如何进行智能工厂实时数据管理课件.pptx

,创建智慧工厂实时数据分析方案,目录, 庞数据? 主要效果，特点，技术 工厂智能化架构图 实时数据分析跨国企业EIS 报表，通知 实时监测 触发器 用户界面 高性能 安全性,庞数据, 技术蓝图, 公司现状, 成立目的, 主要客户,公司简介, 智能制造发展方向, 产业创新, 工厂智能化是？, 实时数据分析,未来 MES, 为品质创新需要信息创新,智能工厂,2,通过物联网技术与大数据技术，带来产业创新。,制造业,风力,配电,化学,石油与天然气,发电,工业数据,机器数据,智能工厂,3,产业领域, 大数据分析既诊断技术，对产业领域的需求性不断增大。, 成千上万的传感器，可同时管理，既实时数据收集与分析。, 主要设备故障预测，既异常感知。, 设备运行状态管理，与性能管理。, 电力及能源，实时监测与分析。,未连接,链接 设备互联 数据采集 实时监测,分析,控制,CPS,Network,SW+HW,自动化,信息化,互联化,智能化,庞数据技术范围,4,设备,机器人,CNC,传感器, IOT,设备异常感知 品质异常感知大 数据分析,大数据机器学习 算法 统计技术 云技术,设备智能控制自动调试,Adaptive ControlAI,智能工厂,智能制造发展方向,未来创新 生产，机器所有数据实时采集既分析，通过分析结果，得到新的状 态信息，积累更多的信息知识，创造新的价值。 通过分析实时数据，提高的生产与品质效率，节省费用。 生产数据与设备数据的采集与分析，是发展未来工厂首要创新过程。,智能工厂,5,工厂智能化是?,机器数据,工业数据,MES 数据,快速，准确 分析, 诊断,机器障碍 预测,质量 预测,基本 统计分析,实时 异常感知,快速而准确的实时数据分析和异常检测。, 工业数据和机器数据，通过基本统计分析，洞察与诊断。, 通过分析机器数据，预测故障。, 通过分析生产数据，预测主要问题信息，实时通知。,实时 设备控制,6,智能工厂,实时数据分析,MES + Big Data 实时分析技术 通过技术创新改变工厂。发达的制造强国，纷纷在研发大数据分析 与数据诊断技术。 MES的优化是，通过实时数据分析，快速又准确的诊断技术。 数据分析，既数据可视化，带来新的价值。 管理者可以，迅速又准确的得到，数据信息情报。 通过实时数据分析, 优化MES。 工厂人员通过数据得到新的信息，使人更快的了解工厂，这是对工 厂的运营带来极大的提升。 MES创新是，发展“工业 4.0” 阶段中必要条件。,7,智能工厂,未来MES,品质创新,人,法,配件(原料),环境,设备, 人得到信息，人更好的管理人。 得到自动分析的结果。,人, 设备就品质 了解设备即可了解品质 设备数据实时采集就是创新的第一步,设备, 供货企业实时质量管理 来料品质检验与入库品质实时分析 洞察供货商品质变化,配件(原料), 通过数据管理工厂 出现品质异常，通过数据解决 通过异常感知系统,预防品质异常。,方法,环境 入库仓库，原材料仓库实时安全管理 工厂所有信息共享。,为品质创新，人需得到工厂所有的事物信息，即带来信息创新。,智能工厂,8,信息创新带来品质创新,实时分析产业数据创造新的价值 链接各种产业或工厂的设备即品质检测设备的数据分析的物联网技术 基于大数据实时故障预测。 通过实时数据分析, 优化MES。 基于云技术，高效的数据处理技术。 大量设备数据实时，采集即统计分析技术 实时SPC统计数据分析即故障预测,9,智能工厂,庞数据是？,Pang Data 庞数据与MES的技术目的不同。庞数据是，实时采集数据， 提供自动分析。 生产高价产品或大批量生产的工厂，可用于实时品质管理。 设备，MES既ERP数据，实时采集分析。利用大数据的 Machine Learning 基于与算法异常感知。 实时工程能力（SPC）故障预测既异常感知。 采集设备数据，通过设备状态，管理设备。 实时采集，品质测定的数据，感知异常。 实时数据监控。 基于物联网（IOT）技术，实时采集大容量数据。 TB,PB大数据管理，既统计处理。,MES, 管理工厂整体的运营状态和业绩管理 生产业绩管理 品质不良管理 设备情报既品质履历管理 工程能力（SPC）事后分析管理 仓库管理 材料管理,PMS,FMS,品质管理,设备管理材料管理仓库管理销售管理实时监控，异常感知，大数据，分析,MES,庞数据,人力/财务,ERP,10,庞数据 庞数据与MES区别？,庞数据,主要特点,实时SPC分析USL/LSL实时异常感知控制图规则（Western Electric/Nelson/自定义）异常感知。,实时SPC分析, 设备既品质故障预测。 生产过程中，品质设备之间，通过联性分析，得到异常 感知。,实时预测分析, 仓库温湿度实时监测即异常感知。 工厂电压，制造设备如测量品质的仪器异常感知。 设备数据实时采集，通过分析感知异常。,主要设备异常感知,主要特点,实时SPC分析,实时 预测分析,实时主管 信息系统,主要设施 实时监控,实时设备 异常感知,通过实时数据分析快速的提供情报即异常感知,11,庞数据,主要技术, 大数据存储与处理技术。 基于机器学习，分实时监测技术。 长期数据的统计分析（最小，最 大，平 均，个 数，偏 差，微分）,大数据 机器学习, 使用各种分析道具，实时感知异常，预测故障。 通过实时分析技术，有快又准的提供信息。 设备监测与自身算法技术，与基础设施相结合的 各种异常感知技术。,故障预测异常感知, 通过物联网技术与云架构，提供大量数据采集与处理技术。 基于传统技云技术，实时移动技术，大数据技术 融合的创新技术。,云技术,技术,实时 监测,大数据,机器 学习,物联网,云架构,手机,庞数据是为顾客提供最高的价值，在技术上不断创新献出我们的了力量。,12, 实时管理品质数据，降低不良。 通过最低的费用维持最高的品质。 软件替代人力，减轻人力。 工厂主要设施，设备，通过传感器实时采集数据，主 要设施信息化，设施管理费用即预防事故。节省经费,节省经费, 最低的价格，使用产业情报处理技术。 实时情报处理，系统提供快速准确的生产数据。 品质数据管理，对客户提高信誉。 工厂整体智能化，确保新的工厂运营系统。,创新 情报化,通过创新技术降低成本,13,庞数据,主要效果, 基于物联网大数据，创新技术，提供实时工厂智能化。 实时采集传感器数据，提供异常感知技术。 第4次产业革命中，评价到，对工厂进行实际创新的技术和方案。 不是普遍的是Query型 事后分析，而是采集传统型数据的实时分析解决方案。 快速 易懂的数据采集，共享与整合的Data Driven IoT 解决方案。,技术独创性, 在韩国和中国最迅速地提供“SaaS”的实时感知技术。 世界第一个saas公司提供实时spc(工程能力管理) 根据物联网时代，为现实创新工厂提供情报信息。 Data Driven IoT 平台来确保多种产业领域的市场性优厚。,市场的优势, 基于SaaS 价格低廉，又低廉的价格使用高科技技术服务。 大企业或中小企业，引进智能化解决方案，价格无负担。 用一个解决方案，可以使工厂所有领域都能发挥智能化的物联网平台。,价格,第4次产业革命中首要创新是，设备与传感器数据的采集既异常感知，在市场是先驱,14,庞数据,为什么选庞数据呢？,分析,手机,监测,警报,SDK,机器学习,集成,安全性,庞数据,工厂智能化,从设备至MES，实时采集既分析，构建工厂智能化 。,15,机器或品质异常检测,PLC控制的自适应控制,OPC UA Serv er,PLC,HUB,ERP,MES,HMI/SCADA,数据集成(REST/MQTT),OtherSolution,大数据 数据库,SPC,实时处理,实时监测,故障预测,数据分析,传感器网关（Gateway）,应用案例,供应商质量管理,质检室质量管理,机器，传感器数据,SPC 分析,趋势分析,设备数字化管理,预测分析,设备数据管理,实时监控室,品质和传感器数据 跟踪管理,实时机器故障预测,实时质量分析预测分析,庞数据,智能工厂概要,16,传感器,Pang Data(SAAS 或 Onpremise),Pang SDK,数据库ERP,MES,分析,手机,检测,警告,PLC,HTTPS,工厂,JDBC,OPC/SCADA,Pang SDK,实时SPC,以太网（局域网）,PLC,其他方案自适应控制,其他系统,HTTPSREST,手动输入,Library,Library,Pang SDK,MQTT,TCPIP,17,庞数据,工厂数据采集和集成概述,2022/12/9,18,可编辑,Pang Data,分析,移动设备,HTTPS监控,警报,工厂,Pang SDK,工厂内主要设施的环境数据实时采集即异常感知,电力,生产线静电,工厂温度,工厂湿度,仓库温湿度,材料仓库温湿度,19,实时发送数据,庞数据,主要设施实时异常感知,Pang Data,HTTPS,工厂设备数据(马达, 逆变器, 压力机 等)Machine,Pang SDK,自动化设备数据采集CNC许多设备基于设备数据自动异常感知。,Robot,机器人数据采集,庞数据,20,许多设备管理与异常感知,办公室,生产现场,工厂外,不需太多人力与时间还可优化品质的应用案例,Pang Data,通过手机管理现场与设备 的情况,工人,厂长,管理者,实时管理设备与产品的状态,现场情报监控管理,实时管理工厂主要情报,管理者,采集品质数据,品质结果数据,品质关联的设备数据(温度, 电流, 压力, 震动, 重力),采集设备数据(温度, 电流,压力, 震动, 重力),品质统计分析报告,主要设备数据采集,按设备 温度/湿度,工厂能源,21,庞数据,工厂应用构造图,A企业材料入库检验室，品质结果比 较分析B企业,C企业,D企业,庞数据,配件入库品质检测管理,平直管理者,按企业实时品质监测,品质管理者,庞数据,实时品质结果报告,按企业工程能力管理, 实时监测管理，供货商配件质量。 按供货商，供货产品的整体品质履历管理。 按供货商，提供的配件工程能力管理（SPC） 供货商，配件入库品质检验。 供货商，出库检测结果与内部规定结果，快速方便质量比较分析。 对供货商，通过，质量管理,向顾客提供高品质的产品，及产品数据。通过此举确保商的品质信赖。,22,中国工厂,经营者,管理者,欧洲工厂,亚洲工厂,非洲工厂,MES 主要生产情报实时传输(生产量/不良率/开工率/库存量),实时工厂开工状态,实时财务状态,企业法人,庞数据,ERP 主要经营情报实时传输,(销售量/财务状态/债券状态/应收款/合同金额/资出状态), 本地工厂或异地工厂的生产情报实时管理 实时分析管理工厂的财务状况 日/月/年 单位，自动分析统计管理。 快速决策，需要风险管理。 信息共享，得到了全球信息网络。 所有的情况，通过图表一目了然。,周/日 单位 经营分析报表, 通过手机随时随地管理,移动设备管理,23,庞数据,跨国企业管信息系统构造图,质量管理 办公室,检验室,Pang Data,by lot,检测数据方便 输入,检测员,检验室管理员,检测SPC 结果,质检室管理,管理供应商的质量,按批（日、周、月、年）,部分（供应商，客户） ),各月报告（年度）,单独管理零件项目质量,检测样品结果,SAP,检测报告,随时随地,供应商,输入采样结果和管理客户的检验结果,电脑,手机,24,庞数据,手动检测概述,传感器,大数据,数据分析,机器学习,数据可视化,MES数据库, ,实时故障预测经营者情报共享实时异常感知,庞数据,实时数据分析流程,通过分析引擎和机器学习引擎，实时异常检测，预测故障。,主要数据分析,实时 SPC,25,通过设备数据，生成标准数据，生成 的标准 数据与 实时进 入的数据进行比较，实时感知自相关分析。,毫秒至秒单位实时异常感知。分析功能说明,应用案例,例子,一般触发器,对实时采集的数据，设定条件做异常 感知。,上线或下线异常感知 (Greater/Less). 持续在异常区间异常感知(Duration). 特定区间异常感知 (Between).,规律(Rule) 异常感知,提供产业界已定义的规律 Western Sty le和 Nelson Sty le 用户按照规律，配置条件做异常感知。,因工厂环境与设备特点，产品生产时,发 生有规 律的条 件时，按规律配置条件做异常感知。设备或品质数据，脱离规定范围，出 现数据 大变化 时异常感知。,区间触发,实时采集数据，秒至分单位，快速计 算生成 区间， 区间数 据统计即，工程 能力（S PC）与正 常数据 实时比 较，发 生异常 即可触 发。,倾向性预测,对于数据持续上升或下降，或渐渐上 升下降 的现象 ，实时 进行分 析，预测达到警戒值的时间。,温度或压力震动等数据，持续上升或 持续下 降，提 前预 测到达警戒值的时间。,相互关联性分析,互不相同的设备，通过关联性分析找 到关联 性，又 通过实 时关联性分析找 到细微变化与异常变化。,设备或品质相互关联性大，通过关联 性异常 感知， 早期 发现异常问题（例：马达和滚轴的情 况。阻 力与老 化关 联性异常）压力机温度，电压等数据严格管理的 情况， 便准数 据与 生产过程中进入的数据实时对比分析 ，出现 异常及 时感 知,自相关分析,庞数据,26,实时异常感知摘要,长时间的数据变化分批试分析异常感知分析功能说明,应用,例子一天使用的电流量超过100时感知异常 。一个月采 集的设 备压力 数据总 和低于3 50的情 况异常 感知。设备或品质数据没有大的变化，安全 状态运 行，在 安全 状态中运行中，细微上升或下降的变 化时使 用自动 异常 感知。如：每周平均温度是50，比平均温度 上升10 %以上 或以下情况，异常感知 (标准偏差)设备或品质长时间运作渐渐发生变化 ，这样 的情况 ，想 了解1个月或6个月之后的变化情况时 使用。 如：因逆变器老化，发现电压，渐渐 的上升 情况。,触发器,时/日/周/单位 数据统计，按统计项目设置条件做 异常感 知。,设备老化时使用，感知数据的变化。,批量触发器,采集的数据，时/日/周/单位分析数据，与正常 数据进 行对比 异常感知。比较对象是：标准统计数据或整个数 据累计 统计结 果比较,倾向性预测,采集的数据渐渐上升或下降的现象时 ，按时/日/周/月/单 位分析 ，预,测达到警戒值时间。,庞数据,分批试异常感知摘要,27,短期，长期所有领域工程能力 快速便捷的分析。例子,庞数据,28,SPC分析构造摘要,快速查询数据即分析功能。（实时数据至多年的数据快速分析）分析功能说明,例子,设备统计分析,按注册的设备统计分析。 数据统计项目（微分，最大，最小， 平均， 标准偏 差，个 数）等 ，也支 持多重选择分析。（实时数据或历史 数据）,快速查询统计结果（多年的数据也不 超过2秒）,多个设备比较分析,多个设备比较分析，便捷的设备数据 与品质 数据对 比。,按时间方式，各种设备数据对比分析 。（多 年的数 据也不 超过2秒）,倾向性分析,通过倾向性分析预测故障。提供长期 ，短期 倾向性 分析。 发生异常事件时，按配置的时间或区 间提供 预测分 析功能 。（如 ：发生 异常，按配置时间预测故障日期）,上升或下降倾斜度分析。,关联性分析,找到关联设备。关联设备之间的关联 性数据 分析。 分析异常发生时点关联性数据，提供 脱离关 联性范 围（上 升或下 降）的 分析图。,触发器图,提供，触发器区间配置与数据比较分 析图表 。,按异常事件数据分析，提供异常数据 前后时 点图表 。,庞数据,29,一般分析构造摘要,工厂内各系统和流程创新，达到智能化创新案例说明,30,供应商 实时品质管理,供应商配件检验表或实时采集生产数 据. 客户就立刻了解供货商的品质状态。各供货商品质状态分析，了解供应商 的供货 品质履 历，持 续管理 品质大 数据， 确保品 质最佳 化。,入库质检室管理,入库检验室，以往配件是通过纸或者E XCEL管理 ，通过 创新之 后，供 货商品 质实时 管理， 既供货 商品质 自动异 常感知 。因品质数据的管理，对客户信誉度提升。 实时情报处理，系统提供快速准确的生产数据。,实时品质异常感知,量产时通过品质异常感知，预测品质 异既提 高品质 降低不 良。（S PC），设备异常（故障）预测，自动检测设 备细微 变化， 提供快 速做出 决策时 间。,产品跟踪分析,产品生产时发生异常情况，通过采集 的供货 商数据 与入库 质检室 数据追 踪异常 原因。准确又快速跟踪，产品生产时使用的 供货商 配件状 态数据 。,设备维护管理,设备或主要配件，维护计划管理，提 前提醒 ，确保 工厂设 备安全 维护， 按时维 护。,仓库和工厂环境管理,工厂主要设施或仓库通过数据管理， 防止配 件或产 品的变 质，最 佳的管 理配件.,实时设备异常感知,工厂内主要设备老化，或因环境变化 带来的 异常， 预测。 （马达 ，油压 ，震动 ，压力 机既可 采集数 据的设 备）工厂内，数千，数万设备数据中央化 系统管 理，实 时采集 工厂所 有设备 进行管 理。提 供工厂 内设备 的系统 化既情 报化创 新的工 厂。,大数据分析,入库质检室数据，设备数据，品质数 据，既 环境数 据等 通过， 系统的 数据化 ，管理 工厂的 问题与 异常， 跟踪既 分析。品质检测数据，既设备等各种数据， 数年或 数十年 数据大 数据化 ，统计 分析， 既长期 数据分 析管理,庞数据,工厂创新案例,庞数据,实时监测,随时随地实时监测所有数据 支持手机，平板，电脑使用。 不需安装任何软件，只需浏览器即可使用。 因反应型网络技术，可随时随地使用。 按用户需求创建仪表板，又可生成各种小部件，使用便捷。 提供各种图表，和监测工具。 也实时监测，毫秒单位的数据。 实时监测是，了解工程情况和决策上，提供重要情报。,31,统计图表报告发送电子邮件 时间，日，周，月单位发送报告书邮件。 在收到的邮件中，点击直接确认报告信息。 多个设备比较分析结果，统一发送。 一个报告书可同时发送多个图表。 选择期间发送（如：近5天，近10天）,邮件中看到的报告结果,32,庞数据,报告功能,点击短信链接,点击邮件链接,点击链接,庞数据,通知,及时发现问题及时决策。 发现故障倾向或检测到异常时立即通知。 得到通知信息，及时决策。,33,通过Email, 短信和 Web Socket 实时通知。, Email和 短信中点击链接，即可及时查看问题。 随时随地了解工厂的设备与生产情况。,庞数据,用户界面,提供方便又直观的 UI技术 Web App 基础，提供快速实时监测工具。 随时随地移动监测技术(台式机也同样浏览)。 优化的高性能图形，和数据处理技术。HTML5 CSS为标准。,34,2022/12/9,35,可编辑,