智能工厂工业大数据云平台的设计与实现

作者：孙为军谢胜利汪谷银刁俊武阮航云计算、大数据、物联网等新一代信息技术和工业化的“深度融合”，正在加速传统制造企业的转型升级。智能工厂作为智能制造的重要实践模式，核心在于工业大数据的智能化应用。炼化企业是制造业的重要组成部分，工业大数据处理技术成为提升炼化企业核心竞争力的关键力量。

1工业大数据的需求1.1工业大数据的概念和特征《工业大数据白皮书（2017）》将工业大数据定义为：在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。

图1平台基于Lambda架构搭建支持多计算模式的大数据系统，整合离线、实时和流计算，可集成Hadoop、Kafka、Storm、Spark、HBase、MPP数据库等各类大数据组件。平台使用新一代的MPP并行数据库集群作为大数据处理平台的核心，实现对海量数据的存储、集成和分析等操作，支持在线查询、实时交互分析、异构数据处理、高频历史数据融合探索、可视化数据展现，支撑炼化业务大数据分析应用。

3.2数据采集技术3.2.1现场数据采集融合各种物联网感知技术，以温度、光敏、视觉等传感器为主要采集工具，结合RFID、条码扫描器、生产监测设备、PDA、智能终端等手段采集多源、异构数据信息，全面感知工厂的生产过程要素（物料物性参数、工艺参数、设备运行等）和安全环境（可燃有毒有害气体、污染物、空气质量等），通过互联网或现场总线等技术进行实时准确传输，存储于实时数据库。

4大数据分析与处理4.1多层次的分析方案大数据分析提供多层次多场景的数据分析方案：即席查询、统计分析、数据挖掘和知识自动化决策，以满足不同级别的需求。

5.1.4实时优化能耗从生产能耗角度看，通过监控生产流程中的耗电、耗水、耗气（天然气或者煤气）、集中供热耗热、集中供冷耗冷的实时数据，能够发现能耗的异常或峰值情况，对所有流程的大数据进行分析，实时优化生产过程中的能源消耗，会整体上大幅降低生产能耗。5.2网络化协同制造利用互联网技术，通过制造过程与信息化系统的深度集成，与产业链各环节紧密协同，构建网络化协同制造服务平台（见图5）。