Big data industrial se refiere a todo tipo de datos y tecnologías y aplicaciones relacionadas generadas en el campo industrial en torno al modelo típico de fabricación inteligente, desde la demanda del cliente hasta las ventas, los pedidos, la planificación, la investigación y el desarrollo, el diseño, el proceso, la fabricación, la adquisición, el suministro, el inventario, el envío y la entrega, el servicio pos-venta, la operación y el mantenimiento, la chatarra o el reciclaje y la remanufactura de todo el ciclo de vida del producto de cada eslabón. Los big data industriales son el núcleo de la fabricación inteligente, basados en "big data + Internet industrial", computación en la nube, big data, Internet de las cosas, inteligencia artificial y otras tecnologías para liderar el cambio de los métodos de producción industrial e impulsar el desarrollo innovador de la economía industrial.
Descripción detallada de la tecnología y aplicación de big data industrial.
I. la definición de big data industrial
Big data industrial se refiere al campo industrial, alrededor del modelo de fabricación inteligente típico, desde la demanda del cliente hasta las ventas, los pedidos, la planificación, la investigación y el desarrollo, el diseño, el proceso, la fabricación, la adquisición, el suministro, el inventario, el envío y la entrega, el servicio postventa, la operación y el mantenimiento, la chatarra o el reciclaje y la remanufactura de todo el ciclo de vida del producto de varios tipos de datos generados por diversos aspectos del término general, y la tecnología relacionada y aplicaciones. Se centra en datos de productos, lo que amplía enormemente el alcance de los datos industriales tradicionales y también incluye tecnologías y aplicaciones relacionadas con big data-industriales. Las principales fuentes de big data industrial son las tres categorías siguientes.
1. Datos comerciales relacionados con la producción y operación.
Los datos comerciales relacionados con la producción y la operación-provienen principalmente del alcance de la informatización empresarial tradicional y se almacenan dentro de los sistemas de información empresarial, incluido el software de fabricación y diseño industrial tradicional, la planificación de recursos empresariales (ERP), la gestión del ciclo de vida del producto (PLM), la gestión de la cadena de suministro (S CM), la gestión de relaciones con los clientes (CRM) y el sistema de gestión ambiental (EMS), etc. Estos sistemas de información empresarial han acumulado una gran cantidad de datos. Estos sistemas de información empresarial han acumulado una gran cantidad de datos de desarrollo de productos, datos de producción, datos operativos, datos de información de clientes, datos de logística y suministro, y datos ambientales. Este tipo de datos es el activo de datos tradicional en el campo industrial y está ampliando gradualmente su alcance en el entorno de nuevas aplicaciones tecnológicas como Internet móvil.
2. Datos de IoT del equipo
Los datos de IoT de equipos se refieren principalmente a equipos de producción industrial y productos objetivo en el modo de operación de IoT, generación y recopilación en tiempo real-de datos que cubren operación y funcionamiento, condiciones de trabajo, parámetros ambientales y otros datos que reflejan el estado operativo de equipos y productos. Estos datos son la nueva fuente de big data industrial y de más rápido crecimiento. Big data industrial limitado se refiere a este tipo de datos, es decir, una gran cantidad de datos generados rápidamente por equipos y productos industriales y la existencia de diferencias en series de tiempo-.
3. Datos externos
Los datos externos se refieren a las actividades de producción de empresas industriales y productos relacionados con las fuentes de datos externas de Internet de la empresa, por ejemplo, la evaluación del desempeño ambiental de la empresa de las regulaciones ambientales, la predicción de los datos macro-socio-económicos del mercado de productos, etc. La tecnología de big data industrial es una serie de tecnologías y métodos que permiten extraer y mostrar el valor contenido en big data industrial, incluida la planificación, adquisición, pre-procesamiento, almacenamiento, análisis y extracción de datos, visualización y control inteligente. La aplicación de big data industrial es el proceso de integrar y aplicar una serie de tecnologías y métodos de big data industrial a un conjunto de big data industrial específico para obtener información valiosa. La investigación y el avance de la tecnología de big data industrial tienen como objetivo esencial descubrir nuevos patrones y conocimientos a partir de conjuntos de datos complejos y extraer nueva información valiosa, a fin de promover la innovación de productos de las empresas manufactureras, mejorar el nivel de operación y eficiencia de producción y expandir nuevos modelos de negocios.
II. Características del big data industrial
Además de las características del big data general (gran volumen de datos, variedad, rapidez y baja densidad de valor), el big data industrial también tiene las características de secuencia temporal, fuerte correlación, precisión y bucle cerrado.
Gran volumen de datos:el tamaño de los datos determina el valor y la información potencial de los datos bajo consideración. El volumen de datos industriales es relativamente grande, una gran cantidad de datos de alta-frecuencia de máquinas y equipos y datos de Internet continúan llegando, y los conjuntos de datos de las grandes empresas industriales alcanzarán el nivel PB o incluso EB.
Variedad (variedad):Se refiere a la diversidad de tipos de datos y una amplia gama de fuentes. Los datos industriales están ampliamente distribuidos en diversos aspectos, como máquinas y equipos, productos industriales, sistemas de gestión e Internet, y la estructura es compleja, con datos de detección estructurados y semi-estructurados, así como datos no estructurados.
Rápido (velocidad):Se refiere a la velocidad de obtención y procesamiento de datos. Las necesidades de velocidad de procesamiento de datos industriales son diversas, los requisitos a nivel del sitio de producción-para el marco de tiempo de análisis hasta el nivel de milisegundos, las aplicaciones de administración y toma de decisiones-deben admitir análisis de datos interactivos o por lotes.
Densidad de valor bajo (valor):Los big data industriales ponen más énfasis en el valor-para el usuario y en la usabilidad de los datos en sí, lo que incluye: mejorar la capacidad de innovación y la eficiencia de producción y operación y promover la personalización personalizada, la transformación de servicios y otros nuevos modos de cambio de fabricación inteligente.
Secuencia:Big Data industrial tiene una fuerte secuencia temporal, como pedidos, datos de estado de equipos.
Fuerte-relevancia:Por un lado, los datos en la misma etapa del ciclo de vida del producto tienen gran relevancia, como la composición de las piezas del producto, las condiciones de trabajo, el estado del equipo, el mantenimiento y la adquisición complementaria de piezas; por otro lado, es necesario asociar los datos en las diferentes etapas del ciclo de vida del producto, como I+D y diseño, producción y servicio.
Exactitud:Se refiere principalmente a la autenticidad, integridad y confiabilidad de los datos, y presta más atención a la calidad de los datos, así como a la confiabilidad de las técnicas y métodos de procesamiento y análisis. Los requisitos de mayor confianza para el análisis de datos, confiar únicamente en el análisis de correlación estadística no son suficientes para respaldar el diagnóstico de fallas, la predicción y alerta temprana y otras aplicaciones industriales, y es necesario combinar el modelo físico con el modelo de datos y la minería de relaciones de causa y efecto.
Bucle-cerrado:incluido el cierre y la asociación de la cadena de datos en el proceso horizontal de todo el ciclo de vida del producto, así como el proceso vertical de adquisición y procesamiento de datos de la fabricación inteligente, que debe respaldar el ajuste y la optimización dinámicos y continuos en los escenarios de bucle cerrado-de detección, análisis, retroalimentación y control del estado.
Debido a las características anteriores, el big data industrial, como industria de aplicación de big data, tiene una amplia perspectiva de aplicación al mismo tiempo que plantea un gran desafío para la tecnología tradicional de gestión de datos y la tecnología de análisis de datos.
III. Arquitectura de Big Data industrial
La arquitectura de big data industrial contiene tres dimensiones: ciclo de vida y flujo de valor, capa vertical empresarial y cadena de valor de TI.
En la capa de ciclo de vida y flujo de valor, según las áreas de aplicación de big data industrial, se puede dividir en tres áreas: desarrollo y diseño de productos antes del inicio de la fase de producción del producto, gestión de la cadena de producción y suministro antes de la entrega del producto, y gestión de operación, mantenimiento y servicios después de la entrega del producto.
En la capa vertical de la empresa, según el método de recopilación de datos y el nivel de aplicación, se puede dividir en capa del sistema físico de información, capa del sistema de información de gestión empresarial y capa del sistema de interconexión de plataformas.
En la capa de la cadena de valor de TI, se puede dividir en arquitectura empresarial, arquitectura de sistemas de información y arquitectura de tecnología de TI en tres niveles, de los cuales la arquitectura del sistema de información se puede dividir en arquitectura de aplicaciones y arquitectura de información.
1. Dimensión del ciclo de vida y del flujo de valor
La dimensión del ciclo de vida y del flujo de valor en la arquitectura industrial de big data cubre las etapas de todo el ciclo de vida del producto, es decir, I+D y diseño, producción, logística, ventas, operación y mantenimiento, y servicio. Entre ellos, la producción, la logística y las ventas pueden clasificarse además en producción y cadena de suministro, y la dimensión del ciclo de vida y del flujo de valor incluye tres campos: I+D y diseño, producción y cadena de suministro, y operación, mantenimiento y servicio. Los escenarios de aplicación de cada dominio se muestran en la Figura 2.
01. I+D y Diseño
Los datos de I+D son acumulados por el personal de I+D en el proceso de I+D y diseño, que provienen de todos los aspectos del ciclo de vida del producto, incluidos: big data de demanda de usuario, big data de conocimiento de I+D, big data de reutilización de productos, big data colaborativo de I+D, etc., con productos cruzados-y entre industrias-, y una amplia variedad de características.
Las empresas de diseño de personalización de productos personalizados pueden recopilar la demanda de productos personalizados de los usuarios, la interacción del producto con el cliente y los datos de transacciones a través de la plataforma de Internet. Extraer y analizar estos datos dinámicos de los clientes puede ayudarlos a participar en el análisis de la demanda de productos y en las actividades de diseño de productos para lograr un diseño personalizado y, luego, basándose en el proceso de producción flexible, puede producir productos-hechos a medida para los usuarios.
Realizar el diseño de simulación basado en big data de las empresas de producción tradicionales en las pruebas y verificación del enlace debe producirse en especie para evaluar su rendimiento y otros indicadores, el costo con el aumento en el número de pruebas y en aumento. El uso de tecnología de simulación virtual puede lograr el proceso de diseño original de I + D de simulación, análisis, evaluación, verificación y optimización, reduciendo así la cantidad de cambios de ingeniería, optimizando el proceso de producción, reduciendo costos y consumo de energía.
Realice una automatización de diseño personalizado basada en tipos de productos empresariales tradicionales de big data, los estilos no son muchos, se puede usar para diseñar manualmente modelos de productos, muestras de producción y luego el modo de producción de producción en masa, pero frente a los requisitos de producción personalizados y de lotes pequeños, el modo tradicional hará que el ciclo de producción del producto sea demasiado largo y el costo sea demasiado alto. Al acumular una gran cantidad de datos de modelos de diseño de productos, analizar la correlación entre los datos de diseño y con la ayuda de tecnología de big data y otras herramientas de diseño auxiliares, se puede realizar la automatización del diseño personalizado y la generación de modelos.
Promover la integración y el intercambio de recursos de I+D y empresas de innovación y diseño colaborativo a través de la construcción y mejora de la base de conocimientos de I+D y diseño, para promover los dibujos digitales, la biblioteca de piezas estándar y otros datos de diseño dentro de la empresa, así como las empresas ascendentes y descendentes en la cadena de suministro de intercambio de recursos, innovación y colaboración, para mejorar la cadena industrial y la gestión integrada de los recursos de I+D trans-regionales de la empresa. capacidades de diseño colaborativo. Mejorar la capacidad de las empresas para gestionar y utilizar recursos globales de I+D, optimizar y reorganizar los procesos de I+D y mejorar la eficiencia de la I+D.
Cultivar nuevos modos de I+D basados en el intercambio y la participación socializados de recursos de diseño, y permitir que las empresas lleven a cabo nuevos modos de I+D, como el crowdsourcing y el crowdsourcing, basados en sus propias necesidades de I+D, a fin de mejorar la capacidad de las empresas para utilizar la innovación y los recursos de capital socializados.
02.Producción y Cadena de Suministro
Los big data de producción no solo incluyen información de producción de productos, información de pedidos, información de equipos, información de control, información de materiales, programación del trabajo del personal, sino que también incluyen flujo de información de gestión interna, flujo de capital, producción de productos de proveedores ascendentes y descendentes y gestión de clientes y otra información auxiliar relacionada de gestión de producción.
Realiza supervisión y gestión en tiempo real-del proceso de producción y mantenimiento predictivo de los equipos de producción, mejora el nivel de gestión del proceso y del equipo de producción, optimiza el proceso de producción y mejora la calidad del producto. Las líneas de producción de fabricación industrial modernas están instaladas con miles de pequeños sensores para detectar el estado de funcionamiento de los equipos de producción, como temperatura, presión, calor, vibración y ruido, etc. El uso de estos datos puede realizar un monitoreo en tiempo real-del proceso de producción, diagnóstico y predicción de fallas de equipos, análisis de consumo de energía y análisis de accidentes de calidad. Además, también puede integrar y agregar datos de todos los aspectos de la fabricación, establecer modelos virtuales del proceso de producción, simular y optimizar el proceso de producción.
Realizar una producción a escala personalizada y promover el establecimiento de un sistema de producción moderno. A través de la automatización del flujo de datos en todo el ciclo de vida del producto y el control automatizado e inteligente de todo el proceso de fabricación, promoverá el intercambio de información, la integración de sistemas y la colaboración empresarial, mejorará la capacidad de fabricación de precisión, -la fabricación de alta gama y la fabricación ágil, realizará una producción a escala personalizada, acelerará el establecimiento de sistemas de producción modernizados, como talleres y fábricas inteligentes, y realizará una producción inteligente.
Lograr la fabricación colaborativa en red y la economía compartida de la fabricación. A través de "Internet +", la integración y optimización de los recursos de producción dentro o entre empresas, y la realización de la fabricación colaborativa vertical dentro de las empresas o la fabricación colaborativa horizontal entre empresas. A través de Internet + economía colaborativa, el intercambio de recursos de innovación, capacidad de producción, inventario y otros recursos de producción para realizar la economía colaborativa de fabricación.
Optimizar la cadena de suministro industrial. La tecnología de identificación electrónica, como la identificación por radiofrecuencia (RFID), la tecnología de Internet de las cosas (IoT) y la tecnología de Internet móvil, puede ayudar a las empresas industriales a obtener macrodatos sobre toda la cadena de suministro de productos, y el uso de dichos datos para el análisis generará un aumento significativo en la eficiencia del almacenamiento, la distribución y las ventas, así como una reducción significativa de los costos.
Realice pronósticos de la demanda para organizar mejor los bienes entrantes y la producción, y cuando la demanda caiga, rastree la causa del problema y resuélvalo.
Realice perfiles de clientes y análisis de marketing y comportamiento de clientes de precisión, que pueden ampliar las fuentes de clientes, mejorar la tasa de éxito del marketing y la satisfacción y lealtad del cliente original.
03.Operación y Mantenimiento y Campo de Servicio
Existen muchas fuentes de datos en el campo de operación, mantenimiento y servicio, que incluyen principalmente: datos de estado de funcionamiento en tiempo real-y datos del entorno circundante recopilados por los sensores integrados en los productos con el permiso de los clientes; datos de ventas de productos obtenidos a través de la plataforma comercial, datos de clientes y la correspondiente evaluación del producto o comentarios de uso; quejas de clientes y los registros de procesamiento correspondientes; devoluciones/devoluciones de productos y los correspondientes registros de mantenimiento.
Al monitorear y analizar los datos de estado de operación en tiempo real-de los productos recopilados de forma remota, se pueden implementar servicios-de valor agregado en línea, como monitoreo y administración remotos, diagnóstico de fallas y mantenimiento predictivo, lo que puede reducir los costos de mantenimiento y mejorar la utilización del producto.
Al analizar los datos de uso del cliente y los datos del entorno circundante del equipo, también puede proporcionar servicios ampliados para los usuarios, ampliar el espacio de valor de los productos y realizar la transformación del modelo de negocio centrado en el producto-al modelo de "fabricación + servicio".
Al analizar la evaluación de productos de los clientes o los comentarios sobre el uso, las quejas de los clientes, la incorporación de comentarios útiles en el diseño y la mejora del producto, y la categorización de las quejas de los clientes, podemos mejorar la calidad del producto y{0}}la calidad del servicio posventa, reducir la tasa de quejas y aumentar la satisfacción y lealtad del cliente.
Al analizar los motivos de la devolución o reparación del producto y tomar medidas oportunas y efectivas, podemos mejorar la calidad del producto y reducir la tasa de devolución y reparación.
2. Capa vertical empresarial
La capa vertical empresarial de la arquitectura industrial de big data se divide en cinco capas desde la perspectiva del dominio físico de abajo hacia arriba, que son capa de equipo, capa de control, capa de taller, capa empresarial y capa de colaboración. En la capa de equipo, la capa de control y la capa de taller, Internet de las cosas se puede utilizar para realizar fábricas inteligentes basadas en el sistema físico de información; en la capa empresarial, la empresa integra varias aplicaciones de informatización interna, lleva a cabo la integración y transformación de los procesos comerciales internos y mejora la eficiencia operativa de la empresa; y en la capa de colaboración, la nube industrial y otras tecnologías de plataforma se utilizan para realizar la fabricación colaborativa externa de la empresa y modelos de negocio innovadores, como el modelo orientado a servicios-de fabricación. La dimensión vertical de la empresa se puede dividir en tres subsistemas: sistema físico de información, sistema de información de gestión empresarial y sistema de plataforma de interconexión.
01.Sistema Físico de Información
El sistema físico de información recopila y agrega datos de operación de máquinas y datos del sitio de producción a través de sensores y varios sistemas de información para realizar sensores ubicuos, y aplica tecnología de procesamiento e integración de datos para recopilar e intercambiar datos industriales, retroalimentación y control de fabricación, para lograr control e interacción con equipos y talleres, para lograr la interconexión e interoperabilidad de los sistemas físicos internos y externos de las fábricas, y para proporcionar una base de datos para el modelado/simulación y análisis industriales, y luego brindar soporte para optimización-de la toma de decisiones de las operaciones del taller/fábrica. También proporciona una base de datos para el modelado/simulación y análisis industrial, lo que a su vez proporciona servicios de soporte para la optimización de las decisiones de operación del taller/fábrica. En la capa vertical de la empresa de arquitectura industrial de big data, el sistema físico de información utilizado para la recopilación de información en la capa de equipos industriales se basa en big data, redes y computación masiva, y a través de la percepción, el análisis, la minería, la evaluación, la predicción, la optimización, la colaboración y otros medios técnicos centrales inteligentes, la computación, la comunicación y el control pueden realizar la fusión orgánica y la cooperación -profunda, para lograr la fusión profunda de ciberespacio y espacio físico de equipos, entornos y grupos industriales. Integración profunda. La esencia del sistema físico de información radica en conectar equipos físicos a Internet, de modo que los equipos físicos tengan cinco funciones principales: computación, comunicación, control preciso, coordinación remota y autonomía.
02.Sistema de información de gestión empresarial
La informatización empresarial es el proceso de aplicación de tecnologías y productos de la información en las empresas. La informatización empresarial es el proceso de penetración integral de la tecnología de la información desde el nivel local al global, desde el nivel táctico al estratégico, en las empresas, aplicándola a la gestión de procesos y apoyando la operación y gestión empresarial. La informatización empresarial implica principalmente el control del proceso de producción, la gestión empresarial, la gestión del ciclo de vida del producto, la optimización de la cadena de suministro y los procesos de gestión. La informatización del control del proceso de producción se centra en el desarrollo y diseño de productos, el flujo del proceso de producción, la gestión de talleres, la inspección de calidad y otros vínculos de diseño y producción. La informatización de la gestión empresarial es la mayor proporción de la construcción de información empresarial, la más difícil y la más utilizada en un campo, e involucra el negocio de la gestión empresarial en todos los niveles. La construcción de informatización de la gestión empresarial consiste en recopilar, procesar, organizar e integrar recursos de información de manera efectiva a través del sistema de aplicación de integración de información sobre la base de estandarizar el trabajo básico de gestión y optimizar los procesos comerciales, mejorar la eficiencia de la gestión y proporcionar -información de gestión dinámica en tiempo real e información para la toma de decisiones-. La informatización de la gestión de la cadena de suministro empresarial hace que las actividades de producción y gestión de la empresa se extiendan hacia adelante y hacia atrás. Las empresas, desde la adquisición de materias primas, componentes, transporte, almacenamiento, procesamiento y fabricación, ventas, hasta la entrega final y el servicio a los clientes, forman una estructura de cadena compuesta por proveedores ascendentes, productores intermedios y proveedores de servicios externos-, clientes de ventas descendentes y las actividades de producción de las empresas, los procesos de gestión están sujetos a las limitaciones e influencias de esta cadena de suministro.
03.Sistema de Plataforma Conectada
En la actualidad, el desarrollo industrial de China y la mayoría de los países se enfrentan a grandes dificultades y desafíos, entre ellos: un grave exceso de capacidad, la escasez de productos personalizados, los productos son cada vez más complejos, los medios de producción no se pueden configurar eficazmente y el mercado de equipos a gran-escala se está saturando cada vez más, etc., y es urgente buscar una solución estratégica para el retorno de la industria y la transformación y mejora de la industria. "Internet +", un pensamiento muy dinámico y modelos de negocios innovadores, para la difícil situación de la industria manufacturera que necesita urgentemente transformación y actualización, proporciona una nueva dirección de transformación, a través de la reforma de los métodos de producción y modelos de negocios y la mejora de la tecnología de producción, para lograr la personalización de productos personalizados por parte del cliente, producción en lotes pequeños y a gran escala-, para resolver el problema de la capacidad de producción de productos industriales a gran-escala. Al reformar los métodos de producción y los modelos de negocios y mejorar la tecnología de producción, podemos lograr la producción de productos personalizados en lotes pequeños-y en gran-escala para resolver el problema del exceso de capacidad de productos industriales a gran-escala y la incapacidad de satisfacer la demanda personalizada de productos de los clientes, a fin de satisfacer la demanda de respeto y afirmación de los clientes, así como de autorrealización.
Intentar resolver el problema de la tecnología central débil y la baja capacidad de fabricación de productos de alta-a través de la fabricación colaborativa en red, es decir, con la ayuda de Internet o una plataforma industrial en la nube, desarrollar nuevos modos de investigación y desarrollo colaborativos, diseño de crowdsourcing, colaboración en la cadena de suministro, etc. entre empresas, para reducir efectivamente el costo de adquisición de recursos, ampliar significativamente el alcance de la utilización de recursos, romper los límites cerrados y acelerar la transformación de "luchar solo" a "colaboración industrial". "a la sinergia industrial y promover la competitividad general de la industria.
Intentar mejorar el problema del exceso de capacidad sin una asignación efectiva de recursos y una débil capacidad de innovación independiente a través de la innovación y el espíritu empresarial, y la economía colaborativa en la fabricación.
Con el producto principal como eje, a través de la recopilación y el análisis de los datos de uso del cliente del producto y los datos del entorno circundante, para brindar a los usuarios servicios extendidos, expandir el espacio de valor del producto, expandir nuevos mercados y lograr la transformación del modelo de negocio centrado en el producto-al modelo de "fabricación + servicio".
3. Cadena de valor de TI
El valor del big data se materializa a través de actividades como la recopilación, el pre-procesamiento, el análisis, la visualización y el acceso a los datos.
En la dimensión de la cadena de valor de TI, el valor de los macrodatos se materializa mediante el suministro de redes, infraestructura, plataformas, herramientas de aplicación y otros servicios que albergan grandes datos para aplicaciones de grandes datos, mejorando así la eficiencia operativa y apoyando la innovación empresarial. La arquitectura empresarial respaldada por la tecnología de big data se puede dividir en tres niveles: arquitectura empresarial, arquitectura del sistema de información y arquitectura de tecnología de TI con referencia al método de división TOGAF.
01. Arquitectura Empresarial
La arquitectura empresarial define la estrategia empresarial, la gestión, la organización y los procesos empresariales clave, y es la base de la estrategia integral de tecnología de la información y la arquitectura del sistema de información de la empresa, así como el determinante de la arquitectura de datos, aplicaciones y tecnología. La arquitectura empresarial es el canal que traduce la estrategia empresarial de una organización en operaciones diarias, y la estrategia empresarial determina la arquitectura empresarial. La arquitectura empresarial convierte estrategias y objetivos empresariales-de alto nivel en modelos empresariales operativos. La arquitectura empresarial es una expresión de la estrategia empresarial clave de la empresa y de las funciones y procesos empresariales, normalmente un diseño empresarial implementado sobre la base de un modelo empresarial, que describe los módulos empresariales y las relaciones entre ellos, es decir, los principales procesos del negocio, desde diferentes perspectivas. La arquitectura empresarial es una delimitación adecuada de los procesos principales y compartidos del negocio, y la articulación y análisis del ciclo de vida de los elementos del negocio. El valor de los big data industriales se puede obtener planificando estratégicamente los negocios de big data industriales y construyendo una arquitectura empresarial.
02.Arquitectura del Sistema de Información
Para aprovechar al máximo el valor de los big data industriales y evitar la formación de "islas de información", es necesario construir una arquitectura de sistema de información unificada para lograr el acceso de los usuarios y la interoperabilidad de varios sistemas de aplicaciones y datos. La arquitectura del sistema de información basada en la estrategia empresarial de big data industrial es una arquitectura que refleja la relación entre los diversos componentes del sistema de información de una empresa manufacturera, así como la relación entre el sistema de información y el negocio relacionado, y entre el sistema de información y la tecnología relacionada. La arquitectura del sistema de información incluye la arquitectura de aplicaciones y la arquitectura de datos. Entre ellos, la arquitectura de aplicaciones describe el modelo del sistema de aplicaciones necesario para respaldar la operación empresarial, incluidos niveles de aplicación, funciones, métodos de realización y estándares de construcción, etc. Estudia principalmente la interacción entre los sistemas de aplicaciones y la correspondencia entre las aplicaciones y el negocio principal, y es el foco de la investigación en el marco general de la empresa, que se puede decir que es el puente entre la arquitectura empresarial y la arquitectura técnica. La arquitectura de aplicaciones de big data industrial contiene tanto sistemas de aplicaciones correspondientes a los distintos niveles de la capa vertical de la empresa en la arquitectura de big data industrial como sistemas de aplicaciones basados en tecnología de big data. La arquitectura de datos, por otro lado, es una descripción de la estructura y la interacción de los principales tipos y fuentes de datos, activos de datos lógicos, activos de datos físicos y recursos de gestión de datos de un organismo organizativo complejo.
03.Arquitectura de Tecnologías de la Información
Con el surgimiento de la ola de Industria 4.0, tecnologías de la información como Internet de las cosas (IoT), computación en la nube, Big Data, inteligencia artificial, realidad aumentada/realidad virtual y otras tecnologías de la información se están integrando y penetrando continuamente en el campo industrial, lo que sienta una base tecnológica sólida para la implementación de aplicaciones industriales de big data. Entre ellos, la tecnología IoT fabrica equipos e instalaciones finales ubicuos, que pueden conectarse a Internet de acuerdo con protocolos acordados a través de dispositivos de detección de información, como identificación por radiofrecuencia, sensores infrarrojos, sistemas de posicionamiento global, etc., para el intercambio y la comunicación de información, haciendo visibles los elementos y su estado, a fin de realizar una identificación, localización, seguimiento, monitoreo y gestión inteligentes; La tecnología de computación en la nube proporciona un tipo de servicio informático dinámico y escalable que se puede realizar a través de la red bajo-demanda. La tecnología de computación en la nube proporciona servicios informáticos bajo demanda, dinámicamente escalables y económicos a través de la red; la tecnología de big data y la tecnología de inteligencia artificial permiten analizar y extraer el valor potencial de datos masivos en un período de tiempo aceptable, así como realizar la predicción de tendencias y el modo de inteligencia grupal; La tecnología AR/VR puede realizar la simulación y mejora de la experiencia del entorno de la fábrica, equipos industriales, etc. Las empresas manufactureras generan una gran cantidad de datos todos los días o incluso en todo momento, con una amplia variedad, que cubren todo el ciclo de vida de los productos industriales, incluidos datos de diseño, datos de producción, datos de la cadena de valor y datos externos relacionados. Estos datos provienen de sensores, del sistema de control de monitoreo y adquisición de datos de equipos inteligentes, o del modelo de diseño y el sistema de información de la empresa.
La realización de la aplicación de big data industrial requiere la recopilación y el pre-procesamiento, almacenamiento, análisis y extracción de datos, la aplicación para negocios específicos y finalmente mostrar los resultados; en consecuencia, la arquitectura de tecnología de la información de big data industrial se divide en seis capas: capa de datos, capa de recopilación de datos, capa de almacenamiento, capa informática, capa de aplicación y capa de visualización. Si las empresas construyen cada capa por sí solas, el umbral de construcción será relativamente alto. Se han desarrollado y completado en el país y en el extranjero una serie de componentes de tecnología de código abierto-relacionados con servicios de nube industrial y procesamiento de big data (industrial), y la tecnología de inteligencia artificial ha logrado grandes avances, lo que proporciona soluciones opcionales para la transformación inteligente del campo industrial y también reduce el umbral para la construcción e implementación de aplicaciones de big data industriales. Las empresas no necesitan implementar cada componente de la arquitectura técnica por sí mismas si no es necesario, y pueden optar por utilizar los componentes de código abierto correspondientes para crear aplicaciones de big data industriales según sus necesidades, así como diferentes tipos y niveles de servicios de nube industrial según sus necesidades, e implementar aplicaciones de big data industriales sobre esta base, a fin de centrarse más en las áreas comerciales y campos técnicos en los que las empresas son buenas.
La tecnología de análisis de big data industrial, como una de las tecnologías centrales de big data industrial, puede permitir que los productos de big data industriales tengan la capacidad de extraer datos masivos, integrar datos de múltiples-fuentes, modelar conocimientos de múltiples-tipos, analizar escenarios de múltiples-negocios y descubrir conocimientos de múltiples-dominios, etc., lo que desempeña un papel importante en el impulso de la innovación empresarial y transformación y modernización de las empresas.