs piegādes ķēdes un ietekmes ierobežojumi ir pakļauti uzņēmumiem, sākot no izejvielu, komponentu, transportēšanas, uzglabāšanas, pārstrādes un ražošanas, pārdošanas līdz galīgajai piegādei un apkalpošanai klientiem, veidojot ķēdes struktūru, kas sastāv no augšējiem piegādātājiem, starpražotājiem un trešo pušu pakalpojumu sniedzējiem, pakārtotajiem pārdošanas klientiem un uzņēmumu ražošanas darbībām, vadības procesiem.
03. Savienota platformas sistēma
Pašlaik Ķīnas un vairuma valstu rūpnieciskā attīstība saskaras ar lielām grūtībām un izaicinājumiem, tostarp: nopietnu jaudas pārpalikumu, personalizētu produktu trūkumu, produkti kļūst arvien sarežģītāki, ražošanas līdzekļus nevar efektīvi konfigurēt, un liela mēroga iekārtu tirgus kļūst arvien piesātinātāks utt., un steidzami jāmeklē stratēģisks risinājums nozares pārveidošanai un nozares pārveidošanai. "Internet+" ļoti dinamiska domāšana un inovatīvi biznesa modeļi apstrādes rūpniecības nožēlojamajai situācijai, kam steidzami nepieciešama pārveide un modernizācija, nodrošina jaunu transformācijas virzienu, reformējot ražošanas metodes un biznesa modeļus un uzlabojot ražošanas tehnoloģijas, lai panāktu klientam pielāgotu produktu personalizēšanu, mazu partiju, liela mēroga{4}}ražošanu, lai atrisinātu lielas-rūpniecisko produktu ražošanas jaudas problēmu. Reformējot ražošanas metodes un uzņēmējdarbības modeļus un uzlabojot ražošanas tehnoloģijas, mēs varam realizēt personalizētu produktu mazo-lielo-apjomu ražošanu, lai atrisinātu problēmu saistībā ar liela-rūpniecisko produktu jaudas pārpalikumu un nespēju apmierināt klientu personalizēto pieprasījumu pēc produktiem, lai apmierinātu pieprasījumu pēc klientu cieņas un apliecinājuma, kā arī pašrealizācijas{10}.
Mēģiniet atrisināt problēmu saistībā ar vāju pamattehnoloģiju un augstas klases produktu zemo ražošanas jaudu, izmantojot tīkla sadarbības ražošanu, ti, ar interneta vai industriālās mākoņa platformas palīdzību, izstrādājiet jaunus sadarbības veidus pētniecības un izstrādes, kolektīvā piegādes projektēšanas, piegādes ķēdes sadarbības un tamlīdzīgi starp uzņēmumiem, lai efektīvi samazinātu resursu iegādes izmaksas, ievērojami paplašinātu resursu izmantošanas jomu, pārtrauktu slēgto resursu izmantošanas apjomu un pārtrauktu ierobežojumus. paātrināt pāreju no "cīņas vienatnē" uz "rūpniecisko sadarbību". "industriālai sinerģijai un veicināt kopējo nozares konkurētspēju.
Mēģiniet uzlabot jaudas pārpalikuma problēmu bez efektīvas resursu sadales un vājas neatkarīgas inovācijas spējas, izmantojot inovācijas un uzņēmējdarbību, ražošanas koplietošanas ekonomiku.
Ar pamatproduktu kā asi, vācot un analizējot produkta klientu lietojuma datus un apkārtējās vides datus, lai sniegtu lietotājiem paplašinātus pakalpojumus, paplašinot produkta vērtību telpu, paplašinot jaunus tirgus un realizējot uz produktu{0}}centrēta biznesa modeļa pārveidi par modeli "ražošana + pakalpojums".
3. IT vērtību ķēde
Lielo datu vērtība tiek realizēta, izmantojot tādas darbības kā datu apkopošana, pirmapstrāde,{0}}analīze, vizualizācija un piekļuve.
IT vērtību ķēdes dimensijā lielo datu vērtība tiek realizēta, nodrošinot tīklus, infrastruktūru, platformas, lietojumprogrammu rīkus un citus pakalpojumus, kas satur lielos datus lielo datu lietojumprogrammām, tādējādi uzlabojot darbības efektivitāti un atbalstot uzņēmējdarbības inovācijas. Lielo datu tehnoloģiju atbalstīto uzņēmuma arhitektūru var iedalīt trīs līmeņos: biznesa arhitektūra, informācijas sistēmu arhitektūra un IT tehnoloģiju arhitektūra, atsaucoties uz TOGAF sadalīšanas metodi.
01. Biznesa arhitektūra
Biznesa arhitektūra nosaka biznesa stratēģiju, vadību, organizāciju un galvenos biznesa procesus, un tā ir uzņēmuma visaptverošās informācijas tehnoloģiju stratēģijas un informācijas sistēmu arhitektūras pamats, kā arī datu, lietojumprogrammu un tehnoloģiju arhitektūras noteicošais faktors. Biznesa arhitektūra ir kanāls, kas pārvērš organizācijas biznesa stratēģiju ikdienas darbībā, un biznesa stratēģija nosaka biznesa arhitektūru. Uzņēmējdarbības arhitektūra pārvērš augsta līmeņa biznesa stratēģijas un mērķus operatīvos biznesa modeļos. Biznesa arhitektūra ir uzņēmuma galvenās biznesa stratēģijas un biznesa funkciju un procesu izpausme, parasti uz biznesa modeļa pamata īstenots biznesa dizains, kas apraksta biznesa moduļus un attiecības starp tiem, ti, biznesa galvenos procesus, no dažādām perspektīvām. Biznesa arhitektūra ir pareiza galveno un kopīgo biznesa procesu nosprausta, kā arī biznesa elementu dzīves cikla formulēšana un analīze. Rūpniecisko lielo datu vērtību var iegūt, stratēģiski plānojot rūpniecisko lielo datu biznesu un veidojot uzņēmuma arhitektūru.
02.Informācijas sistēmu arhitektūra
Lai pilnībā izmantotu rūpniecisko lielo datu vērtību un izvairītos no "informācijas salu" veidošanās, ir nepieciešams izveidot vienotu informācijas sistēmu arhitektūru, lai realizētu lietotāju piekļuvi un dažādu lietojumprogrammu sistēmu un datu savietojamību. Informācijas sistēmas arhitektūra, kas balstīta uz rūpniecisko lielo datu biznesa stratēģiju, ir arhitektūra, kas atspoguļo attiecības starp dažādiem ražošanas uzņēmuma informācijas sistēmas komponentiem, kā arī attiecības starp informācijas sistēmu un saistīto biznesu, kā arī starp informācijas sistēmu un saistīto tehnoloģiju. Informācijas sistēmas arhitektūra ietver lietojumprogrammu arhitektūru un datu arhitektūru. Tostarp lietojumprogrammu arhitektūra apraksta lietojumprogrammu sistēmas projektu, kas nepieciešams, lai atbalstītu uzņēmuma darbību, ieskaitot lietojumprogrammu līmeņus, funkcijas, realizācijas metodes un būvniecības standartus utt. Tā galvenokārt pēta mijiedarbību starp lietojumprogrammu sistēmām un atbilstību starp lietojumprogrammām un pamatdarbību, un tā ir uzņēmuma vispārējās struktūras izpēte, kas, iespējams, ir tilts starp biznesa arhitektūru un tehnisko arhitektūru. Rūpnieciskā lielo datu lietojumprogrammu arhitektūra satur gan lietojumprogrammu sistēmas, kas atbilst dažādiem uzņēmuma vertikālā slāņa līmeņiem rūpnieciskajā lielo datu arhitektūrā, gan lietojumprogrammu sistēmas, kuru pamatā ir lielo datu tehnoloģija. Savukārt datu arhitektūra ir sarežģītas organizācijas struktūras galveno datu tipu un avotu, loģisko datu aktīvu, fizisko datu aktīvu un datu pārvaldības resursu struktūras un mijiedarbības apraksts.
03.Informācijas tehnoloģiju arhitektūra
Līdz ar nozares 4.0 viļņa pieaugumu, tādas informācijas tehnoloģijas kā lietu internets (IoT), mākoņdatošana, lielie dati, mākslīgais intelekts, paplašinātā realitāte/virtuālā realitāte un citas informācijas tehnoloģijas nepārtraukti integrējas un iekļūst rūpniecības jomā, kas veido stabilu tehnoloģisko pamatu rūpniecisko lielo datu lietojumprogrammu ieviešanai. Tostarp IoT tehnoloģija nodrošina visuresošas gala iekārtas un iekārtas, kuras var savienot ar internetu saskaņā ar saskaņotiem protokoliem, izmantojot informācijas uztveršanas ierīces, piemēram, radiofrekvenču identifikāciju, infrasarkanos sensorus, globālās pozicionēšanas sistēmas utt., informācijas apmaiņai un saziņai, padarot preces un to statusu redzamus, lai īstenotu viedo identifikāciju, lokalizāciju, izsekošanu, uzraudzību un pārvaldību; mākoņdatošanas tehnoloģija nodrošina sava veida dinamisku un mērogojamu skaitļošanas pakalpojumu, ko pēc pieprasījuma var realizēt, izmantojot tīklu. Mākoņdatošanas tehnoloģija nodrošina pēc-pieprasījuma, dinamiski mērogojamus un lētus skaitļošanas pakalpojumus tīklā; lielo datu tehnoloģija un mākslīgā intelekta tehnoloģija ļauj analizēt un iegūt potenciālo masveida datu vērtību pieņemamā laika periodā, kā arī realizēt tendenču prognozēšanas un grupas izlūkošanas režīmu; AR/VR tehnoloģija var realizēt rūpnīcas vides, rūpniecisko iekārtu un tā tālāk pieredzes simulāciju un uzlabošanu. Ražošanas uzņēmumi katru dienu vai pat ik mirkli ģenerē lielu datu apjomu ar plašu dažādību, kas aptver visu rūpniecisko produktu dzīves ciklu, ieskaitot dizaina datus, ražošanas datus, vērtību ķēdes datus un saistītos ārējos datus. Šie dati nāk vai nu no sensoriem, vai no viedo iekārtu datu ieguves un uzraudzības kontroles sistēmas, vai no uzņēmuma projektēšanas modeļa un informācijas sistēmas.
Rūpnieciskās lielo datu lietojumprogrammas realizācijai nepieciešama datu vākšana un iepriekšēja-apstrāde, uzglabāšana, analīze un ieguve, pielietošana konkrētam biznesam un visbeidzot rezultātu parādīšana, attiecīgi industriālā lielo datu informācijas tehnoloģiju arhitektūra ir sadalīta sešos slāņos: datu slānis, datu vākšanas slānis, krātuves slānis, skaitļošanas slānis, lietojumprogrammu slānis un displeja slānis. Ja uzņēmumi būvēs katru slāni atsevišķi, būvniecības slieksnis būs salīdzinoši augsts. Ir izstrādāta un pabeigta virkne atvērtā-avota tehnoloģiju komponentu, kas saistīti ar rūpnieciskajiem mākoņpakalpojumiem un (industriālo) lielo datu apstrādi gan mājās, gan ārvalstīs, un mākslīgā intelekta tehnoloģija ir guvusi lielu progresu, kas nodrošina izvēles risinājumus inteliģentai rūpniecības jomas pārveidošanai, kā arī samazina rūpniecisko lielo datu lietojumprogrammu izveides un ieviešanas slieksni. Uzņēmumiem nav jārealizē katrs tehniskās arhitektūras komponents, ja tas nav nepieciešams, un tie var izvēlēties izmantot atbilstošos atvērtā pirmkoda komponentus, lai veidotu rūpnieciskās lielo datu lietojumprogrammas atbilstoši savām vajadzībām, kā arī dažādu veidu un līmeņu industriālos mākoņpakalpojumus atbilstoši savām vajadzībām un uz šī pamata ieviestu industriālās lielo datu lietojumprogrammas, lai vairāk koncentrētos uz uzņēmējdarbības jomām un tehniskajām jomām, kurās uzņēmumi ir labi.
Rūpniecisko lielo datu analīzes tehnoloģija, kas ir viena no rūpniecisko lielo datu pamattehnoloģijām, var ļaut rūpnieciskajiem lielo datu produktiem iegūt milzīgus datus, integrēt vairāku{0}}avotu datus, modelēt vairāku-veidu zināšanas, analizēt vairāku-uzņēmumu scenārijus un atklāt vairāku-domēnu zināšanas u.c., kam ir nozīmīga loma uzņēmējdarbības inovācijas veicināšanā un attīstībā. uzņēmumu pārveide un modernizācija.