Big data industrial refere-se a todos os tipos de dados e tecnologias e aplicações relacionadas geradas no campo industrial em torno do típico modelo de fabricação inteligente, desde a demanda do cliente até vendas, pedidos, planejamento, pesquisa e desenvolvimento, design, processo, fabricação, aquisição, fornecimento, estoque, remessa e entrega, serviço pós{0}}venda, operação e manutenção, sucata ou reciclagem e remanufatura de todo o ciclo de vida do produto de cada link. O big data industrial é o núcleo da produção inteligente, baseada em "big data + Internet industrial", computação em nuvem, big data, Internet das Coisas, inteligência artificial e outras tecnologias para liderar a mudança dos métodos de produção industrial e impulsionar o desenvolvimento inovador da economia industrial.
Descrição detalhada da tecnologia e aplicação industrial de big data
I. a definição de big data industrial
Big data industrial refere-se ao campo industrial, em torno do típico modelo de fabricação inteligente, desde a demanda do cliente até vendas, pedidos, planejamento, pesquisa e desenvolvimento, design, processo, fabricação, aquisição, fornecimento, estoque, remessa e entrega, serviço pós{0}}venda, operação e manutenção, sucata ou reciclagem e remanufatura de todo o ciclo de vida do produto de vários tipos de dados gerados por vários aspectos do termo geral, e a tecnologia e aplicações relacionadas. Ele é centrado em dados de produtos, o que amplia muito o escopo dos dados industriais tradicionais, e também inclui tecnologias e aplicativos relacionados a big data-industriais. As principais fontes de big data industrial são as três categorias a seguir.
1. Dados comerciais relacionados à produção e operação
Os dados de negócios-relacionados à produção e operação vêm principalmente do escopo da informatização empresarial tradicional e são armazenados em sistemas de informações empresariais, incluindo software tradicional de design industrial e fabricação, planejamento de recursos empresariais (ERP), gerenciamento do ciclo de vida do produto (PLM), gerenciamento da cadeia de suprimentos (SCM), gerenciamento de relacionamento com o cliente (CRM) e sistema de gerenciamento ambiental (EMS), etc. Esses sistemas de informação empresarial acumularam uma grande quantidade de dados de desenvolvimento de produtos, dados de produção, dados operacionais, dados de informações de clientes, dados de logística e fornecimento e dados ambientais. Este tipo de dados é o ativo de dados tradicional no campo industrial e está gradualmente expandindo seu escopo no ambiente de novas aplicações tecnológicas, como a Internet móvel.
2. Dados IoT do equipamento
Os dados de IoT de equipamentos referem-se principalmente a equipamentos de produção industrial e produtos alvo no modo de operação de IoT, geração-em tempo real e coleta de dados que abrangem operação e operação, condições de trabalho, parâmetros ambientais e outros dados que refletem o status de operação de equipamentos e produtos. Esses dados são a fonte nova e de crescimento mais rápido de big data industrial. Big data industrial restrito refere-se a esse tipo de dados, ou seja, uma grande quantidade de dados gerados rapidamente por equipamentos e produtos industriais e a existência de-diferenças de séries temporais.
3. Dados externos
Os dados externos referem-se às atividades de produção de empresas industriais e produtos relacionados às fontes externas de dados da Internet da empresa, por exemplo, a avaliação do desempenho ambiental da empresa em relação às regulamentações ambientais, a previsão dos dados macro-socio{1}}econômicos do mercado de produtos e assim por diante. A tecnologia industrial de big data é uma série de tecnologias e métodos que permitem que o valor contido no big data industrial seja extraído e exibido, incluindo planejamento de dados, aquisição, pré{3}}processamento, armazenamento, análise e mineração, visualização e controle inteligente. A aplicação industrial de big data é o processo de integração e aplicação de uma série de tecnologias e métodos industriais de big data a um conjunto específico de big data industrial para obter informações valiosas. A investigação e o avanço da tecnologia industrial de big data visam essencialmente descobrir novos padrões e conhecimentos a partir de conjuntos de dados complexos e extrair novas informações valiosas, de modo a promover a inovação de produtos das empresas transformadoras, melhorar o nível de eficiência operacional e de produção e expandir novos modelos de negócio.
II. Características industriais de big data
Além das características do big data geral (grande volume de dados, variedade, rapidez e baixa densidade de valor), o big data industrial também possui características de sequência temporal, forte correlação, precisão e ciclo fechado.
Grande volume de dados:o tamanho dos dados determina o valor e as informações potenciais dos dados em consideração. O volume de dados industriais é relativamente grande, um grande número de dados de alta-frequência de máquinas e equipamentos e dados da Internet continuam a chegar, e os conjuntos de dados de grandes empresas industriais atingirão o nível PB ou mesmo EB.
Variedade (variedade):refere-se à diversidade de tipos de dados e a uma ampla gama de fontes. Os dados industriais são amplamente distribuídos em vários aspectos, como máquinas e equipamentos, produtos industriais, sistemas de gerenciamento e Internet, e a estrutura é complexa, com dados de detecção estruturados e semi{1}}estruturados, bem como dados não estruturados.
Rápido (velocidade):refere-se à velocidade de obtenção e processamento de dados. As necessidades de velocidade de processamento de dados industriais são diversas, os requisitos no nível do local de produção-para o período de análise até o nível de milissegundos, os aplicativos de gerenciamento e{2}}tomada de decisão precisam oferecer suporte à análise de dados interativa ou em lote.
Densidade de baixo valor (valor):O big data industrial dá mais ênfase ao valor-do usuário e à usabilidade dos dados em si, incluindo: melhorar a capacidade de inovação e a eficiência da produção e operação e promover a personalização personalizada, a transformação de serviços e outros novos modos de mudança inteligente na fabricação.
Sequência:O Big Data Industrial possui uma forte sequência temporal, como pedidos e dados de status de equipamentos.
Forte-relevância:Por um lado, os dados na mesma fase do ciclo de vida do produto têm grande relevância, tais como a composição das peças do produto, condições de trabalho, estado do equipamento, manutenção e aquisição suplementar de peças; por outro lado, os dados em diferentes fases do ciclo de vida do produto, tais como I&D e design, produção e serviço, precisam de ser associados.
Precisão:refere-se principalmente à autenticidade, integridade e confiabilidade dos dados, e presta mais atenção à qualidade dos dados, bem como à confiabilidade das técnicas e métodos de processamento e análise. Requisitos de maior confiança para análise de dados, baseando-se apenas na análise de correlação estatística não é suficiente para apoiar o diagnóstico de falhas, previsão e alerta precoce e outras aplicações industriais, a necessidade de combinar o modelo físico com o modelo de dados, mineração de relação de causa e efeito.
Loop-fechado:incluindo o fechamento e a associação da cadeia de dados no processo horizontal de todo o ciclo de vida do produto, bem como o processo vertical de aquisição e processamento de dados da fabricação inteligente, que precisa apoiar o ajuste e a otimização dinâmicos e contínuos nos cenários de circuito-fechado de detecção, análise, feedback e controle de estado.
Devido às características acima, o big data industrial, como indústria de aplicação de big data, tem uma ampla perspectiva de aplicação, ao mesmo tempo que representa um grande desafio para a tecnologia tradicional de gerenciamento de dados e tecnologia de análise de dados.
III. Arquitetura Industrial de Big Data
A arquitetura industrial de big data contém três dimensões: ciclo de vida e fluxo de valor, camada vertical empresarial e cadeia de valor de TI.
Na camada do ciclo de vida e do fluxo de valor, de acordo com as áreas de aplicação do big data industrial, ele pode ser dividido em três áreas: desenvolvimento e design do produto antes do início da fase de produção do produto, gerenciamento da produção e da cadeia de suprimentos antes da entrega do produto, e operação e manutenção e gerenciamento de serviços após a entrega do produto.
Na camada vertical da empresa, de acordo com o método de coleta de dados e o nível de aplicação, ela pode ser dividida em camada de sistema físico de informação, camada de sistema de informação de gerenciamento empresarial e camada de sistema de interconexão de plataforma.
Na camada da cadeia de valor de TI, ela pode ser dividida em arquitetura de negócios, arquitetura de sistema de informação e arquitetura de tecnologia de TI em três níveis, dos quais a arquitetura de sistema de informação pode ser dividida em arquitetura de aplicação e arquitetura de informação.
1. Dimensão do ciclo de vida e do fluxo de valor
A dimensão do ciclo de vida e do fluxo de valor na arquitetura industrial de big data abrange os estágios de todo o ciclo de vida do produto, ou seja, P&D e design, produção, logística, vendas, operação e manutenção e serviço. Entre eles, a produção, a logística e as vendas podem ser ainda categorizadas em produção e cadeia de abastecimento, e a dimensão do ciclo de vida e do fluxo de valor inclui três campos: I&D e design, produção e cadeia de abastecimento, e operação e manutenção e serviço. Os cenários de aplicação de cada domínio são mostrados na Figura 2.
01. P&D e Design
Os dados de P&D são acumulados pelo pessoal de P&D no processo de P&D e design, que vem de todos os aspectos do ciclo de vida do produto, incluindo: big data de demanda do usuário, big data de conhecimento de P&D, big data de reutilização de produtos, big data colaborativo de P&D, etc., com-produtos cruzados e-setoriais, e uma ampla variedade de características.
As empresas de design de personalização de produtos personalizados podem coletar a demanda de produtos personalizados dos usuários, a interação do produto com o cliente e os dados de transações por meio da plataforma da Internet. A mineração e a análise desses dados dinâmicos do cliente podem ajudá-los a participar de análises de demanda de produtos e atividades de design de produtos para obter um design personalizado e, então, contando com o processo de produção flexível, você pode produzir produtos-feitos sob medida para os usuários.
Realizar o projeto de simulação baseado em empresas de produção tradicionais de big data nos testes e verificação do link precisa ser produzido em espécie para avaliar seu desempenho e outros indicadores, o custo com o aumento do número de testes e aumentando. O uso da tecnologia de simulação virtual pode alcançar o processo original de projeto de P&D de simulação, análise, avaliação, verificação e otimização, reduzindo assim a quantidade de mudanças de engenharia, otimizando o processo de produção, reduzindo custos e consumo de energia.
Realize a automação de design personalizado com base em tipos de produtos empresariais tradicionais de big data, os estilos não são muitos, podem ser usados para projetar manualmente modelos de produtos, amostras de produção e, em seguida, modo de produção de produção em massa, mas diante de requisitos de produção de pequenos lotes personalizados, o modo tradicional levará ao ciclo de produção do produto é muito longo, o custo é muito alto. Ao acumular uma grande quantidade de dados de modelo de design de produto, analisando a correlação entre os dados de design e com a ajuda da tecnologia de big data e outras ferramentas auxiliares de design, a automação do design personalizado e da geração de modelos pode ser realizada.
Promover a integração e o compartilhamento de recursos de P&D e empresas de inovação e design colaborativo por meio da construção e melhoria da base de conhecimento de P&D e design, para promover desenhos digitais, biblioteca de peças padrão e outros dados de projeto dentro da empresa, bem como empresas upstream e downstream na cadeia de fornecimento de compartilhamento de recursos, inovação e colaboração, para aprimorar o gerenciamento integrado-interregional de recursos de P&D da empresa e capacidades de design colaborativo da cadeia industrial. Melhorar a capacidade das empresas de gerir e utilizar recursos globais de I&D, otimizar e reorganizar os processos de I&D e melhorar a eficiência da I&D.
Cultivar novos modos de I&D baseados na partilha socializada e na participação de recursos de design, e permitir que as empresas realizem novos modos de I&D, tais como crowdsourcing e crowdsourcing com base nas suas próprias necessidades de I&D, de modo a aumentar a capacidade das empresas de utilizarem inovação socializada e recursos de capital.
02.Produção e Cadeia de Abastecimento
Big data de produção não inclui apenas informações de produção de produtos, informações de pedidos, informações de equipamentos, informações de controle, informações de materiais, agendamento de trabalho de pessoal, mas também inclui fluxo de informações de gerenciamento interno, fluxo de capital, produção de produtos de fornecedores upstream e downstream e gerenciamento de clientes e outras informações auxiliares de gerenciamento de produção relacionadas, a coleta de dados de produção depende do gerenciamento de recursos existente da empresa, execução de fabricação, gerenciamento de controle industrial, gerenciamento da cadeia de suprimentos, gerenciamento de fornecedores, gerenciamento de clientes, gerenciamento de negócios e outros sistemas de informação.
Ele realiza-monitoramento e gerenciamento em tempo real do processo de produção e manutenção preditiva de equipamentos de produção, melhora o nível de gerenciamento do processo de produção e dos equipamentos, otimiza o processo de produção e melhora a qualidade do produto. As modernas linhas de produção de manufatura industrial são instaladas com milhares de pequenos sensores para detectar o status de funcionamento dos equipamentos de produção, como temperatura, pressão, calor, vibração e ruído, etc. O uso desses dados pode realizar monitoramento-em tempo real do processo de produção, diagnóstico e previsão de falhas de equipamentos, análise de consumo de energia, análise de acidentes de qualidade. Além disso, também pode integrar e agregar dados de todos os aspectos da fabricação, estabelecer modelos virtuais do processo produtivo, simular e otimizar o processo produtivo.
Realize uma produção em escala personalizada e promova o estabelecimento de um sistema de produção moderno. Através da automação do fluxo de dados em todo o ciclo de vida do produto e do controle automatizado e inteligente de todo o processo de fabricação, ele promoverá o compartilhamento de informações, a integração de sistemas e a colaboração empresarial, melhorará a capacidade de fabricação de precisão, fabricação-de alta qualidade e produção ágil, realizará produção personalizada em escala personalizada, acelerará o estabelecimento de sistemas de produção modernizados, como oficinas inteligentes e fábricas inteligentes, e realizará produção inteligente.
Realize a manufatura colaborativa em rede e a economia de compartilhamento da manufatura. Através da "Internet +", a integração e otimização dos recursos de produção dentro ou entre empresas, e a realização de manufatura colaborativa vertical dentro de empresas ou manufatura colaborativa horizontal entre empresas. Através da Internet + economia de partilha, a partilha de recursos de inovação, capacidade de produção, inventário e outros recursos de produção para realizar a economia de partilha de produção.
Otimize a cadeia de abastecimento industrial. A tecnologia de identificação electrónica, como a identificação por radiofrequência (RFID), a tecnologia da Internet das Coisas (IoT) e a tecnologia da Internet móvel, podem ajudar as empresas industriais a obter grandes dados sobre toda a cadeia de abastecimento de produtos, e a utilização desses dados para análise proporcionará um aumento significativo na eficiência do armazenamento, distribuição e vendas, bem como uma redução significativa nos custos.
Realize previsões de demanda para organizar melhor a entrada de bens e a produção e, quando a demanda cair, rastreie a causa do problema e resolva-o.
Realize o perfil do cliente e a análise precisa do marketing e do comportamento do cliente, o que pode expandir as fontes de clientes, melhorar a taxa de sucesso do marketing e a satisfação e fidelidade do cliente original.
03.Operação e Manutenção e Campo de Serviços
Existem muitas fontes de dados na área de operação, manutenção e serviços, incluindo principalmente: dados-de status de execução em tempo real e dados do ambiente circundante coletados pelos sensores incorporados nos produtos com a permissão dos clientes; dados de vendas de produtos obtidos através da plataforma de negócios, dados de clientes e a correspondente avaliação do produto ou feedback de uso; reclamações de clientes e os correspondentes registros de processamento; devoluções/devoluções de produtos e os registros de manutenção correspondentes.
Ao monitorar e analisar os dados de status de operação-em tempo real de produtos coletados remotamente, serviços on-line-de valor agregado, como monitoramento e gerenciamento remotos, diagnóstico de falhas e manutenção preditiva, podem ser realizados, o que pode reduzir custos de manutenção e melhorar a utilização do produto.
Ao analisar os dados de uso do cliente e os dados do ambiente circundante do equipamento, ele também pode fornecer serviços estendidos para os usuários, expandir o espaço de valor dos produtos e realizar a transformação do modelo de negócios-centrado no produto para o modelo de "fabricação + serviço".
Ao analisar a avaliação do produto ou o feedback de uso do cliente, as reclamações dos clientes, incorporar comentários úteis no design e na melhoria do produto e categorizar as reclamações dos clientes, podemos melhorar a qualidade do produto e a qualidade do serviço pós-venda, reduzir a taxa de reclamações e aumentar a satisfação e a fidelidade do cliente.
Ao analisar os motivos da devolução ou reparo do produto e tomar medidas oportunas e eficazes, podemos melhorar a qualidade do produto e reduzir a taxa de devolução e reparo.
2. Camada vertical empresarial
A camada vertical empresarial da arquitetura industrial de big data é dividida em cinco camadas da perspectiva do domínio físico de baixo para cima, que são camada de equipamento, camada de controle, camada de oficina, camada empresarial e camada de colaboração. Na camada de equipamento, camada de controle e camada de oficina, a Internet das Coisas pode ser usada para realizar fábricas inteligentes baseadas no sistema físico de informação; na camada empresarial, a empresa integra diversas aplicações internas de informatização, realiza a integração e transformação dos processos de negócio internos e melhora a eficiência operacional da empresa; e na camada de colaboração, a nuvem industrial e outras tecnologias de plataforma são usadas para realizar a fabricação colaborativa externa da empresa e modelos de negócios inovadores, como o modelo orientado a serviços de manufatura-. A dimensão vertical da empresa pode ser dividida em três subsistemas: sistema físico de informação, sistema de informação de gestão empresarial e sistema de plataforma de interconexão.
01.Sistema Físico de Informação
O sistema físico de informação coleta e agrega dados de operação da máquina e dados do local de produção por meio de sensores e vários sistemas de informação para realizar detecção onipresente, e aplica integração de dados e tecnologia de processamento para coletar e trocar dados industriais, feedback e controle de fabricação, para obter controle e interação com equipamentos e oficinas, para realizar interconexão e interoperabilidade de sistemas físicos internos e externos de fábricas, e para fornecer uma base de dados para modelagem/simulação e análise industrial, e então fornecer suporte para otimização-da tomada de decisão nas operações da oficina/fábrica. Ele também fornece base de dados para modelagem/simulação e análise industrial, que por sua vez fornece serviços de suporte para otimização de decisões de operação de oficina/fábrica. Na camada vertical da empresa de arquitetura industrial de big data, o sistema físico de informação usado para coleta de informações na camada de equipamentos industriais é baseado em big data, rede e computação em massa e, por meio da percepção inteligente central, análise, mineração, avaliação, previsão, otimização, colaboração e outros meios técnicos, a computação, comunicação e controle podem realizar a fusão orgânica e a-cooperação profunda, de modo a alcançar a fusão profunda do ciberespaço e espaço físico de equipamentos, ambientes e grupos industriais. Integração profunda. A essência do sistema físico de informação reside na conexão do equipamento físico à Internet, de forma que o equipamento físico tenha cinco funções principais: computação, comunicação, controle preciso, coordenação remota e autonomia.
02.Sistema de Informação de Gestão Empresarial
A informatização empresarial é o processo de aplicação de tecnologia e produtos da informação nas empresas. A informatização empresarial é o processo de penetração abrangente da tecnologia da informação do local ao global, do nível tático ao nível estratégico nas empresas, aplicando-a à gestão de processos e apoiando a operação e gestão empresarial. A informatização empresarial envolve principalmente controle de processos de produção, gestão empresarial, gestão do ciclo de vida do produto, otimização da cadeia de suprimentos e processos de gestão. A informatização do controle do processo de produção concentra-se no desenvolvimento e design de produtos, fluxo do processo de produção, gerenciamento de oficina, inspeção de qualidade e outros links de design e produção. A informatização da gestão empresarial é a maior proporção da construção de informações empresariais, a mais difícil, a mais amplamente utilizada em um campo, envolvendo os negócios de gestão empresarial e todos os níveis. A construção da informatização da gestão empresarial consiste em coletar, processar, organizar e integrar recursos de informação de forma eficaz por meio do sistema de aplicação de integração de informações com base na padronização do trabalho básico de gestão e na otimização dos processos de negócios, melhorando a eficiência da gestão e fornecendo informações de gestão dinâmicas em tempo real e informações de tomada de decisão. A informatização da gestão da cadeia de abastecimento empresarial faz com que as atividades de produção e gestão da empresa se estendam para frente e para trás. Desde a aquisição de matérias-primas, componentes, transporte, armazenamento, processamento e fabricação, vendas, até a entrega final e serviço aos clientes, formando uma estrutura de cadeia composta por fornecedores upstream, produtores intermediários e prestadores de serviços terceirizados, clientes de vendas downstream e as atividades de produção das empresas, os processos de gerenciamento estão sujeitos às restrições e influência desta cadeia de suprimentos.
03.Sistema de Plataforma Conectada
Actualmente, o desenvolvimento industrial da China e da maioria dos países enfrenta grandes dificuldades e desafios, incluindo: grave excesso de capacidade, a escassez de produtos personalizados, os produtos estão a tornar-se cada vez mais complexos, os meios de produção não podem ser configurados de forma eficaz, e o mercado de equipamentos de grande-escala está a tornar-se cada vez mais saturado, etc., e é necessário procurar urgentemente uma solução estratégica para o regresso da indústria e a transformação e modernização da indústria. "Internet +" pensamento muito dinâmico e modelos de negócios inovadores, para a situação da indústria manufatureira com necessidade urgente de transformação e atualização fornece uma nova direção de transformação, através da reforma dos métodos de produção e modelos de negócios e melhoria da tecnologia de produção, para alcançar a personalização do cliente de produtos personalizados, pequenos lotes, produção em grande-escala, para resolver o problema da capacidade de produção em grande-escala de produtos industriais. Ao reformar os métodos de produção e os modelos de negócios e melhorar a tecnologia de produção, podemos realizar a produção em pequenos-lotes e em grande-escala de produtos personalizados para resolver o problema do excesso de capacidade em grande-escala de produtos industriais e da incapacidade de atender à demanda personalizada de produtos dos clientes, de modo a satisfazer a demanda por respeito e afirmação dos clientes, bem como pela auto{10}}realização.
Tentar resolver o problema da tecnologia de núcleo fraco e da baixa capacidade de fabricação de produtos de{0}} alta qualidade por meio da fabricação colaborativa em rede, ou seja, com a ajuda da Internet ou da plataforma de nuvem industrial, desenvolver novos modos de pesquisa e desenvolvimento colaborativos, design de crowdsourcing, colaboração na cadeia de suprimentos e assim por diante entre empresas, a fim de reduzir efetivamente o custo de aquisição de recursos, ampliar significativamente o escopo de utilização de recursos, quebrar as fronteiras fechadas e acelerar a transformação da “luta sozinha” para a “colaboração industrial”. "para a sinergia industrial e promover a competitividade global da indústria.
Tentar melhorar o problema do excesso de capacidade sem alocação eficaz de recursos e fraca capacidade de inovação independente através da inovação e do empreendedorismo, da economia de partilha da produção.
Tendo o produto principal como eixo, por meio da coleta e análise de dados de uso do cliente do produto e dos dados do ambiente circundante, para fornecer aos usuários serviços estendidos, expandindo o espaço de valor do produto, expandindo novos mercados e realizando a transformação do modelo de negócios centrado no produto-para o modelo de "fabricação + serviço".
3. Cadeia de valor de TI
O valor do big data é obtido por meio de atividades como coleta de dados, pré{0}}processamento, análise, visualização e acesso.
Na dimensão da cadeia de valor das TI, o valor dos big data é concretizado através do fornecimento de redes, infraestruturas, plataformas, ferramentas de aplicação e outros serviços que alojam big data para aplicações de big data, melhorando assim a eficiência operacional e apoiando a inovação empresarial. A arquitetura empresarial apoiada pela tecnologia de big data pode ser dividida em três níveis: arquitetura de negócios, arquitetura de sistema de informação e arquitetura de tecnologia de TI com referência ao método de divisão TOGAF.
01. Arquitetura Empresarial
A arquitetura de negócios define a estratégia de negócios, o gerenciamento, a organização e os principais processos de negócios, e é a base da estratégia abrangente de tecnologia da informação e da arquitetura do sistema de informação da empresa, bem como o determinante da arquitetura de dados, aplicativos e tecnologia. A arquitetura de negócios é o canal que traduz a estratégia de negócios de uma organização em operações diárias, e a estratégia de negócios determina a arquitetura de negócios. A arquitetura de negócios converte-estratégias e metas de negócios de alto nível em modelos de negócios operacionais. A arquitetura de negócios é uma expressão da estratégia de negócios chave da empresa e das funções e processos de negócios, geralmente um design de negócios implementado com base em um modelo de negócios, que descreve os módulos de negócios e as relações entre eles, ou seja, os principais processos do negócio, a partir de diferentes perspectivas. A arquitetura de negócios é um delineamento adequado dos processos principais e compartilhados do negócio e a articulação e análise do ciclo de vida dos elementos do negócio. O valor do big data industrial pode ser obtido planejando estrategicamente os negócios de big data industrial e construindo uma arquitetura empresarial.
02.Arquitetura de Sistemas de Informação
A fim de aproveitar plenamente o valor do big data industrial e evitar a formação de "ilhas de informação", é necessário construir uma arquitetura de sistema de informação unificada para realizar o acesso do usuário e a interoperabilidade de vários sistemas de aplicativos e dados. A arquitectura do sistema de informação baseada na estratégia empresarial industrial de big data é uma arquitectura que reflecte a relação entre os vários componentes do sistema de informação de uma empresa de produção, bem como a relação entre o sistema de informação e o negócio relacionado, e entre o sistema de informação e a tecnologia relacionada. A arquitetura do sistema de informação inclui arquitetura de aplicativos e arquitetura de dados. Entre eles, a arquitetura de aplicação descreve o modelo do sistema de aplicação necessário para apoiar a operação empresarial, incluindo níveis de aplicação, funções, métodos de realização e padrões de construção, etc. Estuda principalmente a interação entre sistemas de aplicação e a correspondência entre aplicações e negócios principais, e é o foco da pesquisa na estrutura geral da empresa, que pode ser considerada a ponte entre a arquitetura de negócios e a arquitetura técnica. A arquitetura industrial de aplicativos de big data contém sistemas de aplicativos correspondentes aos vários níveis da camada vertical da empresa na arquitetura industrial de big data e sistemas de aplicativos baseados na tecnologia de big data. A arquitetura de dados, por outro lado, é uma descrição da estrutura e interação dos principais tipos e fontes de dados, ativos de dados lógicos, ativos de dados físicos e recursos de gerenciamento de dados de um corpo organizacional complexo.
03.Arquitetura de Tecnologia da Informação
Com a ascensão da onda da Indústria 4.0, tecnologias de informação como Internet das Coisas (IoT), Computação em Nuvem, Big Data, Inteligência Artificial, Realidade Aumentada/Realidade Virtual e outras tecnologias de informação estão continuamente a integrar-se e a penetrar no campo industrial, o que estabelece uma base tecnológica sólida para a implementação de aplicações industriais de big data. Entre eles, a tecnologia IoT torna equipamentos e instalações finais onipresentes, que podem ser conectados à Internet de acordo com protocolos acordados por meio de dispositivos de detecção de informações, como identificação por radiofrequência, sensores infravermelhos, sistemas de posicionamento global, etc., para troca e comunicação de informações, tornando os itens e seu status visíveis, de modo a realizar identificação, localização, rastreamento, monitoramento e gerenciamento inteligentes; a tecnologia de computação em nuvem fornece um tipo de serviço de computação dinâmico e escalonável que pode ser realizado por meio da rede sob-demanda. A tecnologia de computação em nuvem fornece serviços de computação sob-demanda, dinamicamente escalonáveis e baratos por meio da rede; a tecnologia de big data e a tecnologia de IA permitem analisar e explorar o valor potencial de dados massivos em um período de tempo aceitável, bem como realizar a previsão de tendências e o modo de inteligência de grupo; A tecnologia AR/VR pode realizar a simulação e o aprimoramento da experiência do ambiente de fábrica, equipamentos industriais e assim por diante. As empresas transformadoras geram uma grande quantidade de dados todos os dias ou mesmo a cada momento, com uma grande variedade, abrangendo todo o ciclo de vida dos produtos industriais, incluindo dados de concepção, dados de produção, dados da cadeia de valor e dados externos relacionados. Esses dados vêm de sensores, ou do sistema de aquisição de dados e controle de monitoramento de equipamentos inteligentes, ou do modelo de projeto e sistema de informação da empresa.
A realização da aplicação industrial de big data requer coleta e pré-{0}}processamento de dados, armazenamento, análise e mineração, aplicação para negócios específicos e, finalmente, exibição dos resultados. Assim, a arquitetura de tecnologia da informação industrial de big data é dividida em seis camadas: camada de dados, camada de coleta de dados, camada de armazenamento, camada de computação, camada de aplicação e camada de exibição. Se as empresas construírem cada camada sozinhas, o limiar de construção será relativamente elevado. Uma série de-componentes de tecnologia de código aberto relacionados a serviços industriais de nuvem e processamento de big data (industrial) foram desenvolvidos e concluídos no país e no exterior, e a tecnologia de inteligência artificial fez ainda mais progressos, o que fornece soluções opcionais para a transformação inteligente do campo industrial e também reduz o limite para a construção e implementação de aplicativos industriais de big data. As empresas não precisam realizar cada componente da arquitetura técnica por conta própria, se não for necessário, e podem optar por usar os componentes de código aberto correspondentes para construir aplicativos industriais de big data de acordo com suas necessidades, bem como diferentes tipos e níveis de serviços de nuvem industrial de acordo com suas necessidades, e implementar aplicativos industriais de big data nesta base, de modo a se concentrarem mais nas áreas de negócios e campos técnicos em que as empresas são boas.
A tecnologia de análise de big data industrial, como uma das principais tecnologias do big data industrial, pode permitir que produtos industriais de big data tenham a capacidade de extrair dados massivos, integrar dados de múltiplas-fontes, modelar conhecimento de vários-tipos, analisar cenários de vários-negócios e descobrir conhecimento de vários-domínios, etc., o que desempenha um papel significativo na promoção da inovação empresarial e transformação e modernização das empresas.