下载掌阅APP，畅读海量书库
立即打开
《工业大数据白皮书（2019）》给出了工业大数据应用参考架构，如图2.1所示。工业大数据应用参考架构包括系统协调者、数据提供者、大数据应用提供者、大数据框架提供者、数据消费者、安全和隐私、管理。其中，系统协调者负责整个工业大数据应用的统一协调和规划，动态调配系统资源保证各个组件协同运行，监控所有组件的运行活动并进行优化决策；数据提供者负责原始数据的采集和预处理，原始数据主要包括企业信息系统的业务数据、物联网数据和企业外部数据，对这些数据源进行采集，并进行抽取、清洗、转换等预处理操作，将处理过的数据提供给大数据应用提供者；大数据应用提供者根据企业应用场景需求，对工业大数据进行分析，挖掘潜在的知识价值，并将结果以可视化的方式展示给用户；大数据框架提供者为大数据分析应用提供通信、存储、计算等资源和服务；数据消费者主要指企业用户，企业向系统发出应用需求，并接收来自系统的分析结果，典型的应用需求可归纳为智能化设计、智能化生产、网络化协同制造、智能化服务和个性化定制等5种应用场景；安全和隐私从网络安全、主机安全、应用安全、数据安全四方面来负责构建大数据系统的安全防护体系。
图2.1 工业大数据应用参考架构
按照工业大数据的应用参考架构，在此制定了工业大数据的平台参考架构，主要为企业构建工业大数据平台系统提供架构和功能设计方面的参考。工业大数据平台参考架构如图2.2所示，平台体系架构自底向上分为数据层、分析层、应用层。
数据层负责数据的采集、预处理、治理和存储等功能。运用各类传感器和网络爬虫等多种采集手段从社会网、互联网、物联网采集人机物大数据资源，并对这些数据进行抽取、转换、清洗等预处理操作；针对人机物数据的多源异构性，开展大数据治理，建立多元数据之间的含义关联，使数据在异构系统之间能够被正确理解和处理，保持语义等效。为此，从质量、隐私、安全的角度，运用本体模型开展元数据管理，实现对整个工业系统信息供应链中数据流动的掌控以及数据血缘追溯。将经过治理的大数据按照操作数据、数据仓库、特征库/模型库、共享数据、主数据、语义数据等多种类型进行分布式存储，存储引擎应满足高性能、高吞吐率、大容量的数据存储要求。
分析层为大数据应用提供基础服务功能，主要包括各类服务引擎，如大数据分析、查询、推理、可视化以及提供支撑作用的流程和规则管理。分析层是大数据应用平台的核心层，从结构上起到下联数据层、上通应用层的中间桥梁作用，从功能上是实现从数据资源到数据价值的转换器。分析层组件是获取数据价值的重要工具，其技术先进性代表了数据价值的挖掘能力。
图2.2 工业大数据平台参考架构
应用层是大数据应用需求以及最终价值体现的终端。工业大数据的目的是持续优化企业核心竞争力使其保持可持续发展的能力，大数据的发展与企业实际需求紧密关联、相辅相成。应用层从企业向智能制造转型发展的实际需求出发，将工业大数据应用分为智能化生产、网络化协同、个性化定制、服务化延伸。智能化生产的典型场景包括智能设计、生产工艺优化、智能生产排程、设备预测性维护、产品质量优化、能源优化、生产安全管控。网络化协同的典型场景有协同研发制造、供应链优化。个性化定制包含用户需求挖掘和个性化生产。服务化延伸主要体现在产品远程监测诊断和运维服务。