商业大数据智能分析

商业大数据智能分析

01行业背景

两会期间、十四五规划等多次强调的新基建，其中重要一环就是工业互联网。数据显示工业互联网产业在2020年增加值规模预计达到3.78万亿元。

智能制造的转型驱动力在哪里？首先政策和法规带动了整个产业升级；第二数字化转型驱动企业技术升级；第三柔性化生产等新商业模式；最后节能增效是每一个行业都面临的一个重要的问题。如何降低成本，如何在竞争激烈环境下获得更好回报，始终是企业关心的重点。同时像安全等问题也是企业目前面临的一个痛点。

制造业最尖端代表半导体可能涉及数千道工序，需要很多系统对它进行相应的管控，包括良率、SPC统计过程控制，还有R2R这种控制过程的反馈，还有一些设备异常监控等。系统很复杂，装备也很多，自动化程度越来越高。如何在这种情况之下让数据发挥更大的能力来提高现在产品的质量、良率、效能，变为一个强烈的需求。

以上这些智能制造或者工业4.0的一些特点，寄云科技总结为一个网络、四大主题、三项集成和八项计划。

智能工厂最能够反映数字化转型基础、方向以及效果，寄云从这个角度跟大家去看智能制造。智能工厂从信息系统架构上来看核心是CPS，它依靠感知分析、建模、预警预测和优化等技术，帮助企业构造一种闭环的管理，实现数字化制造、资产优化、价值链服务等，涉及很多技术。右边是石化工业的执行逻辑，可以看到装置很多，又有一次加工、二次加工、三次加工等工序。在CPS体系下，从各个装置上取相应数据，并将这些独立数据融合成一个整体，然后通过相应的模型形成预警、优化，并反馈实现控制闭环。

数据流动下的智能制造

02智能制造理解

智能工厂不是一个个体，一定是一个生态，有上游、有下游。从整个生态来看，工厂不仅要关注自身，还要关注上下游协作。因为有了上下游的交互，就有了生产方案的一种弹性。比方说订单的排期、增加、删减等，会让企业本身要做一些变革。所以，智能工厂不是一个技术的堆叠，而是关系到产业链自身、业务智能化、人员组织结构等多维度建设。智能工厂是一个管理与技术的深度融合，同时也是管理和技术的一种变革和创新。

数据流动下的智能工厂这个业务场景会给传统工厂带来运营方式的转变。首先是工厂技术专家、工程人员的知识积累、直觉经验很难用数字去表述，通过数据的手段去探究、反映或者具体化这种经验和知识，一些原来靠直觉去判断的东西，可以转化成科学决策。第二工厂可以实时获取OT/IT数据，打通数据孤岛，形成数据共享，达到扁平协作目的。第三最早大部分的维护维修，是计划型的模式，现在通过数据积累、统计、算法，能够去预测未来的设备变化，实现从被动的事后反应向主动的预知反应转变。

数据流转下的智能工厂典型的应用场景可以概括如下：车间控制塔是必备的，也可以称之为运营管控中心，通过它可以一目了然的去管控全局，包括产线设备间、工人工作、业务运营等状况。第二通过数据获取、总结，可以形成综合计划和数字调度，同时可以对机器进行网联，然后对库存、物料做数字化实时监控、自动评估，并基于此实现数字化的智联管理，以及根因分析等。

我们通过国外某能源公司来了解智能工厂，该工厂通过流程、人员、技术三个层面的协作，使工厂业务实现灵活和敏捷。这种效果建立在智能操作、智能资产管理、数字化产品及供应链、数字化的工作及互联工人等微服务应用基础上，而一个统一的、敏捷的数字化架构是承载这些应用的根本。

这种数字化架构涉及到很多技术：

第三个是数据科学，用大数据的方式去找到数据规律，找到为什么出现这个问题，如何用数据去解决问题，数据还要支撑为何如此决策。用宽数据分析我怎么样去改变它。通过业务洞察力和客户洞察力，找到需求的交叉点，洞察力是解开隐藏在业务和客户需求交叉点中的价值的关键。

数据流动下的智能制造

03技术构成

数据流动的智能工厂构建中，首先核心是CPS系统，它是构建物理空间与信息空间中的人机料法环等要素的相互映射，实现系统内的资源配置和迅速响应和迭代，让系统跟物理实体变得更加友好的互动，实现三维展示、专家协同、远程监控，帮助用户实现感知和洞察的能力、学习与认知的能力、规划与执行能力。

寄云科技认为构建一个好的CPS系统，工业互联网是不可或缺的。构建工业互联网，定量指标非常关键。类似两会期间提到的粮食产量、GDP提升等一系列相关的经济指标。大师彼得德鲁克也说过，如果你没办法衡量它，你就没办法管理它。在工业互联网领域，ISO 22400标准其实非常实用。然而，在大多数的传统MES 系统给予这些指标的关注不够。我们把它归成四类，生产性能、设备可靠、工艺、质量。此外，系统和应用对这些指标进行一一数据建模才是最重要的。

这种指标和应用的映射构建准则，我们总结了八个。

对于工业互联网平台的构建，可以参考寄云NeuSeer工业互联网平台，它覆盖了边缘端，到边缘物联网平台，数据治理平台，到数字孪生平台，有全流程的数据生命周期平台，帮助客户实现应用和系统的构建，帮助客户管理数据，发现数据价值。

物联网实现全过程的远程监控，还能对异常行为采取行动规避风险。

数据分析结合物联网技术，可以对生产质量、装备可靠性做全过程、闭环过程控制：采集数据、处理数据、可视数据、分析数据、反馈，全流程数据能力进行相应的管控。

工业互联网的特点寄云认为有以下几个：

第一是一个大数据和微服务应用开发的一种框架，解决原来烟囱式的应用导致的功能重复，还有一些数据隔离的问题。

第二是一个基于规范的数据开发的应用。现在很多的应用会产生大量的数据，数据都不是统一的。那如何管理一个统一的数据，让应用能够把数据规范起来，形成数据对象，这需要一个平台来承载它。

第三如何去建一个更好的模型，包括对很多应用指标进行相应的建模，需要用到很多原来传统应用系统里的数据，如何去对数据进行追踪，需要用一个平台更好的去规范。

第四肯定还要有一个低代码的开发平台来更快速的去构建应用，提供很多可视化的工具，包括一些低代码的微服务应用，还有一些像用户管理、单点登录、门户等一些通用性的组件需要封装进去，降低开发和交付难度，提升交付效率。

第五构建机器学习分析建模平台，封装几百种的算法和模型，采用画布式、拖拽式进行数据建模，步骤之间都是可视的，更快速的通过工具构建需要的模型。

最后一定是一种分布式的、层次化的部署，要支持边云协同：在云端进行模型训练，把训练好的应用和模型快速的传递到边缘，在边缘层来进行实时的反馈和应用，实现边云协同。

寄云科技的优势首先是对行业有深入的了解，有行业专家提供基于行业的理解；第二，行业理解业务有完整的IIoT平台将之转换成数据问题，帮助数据科学家进行相应的建模；第三，有很好数据分析能力。这三种能力是构建一个好的工业互联网平台必备的素质，寄云在这三点沉淀了很多年。

数据流动下的智能制造

04经典案例

寄云几个经典的案例分享。

第一个是寄云为彩虹集团提供生产质量的溯源和预测分析。彩虹集团某产线生产手机盖板玻璃，加工工艺复杂，会经过很多道工序，其中很重要的一个质量挑战是翘曲，就是玻璃在一定面积内不平整，而翘曲又关系到很多道工序，以往很难精确追溯翘曲的源头，靠人工的方式大概需要四到五周。寄云工业互联网平台对全流程工艺数据进行分析，形成一个虚拟量测的模型，把时间从四到五周缩到三到四天，并可以预测某参数发生变化时候，会不会在几小时之后影响产品质量，从而总体良率提高百分之三到五。

第二个是生产绩效指标分析和优化，是寄云给麦格纳·格特拉克工厂做的。项目通过工业互联网平台采集数据，构建工艺流程监控、关键指标监控，覆盖设备端、工厂层、产线层到集团层等不同层面的指标。最后的效果是每一条产线减一人，OEE指标从83%提升到92%，然后MTBF优化了6%，效果非常明显。

第三个是生产运营决策分析，寄云给一个大型能源集团做的，其下辖两百多家企业，企业之间系统不互通，集团无法做到实时掌控每个企业资产分布、应急指挥、风险管控、关键设备运行状态等。通过寄云工业互联网平台的数据采集、数据汇聚还有数据分析能力，集团构建了生产指标、工艺告警等一系列的微服务应用，用以监控实时状态，还有危险源的分布和应急指挥、应急预案、应急响应。