工業(yè)大數(shù)據(jù)架構(gòu)與應(yīng)用分析

【摘? 要】大數(shù)據(jù)已經(jīng)成為業(yè)界公認(rèn)的工業(yè)升級(jí)的關(guān)鍵技術(shù)要素，未來工業(yè)發(fā)展必須要靠數(shù)據(jù)，如何構(gòu)建以數(shù)據(jù)為核心的智能化體系將成為支撐智能制造和工業(yè)互聯(lián)網(wǎng)的核心動(dòng)力。由于大數(shù)據(jù)與工業(yè)融合發(fā)展時(shí)間還不長，因此工業(yè)大數(shù)據(jù)架構(gòu)還沒有形成統(tǒng)一的理論體系。論文將結(jié)合多年實(shí)踐研究，詳細(xì)闡述工業(yè)大數(shù)據(jù)架構(gòu)及發(fā)展應(yīng)用，以此為工業(yè)大數(shù)據(jù)發(fā)展提供理論基礎(chǔ)。

【Abstract】Big data has become the key technical factor of industrial upgrading recognized by the industry， and the future industrial development must rely on data. How to build an intelligent system with data as the core will become the core power to support intelligent manufacturing and industrial internet. As the integration of big data and industry has not been developed for a long time， the industrial big data architecture has not yet formed a unified theoretical system. Based on years of practical research， this paper will elaborate on the industrial big data architecture and its development and application， so as to provide a theoretical basis for the development of industrial big data.

【關(guān)鍵詞】工業(yè)大數(shù)據(jù);架構(gòu);智能化

【Keywords】 industrial big data; architecture; intelligent

【中圖分類號(hào)】TP319? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號(hào)】1673-1069（2020）08-0166-02

1 工業(yè)大數(shù)據(jù)架構(gòu)建設(shè)的必要性

工業(yè)大數(shù)據(jù)是基于我國互聯(lián)網(wǎng)技術(shù)的發(fā)展而產(chǎn)生的，傳統(tǒng)工業(yè)信息化一直在進(jìn)行，如在現(xiàn)代制造車間中會(huì)產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)的種類比較多樣、結(jié)構(gòu)關(guān)系比較復(fù)雜，但是工業(yè)從數(shù)據(jù)大數(shù)據(jù)的轉(zhuǎn)化我們考慮更多的是與自動(dòng)化域數(shù)據(jù)的疊加。隨著大數(shù)據(jù)技術(shù)的發(fā)展，推動(dòng)工業(yè)大數(shù)據(jù)成為現(xiàn)代智能制造業(yè)的核心要素。實(shí)踐證明工業(yè)大數(shù)據(jù)架構(gòu)建設(shè)具有內(nèi)在的現(xiàn)實(shí)重要意義。首先，工業(yè)大數(shù)據(jù)架構(gòu)建設(shè)是貫徹落實(shí)國家系列重大戰(zhàn)略部署的重要舉措。隨著我國現(xiàn)代智能制造戰(zhàn)略的實(shí)施，工業(yè)大數(shù)據(jù)發(fā)展成為我國現(xiàn)代工業(yè)發(fā)展的核心要素。黨中央國務(wù)院高度重視工業(yè)大數(shù)據(jù)，習(xí)近平總書記多次強(qiáng)調(diào)推進(jìn)工業(yè)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施和數(shù)據(jù)資源管理體系建設(shè)。工信部出臺(tái)《工業(yè)大數(shù)據(jù)發(fā)展指導(dǎo)意見》、地方政府根據(jù)區(qū)域工業(yè)發(fā)展也出臺(tái)大量的關(guān)于促進(jìn)工業(yè)大數(shù)據(jù)發(fā)展的戰(zhàn)略規(guī)劃等?？梢姽I(yè)大數(shù)據(jù)是落實(shí)國家大數(shù)據(jù)戰(zhàn)略、推動(dòng)工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展的重要抓手。其次，工業(yè)大數(shù)據(jù)是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的戰(zhàn)略選擇。工業(yè)生產(chǎn)過程中會(huì)產(chǎn)生大量數(shù)據(jù)，加強(qiáng)對(duì)各種數(shù)據(jù)的分析與運(yùn)用能力會(huì)促進(jìn)工業(yè)生產(chǎn)效率的提高。尤其是工業(yè)與大數(shù)據(jù)技術(shù)的融合可以促進(jìn)工業(yè)生產(chǎn)方式、運(yùn)行模式的優(yōu)化，從而促進(jìn)工業(yè)經(jīng)濟(jì)向數(shù)據(jù)驅(qū)動(dòng)型創(chuàng)新轉(zhuǎn)變，提升經(jīng)濟(jì)的高質(zhì)量發(fā)展。

2 工業(yè)大數(shù)據(jù)系統(tǒng)技術(shù)架構(gòu)

參照2016年工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟發(fā)布的工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)體系架構(gòu)的描述要求，工業(yè)大數(shù)據(jù)架構(gòu)主要由以下四個(gè)層面構(gòu)成：采集交換層、集成處理層、建模分析層以及決策控制層。見圖1所示。

①采集交換層主要是將從不同來源渠道采集的數(shù)據(jù)在不同的系統(tǒng)之間進(jìn)行交互，以此實(shí)現(xiàn)生產(chǎn)中各種數(shù)據(jù)的相互共享。

②集成處理層。其主要是將物理系統(tǒng)實(shí)體進(jìn)行抽象和虛擬化，以此建立不同種類的主題數(shù)據(jù)庫，并且建立合理的數(shù)據(jù)模型，以此將清洗轉(zhuǎn)化后的數(shù)據(jù)與虛擬制造中的相關(guān)實(shí)體進(jìn)行關(guān)聯(lián)。

③建模分析層。主要是在虛擬化的實(shí)體上構(gòu)建仿真測(cè)試模型，以此將其應(yīng)用在原始數(shù)據(jù)的提取上，以此為各項(xiàng)決策提供數(shù)據(jù)支持。

④決策控制層?；跀?shù)據(jù)分析結(jié)果，生成描述、診斷、預(yù)測(cè)、決策、控制等不同應(yīng)用，形成優(yōu)化決策建議或產(chǎn)生直接控制指令，從而對(duì)工業(yè)系統(tǒng)施加影響，實(shí)現(xiàn)個(gè)性化定制、智能化生產(chǎn)、協(xié)同化組織和服務(wù)化制造等創(chuàng)新模式，最終構(gòu)成從數(shù)據(jù)采集到設(shè)備、生產(chǎn)現(xiàn)場(chǎng)及企業(yè)運(yùn)營管理優(yōu)化的閉環(huán)。

3 工業(yè)大數(shù)據(jù)架構(gòu)的應(yīng)用

結(jié)合工業(yè)大數(shù)據(jù)典型應(yīng)用方向，大數(shù)據(jù)與工業(yè)的融合應(yīng)用主要體現(xiàn)在以下三個(gè)層次：第一個(gè)層次是設(shè)備級(jí)的，就是提高單臺(tái)設(shè)備的可靠性、識(shí)別設(shè)備故障、優(yōu)化設(shè)備運(yùn)行等;第二個(gè)層次更多是針對(duì)產(chǎn)線、車間、工廠，提高運(yùn)作效率，包括能耗優(yōu)化、供應(yīng)鏈管理、質(zhì)量管理等;第三個(gè)層次是跨出了工廠邊界的產(chǎn)業(yè)跨界，實(shí)現(xiàn)產(chǎn)業(yè)互聯(lián)。

基于我國互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，企業(yè)在生產(chǎn)過程中會(huì)形成大量的數(shù)據(jù)，而準(zhǔn)確提取有用數(shù)據(jù)會(huì)有效提升企業(yè)制造產(chǎn)品的質(zhì)量。結(jié)合實(shí)踐調(diào)查，工業(yè)大數(shù)據(jù)在企業(yè)生產(chǎn)中得到廣泛的應(yīng)用，如在傳統(tǒng)制藥車間內(nèi)，通過運(yùn)用工業(yè)大數(shù)據(jù)系統(tǒng)實(shí)現(xiàn)了制造過程自動(dòng)排產(chǎn)調(diào)度、自動(dòng)跟蹤預(yù)警、故障自動(dòng)推送等智能化制造，滿足了不同工業(yè)場(chǎng)景生產(chǎn)的需要。但是企業(yè)在機(jī)械制造過程中由于客戶要求比較高，因此機(jī)械制造工程師通過會(huì)花費(fèi)大量的時(shí)間用于收集數(shù)據(jù)，而只有很小的時(shí)間去做數(shù)據(jù)分析與問題診斷。針對(duì)該問題采取工業(yè)大數(shù)據(jù)架構(gòu)體系：

①數(shù)據(jù)采集。在具體的應(yīng)用中首先需要對(duì)相關(guān)數(shù)據(jù)進(jìn)行采集，由于工業(yè)數(shù)據(jù)來源渠道多元化，因此需要將分散的數(shù)據(jù)進(jìn)行統(tǒng)一的采集、儲(chǔ)存，其數(shù)據(jù)采集方式為：對(duì)于工業(yè)現(xiàn)場(chǎng)設(shè)備、傳感器數(shù)據(jù)的采集主要是通過OPC UA協(xié)議進(jìn)行采集;對(duì)于日志文本的數(shù)據(jù)則主要是通過文件上傳的方式進(jìn)行云端采集;對(duì)于傳統(tǒng)關(guān)系型數(shù)據(jù)庫的采集，則主要是通過Sqoop組件實(shí)現(xiàn)。

②數(shù)據(jù)儲(chǔ)存。數(shù)據(jù)儲(chǔ)存層主要是對(duì)文本中云平臺(tái)的大量數(shù)據(jù)進(jìn)行緩存和儲(chǔ)存。其架構(gòu)主要包括：云終端分布式儲(chǔ)存系統(tǒng)是基于Hadoop構(gòu)建的，便于對(duì)數(shù)據(jù)的及時(shí)查找與更新管理，需要在云終端儲(chǔ)存子系統(tǒng)中部署HBase系統(tǒng)，同時(shí)還要部署MySQL傳統(tǒng)關(guān)系型數(shù)據(jù)庫。工業(yè)大數(shù)據(jù)系統(tǒng)接入的數(shù)據(jù)源數(shù)量比較大，因此需要支持各種類型數(shù)據(jù)的儲(chǔ)存，以此滿足工業(yè)場(chǎng)景的要求。例如，在工業(yè)生產(chǎn)中需要實(shí)時(shí)監(jiān)測(cè)生產(chǎn)過程，而對(duì)于實(shí)時(shí)監(jiān)控的數(shù)據(jù)儲(chǔ)存則主要是通過對(duì)數(shù)據(jù)的輕度清洗和匯總后結(jié)合Web UI技術(shù)實(shí)時(shí)展現(xiàn)生產(chǎn)線的最新動(dòng)態(tài)。

③數(shù)據(jù)分析處理。為了挖掘工業(yè)大數(shù)據(jù)有用信息，西藥一數(shù)據(jù)分析模塊為核心，提供基于工業(yè)大數(shù)據(jù)的預(yù)測(cè)分析功能。預(yù)測(cè)功能是以人工神經(jīng)網(wǎng)絡(luò)等相關(guān)算法為核心的，是建立在Spark分布式計(jì)算平臺(tái)上的。其具體的數(shù)據(jù)處理步驟為：首先從數(shù)據(jù)儲(chǔ)存層輸入代訓(xùn)練數(shù)據(jù)，然后對(duì)數(shù)據(jù)進(jìn)行預(yù)處理操作，經(jīng)過預(yù)處理操作后再進(jìn)行模型的訓(xùn)練操作。其次對(duì)于訓(xùn)練好的模型進(jìn)行測(cè)試，對(duì)測(cè)試信息進(jìn)行分析，當(dāng)測(cè)試結(jié)果符合預(yù)定要求后將訓(xùn)練好的模型儲(chǔ)存至云端模型倉庫。最后將等待預(yù)測(cè)的數(shù)據(jù)從其他模塊輸入數(shù)據(jù)分析模塊，進(jìn)行相應(yīng)的模型調(diào)用操作，最終生成該預(yù)測(cè)數(shù)據(jù)的預(yù)測(cè)數(shù)值，完成數(shù)據(jù)的預(yù)測(cè)分析。

4 工業(yè)大數(shù)據(jù)架構(gòu)應(yīng)用所面臨的困境及解決對(duì)策

雖然在國家的大力推進(jìn)下，工業(yè)大數(shù)據(jù)在工業(yè)領(lǐng)域得到廣泛的應(yīng)用，但是由于工業(yè)大數(shù)據(jù)正處于起步階段，因此其應(yīng)用還存在一些問題：一是信息集成貫通困難。由于工業(yè)大數(shù)據(jù)來源渠道比較多，數(shù)據(jù)結(jié)構(gòu)不一，尤其是在市場(chǎng)經(jīng)濟(jì)環(huán)境下企業(yè)信息系統(tǒng)相互獨(dú)立，因此受數(shù)據(jù)格式千差萬別的影響，導(dǎo)致在現(xiàn)階段實(shí)現(xiàn)信息集成貫通比較困難;二是系統(tǒng)復(fù)雜性帶來的挑戰(zhàn)。隨著工業(yè)智能制造要求的不斷提高，工業(yè)大數(shù)據(jù)的處理要求更高，其不僅要求大數(shù)據(jù)實(shí)時(shí)性處理要求高、持續(xù)時(shí)間長，而且還要面對(duì)日益復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，因此系統(tǒng)的復(fù)雜性對(duì)工業(yè)大數(shù)據(jù)架構(gòu)提出更高的要求;三是網(wǎng)絡(luò)的安全性。實(shí)現(xiàn)工業(yè)大數(shù)據(jù)的關(guān)鍵就是要構(gòu)建安全的網(wǎng)絡(luò)體系，強(qiáng)化對(duì)大數(shù)據(jù)信息傳輸、分析環(huán)節(jié)的安全管理，但是目前安全問題已經(jīng)成為制約我國工業(yè)大數(shù)據(jù)發(fā)展的重要因素。

基于我國工業(yè)大數(shù)據(jù)架構(gòu)應(yīng)用所存在的問題需要我們采取以下措施：構(gòu)建工業(yè)數(shù)據(jù)安全管理體系;加強(qiáng)工業(yè)數(shù)據(jù)安全產(chǎn)品研發(fā);開展加密傳輸、訪問控制、數(shù)據(jù)脫敏等安全技術(shù)攻關(guān)，提升防篡改、防竊取、防泄露能力;加快培育安全骨干企業(yè)，增強(qiáng)數(shù)據(jù)安全服務(wù)，培育良好安全產(chǎn)業(yè)生態(tài)。

總之，工業(yè)大數(shù)據(jù)已成為推動(dòng)制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展的關(guān)鍵生產(chǎn)要素。因此，基于大數(shù)據(jù)戰(zhàn)略的實(shí)施，我國要加快推進(jìn)工業(yè)大數(shù)據(jù)架構(gòu)發(fā)展，以此提升經(jīng)濟(jì)的高質(zhì)量發(fā)展。

【參考文獻(xiàn)】

【1】王妙瓊，馬鵬瑋，魏凱.工業(yè)大數(shù)據(jù)架構(gòu)分析[J].信息通信技術(shù)，2018，12（03）：49-57.

【2】高嬰勱，王宇霞.深化工業(yè)數(shù)據(jù)應(yīng)用賦能數(shù)字化轉(zhuǎn)型[J].軟件和集成電路，2020（06）：112.

【3】張東光，郭輝.淺析數(shù)據(jù)采集技術(shù)在工業(yè)大數(shù)據(jù)平臺(tái)中的應(yīng)用[J].科學(xué)與信息化，2020（08）：35-37.

【作者簡介】路賽賽（1985-），女，河北滄縣人，工程師，從事電子工程研究。