华为云计算 云知识 数据治理与分析平台-

数据治理与分析平台-

中国航发某厂生产管控系统
一、项目背景 中国航发某厂生产计划类型多、机型多、维度多,同一个生产任务实际对应多维度计划中,重要配套件的计划执行差异难跟踪,影响生产交付。生产异常问题通过各种生产会议协调解决,生产会议材料数据收集费时、核对难度大,没有会议问题实时跟踪机制,会议决议反馈低效。难以满足航发集团精细化生产管控要求,亟需打造统一的生产管控体系。 二、建设方案 1.打通企业各类生产数据信息,包括生产计划、生产准备、外委外协、物料齐套、生产能力。 2.以各类生产活动(会议)为主线,构建支持会议召开BI界面。 3.通过问题督办功能,实现问题高效闭环处理。 4.通过重点件号管理和库存预锁定功能提升对瓶颈件号的管控能力。 构建了以交付为目标,以问题及时发现,闭环处理,及时干预为理念的业务 一体化 生产指挥中心。三、管理模式的创新变革 A:建设前:生产现场发生异常问题,一线操作者逐级反馈上报到生产管理人员,管理人员无法处理时,再报告领导,领导无法及时做出决策。 建设后:生产现场发生问题,通过管控平台的报警管理功能,直接将报警信息推送到生产管理人员,1小时内未响应,直接向领导推送报警信息。 B:建设前:会议组织严重依赖会议材料的准备。 建设后:通过管控平台设计的业务场景,组织召开会议。 四、项目成果 ►例会准备:月例会基于系统线上全部召开,科研例会、物料平衡会后期均基于系统线上召开。 ►快发中心:问题的闭环管理高效,年累计处理问题1300多条,按期完成率在70%。 ►配套追踪:全面提高生产部一次件的配套的管控能力,生产配套率提升30%。 ►交付能力:批产型号同比增长5.2%,周期压缩件号比达32%,重点型号的周期缩减121天
中核集团某公司核电系统智能运维与健康管理平台
一、项目背景 随着核电站运行机组的增加,对于运维数据的及时分析和安全监管的需求也日益明显,核电系统设备由于其结构复杂、运行工况恶劣、作业环境危险等特征,工作人员不能直接、及时进入生产环境现场对故障进行排查与检修,且目前国内核电站运维主要以事后维修和计划性维修为主,运维经济性差,核电站用户对关键设备的故障诊断和运维策略能力提升有迫切的需求。 二、业务痛点 ①、围绕设备监控诊断服务,缺乏统一性的多源异构数据接入、融合与存储管理能力和工具 ②、设备结构与特点各异,数据专业性强,针对性数据处理如工况划分、信号降噪、标签编辑、特征提取、参数映射等工具零散,统一性与使用效率不高 ③、故障诊断主要以阈值方法和专业机理方法为主,对于复杂故障、关联故障的诊断能力不足,缺乏多信息融合下的数据驱动诊断模型、预测模型开发与应用能力 ④、设备故障状态多样,诊断维修仅靠各专业技术人员经验,缺乏完整的故障案例数据积累与知识沉淀机制 ⑤、开展典型故障趋势预测与设备健康度评估,提升设备后服务效益是数智化时代设备健康管理的新方向。基于设备的使用情况动态进行采购与库存管控,实现基于运行状态的 数字化 运维保障,提升综合服务保障能力并降低运维成本的能力不足 三、建设内容 搭建了集数据采集接入、整合、建模分析、知识库沉淀和各类型健康管理应用为一体的PHM平台,助力企业围绕设备监测诊断与健康管理业务提升能力建设,基于三维动态结果展现,直观的进行设备健康状态的监测及诊断结果回放查看,动态结果包括松脱轨迹、撞击坑位及声音、管道泄漏及声音、振动振型及声音、波形及特性数据趋势。 四、项目成果 基于远程运维模式的落地应用,保障了设备诊断的及时性,缩短运维周期; 基于平台加强站网协调,优化机组停运检修窗口,减少电量损失; 结合监测预警诊断情况,动态优化大小修计划,减少了非计划停机率、非计划降功率、运维人力成本,强化了运维管理、设备可靠性管理及减非停工作,保证机组安全稳定运行; 基于设备诊断经验及算法知识的不断沉淀及迭代完善,扩展新的机组设备运维业务;
基于人工智能技术的冲压件质量检测及工艺优化
一、项目背景 在机械制造中,冲压 成形已成为非常重要的塑性加工方法,广泛应用于汽车、航空航天、电器等工业领域。众所周知,汽车车身的大部分覆盖件和结构件均为薄板冲压件,冲压工艺水平与冲压质量的高低对汽车制造企业至关重要。 某知名汽车制造企业,汽车产销累计已突破1000万辆。该企业某生产基地冲压车间建有三条冲压生产线,主要生产侧围、翼子板、车门、引擎盖等轮廓尺寸较大且具有空间曲面形状的乘用车车身覆盖件。在冲压生产过程中,部分侧围在拉伸工序中易产生局部开裂现象,需反复进行参数调整与试制;在生产线线尾,需配备大量质检人员进行冲压件表面缺陷人工检测。 二、问题与挑战 1.冲压产线线尾现有检测方式为人工手动检测,需在有限生产节拍时间内,快速分拣出带有开裂、刮伤、滑移线、凹凸包等表面缺陷的冲压件,检测标准不统一、稳定性不高、质检数据难以有效量化和存储,不利于企业数据资源收集、质量问题分析与追溯。 2.在冲压生产试制过程中,影响侧围在拉伸工序中产生局部开裂的因素很多,如设备性能、模具状态、板材性能等;调整参数与反复试制的方法,具有一定的盲目性,成本大、效率低。 3.影响因素多、数据形式差异大,且分布在车间不同业务系统中,既有设备实时性数据,又有非结构化的图像数据,对数据采集、管理与存储的要求极高。 三、 解决方案 通过建设 大数据 平台实现对工厂冲压车间的所有设备、模具、材料、制造过程数据、质检数据的集成、存储与统一管控,并借助基于机器学习的数据挖掘、基于机器视觉的智能检测技术,实现对侧围冲压开裂的预测与产品件表面缺陷的智能识别。 依据冲压设备加工参数、板材参数、模具性能参数及维修记录等,通过数据挖掘机器学习算法,建立冲压工艺智能预测模型。通过样本积累与模型训练调优,准确预测冲压件开裂风险。最后,确定制造过程影响因素间的相关性,制定生产过程参数组合控制策略,为冲压制造过程工艺优化和质量把控提供支持。 四、应用价值 1.通过预测冲压件开裂风险,极大提升企业新车型冲压件加工参数设计效率,试制次数减少约70%,年节省试制成本200多万元。 2.通过快速智能检测冲压件表面缺陷,提高生产线检测的稳定性、可靠性,降低质检工人劳动强度,企业三条生产线年节省人工成本100多万元。同时,产品质检数据被有效存储,为实现质量闭环分析与追溯提供重要数据支持。
某家电行业制造企业运营管控项目
一、项目背景 为更好地契合 制造业 的智能化发展,大部分装备制造企业已实现市场、科研、批产、项目管理等业务管理的 信息化 ,并累积了海量数据资产。如何有效利用数据资产,充分发挥数据价值,并将先进的制造技术、信息技术、智能技术进行深度融合和综合展示,不仅是智能化发展的要求,也是制造企业亟需解决的问题。构建运营可视化为企业运营管控提供有效的支撑,成为高端装备制造企业在 智能制造 条件下的必然路径。 二、问题与挑战 企业在日常对外宣传和对内管控过程中,经营管理部门需对接多个业务部门、业务数据分散、难以及时获取经营数据。同时,数据收集和审批流程复杂、时效性差,数据存在偏差。 1、领导关注的数据无法确定和及时获取。运营管理部门不能直观掌握企业运营状态,特别是主价值链运行状态,无法确定领导关注内容;企业运营数据多以单业务域为主,数据不全面,获取不及时。 2、问题督办无法有效落地。在运营管理过程中发现的问题,无法通过有效的支撑平台进行跟踪督办管理。 3、缺少一体化的数字化展示窗口。缺少统一的、全局的展示平台,无法及时、高效的进行全域信息的数字化展示。 4、缺少懂数据分析和数据挖掘的综合性复合人才队伍。数据已成为企业的核心资产,发掘数据价值并形成新的增长点,有效推进企业智能制造的数据融合及高效展示,组建综合性复合人才队伍显得日益紧迫。 三、解决方案 为企业领导提供对外形象宣传和对内运营管控的统一视图,通过企业运营状况的实时、全域、立体展示,实现企业运营的穿透管理,有效解决领导“看得见、看得清、看得远”的问题,为企业资产经营管理、生产运营管理、产业结构调整等重大决策提供支持。  对内企业运营管控 以企业领导视角为切入点,立足企业现状,整合跨域资源,统筹企业全局,构建以企业战略目标为导向、以企业主价值链为主线、以管理支持为依托的穿透管理机制,促进企业核心竞争力提升。 四、项目成果 推动企业经营管控机制变革 建立预警及问题闭环管理机制,通过企业主价值链的多维度、多粒度穿透管理,推动企业经营风险管控关口前移。 构建企业级的统一信息展示平台 面向管理层构建标准的展示规范、建立统一的展示平台,促进其它业务系统“表达层”建设。 推进企业经营管控方式转变 改变运营管理部门当前“一对多”的被动工作模式,有效推动企业运营管控统一化、标准化。
基于大数据的汽车电池设备健康管理系统
一、项目背景 随着对电动汽车技术研究的深化,电动汽车的应用普及越来越成为可能,而制约电动汽车发展的主要因素就是动力电池的综合性能。但是目前使用的电池管理系统(BMS)由于其数据传输问题、数据分析手段、数据应用场景等约束,无法满足电池设备健康管理的要求。在此背景下,需要研发一套锂电池组设备健康管理系统:通过对电池使用历史数据分析挖掘,实现电池的安全与故障评估、寿命预测以及一致性分选,为高充电倍率电源系统的设计研发提供数据支撑,对电池二次利用的安全性和整体性能进行评估,促使客户服务从故障后维修向预防性维修转变逐步实现服务转型。 二、问题与挑战 车辆接入数量大并且不断呈现上升态势,数据采集频率30s/包,每包40+测点(其中单辆车有300+以上的电压、温度测点),一天数据量4760万条,容量80G以上,涉及到大量数据的实时接入和挖掘分析。 数据类型包括故障、能耗、使用热度、一致性、可靠性等8大类40多个指标,涉及到多指标的综合分析和高维可视化展现应用。 需要对车辆BMS和GIS系统数据进行集成,涉及到复杂的数据协议和数据接口定制开发。 需要通过历史数据的挖掘实现电池安全与故障评估、寿命预测、一致性分选、二次利用安全性等分析评估。 三、解决方案 系统以车辆信息和电池运行状况为主要监测对象,实现了产品运行状态实时监控、产品故障分析与管理、故障告警与运维、车辆定位与使用情况分析、产品性能分析等主要功能。 场景建模实现实时数据的监控展示,系统监测的内容主要包括产品状态监测、故障分析监测、客户使用提醒监测等。 在地图上显示所有产品分布情况和故障产品分布情况,对历史发生过故障的故障类型及对应的频次进行统计分析。 对驾驶行为、可靠性指标、一致性指标温、度适应性指标进行显示,通过电池充电IC曲线变化历程进行电池状态分析。 对车辆进行故障进行监控和安全预警,对故障和报警进行分级处理,并对故障和预警处理措施和结果进行统计分析。 通过电源系统的编码、车辆种类、监控区域对车辆进行查找,同时可以通过高级查询锁定某一区域某一车型的全部车辆对其进行实时监控。 通过Tempo AI的场景建模实现电池安全性评估和寿命预测,并对电池二次利用的安全性和性能进行分析。 四、应用价值 1. 实现对当前车辆及电池的监控、诊断、预警报警。 2. 为用户提供更多的增值性服务于电池安全保障

云商店免费试用中心

立即体验
人脸识别 免费体验