Technologies et applications du Big Data industriel

Jun 23, 2025 Laisser un message

Le Big Data industriel fait référence à toutes sortes de données et de technologies et applications associées générées dans le domaine industriel autour du modèle de fabrication intelligent typique, de la demande des clients aux ventes, commandes, planification, recherche et développement, conception, processus, fabrication, approvisionnement, approvisionnement, inventaire, expédition et livraison,-service après-vente, exploitation et maintenance, mise au rebut ou recyclage et remise à neuf de l'ensemble du cycle de vie du produit de chaque lien. Le Big Data industriel est au cœur de la fabrication intelligente, basé sur le « Big Data + Internet industriel », le cloud computing, le Big Data, l'Internet des objets, l'intelligence artificielle et d'autres technologies pour conduire le changement des méthodes de production industrielle et stimuler le développement innovant de l'économie industrielle.


Description détaillée de la technologie et des applications du Big Data industriel


I. la définition du big data industriel


Le Big Data industriel fait référence au domaine industriel, autour du modèle de fabrication intelligent typique, de la demande des clients aux ventes, commandes, planification, recherche et développement, conception, processus, fabrication, approvisionnement, approvisionnement, inventaire, expédition et livraison, service après-vente, exploitation et maintenance, mise au rebut ou recyclage et remise à neuf de l'ensemble du cycle de vie du produit de divers types de données générées par divers aspects du terme général, ainsi que de la technologie et des applications associées. Il est centré sur les données produit, ce qui étend considérablement la portée des données industrielles traditionnelles, et inclut également les technologies et applications liées au Big Data industriel-. Les principales sources de big data industriel sont les trois catégories suivantes.


1. Données commerciales liées à la production et à l'exploitation


Les données commerciales liées à la production et à l'exploitation-sont principalement issues du champ d'application de l'informatisation d'entreprise traditionnelle et sont stockées dans les systèmes d'information d'entreprise, y compris les logiciels traditionnels de conception et de fabrication industrielles, les progiciels de gestion intégrés (ERP), la gestion du cycle de vie des produits (PLM), la gestion de la chaîne d'approvisionnement (S CM), la gestion de la relation client (CRM) et le système de gestion environnementale (EMS), etc. Ces systèmes d'information d'entreprise ont accumulé une grande quantité de données. Ces systèmes d'information d'entreprise ont accumulé une grande quantité de données de développement de produits, de données de production, de données opérationnelles, de données d'informations sur les clients, de données de logistique et d'approvisionnement et de données environnementales. Ce type de données constitue l'actif de données traditionnel dans le domaine industriel et élargit progressivement sa portée dans l'environnement des nouvelles applications technologiques telles que l'Internet mobile.


2. Données IoT sur les équipements


Les données IoT sur les équipements font principalement référence aux équipements de production industrielle et aux produits cibles en mode de fonctionnement IoT, à la génération-en temps réel et à la collecte de données couvrant le fonctionnement et l'exploitation, les conditions de travail, les paramètres environnementaux et d'autres données reflétant l'état de fonctionnement des équipements et des produits. Ces données constituent la nouvelle source de big data industriel, qui connaît la croissance la plus rapide. Le Big Data industriel étroit fait référence à ce type de données, c'est-à-dire une grande quantité de données générées rapidement par les équipements et produits industriels et l'existence de différences dans les séries chronologiques.


3. Données externes


Les données externes font référence aux activités de production des entreprises industrielles et aux produits liés aux sources de données Internet externes de l'entreprise, par exemple, l'évaluation de la performance environnementale de l'entreprise en matière de réglementation environnementale, la prévision des données macro-socio-économiques du marché des produits, etc. La technologie du Big Data industriel est une série de technologies et de méthodes qui permettent d'exploiter et d'afficher la valeur contenue dans le Big Data industriel, y compris la planification, l'acquisition, le pré-traitement des données, le stockage, l'analyse et l'exploration, la visualisation et le contrôle intelligent. L'application du Big Data industriel est le processus d'intégration et d'application d'une série de technologies et de méthodes de Big Data industriel à un ensemble de Big Data industriel spécifique afin d'obtenir des informations précieuses. La recherche et la percée de la technologie industrielle du Big Data visent essentiellement à découvrir de nouveaux modèles et connaissances à partir d'ensembles de données complexes et à extraire de nouvelles informations précieuses, afin de promouvoir l'innovation des produits des entreprises manufacturières, d'améliorer le niveau d'exploitation et l'efficacité de la production et de développer de nouveaux modèles commerciaux.

 

II. Caractéristiques du Big Data industriel


En plus des caractéristiques du Big Data général (grand volume de données, variété, rapidité et faible densité de valeurs), le Big Data industriel présente également les caractéristiques d'une séquence temporelle, d'une forte corrélation, d'une précision et d'une boucle fermée.


Grand volume de données :la taille des données détermine la valeur et les informations potentielles des données considérées. Le volume de données industrielles est relativement important, un grand nombre de données à haute fréquence- provenant de machines et d'équipements et de données Internet continuent d'affluer, et les ensembles de données des grandes entreprises industrielles atteindront le niveau PB ou même EB.


Variété (variété):fait référence à la diversité des types de données et à un large éventail de sources. Les données industrielles sont largement distribuées sous divers aspects tels que les machines et équipements, les produits industriels, les systèmes de gestion et Internet, et la structure est complexe, avec des données de détection structurées et semi-structurées ainsi que des données non structurées.


Rapide (vitesse) :fait référence à la rapidité d’obtention et de traitement des données. Les besoins industriels en matière de vitesse de traitement des données sont divers : les exigences au niveau du site de production-pour un délai d'analyse allant jusqu'au niveau de la milliseconde, les applications de gestion et de décision-doivent prendre en charge l'analyse de données interactive ou par lots.


Densité de valeur faible (valeur) :le Big Data industriel met davantage l'accent sur la valeur utilisateur-et sur la convivialité des données elles-mêmes, notamment : en améliorant la capacité d'innovation et l'efficacité de la production et des opérations et en promouvant la personnalisation personnalisée, la transformation des services et d'autres nouveaux modes de changement de fabrication intelligente.


Séquence:Le Big Data industriel a une séquence temporelle forte, comme les commandes, les données sur l'état des équipements.


Forte-pertinence :D'une part, les données au même stade du cycle de vie du produit sont très pertinentes, telles que la composition des pièces du produit, les conditions de travail, l'état de l'équipement, la maintenance et l'approvisionnement supplémentaire en pièces ; d'autre part, les données aux différentes étapes du cycle de vie du produit, telles que la R&D et la conception, la production et le service, doivent être associées.


Précision:se réfère principalement à l'authenticité, à l'exhaustivité et à la fiabilité des données, et accorde plus d'attention à la qualité des données ainsi qu'à la fiabilité des techniques et méthodes de traitement et d'analyse. Des exigences de confiance plus élevées pour l'analyse des données, reposant uniquement sur l'analyse de corrélation statistique, ne suffisent pas pour prendre en charge le diagnostic des pannes, la prédiction et l'alerte précoce et d'autres applications industrielles, la nécessité de combiner le modèle physique avec le modèle de données, l'exploitation minière des relations de cause à effet.


Boucle fermée- :y compris la fermeture et l'association de la chaîne de données dans le processus horizontal de tout le cycle de vie du produit, ainsi que le processus vertical d'acquisition et de traitement des données de la fabrication intelligente, qui doit prendre en charge l'ajustement et l'optimisation dynamiques et continus dans le cadre de scénarios en boucle fermée-de détection d'état, d'analyse, de retour d'information et de contrôle.


En raison des caractéristiques ci-dessus, le Big Data industriel, en tant qu'industrie d'application du Big Data, a de larges perspectives d'application tout en posant un grand défi à la technologie traditionnelle de gestion des données et à la technologie d'analyse des données.


III. Architecture du Big Data industriel


L'architecture du Big Data industriel contient trois dimensions : le cycle de vie et la chaîne de valeur, la couche verticale de l'entreprise et la chaîne de valeur informatique.


Dans la couche cycle de vie et chaîne de valeur, selon les domaines d'application du Big Data industriel, il peut être divisé en trois domaines : le développement et la conception de produits avant le début de la phase de production du produit, la gestion de la production et de la chaîne d'approvisionnement avant la livraison du produit, et l'exploitation, la maintenance et la gestion des services après la livraison du produit.


Dans la couche verticale de l'entreprise, selon la méthode de collecte de données et le niveau d'application, elle peut être divisée en couche de système physique d'information, couche de système d'information de gestion d'entreprise et couche de système d'interconnexion de plate-forme.


Dans la couche de la chaîne de valeur informatique, elle peut être divisée en architecture d'entreprise, architecture du système d'information et architecture technologique informatique à trois niveaux, parmi lesquels l'architecture du système d'information peut être divisée en architecture d'application et architecture d'information.


1. Dimension cycle de vie et chaîne de valeur


La dimension cycle de vie et chaîne de valeur dans l'architecture du big data industriel couvre les étapes de l'ensemble du cycle de vie du produit, c'est-à-dire la R&D et la conception, la production, la logistique, les ventes, l'exploitation et la maintenance, ainsi que le service. Parmi eux, la production, la logistique et les ventes peuvent être classées en production et chaîne d'approvisionnement, et la dimension du cycle de vie et de la chaîne de valeur comprend trois domaines : la R&D et la conception, la production et la chaîne d'approvisionnement, ainsi que l'exploitation, la maintenance et le service. Les scénarios d'application de chaque domaine sont présentés dans la figure 2.


01. R&D et conception


Les données de R&D sont accumulées par le personnel de R&D au cours du processus de R&D et de conception, qui proviennent de tous les aspects du cycle de vie du produit, notamment : le big data de la demande des utilisateurs, le big data des connaissances en R&D, le big data de la réutilisation des produits, le big data collaboratif de R&D, etc., avec des caractéristiques inter-produits et-intersectoriels, et une grande variété de caractéristiques.


Les entreprises de conception de personnalisation de produits personnalisés peuvent collecter la demande de produits personnalisée des utilisateurs, les interactions avec les clients et les données de transaction via la plate-forme Internet. L'exploration et l'analyse de ces données dynamiques client peuvent aider les clients à participer à des activités d'analyse de la demande de produits et de conception de produits afin de réaliser une conception personnalisée, puis, en vous appuyant sur le processus de production flexible, vous pouvez produire des produits-sur mesure pour les utilisateurs.


Réaliser la conception de simulation basée sur les entreprises de production traditionnelles Big Data dans les tests et la vérification du lien doit être produit en nature pour évaluer ses performances et d'autres indicateurs, le coût avec l'augmentation du nombre de tests et l'augmentation. L'utilisation de la technologie de simulation virtuelle peut réaliser le processus de conception R&D original de simulation, d'analyse, d'évaluation, de vérification et d'optimisation, réduisant ainsi la quantité de modifications techniques, optimisant le processus de production, réduisant les coûts et la consommation d'énergie.


Réaliser une automatisation de conception personnalisée personnalisée basée sur les types de produits d'entreprise traditionnels Big Data, les styles ne sont pas nombreux, peuvent être utilisés pour concevoir manuellement des modèles de produits, des échantillons de production, puis le mode de production de production de masse, mais face aux exigences de production personnalisées et en petits lots, le mode traditionnel conduira à un cycle de production de produits trop long, le coût est trop élevé. En accumulant une grande quantité de données de modèle de conception de produits, en analysant la corrélation entre les données de conception et en utilisant la technologie du Big Data et d'autres outils de conception auxiliaires, l'automatisation de la conception personnalisée et de la génération de modèles peut être réalisée.


Promouvoir l'intégration et le partage des ressources de R&D et des entreprises d'innovation et de conception collaborative par la construction et l'amélioration de la base de connaissances de R&D et de conception, pour promouvoir les dessins numériques, la bibliothèque de pièces standard et d'autres données de conception au sein de l'entreprise ainsi que des entreprises en amont et en aval dans la chaîne d'approvisionnement de partage de ressources, d'innovation et de collaboration, pour améliorer la gestion intégrée et la chaîne industrielle des ressources de R&D interrégionales de l'entreprise. capacités de conception collaborative. Améliorez la capacité des entreprises à gérer et à utiliser les ressources mondiales de R&D, à optimiser et à réorganiser les processus de R&D et à améliorer l'efficacité de la R&D.


Cultiver de nouveaux modes de R&D basés sur le partage socialisé et la participation des ressources de conception, et permettre aux entreprises de mettre en œuvre de nouveaux modes de R&D tels que le crowdsourcing et le crowdsourcing en fonction de leurs propres besoins de R&D, afin d'améliorer la capacité des entreprises à utiliser l'innovation socialisée et les ressources en capital.


02.Production et chaîne d'approvisionnement


Les mégadonnées de production comprennent non seulement les informations sur la production de produits, les informations sur les commandes, les informations sur les équipements, les informations sur les contrôles, les informations sur les matériaux, la planification du travail du personnel, mais comprennent également les flux d'informations de gestion interne, les flux de capitaux, la production de produits des fournisseurs en amont et en aval et la gestion des clients et d'autres informations auxiliaires de gestion de la production.


Il réalise-la surveillance et la gestion en temps réel du processus de production et la maintenance prédictive des équipements de production, améliore le niveau de gestion du processus et des équipements de production, optimise le processus de production et améliore la qualité des produits. Les lignes de production industrielles modernes sont équipées de milliers de petits capteurs pour détecter l'état de fonctionnement des équipements de production, tels que la température, la pression, la chaleur, les vibrations et le bruit, etc. L'utilisation de ces données peut réaliser une surveillance en temps réel - du processus de production, un diagnostic et une prévision des pannes d'équipement, une analyse de la consommation d'énergie et une analyse des accidents de qualité. De plus, il peut également intégrer et regrouper des données provenant de tous les aspects de la fabrication, établir des modèles virtuels du processus de production, simuler et optimiser le processus de production.


Réaliser une production personnalisée à grande échelle et promouvoir la mise en place d’un système de production moderne. Grâce à l'automatisation du flux de données tout au long du cycle de vie du produit et au contrôle automatisé et intelligent de l'ensemble du processus de fabrication, il favorisera le partage d'informations, l'intégration de systèmes et la collaboration commerciale, améliorera la capacité de fabrication de précision, de fabrication haut de gamme et de fabrication agile, réalisera une production personnalisée à grande échelle, accélérera la mise en place de systèmes de production modernisés tels que des ateliers intelligents et des usines intelligentes, et réalisera une production intelligente.


Réaliser une fabrication collaborative en réseau et une économie de partage de fabrication. Grâce à « Internet + », l'intégration et l'optimisation des ressources de production au sein ou entre les entreprises, et la réalisation d'une fabrication collaborative verticale au sein des entreprises ou d'une fabrication collaborative horizontale entre entreprises. Grâce à Internet + économie du partage, le partage des ressources d'innovation, de la capacité de production, des stocks et d'autres ressources de production pour réaliser l'économie de partage manufacturier.

 

Optimiser la supply chain industrielle. Les technologies d'identification électronique telles que l'identification par radiofréquence (RFID), la technologie de l'Internet des objets (IoT) et la technologie de l'Internet mobile peuvent aider les entreprises industrielles à obtenir des données massives sur l'ensemble de la chaîne d'approvisionnement des produits, et l'utilisation de ces données à des fins d'analyse entraînera une augmentation significative de l'efficacité de l'entreposage, de la distribution et des ventes ainsi qu'une réduction significative des coûts.


Réalisez des prévisions de la demande pour mieux organiser les marchandises entrantes et la production, et lorsque la demande baisse, recherchez la cause du problème et résolvez-le.


Réalisez un profilage des clients et une analyse précise du marketing et du comportement des clients, ce qui peut élargir les sources de clients, améliorer le taux de réussite du marketing ainsi que la satisfaction et la fidélité des clients d'origine.


03. Domaine d'exploitation, de maintenance et de service


Il existe de nombreuses sources de données dans le domaine de l'exploitation, de la maintenance et du service, notamment :-des données sur l'état de fonctionnement en temps réel et des données sur l'environnement collectées par les capteurs intégrés dans les produits avec l'autorisation des clients ; les données de vente de produits obtenues via la plateforme commerciale, les données clients et l'évaluation du produit correspondante ou les commentaires d'utilisation ; les réclamations des clients et les enregistrements de traitement correspondants ; les retours/retours de produits et les dossiers de maintenance correspondants.


En surveillant et en analysant les-données d'état de fonctionnement en temps réel des produits collectées à distance, des services en ligne-à valeur ajoutée tels que la surveillance et la gestion à distance, le diagnostic des pannes et la maintenance prédictive peuvent être réalisés, ce qui peut réduire les coûts de maintenance et améliorer l'utilisation des produits.


En analysant les données d'utilisation des clients et les données de l'environnement environnant de l'équipement, il peut également fournir des services étendus aux utilisateurs, élargir l'espace de valeur des produits et réaliser la transformation du modèle commercial-centré sur le produit vers le modèle de « fabrication + service ».


En analysant l'évaluation des produits ou les commentaires d'utilisation des clients, en intégrant des commentaires utiles dans la conception et l'amélioration des produits, et en catégorisant les plaintes des clients, nous pouvons améliorer la qualité des produits et-la qualité du service après-vente, réduire le taux de réclamations et accroître la satisfaction et la fidélité des clients.


En analysant les raisons du retour ou de la réparation du produit et en prenant des mesures rapides et efficaces, nous pouvons améliorer la qualité du produit et réduire le taux de retour et le taux de réparation.

 

2. Couche verticale d'entreprise


La couche verticale d'entreprise de l'architecture du Big Data industriel est divisée en cinq couches du point de vue du domaine physique de bas en haut, à savoir la couche d'équipement, la couche de contrôle, la couche d'atelier, la couche d'entreprise et la couche de collaboration. Au niveau de la couche équipement, de la couche contrôle et de la couche atelier, l'Internet des objets peut être utilisé pour réaliser des usines intelligentes basées sur le système physique d'information ; dans la couche entreprise, l'entreprise intègre diverses applications d'informatisation internes, procède à l'intégration et à la transformation des processus métier internes et améliore l'efficacité opérationnelle de l'entreprise ; et dans la couche de collaboration, le cloud industriel et d'autres technologies de plate-forme sont utilisés pour réaliser la fabrication collaborative externe de l'entreprise et des modèles commerciaux innovants tels que le modèle orienté services de fabrication-. La dimension verticale de l'entreprise peut être divisée en trois sous-systèmes : le système d'information physique, le système d'information de gestion d'entreprise et le système de plate-forme d'interconnexion.


01. Système physique d'information


Le système physique d'informations collecte et regroupe les données de fonctionnement des machines et les données du site de production via des capteurs et divers systèmes d'information pour réaliser une détection omniprésente, et applique une technologie d'intégration et de traitement des données pour collecter et échanger des données industrielles, des commentaires et un contrôle de fabrication, pour obtenir le contrôle et l'interaction avec les équipements et les ateliers, pour réaliser l'interconnexion et l'interopérabilité des systèmes physiques internes et externes des usines, et pour fournir une base de données pour la modélisation/simulation et l'analyse industrielles, puis fournir un support pour prise de décision-optimisation des opérations d'atelier/d'usine. Il fournit également une base de données pour la modélisation/simulation et l'analyse industrielles, qui à leur tour fournissent des services de support pour l'optimisation des décisions d'exploitation des ateliers/usines. Dans la couche verticale de l'entreprise d'architecture de big data industrielle, le système physique d'information utilisé pour la collecte d'informations sur la couche d'équipement industriel est basé sur le big data, le réseau et le calcul de masse, et grâce à la perception intelligente, l'analyse, l'exploitation minière, l'évaluation, la prédiction, l'optimisation, la collaboration et d'autres moyens techniques, le calcul, la communication et le contrôle peuvent réaliser la fusion organique et la coopération approfondie, de manière à réaliser la fusion profonde du cyberespace et espace physique des équipements, environnements et groupes industriels. Intégration profonde. L'essence du système physique d'information réside dans la connexion des équipements physiques à Internet, de sorte que les équipements physiques remplissent cinq fonctions principales : calcul, communication, contrôle précis, coordination à distance et autonomie.


02.Système d'information de gestion d'entreprise


L'informatisation d'entreprise est le processus d'application des technologies et des produits de l'information dans les entreprises. L'informatisation d'entreprise est le processus de pénétration complète des technologies de l'information du local au mondial, du niveau tactique au niveau stratégique des entreprises, en l'appliquant à la gestion des processus et en soutenant le fonctionnement et la gestion de l'entreprise. L'informatisation des entreprises implique principalement le contrôle des processus de production, la gestion d'entreprise, la gestion du cycle de vie des produits, l'optimisation de la chaîne d'approvisionnement et les processus de gestion. L'informatisation du contrôle des processus de production se concentre sur le développement et la conception de produits, le flux des processus de production, la gestion des ateliers, l'inspection qualité et d'autres liens de conception et de production. L'informatisation de la gestion d'entreprise constitue la plus grande proportion de construction d'informations d'entreprise, la plus difficile, la plus largement utilisée dans un domaine impliquant les activités de gestion d'entreprise et tous les niveaux. La construction de l'informatisation de la gestion d'entreprise consiste à collecter, traiter, organiser et intégrer efficacement les ressources d'information via le système d'application d'intégration d'informations sur la base de la normalisation du travail de base de gestion et de l'optimisation des processus métier, en améliorant l'efficacité de la gestion et en fournissant des -informations de gestion dynamiques en temps réel et des informations de prise de décision-. L'informatisation de la gestion de la chaîne d'approvisionnement des entreprises fait en sorte que les activités de production et de gestion de l'entreprise s'étendent vers l'avant et vers l'arrière. Les entreprises depuis l'approvisionnement en matières premières, composants, transport, stockage, transformation et fabrication, ventes, jusqu'à la livraison finale et le service aux clients, formant une structure de chaîne composée de fournisseurs en amont, de producteurs intermédiaires et de prestataires de services tiers, de clients de vente en aval et les activités de production des entreprises, les processus de gestion sont soumis aux contraintes de cette chaîne d'approvisionnement et à cette influence.


03. Système de plate-forme connectée


À l'heure actuelle, le développement industriel de la Chine et de la plupart des pays est confronté à de grandes difficultés et défis, notamment : une grave surcapacité, la rareté des produits personnalisés, les produits deviennent de plus en plus complexes, les moyens de production ne peuvent pas être configurés efficacement et le marché des équipements à grande échelle est de plus en plus saturé, etc., et il est urgent de rechercher une solution stratégique pour le retour de l'industrie et la transformation et la modernisation de l'industrie. "Internet +" une pensée très dynamique et des modèles commerciaux innovants, pour le sort de l'industrie manufacturière ayant un besoin urgent de transformation et de mise à niveau, offre une nouvelle direction de transformation, à travers la réforme des méthodes de production et des modèles commerciaux et l'amélioration de la technologie de production, pour parvenir à la personnalisation par le client de produits personnalisés, de petits lots, de production à grande échelle, pour résoudre le problème de la capacité de production à grande échelle de produits industriels. En réformant les méthodes de production et les modèles commerciaux et en améliorant la technologie de production, nous pouvons réaliser une production en petits-lots et à grande échelle-de produits personnalisés pour résoudre le problème de la surcapacité à grande échelle-des produits industriels et de l'incapacité à répondre à la demande personnalisée de produits des clients, afin de satisfaire la demande de respect et d'affirmation des clients ainsi que de réalisation de soi-.


Essayez de résoudre le problème de la faiblesse de la technologie de base et de la faible capacité de fabrication de produits haut de gamme-par le biais d'une fabrication collaborative en réseau, c'est-à-dire, avec l'aide d'Internet ou d'une plate-forme cloud industrielle, développer de nouveaux modes de recherche et développement collaboratifs, de conception participative, de collaboration dans la chaîne d'approvisionnement, etc. entre les entreprises, afin de réduire efficacement le coût d'acquisition des ressources, d'étendre considérablement la portée de l'utilisation des ressources, de briser les frontières fermées et d'accélérer le transformation du « combat seul » à la « collaboration industrielle ». "à la synergie industrielle et promouvoir la compétitivité globale de l'industrie.


Essayez d'améliorer le problème de la surcapacité sans allocation efficace des ressources et sans capacité d'innovation indépendante grâce à l'innovation et à l'entrepreneuriat et à l'économie de partage manufacturier.


Avec le produit principal comme axe, grâce à la collecte et à l'analyse des données d'utilisation du produit par les clients et des données de l'environnement environnant, pour fournir aux utilisateurs des services étendus, en élargissant l'espace de valeur du produit, en élargissant de nouveaux marchés et en réalisant la transformation du modèle commercial-centré sur le produit vers le modèle "fabrication + service".


3. Chaîne de valeur informatique


La valeur du Big Data est réalisée grâce à des activités telles que la collecte de données, le pré-traitement, l'analyse, la visualisation et l'accès.


Dans la dimension de la chaîne de valeur informatique, la valeur du Big Data est réalisée grâce à la fourniture de réseaux, d'infrastructures, de plates-formes, d'outils d'application et d'autres services qui hébergent le Big Data pour les applications Big Data, améliorant ainsi l'efficacité opérationnelle et soutenant l'innovation commerciale. L'architecture d'entreprise soutenue par la technologie Big Data peut être divisée en trois niveaux : l'architecture d'entreprise, l'architecture du système d'information et l'architecture technologique informatique en référence à la méthode de division TOGAF.


01. Architecture d'entreprise


L'architecture d'entreprise définit la stratégie commerciale, la gestion, l'organisation et les processus commerciaux clés, et constitue le fondement de la stratégie globale des technologies de l'information et de l'architecture du système d'information de l'entreprise, ainsi que le déterminant de l'architecture des données, des applications et de la technologie. L'architecture d'entreprise est le canal qui traduit la stratégie commerciale d'une organisation en opérations quotidiennes, et la stratégie commerciale détermine l'architecture d'entreprise. L'architecture d'entreprise convertit les-stratégies et objectifs commerciaux de haut niveau en modèles commerciaux opérationnels. L'architecture d'entreprise est une expression de la stratégie commerciale clé de l'entreprise et des fonctions et processus commerciaux, généralement une conception commerciale mise en œuvre sur la base d'un modèle commercial, qui décrit les modules commerciaux et les relations entre eux, c'est-à-dire les principaux processus de l'entreprise, sous différents angles. L'architecture d'entreprise est une délimitation appropriée des processus principaux et partagés de l'entreprise, ainsi que l'articulation et l'analyse du cycle de vie des éléments commerciaux. La valeur du Big Data industriel peut être obtenue en planifiant stratégiquement les activités du Big Data industriel et en construisant une architecture d'entreprise.


02.Architecture du système d'information


Afin de tirer pleinement parti de la valeur du Big Data industriel et d'éviter la formation d'« îlots d'information », il est nécessaire de construire une architecture de système d'information unifiée pour réaliser l'accès des utilisateurs et l'interopérabilité des divers systèmes d'application et données. L'architecture du système d'information basée sur la stratégie commerciale du Big Data industriel est une architecture qui reflète la relation entre les différents composants du système d'information d'une entreprise manufacturière, ainsi que la relation entre le système d'information et l'activité associée, et entre le système d'information et la technologie associée. L'architecture du système d'information comprend l'architecture des applications et l'architecture des données. Parmi eux, l'architecture d'application décrit le modèle du système d'application requis pour prendre en charge le fonctionnement de l'entreprise, y compris les niveaux d'application, les fonctions, les méthodes de réalisation et les normes de construction, etc. Elle étudie principalement l'interaction entre les systèmes d'application et la correspondance entre les applications et le cœur de métier, et est au centre de la recherche sur le cadre global de l'entreprise, qui peut être considéré comme le pont entre l'architecture commerciale et l'architecture technique. L'architecture d'applications Big Data industrielles contient à la fois des systèmes d'application correspondant aux différents niveaux de la couche verticale de l'entreprise dans l'architecture industrielle Big Data et des systèmes d'applications basés sur la technologie Big Data. L'architecture des données, quant à elle, est une description de la structure et de l'interaction des principaux types et sources de données, des actifs de données logiques, des actifs de données physiques et des ressources de gestion de données d'un organisme organisationnel complexe.


03.Architecture des technologies de l'information


Avec la montée de la vague de l'Industrie 4.0, les technologies de l'information telles que l'Internet des objets (IoT), le Cloud Computing, le Big Data, l'Intelligence artificielle, la réalité augmentée/réalité virtuelle et d'autres technologies de l'information s'intègrent et pénètrent continuellement dans le domaine industriel, ce qui constitue une base technologique solide pour la mise en œuvre d'applications industrielles de Big Data. Parmi eux, la technologie IoT rend les équipements et installations finaux omniprésents, qui peuvent être connectés à Internet selon des protocoles convenus via des dispositifs de détection d'informations tels que l'identification par radiofréquence, des capteurs infrarouges, des systèmes de positionnement global, etc., pour l'échange et la communication d'informations, rendant les articles et leur statut visibles, de manière à réaliser une identification, une localisation, un suivi, une surveillance et une gestion intelligentes ; La technologie du cloud computing fournit une sorte de service informatique dynamique et évolutif qui peut être réalisé via le réseau à la demande. La technologie du cloud computing fournit des services informatiques à la demande, dynamiquement évolutifs et peu coûteux via le réseau ; la technologie du Big Data et la technologie de l'IA permettent d'analyser et d'exploiter la valeur potentielle des données massives dans un laps de temps acceptable, ainsi que de réaliser la prévision des tendances et le mode d'intelligence de groupe ; La technologie AR/VR peut réaliser la simulation et l’amélioration de l’expérience de l’environnement d’usine, des équipements industriels, etc. Les entreprises manufacturières génèrent chaque jour, voire à chaque instant, une grande quantité de données, très variées, couvrant l'ensemble du cycle de vie des produits industriels, y compris les données de conception, les données de production, les données de la chaîne de valeur et les données externes associées. Ces données proviennent soit de capteurs, soit du système de contrôle d'acquisition et de surveillance des données des équipements intelligents, soit du modèle de conception et du système d'information de l'entreprise.


La réalisation d'une application de Big Data industrielle nécessite la collecte et le prétraitement des données, le stockage, l'analyse et l'exploration, l'application pour une entreprise spécifique et enfin l'affichage des résultats. En conséquence, l'architecture informatique du Big Data industriel est divisée en six couches : couche de données, couche de collecte de données, couche de stockage, couche informatique, couche d'application et couche d'affichage. Si les entreprises construisent seules chaque couche, le seuil de construction sera relativement élevé. Une série de composants technologiques open source-liés aux services cloud industriels et au traitement du Big Data (industriel) ont été développés et achevés dans le pays et à l'étranger, et la technologie de l'intelligence artificielle a encore fait de grands progrès, qui fournissent des solutions optionnelles pour la transformation intelligente du domaine industriel, et réduisent également le seuil de construction et de mise en œuvre d'applications de Big Data industrielles. Les entreprises n'ont pas besoin de réaliser elles-mêmes chaque composant de l'architecture technique si cela n'est pas nécessaire, et peuvent choisir d'utiliser les composants open source correspondants pour créer des applications industrielles de Big Data en fonction de leurs besoins, ainsi que différents types et niveaux de services cloud industriels en fonction de leurs besoins, et mettre en œuvre des applications industrielles de Big Data sur cette base, afin de se concentrer davantage sur les domaines d'activité et les domaines techniques dans lesquels les entreprises sont bonnes.


La technologie d'analyse du Big Data industriel, en tant qu'une des technologies de base du Big Data industriel, peut permettre aux produits de Big Data industriels d'avoir la capacité d'exploiter des données massives, d'intégrer des données multi-sources, de modéliser des connaissances multi-types, d'analyser des scénarios multi-entreprises et de découvrir des connaissances multi-domaines, etc., ce qui joue un rôle important dans la conduite de l'innovation commerciale et transformation et modernisation des entreprises.

Envoyez demande

whatsapp

Téléphone

Messagerie

Enquête