767,342
次編輯
變更
创建页面，内容为“ '''工业大数据技术在传化集团的应用'''化学工业在各国的国民经济中占有重要地位，是国家的基础产业和支柱产业。化工…”
'''工业大数据技术在传化集团的应用'''化学工业在各国的国民经济中占有重要地位，是国家的基础产业和支柱产业。化工工业通过工业大数据技术对多系统多元数据、控制系统的实时数据、异构信息系统、流媒体数据、人员定位数据等多维度数据的采集与交换、数据预处理与存储、数据工程与数据建模，结合大数据分析技术及知识库，实现数据为驱动要素的危化品全流程管理、环保监测管理、安全全流程管理、生产过程管控、数字化工厂、5G智能工厂等应用场景。
==一、案例简介==
化工行业的工业大数据技术架构从功能上来说，工业大数据管理技术分为四部分：数据采集与交换、数据预处理与存储、数据工程与数据建模。
数据采集与交换层主要负责通过 PLC、SCADA、DCS 等系统从机器设备实时采集数据，也可以通过数据交换接口从实时数据库等系统以透传或批量同步的方式获取物联网数据。同时该层提供数据交换接口，可以从业务系统的关系型数据库、文件系统中采集所需的结构化与非结构化业务数据，也可反向将汇总、分析结果等数据传回业务系统。
数据预处理与存储层主要负责对采集到的数据进行数据解析、格式转换、元数据提取、初步清洗等预处理工作，再按照不同的数据类型与数据使用特点选择分布式文件系统、NoSQL 数据库、关系数据库、对象存储系统、时序数据库等不同的数据管理引擎实现数据的分区选择、落地存储、编目与索引等操作。
数据工程层主要完成对工业大数据的治理并支撑对数据的探索能力，以供应用开发与分析对数据的方便使用。其包括方便用户了解数据特性并发现数据潜在问题的数据探查能力、对有质量问题数据的清洗与修正能力、对异构数据的集成能力以及对各类工业数据的可视化展现能力。
数据模型层主要完成对底层数据模型的工业语义封装，构建基于用户、产线、工厂、设备、产品等对象的统一数据模型，对各类统计分析应用与用户实现更加便捷、易用的数据访问接口。
==二、案例背景介绍==
化学工业在各国的国民经济中占有重要地位，是国家的基础产业和支柱产业。由于化学工业门类繁多、工艺复杂、产品多样，生产中排放的污染物种类多、数量大、毒性高，化工行业转型升级迫在眉睫。化工工艺是透明的，数据是开放的，但智能化发展滞后。化工行业通过工业大数据技术促进企业数字化转型，解决了化工行业的问题，主要表现在1）化工工艺大数据缺乏利用；2）化工行业各企业间成本及能耗水平参差不齐，数字化、标准化尚未普及；3）化工行业数据共享壁垒造成数据交互和技术推广困难，行业可提升空间巨大；4）化工行业生态圈发展滞后造成资源共享效率低下。
==三、案例应用详情==
===1、总体应用框架===
本项目在浙江传化化学品有限公司建设，通过工业大数据技术针对多系统的多元数据、控制系统的实时数据、异构信息系统、流媒体数据、人员定位数据等进行采集与交换、数据预处理与存储、数据分析，实现企业的决策与控制应用场景。
===2、关键技术应用详情===
工业大数据平台主要数据来源包括：
多系统的多元数据接入：supOS 工业操作系统的边缘智能数据接入技术实现多元异构数据的接入和预处理。针对不同系统（如 ERP、OA、MES、DCS、SCM、CRM、WMS、EAM、LIMS、SCADA 等系统）的数据特性，采用统一的数据驱动框架和不同的接入驱动实现多元数据的清洗，并利用统一的数据协议进行数据上送，在 supOS 平台上通过对象化模型（如设备、人员、物料和产品等）将多种数据来源的数据进行重组和应用。
控制系统的实时数据接入：OPC DA、OPC AE、Modbus TCP、ModbusRTU、IEC104、CDT 等，满足国内外主流厂家的 PLC、DCS、SCADA 等系统软件的实时数据接入，从实际应用要求对控制系统实时数据进行特性分析。
异构信息系统的集成接入：工厂中的生产信息系统（如 MES、WMS、EAM、LIMS）和上层信息管理系统（如 ERP、OA、SCM、CRM 等），在实际应用中数据的特征具有多样性，一部分管理数据与生产控制具有强相关性，具备较高的实时性和可靠性要求；另外一部分管理数据主要服务于管理人员的统计分析和决策依据，对实时性的要求相对较低，只需及时按需提供即可。
流媒体数据的接入：流媒体数据的接入，可实现海康、大华等厂家的视频数据接入，包括常见的摄像头、流媒体服务器等设备。工厂的流媒体数据具有流量大，带宽要求高等特点，在公网上的访问和应用限制较多。
人员定位数据接入：工厂人员定位数据的接入，并在平台进行统一人员定位管理，人员定位数据具有实时性要求高，需实现实时通讯。
化工工业大数据技术通过在企业端部署远程数据接入终端（采集器软件），对生产信息系统（如 MES、WMS、EAM、LIMS）和上层信管理信息系统（如 ERP、OA、SCM、CRM 等）多元数据、控制系统的实时数据、异构信息系统、流媒体数据、人员定位数据等多维度数据的实时数据上传到大数据中心；结合多维度大数据信息形成大数据平台的核心业务，通过虚拟仿真技术对多维度数据建立数字模型，包括厂区、建筑、设备、物料、人员、进出厂、组织层次、运行分析型、公用工程等模型，结合大数据分析技术及知识库，实现数据为驱动要素的危化品全流程管理、环保监测管理、安全全流程管理、生产过程管控、数字化工厂、5G智能工厂等应用场景。
==四、创新性与优势==
提出了一种适用于多源数据采集的模型，并基于该模型形成了一种多源数据采集的动态分配与分组方法，可以实现公司内部不同数据源、不同的通讯终端、不同的通讯规则的多条通道灵活统一接入传化supOS系统，同时该方法易于软硬件实现，具有广阔的应用前景。
项目采用虚拟仿真设计，进行车间布局规划，并对对工厂/车间、车间工段、工序、工艺路线、设备机台等建立数字化模型。基于数字化模型，利用物联网技术建立工厂仿真模型，根据其中存在的问题优化调整工艺规划，以便快速、形象、直观地实现和修改规划设计方案，进而有效的避免二次建设，降低生产运营的成本，提供安全的工作环境，最终为企业节省大量的资源和资金。
==五、案例应用效益分析==
1.为减少生产过程中因人为因素而导致的能源、资源浪费，提高产品的稳定性，从实时监控到先进控制，从生产过程信息管理（MES）到企业资源规划（SAP）管理，统一数据管理、统一通信、统一平台，有机地整合、优化各种独立、分离的产品与技术，提升生产自动化水平进而提高产品品质。
2.通过工业大数据技术手段促进智能调度排产、生产数据跟踪，提高生产协同效率，提升存货周转效率。
a) 生产进度可视化：实时对生产进度进行跟踪，挖掘生产瓶颈，提升交期把控，劳动生产率提升 25%。
b) 生产质量可视化：分析生产过程中的不良问题，归纳总结不良原因，整理解决方案，提高生产质量。
c) 异常信息可视化：提高异常情况响应速度，保证生产过程流畅性，提高生产效率，产品不良率下降 10%。
d) 通过信息化，智能化，缩减人工成本，提升设备高度协同能力，设备利用率提升 10%。通过物联网技术实现设备数据自动采集，设备数据和生产数据自动报工。
3.通过工业大数据技术促进采购、运输、储存、使用、余料等环节实现过程管理，比如运输提前预约、进厂前检查、进门后安全措施处理、卸料控制等按不同手段进行安全检查处理，从人、机、料、法、环不同角度进行全面检查控制，从而降低危化品运输、存储、使用等环节的风险，对大江东基地危化品安全进行全面管控。
==参考文献==
[[Category:500 社會科學類]]