工業大數據技術在傳化集團的應用

來自 搜狐網 的圖片

工業大數據技術在傳化集團的應用化學工業在各國的國民經濟中占有重要地位，是國家的基礎產業和支柱產業。化工工業通過工業大數據技術對多系統多元數據、控制系統的實時數據、異構信息系統、流媒體數據、人員定位數據等多維度數據的採集與交換、數據預處理與存儲、數據工程與數據建模，結合大數據分析技術及知識庫，實現數據為驅動要素的危化品全流程管理、環保監測管理、安全全流程管理、生產過程管控、數字化工廠、5G智能工廠等應用場景。

目錄

一、案例簡介

化工行業的工業大數據技術架構從功能上來說，工業大數據管理技術分為四部分：數據採集與交換、數據預處理與存儲、數據工程與數據建模。

數據採集與交換層主要負責通過 PLC、SCADA、DCS 等系統從機器設備實時採集數據，也可以通過數據交換接口從實時數據庫等系統以透傳或批量同步的方式獲取物聯網數據。同時該層提供數據交換接口，可以從業務系統的關係型數據庫、文件系統中採集所需的結構化與非結構化業務數據，也可反向將匯總、分析結果等數據傳回業務系統。

數據預處理與存儲層主要負責對採集到的數據進行數據解析、格式轉換、元數據提取、初步清洗等預處理工作，再按照不同的數據類型與數據使用特點選擇分布式文件系統、NoSQL 數據庫、關係數據庫、對象存儲系統、時序數據庫等不同的數據管理引擎實現數據的分區選擇、落地存儲、編目與索引等操作。

數據工程層主要完成對工業大數據的治理並支撐對數據的探索能力，以供應用開發與分析對數據的方便使用。其包括方便用戶了解數據特性並發現數據潛在問題的數據探查能力、對有質量問題數據的清洗與修正能力、對異構數據的集成能力以及對各類工業數據的可視化展現能力。

數據模型層主要完成對底層數據模型的工業語義封裝，構建基於用戶、產線、工廠、設備、產品等對象的統一數據模型，對各類統計分析應用與用戶實現更加便捷、易用的數據訪問接口。

二、案例背景介紹

化學工業在各國的國民經濟中占有重要地位，是國家的基礎產業和支柱產業。由於化學工業門類繁多、工藝複雜、產品多樣，生產中排放的污染物種類多、數量大、毒性高，化工行業轉型升級迫在眉睫。化工工藝是透明的，數據是開放的，但智能化發展滯後。化工行業通過工業大數據技術促進企業數字化轉型，解決了化工行業的問題，主要表現在1）化工工藝大數據缺乏利用；2）化工行業各企業間成本及能耗水平參差不齊，數字化、標準化尚未普及；3）化工行業數據共享壁壘造成數據交互和技術推廣困難，行業可提升空間巨大；4）化工行業生態圈發展滯後造成資源共享效率低下。

三、案例應用詳情

1、總體應用框架

本項目在浙江傳化化學品有限公司建設，通過工業大數據技術針對多系統的多元數據、控制系統的實時數據、異構信息系統、流媒體數據、人員定位數據等進行採集與交換、數據預處理與存儲、數據分析，實現企業的決策與控制應用場景。

2、關鍵技術應用詳情

工業大數據平台主要數據來源包括：

多系統的多元數據接入：supOS 工業操作系統的邊緣智能數據接入技術實現多元異構數據的接入和預處理。針對不同系統（如 ERP、OA、MES、DCS、SCM、CRM、WMS、EAM、LIMS、SCADA 等系統）的數據特性，採用統一的數據驅動框架和不同的接入驅動實現多元數據的清洗，並利用統一的數據協議進行數據上送，在 supOS 平台上通過對象化模型（如設備、人員、物料和產品等）將多種數據來源的數據進行重組和應用。

控制系統的實時數據接入：OPC DA、OPC AE、Modbus TCP、ModbusRTU、IEC104、CDT 等，滿足國內外主流廠家的 PLC、DCS、SCADA 等系統軟件的實時數據接入，從實際應用要求對控制系統實時數據進行特性分析。

異構信息系統的集成接入：工廠中的生產信息系統（如 MES、WMS、EAM、LIMS）和上層信息管理系統（如 ERP、OA、SCM、CRM 等），在實際應用中數據的特徵具有多樣性，一部分管理數據與生產控制具有強相關性，具備較高的實時性和可靠性要求；另外一部分管理數據主要服務於管理人員的統計分析和決策依據，對實時性的要求相對較低，只需及時按需提供即可。

流媒體數據的接入：流媒體數據的接入，可實現海康、大華等廠家的視頻數據接入，包括常見的攝像頭、流媒體服務器等設備。工廠的流媒體數據具有流量大，帶寬要求高等特點，在公網上的訪問和應用限制較多。

人員定位數據接入：工廠人員定位數據的接入，並在平台進行統一人員定位管理，人員定位數據具有實時性要求高，需實現實時通訊。

化工工業大數據技術通過在企業端部署遠程數據接入終端（採集器軟件），對生產信息系統（如 MES、WMS、EAM、LIMS）和上層信管理信息系統（如 ERP、OA、SCM、CRM 等）多元數據、控制系統的實時數據、異構信息系統、流媒體數據、人員定位數據等多維度數據的實時數據上傳到大數據中心；結合多維度大數據信息形成大數據平台的核心業務，通過虛擬仿真技術對多維度數據建立數字模型，包括廠區、建築、設備、物料、人員、進出廠、組織層次、運行分析型、公用工程等模型，結合大數據分析技術及知識庫，實現數據為驅動要素的危化品全流程管理、環保監測管理、安全全流程管理、生產過程管控、數字化工廠、5G智能工廠等應用場景。

四、創新性與優勢

提出了一種適用於多源數據採集的模型，並基於該模型形成了一種多源數據採集的動態分配與分組方法，可以實現公司內部不同數據源、不同的通訊終端、不同的通訊規則的多條通道靈活統一接入傳化supOS系統，同時該方法易於軟硬件實現，具有廣闊的應用前景。

項目採用虛擬仿真設計，進行車間布局規劃，並對對工廠/車間、車間工段、工序、工藝路線、設備機台等建立數字化模型。基於數字化模型，利用物聯網技術建立工廠仿真模型，根據其中存在的問題優化調整工藝規劃，以便快速、形象、直觀地實現和修改規劃設計方案，進而有效的避免二次建設，降低生產運營的成本，提供安全的工作環境，最終為企業節省大量的資源和資金。

五、案例應用效益分析

1.為減少生產過程中因人為因素而導致的能源、資源浪費，提高產品的穩定性，從實時監控到先進控制，從生產過程信息管理（MES）到企業資源規劃（SAP）管理，統一數據管理、統一通信、統一平台，有機地整合、優化各種獨立、分離的產品與技術，提升生產自動化水平進而提高產品品質。

2.通過工業大數據技術手段促進智能調度排產、生產數據跟蹤，提高生產協同效率，提升存貨周轉效率。

a) 生產進度可視化：實時對生產進度進行跟蹤，挖掘生產瓶頸，提升交期把控，勞動生產率提升 25%。

b) 生產質量可視化：分析生產過程中的不良問題，歸納總結不良原因，整理解決方案，提高生產質量。

c) 異常信息可視化：提高異常情況響應速度，保證生產過程流暢性，提高生產效率，產品不良率下降 10%。

d) 通過信息化，智能化，縮減人工成本，提升設備高度協同能力，設備利用率提升 10%。通過物聯網技術實現設備數據自動採集，設備數據和生產數據自動報工。

3.通過工業大數據技術促進採購、運輸、儲存、使用、余料等環節實現過程管理，比如運輸提前預約、進廠前檢查、進門後安全措施處理、卸料控制等按不同手段進行安全檢查處理，從人、機、料、法、環不同角度進行全面檢查控制，從而降低危化品運輸、存儲、使用等環節的風險，對大江東基地危化品安全進行全面管控。