2024工业大数据技术应用案例.docx

《2024工业大数据技术应用案例.docx》由会员分享，可在线阅读，更多相关《2024工业大数据技术应用案例.docx（78页珍藏版）》请在优知文库上搜索。

1、工业大数据技术应用典型案例目录工业大数据技术应用典型案例1一、富士康NPI制造大数据51、案例背景与业务痛点52、解决方案63、实施效果与推广意义114、案例亮点11二、中国联通大数据采集分析平台121、案例背景与业务痛点121 .项目简介及目标132 .项目目标132、解决方案131 .数据来源132 .技术方案143 .项目其他亮点163、实施效果与推广意义164、案例亮点16三、华为云El企业智能打造智能化九州通161、案例背景与业务痛点171 .拣选路径优化172 .派车路径规化173 .智能装车184 .筛选热销品种，提升出库效率185 .识别商品电子监管码186 .发票识别187

2、.销售预测198 .大数据平台192、解决方案191 .路径规划方案202 .大数据平台云上迁移方案213 .销售预测分析方案234 .OCR增值税发票单据识别方案243、实施效果与推广意义241 .派车路径规化：242 .仓储规划：253 .发票识别：254 .销售预测：255 .云上大数据平台：254、案例亮点25四、潍柴工业大数据平台261、案例背景与业务痛点262、解决方案273、实施效果与推广意义304、案例亮点30五、中国移动OneNET助力工业资产管理311、案例背景与业务痛点311 .项目背景322 .项目简介333 .项目目标332、解决方案331 .数据来源332 .技术方

3、案343 .项目其他亮点363、实施效果与推广意义364、案例亮点37六、联想工业大数据平台LEAP381、案例背景与业务痛点382、解决方案383、实施效果与推广意义424、案例亮点43七、格力电器工业大数据平台431、案例背景与业务痛点431、实时数据接入大数据平台，离线、在线数据的接入：442、智能业务系统数据互通和智能化分析；443、基于机器学习的智能大数据分析；444、工业大数据语音检索；445、工业大数据平台的管理与运维。442、解决方案441、大数据采集技术462、大数据分析技术473、大数据管理技术483、实施效果与推广意义481、故障诊断：482、故障预测：493、实时查询：

4、494、营销支持：494、案例亮点491、平台交互的智能化492、设备运维的智能化503、企业运行的智能化50八、合力叉车工业互联网平台501、案例背景与业务痛点502、解决方案553、实施效果与推广意义614、案例亮点61九、东方国信大数据助力联合利华能源管理641、案例背景与业务痛点642、解决方案653、实施效果与推广意义694、案例亮点69十、优也基础工业大数据平台在钢铁能效的应用701、案例背景与业务痛点702、解决方案721 .系统研发路线722 .系统整体架构723 .面向用户的功能模块743、实施效果与推广意义744、案例亮点76一、富士康NPI制造大数据1、案例背景与业务痛点

5、新产品制造在NPI（NewProductIntroduce,新产品导入）阶段需在有限的时间内使得每个步骤都达到客户的规格要求。整个NPl的生命周期可以分成：（1） PrOtO原型机阶段（2） EVT工程验证测试阶段（3） DVT设计验证测试阶段（4） PVT生产验证测试阶段（5） RamP快速爬坡（6） MP量产阶段也因此，在每一个阶段工程单位与测试单位都需要完整的生产信息与关键物料信息的整合，协助FA（FailureAnalysis）工程师与RD工程师合作，进行问题分析与解决方案设计。由于每一个阶段都是分秒必争，并且还要能快速反应问题，求新求变，必须在限定时间内分析所有的问题且找出原因（当天

6、的问题当天解决）这将是一个高度困难的挑战与目标。而为能加快FA工程师分析的速度以及有更多的时间做进阶数据分析，快速收集所有生产信息，甚至往前追溯上游供应链关键信息都是非常必要的，但却又相当耗费时间。依据过去的经验，工程师通常会花费80%的时间做数据收集与整合，却只用20%的时间做数据分析与问题诊断。我们期望一个完善的NPI大数据平台能够扭转这个局面，让工程师只需要投入20%的时间做数据收集，而能够留下80%的时间做深入的数据分析与解析。因此，NPl制造大数据平台确实有其必要性，并且非常适用于各个制造行业在新产品开发时的业务需求。NPI制造大数据平台主要解决以下两个业务痛点：1 .数据收集整合耗

7、时且复杂：由于分析所需的数据横跨五个以上的孤岛系统、且涉及不同部门，工程师需要与不同部门进行沟通，并且切换不同系统以取得数据；而取得的数据格式不尽相同，甚至有些数据为非电子文件，工程师需手动一一将各个脱机数据进行输入、整合、清洗、整理成自己分析所需的格式，如此一来，仅一个问题的数据收集就花费4个小时以上了。2 .涉及信息太多：数据包含产品各阶段的生产数据（产品测试数据、产线组装数据、进料检验数据、关键物料数据、供货商数据等），且各类数据量都很大（例如工站的监测项就有上千个，甚至上万个）；手动整理数据容易发生错误，且不易查觉错误点；再者，各分析软件有处理数据量的上限，使用分析软件进行实时数据增加

8、、删除皆属不易，如此一来，真是耗时耗人力。2、解决方案本案例主要采集来自不同系统的数据，并通过数据整合处理运算及应用模块（DIF&SMC）进行数据集成与处理并建立分析工作流模块、数据查询模块以及知识库检索模块（KM）作为数据建模与分析层来分别提供通用性分析应用、FA分析平台决策及知识库驱动分析应用。实施概况如下。1 .数据来源（1）产品测试数据该数据为产品在各工站的检测数据，来源包含四个异质系统。（2）产线组装数据该数据为产品在工站中的组装流水线信息，来源包含两个异质系统。(3)进料检验数据该数据为产品的物料在进货时的检验数值，来源包含两个异质系统。(4)关键物料数据该数据为产品上所使用关键物

9、料的相关数据，来源包含两个异质系统。(5)产品合数据该数据为产品的各模组元件相关数据，来源为一个系统。(6)关键尺寸数据该数据为产品的尺寸相关数据，来源为一个系统。2 .技术方案(1) NPl大数据平台整体架构此平台以基础数据为基底，通过SMC(SPark,Mesos,Cassandra)三套开源大数据产品将关联性数据进行整合，再由DIF(DataIntegrationFramework)架构进行数据处理运算提供多维度整合性数据至DSP(DataServiceProvider)API、分析工作流等服务，系统应用层利用多维度数据进行通用性分析、FA分析及查询服务。如图1所示，分述如下：数据采集层

10、：数据采集层应考虑应业务需求如何有效且完整的取得异质系统的数据。因采集的数据来源有内部系统、外部系统、及非系统化的本地文件等，所以需要根据各异质系统进行数据交换，分别利用系统接口、网络爬虫转换文件格式储存及电子邮件方式等交换取得各数据。数据处理层：此层级运行包含SMC、DlF及KM。数据处理层主要考虑为各异质系统数据进行关联整合，因此必须着重于数据清洗、数据理解及数据的关联，才能够提供分析层有效的模型处理。a） KM主要接收各类型文档进行分类储存、解析内文、并利用ElasticSearCh(一套支持全文检索的开源项目)进行建立索引库及支持文件内全文检索服务。b） SMC及DlF另述于后。数据分

11、析层：数据分析层包含三个项目，分别为DSPAPL分析工作流、KMAPL分析层构建API主要是为了提供分析模型并有效率地产生关联性数据的业务需求而构建分析工作流。a）DSPAIP：通过APl方式将产品关联性数据提供给FA分析平台。b）分析工作流：用户自定义需求数据字段通过StOredProCedUre定期向DIF.SMC索取关联数据，并整合成多维度大表数据，提供数据应用层分析功能使用。多维度大表在本项目中是一个非常重要的核心功能，透过多维度大表将各种数据源依据用户单位本身业务上的需求，进行数据的关联性分析与整合，所涵盖的数据属性（AttribUte）数量从上百个多至上千个字段，满足用户单位在海量

12、数据信息中，挖掘对于业务问题能够使用的关键小数据，进行问题成因分析。c） KMAPI：数据应用层透过APl进行档案增、册IJ、修行为，且进行字段式及全文检索式的档案搜查。数据应用层：NPI大数据系统包含三大应用模块，分别为FA分析平台、通用性分析、以及知识库搜寻模块，分述如下。应用层实现用户在单一平台中快速取得需求数据，可于八成时间内处理日常作业（FA分析平台），并可利用其余二成时间进阶分析数据（通用性分析再者，知识库可以满足工程师之间的技术传承及新人训练，帮助自主学习成长，并减少工程师的沟通教学时间。此应用让工程师的时间得到最有效的利用。a）FA分析平台：工程师在进行FA（Failurean

13、alysis）时，通过API实时取得产品组装、测试结果、物料资讯等更多相关数据，减少工程师四处搜集数据，加速问题解决，可取得更多的时间进行更多、更进一步的分析作业。b）通用性分析：工程师于FA工作之时或之余，利用通用性分析工作流提供的多维度表分析批量数据，通过七大分析工具（散点图、箱体图、常态分布图、直方图、线图、良率报表、测项名称比对）洞察数据潜在的问题；并可针对goldencase建立定期报表，由系统自动根据设定条件定期检验潜在问题，工程师可侦测问题并实时解决问题。c）知识库搜寻模块：工程师在解决问题时可通过搜索模块来取得相似问题查看，无需一一向他人询问，即可以学习前人经验，以达到在线学习

14、及经验的传承。图1平台整体架构图（2）数据流本案并没有通过传感器直接读取产品参数，因为本项目所收集的数据主要以工程导入及测试记录为主，故可以分成三大类：1.通过生产系统的接口获取数据，2.制造单位定时发送email提供物料组合配方信息3.利用网络爬虫扫描系统接查询报表转换数值数据等三个主要方式。收集的数据类型包括了：产品测试及组合、产线组装、进料检验、关键物料及关键尺寸数据等。构建数据整合与应用模块，将收集到的数据进行清洗、整理等工作，并依需求产制相关多维度大表提供应用，以达到基础数据完整的目标。数据捞取数据主机数据清洗数据应用笑It尺寸数据数据产出A系统B级C级D系统DOC0统自定义格自定义

15、格 式一数据眼务技匚FA分析平台汇整ABcD 等各类资料傩才洗、工算 的平行运Jt平台通用性分析工怵客户洗系统图2系统数据流示意图(3)基础数据整合架构DlF主要包含三个模块：数据整合、数据处理运算、及信息呈现。数据整合(ColleCtionModUles、TransferModules)方式主要透过实现一个真实案例所需的数据来源，为验证案例并进行调整。数据运算(AnalySiSModUleS)则是将真实案例所需要的参考信息，预先整理(计算、统计、多系统串连)汇整成一信息整合包，形成一个数据分析处理流程。信息呈现(新应用模块)提供一个符合用户需求的操作接口及相关应用工具,并整合于原系统中，产生新的应用模块。Data Table/GridDashboard