智慧工业大数据建设方案智慧工厂整体解决方案.pptx

《智慧工业大数据建设方案智慧工厂整体解决方案.pptx》由会员分享，可在线阅读，更多相关《智慧工业大数据建设方案智慧工厂整体解决方案.pptx（54页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、前言前言随着工业4.0概念的引入，工业产业进入了新一轮的全球性革命，新型工业体系最核心的特征就是互联网、大数据与工业的融合应用。工业大数据是工业4.0的核心支撑之一，将带来工业生产与管理环节的极大的升级和优化，其价值已经得到了全球的认可，但是反观我国的工业发展现状，工业数据的价值利用极其有限，如何采集、应用、管理工业大数据，快速跟进工业4.0的步伐，是传统的工业企业转型升级中必须要解决的问题。基于大数据、物联网、云计算等核心技术能力，为全球工业及商业企业提供工业大数据咨询与实施服务，涵盖能效管理、环保监测、资产管理、安全生产、设备生命周期管理、经营管理分析等领域，充分发挥大数据能力，强化工业与

2、大数据的深度紧密融合，为工业升级转型注入新的活力。工业大数据解决方案是“云、移、物、大、智”深度融合的体现，使得产品与生产设备之间、不同的生产设备之间以及数字世界和物理世界之间能够互联，可以打破传统工业生产中企业、地域、操作习惯、生产经验等多重限制，在此平台上快速高效地完成工业操作制度的决策、工业大数据的云端数学建模计算、工业信息和标准的快速获取、工业问题的互动咨询。智慧工智慧工业业3智慧工智慧工业业解决方案解决方案智慧工业方案提供数据采集、数据传输、大数据分析、智能化控制等功能，可帮助企业提高环境 安全，加强人员管理，优化系统功能和资源配置，降低系统运营成本等。管理平台管理平台温度、湿度、成

3、分阀门开关RFID/WiFi应用系统工业云平台网络设备及传感器企企业业网网络络CRM ERP WMS PLM设备大数据管理平台大数据管理平台产品数据 位置数据云数据中心能源能源监监控控仪表 换算TMS EMS以太网MES能源数据计量、换算2Zigbee/RS485采集终端管理 数据管理1ZigbeeIP网络连接管理平台操作门户 API 应用适配器权限管理 安全策略&QoS原材料、成分3设备设备 物流跟踪物流跟踪温度 湿度 原料监控 阀门控制 AGV 扫描 托盘大数据智能工厂大数据智能工厂规规划划基于机器学习的工业大脑设备1设备2设备3设备4设备5设备6设备7设备8设备9设备预测性维修异常监控人

4、机协同过程优化ERP数据MES数据数据源数据源EMS数据DCS数据检验数据设备数据传感器数据工工业业大数据架构大数据架构大数据大数据应应用用大数据大数据处处理理工艺优化质量提升产线故障预测预测性维修效率提升可视化监控事事务务型数据型数据MPP数据数据库库HADOOPOLTP元数据索引数据仓库列存储粗粒度索引数据压缩SQL优化动态拓展资源管理大表关联并行加载半结构化非结构构化事务处理数据完整性锁机制索引机制SQL优化SQL执行备份恢复断点处理监控管理Hive PigMap/ReduceHDFS流处理（Storm、SparkStreaming）智能制造大数据智能制造大数据蓝图蓝图工艺人员物料设备质

5、量当前数据历史数据当前数据历史数据当前数据历史数据当前数据历史数据当前数据历史数据大数据平台业务系统实时查询服务批量检索服务数据分享服务数据下载服务数据仓库和分析型应用ODS/DSA 面向主题、当前DMDW 面向主题、历史和汇总DMAPI接口作业行为优化供应链优化设备预测性维修SparkML工工业业大数据特点大数据特点供应商数据 产品质量 服务信息 信用数据 位置数据 渠道依赖 原料来源 Web信息 业务信息机器数据 多种类型 时间序列 数据真实 数据海量 并发较高控制数据 数据多样 时间戳 程序数据 结果数据人员数据 基本信息 行为信息物料数据 基本信息 计量信息 位置信息 物流信息 加工信

6、息 装配信息 追踪信息质量数据 检验数据 随机性 概率特征 相关性客户数据 需求数据 产品数据 位置数据 竞争对手 信用数据 业务数据 Web信息 行为信息物流数据 位置数据 计量数据 时间数据 行为信息多多样样、实时实时、海量的数据需要依、海量的数据需要依赖赖大数据技大数据技术进术进行数据管理并行数据管理并产产生价生价值值批查询交互查询实时分析机器学习设备传感器质量人员物料事件设备质量传感器人员ETL工具定义的主题查询关系型数据LOB应用物料事件元数据及关联性数据预处理结果呈现报表展示机器学习结果展示数据源定义数据预处理工工业业数据湖数据湖人员生产线行为信息系统ERPMESEMS数据可数据可

7、视视化化流程优化产线建模智能化智能化知识库自助式BI事件处理数据分类信息管理信息管理数据工厂HADOOP/Spark技术流处理信息基于数据湖分析机器学机器学习习/数据分析数据分析机器学习SQL 数据仓库大数据存大数据存储储数据湖其他数据信息系统设备传感器数据数据湖与价数据湖与价值发现值发现工工业业大数据特点大数据特点供应商数据 产品质量 服务信息 信用数据 位置数据 渠道依赖 原料来源 Web信息 业务信息机器数据 多种类型 时间序列 数据真实 数据海量 并发较高控制数据 数据多样 时间戳 程序数据 结果数据人员数据 基本信息 行为信息物料数据 基本信息 计量信息 位置信息 物流信息 加工信息

8、 装配信息 追踪信息质量数据 检验数据 随机性 概率特征 相关性客户数据 需求数据 产品数据 位置数据 竞争对手 信用数据 业务数据 Web信息 行为信息物流数据 位置数据 计量数据 时间数据 行为信息多多样样、实时实时、海量的数据需要依、海量的数据需要依赖赖大数据技大数据技术进术进行数据管理并行数据管理并产产生价生价值值批查询交互查询实时分析机器学习设备传感器质量人员物料事件设备质量传感器人员ETL工具定义的主题查询关系型数据LOB应用物料事件元数据及关联性数据预处理结果呈现报表展示机器学习结果展示数据源定义数据预处理工工业业数据湖数据湖人员生产线行为信息系统ERPMESEMS数据可数据可视

9、视化化流程优化产线建模智能化智能化知识库自助式BI事件处理数据分类信息管理信息管理数据工厂HADOOP/Spark技术流处理信息基于数据湖分析机器学机器学习习/数据分析数据分析机器学习SQL 数据仓库大数据存大数据存储储数据湖其他数据信息系统设备传感器数据数据湖与价数据湖与价值发现值发现工业大数据建模目标制造价制造价值值提升提升1、原因分析的工艺优化；2、设备预测性维修；3、产线异常监控；4、产品质量控制；供供应应商管理提升商管理提升1、风险预测与分析；2、交付时间与路径优化；3、供应商评价与信用管理；客客户户需求管理提升需求管理提升1、客户行为的需求挖掘；2、准确个性化的产品定价；3、产品的

10、预测性保养与维修；4、更好的产品体验；运运营营价价值值提升提升1、更好的管理资产；2、合理的资源消耗；3、避免人为的错误；4、实时推荐技术工具；5、增强用户高效与便捷如上图显示的机器学习算法，多级算法分析引擎可以根据对工厂已安装设备的数据采集和工艺流程，自动绘制内在的逻辑关系，并显示哪个工艺流程和数据流之间直接或间接的相互关系，以及这种关系存在的原因。这种深层和独特的分析提供了一个高等级的平台来侦测异常，通过行为和运营表现来标记质量与效率，并进行微观辩证性的根源问题分析。生生产过产过程建模程建模设备设备数据建模数据建模结结果的相似和关果的相似和关联联性性产线产线数据建模数据建模模型算法模型算法

11、-DNN神经网络是一组模拟人脑进行模式识别的算法组合，通过聚类或者标记原始数据进行数据感知，它可以识别真实世界包含在向量中的数据，如图片、声音、文本等。深度神经网络与单层神经网络的区别是数据通过了多步模式识别的隐藏层处理，传统的神经网络机器学习算法依赖于一个输入一个输出一个隐藏的浅层神经网络学习，而深度神经网络是在一个以上的隐藏层学习。模型与数据模型与数据异常检测事件处理环境分析人机协同能效增强质量强化实时实时数据数据处处理理模型分析模型分析实时实时数据数据检测设备检测设备状状态态、预预防防设备设备故障、故障、优优化化生生产过产过程、提升程、提升产产品品质质量、量、能效增能效增强强、人机、人机

12、协协同。同。通通过对历过对历史数据清洗整合，史数据清洗整合，进进行模型的行模型的训练训练，优优化模型化模型参数，参数，进进行更加有效的生行更加有效的生产产和运和运营营。强强化模型化模型历历史数据史数据处处理理工业大数据建模目标制造价制造价值值提升提升1、原因分析的工艺优化；2、设备预测性维修；3、产线异常监控；4、产品质量控制；供供应应商管理提升商管理提升1、风险预测与分析；2、交付时间与路径优化；3、供应商评价与信用管理；客客户户需求管理提升需求管理提升1、客户行为的需求挖掘；2、准确个性化的产品定价；3、产品的预测性保养与维修；4、更好的产品体验；运运营营价价值值提升提升1、更好的管理资产

13、；2、合理的资源消耗；3、避免人为的错误；4、实时推荐技术工具；5、增强用户高效与便捷如上图显示的机器学习算法，多级算法分析引擎可以根据对工厂已安装设备的数据采集和工艺流程，自动绘制内在的逻辑关系，并显示哪个工艺流程和数据流之间直接或间接的相互关系，以及这种关系存在的原因。这种深层和独特的分析提供了一个高等级的平台来侦测异常，通过行为和运营表现来标记质量与效率，并进行微观辩证性的根源问题分析。生生产过产过程建模程建模设备设备数据建模数据建模结结果的相似和关果的相似和关联联性性产线产线数据建模数据建模模型算法模型算法-DNN神经网络是一组模拟人脑进行模式识别的算法组合，通过聚类或者标记原始数据进

14、行数据感知，它可以识别真实世界包含在向量中的数据，如图片、声音、文本等。深度神经网络与单层神经网络的区别是数据通过了多步模式识别的隐藏层处理，传统的神经网络机器学习算法依赖于一个输入一个输出一个隐藏的浅层神经网络学习，而深度神经网络是在一个以上的隐藏层学习。模型与数据模型与数据异常检测事件处理环境分析人机协同能效增强质量强化实时实时数据数据处处理理模型分析模型分析实时实时数据数据检测设备检测设备状状态态、预预防防设备设备故障、故障、优优化化生生产过产过程、提升程、提升产产品品质质量、量、能效增能效增强强、人机、人机协协同。同。通通过对历过对历史数据清洗整合，史数据清洗整合，进进行模型的行模型的

15、训练训练，优优化模型化模型参数，参数，进进行更加有效的生行更加有效的生产产和运和运营营。强强化模型化模型历历史数据史数据处处理理预测预测与与优优化化生产过程优化设备预测设备预测性性维维修修质量提升异常检测人机协同设备预测设备预测性性维维修修u 时间单时间单元元对于故障警告日志进行时间单元划分，将故障或警告视为事件，事件到下一个事件发生时间间隔超过一定时间的视为不同单元。u 伴随概率伴随概率对于同一个时间单元里的故障和警告进行联合概率分析，计算任意两个事件在单元里同时发生的概率。u 故障事件故障事件对于某一种故障的前序事件进行观察，事件与上一次事件间隔时间以内或上一次相同故障发生之间的故障或警告

16、视为前序事件，统计不同前序事件发生的次数。u 关关联联分析分析通过伴随发生概率分析，了解任意事件之间的关联性，寻找同时发生概率高的事件。通过故障的前序事件分析，了解故障前序发生的事件，了解前序事件与故障的关系。预测预测与与优优化化生产过程优化异常异常检测检测设备预测性维修质量提升人机协同异常异常检测检测u 时间时间序列序列将采集到的底层设备数据进行时间序列分析，生成时间序列数据图形，将图像特征按时间段进行观察。u 聚聚类类分析分析对建模后时间序列数据的按照时间端特征进行提取并聚类，聚类的结果对应到采集到的生产国产数据。u 关关联联分析分析对于不同分类数据的相关性，通过拉长时间轴的长度进行分析。

17、u 行行为为分析分析对采集到的事件和分类数据的进行关联性分析，并对应到产线运营行为上。预测预测与与优优化化设备预测性维修生生产过产过程程优优化化质量提升异常检测人机协同生生产过产过程程优优化化u 能力平衡能力平衡通过分析工序的Cycle time，工序瓶颈以及相应的等待事件，该出每一步工序所需要能力平衡的建议。u 异常事件异常事件通过对过程事件的分析发现经常性出现异常事件的原因，原因：机器、人员、原材料、能源等。u 缺陷事件缺陷事件通过分析过程中反馈记录的质量信息，进行相关因素分析，通过改善相关因素进行质量改善。u 按因按因优优化化将挖掘发现的过程事件原因进行进行合并处理，改出相应的优化方案。

18、生产过程优化人机人机协协同同质量提升设备预测性维修异常检测人机人机协协同同优优化化u 调调度度优优化化对机器和人员的执行调度，通过对历史操作数据的分析分析出相应岗位最适合的人并进行作业人员画像保证人机良好的协同。u 人因分析人因分析在具体的任务作业过程中，对作业人员的操作行为及执行结果进行因果关联分析，并给出良好作业的关键行为要素。预测预测与与优优化化25智慧工智慧工业业解决方案平台架构解决方案平台架构26智慧工智慧工业业解决方案平台架构解决方案平台架构共分为三层：数据采集层（适配器）、数据支持层（Gards云平台）、应用层（FIDIS应用系统）。数据层：提供BIOP-EG智能网关接入设备和B

19、IOP的接入接口软件，支持各类工业系统（DCS、PLC、SCADA等）、业务系统（ERP、MES、EAM、MRO等）、工业设备和工业产品的接入。全结构化工业数据的智能感知采集技术，实现系统、设备、产品级等多种数据源接入，多种协议的智能解析（OPC、TCP/IP、Modbus、Profibus、CAN等），提供GB、TB、到PB级的智能数据采集。实现数据加密传输和加密存储功能，满足企业对数据安全的需求。工业平台层：BIOP平台提供可扩展的工业云操作系统，能够实现对软硬件资源和开发工具的接入、控制和管理，为应用开发提供必要的存储、计算、分析、挖掘、工具资源等支持。包括：分布式存储、分布式计算、数值

20、质量及安全、数据分析、数据挖掘、数据可视化等功能模块。工业应用层：通过云化软件和专用APP平台（支持第三方开发）应用构架，面向企业客户提供各类软件和应用服务。对第三方开发者提供开发环境与开发工具，且封装了大量的工业技术原理、行业知识、基础模型，以微服务组件方式为开发者提供调用，来开发更多面向用户的创造性应用。BIOP平台提供经营管理、能源管理、安全管理、环保管理、资金流管理及物资流管理、资产全生命周期管理及预测性维护（PHM）等应用服务，帮助客户实现优化企业资源配置，提高企业资源利用率，提升企业的管理能力、营销能力和资源整合能力，推动企业向智能制造迈进。27智慧工智慧工业业解决方案：全生命周期

21、服解决方案：全生命周期服务务智慧工业云平台对服务的设备提供全生命周期服务，主要侧重于设备生产制造后运营支持服务，包括：远程监测服务，辅助分析服务，智能化维护服务，安全报警服务，故障诊断服务，优化运行服务，设备信息服务，设备使用服务，设备知识培训服务，技术咨询服务，运行报告服务等。优化建议：根据数据处理分析结果和专家经验，对锅炉运行优化提出建议，例如锅炉排烟温度很高，可以建立数学模型，模拟出各个运行参数对排烟温度的影响因子，分析出主要影响因素，再结合企业锅炉专家的经验，对排烟温度高的问题提出优化方案，从而提高锅炉效率、降低运营成本、辅助用户决策。安全预警：设定对运行安全隐患进行预警及报警，并提出

22、问题的解决方案，帮助用户提前消除安全隐患，减小安全事故的发生。维修保养：根据锅炉配备的仪表、设备的实际情况，及时向用户推送设备更换、维护保养信息；根据现场返回的运行数据，及时向用户推送设备校准、维修信息。28智慧工智慧工业业解决方案：智能工解决方案：智能工业业APP“智能工业”云平台标志着“工业4.0”时代的到来！物联化、智能化和互联化是“智能工业”云平台的基础，它将物联网、云计算、大数据、移动互联等技术与传统工业深度融合，让工业设备变得更节能、更环保、更安全。29智慧工智慧工业业解决方案：解决方案：领导驾驶舱领导驾驶舱宏观显示：显示整个生产线中所有设备设的运行、停机和故障状态等；微观显示：点

23、选设备的具体运行实时的状态。30智慧工智慧工业业解决方案：生解决方案：生产线设备实时监产线设备实时监控控可以实现设备台账管理、远程状态监控、设备日常巡检、历史数据查询、报警事故处理、产量数据分析等；根据管理身份和职能级别的不同，可以设置用户登录账户拥有不同管理权限。31智慧工智慧工业业解决方案：解决方案：单单台台设备实时监设备实时监控控32智慧工智慧工业业解决方案：手机解决方案：手机APP端端显显示示监控所有设备位置、运行状态；支持对设备的远程控制；识别当前产线设备运行参数、设备信息、维护人员及历史维护记录；支持手机工单流转；33资产资产管理体系管理体系资产管理解决方案的主要特征：全过程性：涵

24、盖资产从取得到退出全生命周期的整个过程;全员化性：资产的管理和运营涵盖各个部门、各级单位以及全体员工;全方位性：资产管理运营效益的全方位的评价，统筹经济效益、安全效益、社会效益等因素进行整体评价。预测预测与与优优化化生产过程优化设备预测设备预测性性维维修修质量提升异常检测人机协同设备预测设备预测性性维维修修u 时间单时间单元元对于故障警告日志进行时间单元划分，将故障或警告视为事件，事件到下一个事件发生时间间隔超过一定时间的视为不同单元。u 伴随概率伴随概率对于同一个时间单元里的故障和警告进行联合概率分析，计算任意两个事件在单元里同时发生的概率。u 故障事件故障事件对于某一种故障的前序事件进行观

25、察，事件与上一次事件间隔时间以内或上一次相同故障发生之间的故障或警告视为前序事件，统计不同前序事件发生的次数。u 关关联联分析分析通过伴随发生概率分析，了解任意事件之间的关联性，寻找同时发生概率高的事件。通过故障的前序事件分析，了解故障前序发生的事件，了解前序事件与故障的关系。预测预测与与优优化化生产过程优化异常异常检测检测设备预测性维修质量提升人机协同异常异常检测检测u 时间时间序列序列将采集到的底层设备数据进行时间序列分析，生成时间序列数据图形，将图像特征按时间段进行观察。u 聚聚类类分析分析对建模后时间序列数据的按照时间端特征进行提取并聚类，聚类的结果对应到采集到的生产国产数据。u 关关

26、联联分析分析对于不同分类数据的相关性，通过拉长时间轴的长度进行分析。u 行行为为分析分析对采集到的事件和分类数据的进行关联性分析，并对应到产线运营行为上。预测预测与与优优化化设备预测性维修生生产过产过程程优优化化质量提升异常检测人机协同生生产过产过程程优优化化u 能力平衡能力平衡通过分析工序的Cycle time，工序瓶颈以及相应的等待事件，该出每一步工序所需要能力平衡的建议。u 异常事件异常事件通过对过程事件的分析发现经常性出现异常事件的原因，原因：机器、人员、原材料、能源等。u 缺陷事件缺陷事件通过分析过程中反馈记录的质量信息，进行相关因素分析，通过改善相关因素进行质量改善。u 按因按因优

27、优化化将挖掘发现的过程事件原因进行进行合并处理，改出相应的优化方案。生产过程优化人机人机协协同同质量提升设备预测性维修异常检测人机人机协协同同优优化化u 调调度度优优化化对机器和人员的执行调度，通过对历史操作数据的分析分析出相应岗位最适合的人并进行作业人员画像保证人机良好的协同。u 人因分析人因分析在具体的任务作业过程中，对作业人员的操作行为及执行结果进行因果关联分析，并给出良好作业的关键行为要素。预测预测与与优优化化大数据技大数据技术术、工具、方法、工具、方法对钢铁对钢铁企企业业生生产业务产业务的理解的理解规规划依据划依据业务蓝图数据蓝图技术蓝图l大数据管理与控制大数据管理与控制l大数据管理

28、平台架构大数据管理平台架构l大数据采集管理大数据采集管理l大数据大数据处处理技理技术术架构架构数据获取策略、质量管理、存储管理、ETL。海量、高速实时数据的低成本管理与快速处理基于大数据的基于大数据的应应用用规规划划重点重点设备设备预测维预测维修修高炉异常高炉异常事件防控事件防控产产品品质质量量提升提升人人员员作作业业优优化化生生产产效率效率优优化化大数据大数据业务规业务规划划智能制造大数据智能制造大数据战战略略炼炼钢钢设设备备高高炉炉产线设备与工业网络MES、EMS1、生产过程。2、调度行为。2、能源消耗。3、异常事件。4、灾难事件。钢厂数据湖1、设备参数。质质量量提提升升异异常常监监控控人

29、人机机协协同同灾灾难难规规避避大数据处理炼钢炼钢生生产过产过程大数据程大数据应应用用 料层厚度 烧结温度 点火温度 垂直燃烧速度 混合料水分 燃料配比 机速 利用系数 冶炼强度 焦比 喷煤比 燃料比 富氧率 风温 氧气压强 氩气压强 PLC、DCS、SCADA（控制及采集数据）钢钢材生材生产过产过程大数据程大数据应应用用PLC、DCS、SCADA（控制及采集数据）产线设备与工业网络轧轧钢钢设设备备主主轧轧机机MES、EMS（信息系统）质质量分析量分析 趋势图 直方图 散点图 因果图钢厂数据湖轧轧机机监测监测 温度 厚度 张力 速度 电机扭矩 轧制力物料跟踪物料跟踪 跟踪模型 扎线位置 扎线状态

30、 辊道长度41设备设备管理体系管理体系以大数据分析关联建模思想为指引，整合各环节大型设备的全面数据信息，全面分析重点设备在生产环节的自动化控制系统，实现对设备的全生命周期管理。同时，基于大数据设备预警分析，提升设备运行的安全性，减少停机维护时间，具体包括：建立健全设备运行数据标准体系；实现设备基础数据管理、运行维护管理、运行预测管理、物资管理、统计分析管理和与其他系统的无缝集成管理等方面；将设备运行自检数据和设备标准数据进行结合，驱动设备故障预测分析；建立工业设备画家评级系统；建立智能预警和自动推送维护方案的智能应用。42设备设备管理体系管理体系43能效管理体系能效管理体系工业节能平台基于数据

31、的实时采集，进行海量数据在线分析和挖掘，识别企业能效管理的改进点，帮助企业进行管理对标和优化，为企业能源管理、设备整体效率提升、废弃物减量化、生产计划安排等提供实时在线分析和决策支持。44能源平衡管理体系能源平衡管理体系通过连接能源的供应端、输送储能部分和能源消费环节的数据，实现微电网的运行调控管理、区域能源分级管理、电力系统平衡管理；同时，通过能源消费平衡机动态追踪，建立区域电力交易市场和电力需求侧响应平台，提供能源系统全生命周期的运营保障服务，降低二氧化碳排放量，帮助企业实现优价用电和能源的分级管理。45安全管理体系安全管理体系工业安全管理解决方案包括安全生产事故接警系统、安全生产在线监测

32、系统、安全生产在线监控系统、安全生产在线预报警系统和综合统计分析系统，为不同管理人员提供安全管理信息，帮助企业系统提升企业安全管理水平；提升应急反应、应急协调、重大危险源预测预警等能力。46环环保管理体系保管理体系环保大数据分析平台通过对区域内的空气、水、土壤等环境信息进行采集，并对污染源在线监控系统、安全生产监督执法检查系统、重点企业和重大危险源信息管理系统、企业基本信息查询系统、排污许可证管理系统、排污交易管理系统、污水处理厂管理系统进行对接，形成面向政府、企业和公众的环保大数据综合管理分析平台。47产产供供销销平衡体系平衡体系整合企业内部多系统，贯通企业上下游的供销环节数据，将以销售为基

33、础的产业链模型链接到企业内部库存及物流管理、供应商服务、培训、事故响应和行业整体分析系统中，帮助企业实现行业信息的实时分析管理，实现数据库信息共享、集中采购、公开展示、供应商管理、设备供应全过程管理、价格与需求平衡等目标。48经营经营分析体系分析体系市场经营分析系统可以整合企业内部经营管理信息，打破信息孤岛，形成向上融合、向下服务、横向联动的机制，实现管理的贯通，提高经济运行协调处理工作的效率，指导管理者了解企业的发展态势及经济运行状况。49人人员员画像画像通过整合员工、工长、销售等人员的基本信息情况、KPI指标、灾害应急指数、工龄、违章情况、绩效、工种分布、技能水平等信息，对员工的工作进行3

34、60的画像，全方位、多维度的分析和评价，为工业生产提出改进建议，提升生产管理水平。50行行业专业专家家库库专家库系统，基于行业、院校等专家资源，建立各行业专家知识库，通过专家知识积累和大数据顶层数据关联，实现知识分享和专家在线定制化服务，可以帮助企业了解行业最新技术和针对性解决方案。大数据技大数据技术术、工具、方法、工具、方法对钢铁对钢铁企企业业生生产业务产业务的理解的理解规规划依据划依据业务蓝图数据蓝图技术蓝图l大数据管理与控制大数据管理与控制l大数据管理平台架构大数据管理平台架构l大数据采集管理大数据采集管理l大数据大数据处处理技理技术术架构架构数据获取策略、质量管理、存储管理、ETL。海

35、量、高速实时数据的低成本管理与快速处理基于大数据的基于大数据的应应用用规规划划重点重点设备设备预测维预测维修修高炉异常高炉异常事件防控事件防控产产品品质质量量提升提升人人员员作作业业优优化化生生产产效率效率优优化化大数据大数据业务规业务规划划智能制造大数据智能制造大数据战战略略炼炼钢钢设设备备高高炉炉产线设备与工业网络MES、EMS1、生产过程。2、调度行为。2、能源消耗。3、异常事件。4、灾难事件。钢厂数据湖1、设备参数。质质量量提提升升异异常常监监控控人人机机协协同同灾灾难难规规避避大数据处理炼钢炼钢生生产过产过程大数据程大数据应应用用 料层厚度 烧结温度 点火温度 垂直燃烧速度 混合料水分 燃料配比 机速 利用系数 冶炼强度 焦比 喷煤比 燃料比 富氧率 风温 氧气压强 氩气压强 PLC、DCS、SCADA（控制及采集数据）钢钢材生材生产过产过程大数据程大数据应应用用PLC、DCS、SCADA（控制及采集数据）产线设备与工业网络轧轧钢钢设设备备主主轧轧机机MES、EMS（信息系统）质质量分析量分析 趋势图 直方图 散点图 因果图钢厂数据湖轧轧机机监测监测 温度 厚度 张力 速度 电机扭矩 轧制力物料跟踪物料跟踪 跟踪模型 扎线位置 扎线状态 辊道长度