Dasis 工业 APP 设计

一、案例描述

行业标签：工业APP、工业互联网、模型超市、智能制造、设备数据分析、设备预测诊断、工业云平台

本项目设计的是一款综合性的工业APP应用工具，具备软件设备智能终端数据采集、存储、边缘计算、数据统计分析等功能，模型超市。支撑从采集、存储、应用的工业制造数据生命周期的应用需求，实现设备数据采集分析、预处理、监控预警、监控诊断管理的工业互联网APP。

本项目打造了一款满足制造数据存储、挖掘、清洗、分析的性能需求和功能需求，支持生产执行管理、设备联网管理、生产线运行效能分析、试验数据管理、过程可视化监控、生产质量分析与预测、设备智能运维、现场异常报警等数据分析功能的工业app应用。 

二、客户介绍

xxx 保密

我国制造业目前正在经历由工业2.0向工业4.0快速发展，纯机械设备被自动化、智能化设备替代，很容易获取大量的设备数据；随着工业云平台的发展，激发了大量制造业对工业大数据应用的明确需求；智能制造将是工业应用最重要的业务板块，而设备远程监控、能效管理、设备健康分析管理又是此过程中占据前列。因此，根据现在工业发展趋势，该军工研究所需要一款能够解决以上痛点，实现企业上工业云平台。

三、系统构架

采集终端：

包括了协议解析，数据存储，边缘计算，任务监控，数据存储5大板块，给每一台设备工业配置一个智能大脑，支持生产执行管理、设备联网管理、生产线运行效能分析、试验数据管理、过程可视化监控、生产质量分析与预测、设备智能运维、现场异常报警等数据分析功能。形成一款在同类产品中具有竞争力的工业数据应用产品。

数据采集器：用于连接被采集设备，运行数据采集软件，和执行协议转换。根据采集性能要求和连接系统的特点，数据采集器可以采用标准的PC，也可以采用一些专用的设备构造，比如贝加莱APC910等。

协议解析：通过连接各种PLC或各种接口的机床、传感器、环境监测设备，向上提供以太网接口，实现上述设备的数据采集。

数据存储：获取被采集设备信息，通过特定的处理、管理，之后将数据保存，供后续系统分析利用。

边缘计算：具备一定的CPU、GPU计算能力，能够独立进行计算处理，也能在大数据平台的统一调度下进行数据分析计算。

任务监控：对当前采集的任务进行实时监控。

企业云：

系统主要将采集硬件采集的设备数据，经过预处理等分析算法，对采集的基础数据进行演变，得到新的衍生数据；然后将衍生数据配置到图表中，通过可视化的方式，对数据进行监控和可视化的展示。

系统操作由设计器和查看器组成：

基础数据管理：对采集的数据进行筛选、清洗、挖掘、钻取等操作，对原始数据进行重新整合，便于分析利用。

数据分析平台：可配置数据分析算法、报表、展示页面，可针对业务分析需求对数据进行分析并最终呈现给用户。

数据可视化平台：具备数据实时监控、信息可视化、场景配置、数据配置的功能，可实现虚实结合的制造过程三维实时监控。

模型超市：

该系统包括了包括了工具层与应用层2大板块，帮助工业企业构建算法模型超市，共享下载上传优质的算法模型，并通过准确的数据不断优化和检验算法。

工具层：

数据分析工具超市：为数据工具的使用者、提交者、验证者提供一个操作工具，具备数据分析方法配置、提交、下载、计费等基础功能。

应用层：

设备健康：提供设备健康管理数据分析工具的分类空间，工具提交者、应用者可在此处存放、查询、下载设备运维相关的数据分析工具。

质量管理：与设备健康类似，存放质量管理相关分析工具。

综合管理：与设备健康类似，存放综合管理相关分析工具。

四、解决方案

1、功能需求

经过工业企业需求调研以及工业市场的发展趋势，总结该军工研究所的需求点如下：

设备健康可视化监控：实现设备运行状态时时收集，实现任何时间、任意地点对机器设备运行状态和故障的在线监视，运用图表的表现方式展现设备的健康状态！

设备故障诊断预警：根据收集的监控数据，预测设备可能出现的故障、预防维护的机组部件等。基于现场排查思路，对设备的故障提前预防处理与预警提示！

远程维护：针对需要进行的远程维护，调出远程设备视频画面和相关数据，安排人员进行远程维护。

模型超市：希望有个算法共享的超市，行业专家可以上传算法，通过审核后商法将上传到模型超市，供需要的客户下载使用！

2、解决要点

首先，实现数据层。应用探码科技数据采集技术，采集设备参数，加工参数、设备状态、故障分析与预警等实时数据的采集，同时可以导入历史数据，通过各类工业通信协议和软件通信接口，实现数据格式转换和统一，最后将数据从边缘侧、传输到云端，实现数据的远程接入。

其次，建立模型层。将采集到的数据存储到数据中心，根据工业技术、管理技术、机器学习、数理统计的算法，实现建模。对历史数据、实时数据、时序数据进行类聚、关联和预测分析，集成更多的设备仿真算法模型，实现对现有资源的优化配置。

最后，实现应用层。此次开发的工业互联网APP的最终是实现工业云平台。

3、项目实施概况

根据项目建设目标和整体规划，结合我方大数据平台建设的实践，实施的解决方案上将数据采集的终端大数据管控基础平台（工厂设备数据采集），大数据平台分析（设备数据分析，设备运行状态可视化展示）和我数据平台运维管理（设备数据监控）三部分，同时加入了模型（算法模型）超市。使得该系统具有工业大数据资源存储、管理、共享功能。是可面向全社会应用的工业云平台。对各细分行业，形成设备管理APP，使得58所在弹药、含能材料、汽车及其零部件等行业的实施经验得以积累，并丰富、完善产品功能。

数据源的数据以接口服务器的形式进行汇聚，并通过加载工具加载至大数据平台，向制造大数据平台提供数据服务。本项目的数据来源于MES、ERP、SCADA 等系统数据，数据包括目前研究所掌握的制造领域的传感器、制造设备、工艺、物料等多渠道数据资源。

大数据管控基础平台：主要包含数据采集交换、数据存储和数据平台运维管理功能。其中数据采集交换是指按照约定的接口规范将多种数据源中的数据按照一定的频率和方式推送、拉取至大数据管控基础平台，通过接口对数据源进行访问。数据存储是指提供分布式数据存储，存储结构化数据，提供数据源管理、数据主题管理功能，将大数据平台存储的数据以业务视图的角度进行语义描述、数据建模、生成并发布满足特定业务需求的数据主题，为数据分析提供数据访问支持。

数据平台运维管理是指提供对各个组件集中化的监控、配置和管理。支持对平台的存储资源、计算资源进行管理配置；可向导式的安装组件、动态调整组件配置及服务运行参数、在线定义节点服务角色及在线服务启停、统一管理和调度任务；支持将分布式集群下的系统与组件的运行日志进行统一的归类、整理和展现；可根据预先定制的运维指标进行实时监测和图表展现，并对系统关键指标险情进行及时告警；支持将平台提供的文件服务服务，数据服务、分析服务等进行统一管理。

大数据平台分析应用系统：主要是基于数据管控基础平台的应用查询、分析及展示的验证。应用查询、分析是指在大数据管控基础平台环境下，实现对部分数据的抽取，部署算法库、设计算法的编辑及运行实例。设计实现数据展示功能，实现多类型图表的显示。

模型超市：将行业专家所提供的算法通过收集的工厂数据运行通过后，上传到算法模型超市，已供客户下载使用！

总体的设计原则

实用性：基于丰富的大数据行业经验，平台针对客户数据源提供大数据量的采集和存储处理功能，针对用户采集作业、监控、数据查询、管理、运维均基于web技术提供可视化、友好的操作界面

先进性：平台建设的技术选型主要基于当今大数据领域的主要linux、mysql等基础软件，通过最新稳定版本和主流java开发语言，采用主流的spring架构，确保技术的路线先进，体系完备，架构稳定。

安全性：实施IT行业通用的安全要求，遵循SOX，记录详细的业务操作日志，数据库无单点设计和部署；交易中间件无单点设计和部署；WEB中间件无单点部署的高可用设计，采用成熟的技术手段，保证业务数据的完整性和一致性。

可扩展性：系统的处理能力,可以横向纵向平滑无限扩展，可以通过配置实现，对于硬件，系统软件的部署，支持配置实现，对于应用软件规划动态部署能力。采用模块化设计，引入SOA的设计理念，低耦合高内聚，提高复用能力。

五、成果展示