美林智库

美林数据技术专家团队 | 工业大数据分析，怎么做？

2021-11-05

认识工业大数据什么是工业大数据？我们先看看维基百科的说法：“工业大数据（Industrialbig data）是构成工业人工智能的重要元素，指由工业设备高速产生的大量数据，对应不同时间下的设备状态，是物联网中的讯息。此一词语在2012年随着工业4.0的概念而出现，也和信息技术行销流行的大数据有关，工业大数据也意味着工业设备产生的大量数据有其潜在的商业价值。工业大数据会配合工业互联网的技术，利用原始资料来支援管理上的决策。”百度百科是这样说的：“工业大数据是指在工业领域中，围...

了解详情 >

美林数据技术专家团队 | 基于Spark的分布式并行处理优化策略

2021-10-21

由于Spark在使用JDBC方式读取关系型模型数据的时候，默认采用单线程任务执行。在数据量较大时，经常发现内存溢出、性能低的问题。在扩大内存读取后进行重分区，又会消耗时间，浪费资源。因此，开发并发读取关系型模型数据，可以有效提高任务处理并发度，减少单个任务的数据处理量，进而提升处理效率。分布式并发处理优化（一）总体思路关系型模型并发读取首先要选取分区字段，按照字段类型和分区个数确定并发分区间隔的key值。假设key值可以将模型数据均匀划分成多个逻辑分区，根据key...

了解详情 >

美林数据技术专家团队 | 机器学习与统计分析在PHM中的应用

2021-09-17

伴随装备制造业的不断革新，产生了自主维修、状态检修等新型设备健康管理模式，极大地推进了设备健康管理的创新与发展。而这些新模式的基础和核心就是故障预测与健康管理（Prognostics and Health Management, PHM）技术。一、什么是PHM？PHM技术是指釆用传感器信息、专家知识及维修保障信息，借助各种智能算法与推理模型进行设备运行状态的监测、预测、判别以及管理，实现低虚警率的故障检测与隔离，解决传统维修过程中存在的“维修不足”及“维修过剩”等问题，有效提高设备的可用性、减...

了解详情 >

美林数据技术专家团队 | 金融行业图计算平台构建相关实践

2021-09-14

引言随着信息技术的迅猛发展及企业数字化转型，快速积累了大量的数据，其中关系类数据如社交数据、电商数据等呈指数级增长。图结构数据在各个场景中也得到越来越多的应用，包括社交网络、推荐搜索、知识图谱、医药研发、量子物理等。在探索这些“关系数据”过程中，其相对基于传统结构化数据的方法显现出了巨大优势，图数据存储及图算法等也得到了迅猛的发展。图结构数据的火热应用快速扩展到各个领域，其中金融领域为进一步增强智能风控管理能力，更好地支撑信贷等业务的发展，也陆续开...

了解详情 >

美林数据技术专家团队 | 大数据资源调度系统多样化适配过程中的业务和设计

2021-09-09

大数据人工智能快速发展，加大了数据中心处理数据，资源的能力，加剧了人们对于提升资源效率的需求。为了合理分配大规模集群的资源，满足日益增多的服务和任务的资源需求，出现了一系列的集群资源调度系统。当下，主流大数据资源调度平台有Yarn、Mesos、K8s。这些平台背后技术路线不同，接口不同，安全认证过程不同，因此要统一管理运行在这些平台是一个不小的挑战。如果有统一的服务将不同资源调度平台透明化，业务系统只关心业务程序本身，剩下的交给单个标准接口处理，将大大降低这...

了解详情 >

美林数据技术专家团队 | 基于容器打造云原生产品体系

2021-08-25

现代云应用内往往承载着差异化的数据业务和复杂的应用服务,一个稳定而可靠的云原生产品体系在云应用日常运维中显得尤为重要。从助推企业实现数字化转型、推动企业业务创新发展的角度出发，提出一套“云原生”体系架构，并对该架构体系所研究的内容及各分层结构的设计进行了详细的介绍。引言伴随着虚拟技术的成熟及分布式应用的相关技术普及，大多数企业逐渐接受了基于云平台来发展企业自身业务的方式，传统硬件服务器部署方式的弊端慢慢呈现出不能满足业务拓展的需求，在此背景下“云原生...

了解详情 >

美林数据技术专家团队 | 集团系统数据检索中相关内容推荐的应用

2021-08-15

某集团公司通过近几年的信息化建设，已经基本完成了信息化的全业务覆盖，初步实现了数据的集中存储，数据存储总量40T，数据条数增长量1494万/月，数据存储增长1T/月，其中有30%的数据是以文件的形式存储。文件作为业务活动的过程记录和结果沉淀，对于业务流程贯通、业务知识沉淀，具有非常重要的意义。该集团公司的数据虽然已经实现集中存储，但是数据仍然按业务条线、按系统方式存储、管理、利用，且文件数据具有非结构化的特点，因此对于文件数据的利用效率很低。具体体现在：01、集...

了解详情 >

美林数据技术专家团队 | 隐私计算带动数据安全应用

2021-08-06

你有没有听到这样的事情：经常上热搜的“大数据杀熟”、手机好像在监听消费者的喜好、外卖小哥被困在算法里停不下来……仿佛有一双眼睛在无时无刻的盯着我们的一举一动，其实这些都是隐私泄露。不管是对个人也好，对企业也好，泄露隐私都会让我们感到毛骨悚然。近年来，数据安全事件频繁发生，数据安全威胁日益严峻。而这一切的根本原因在于，数据所带来的巨大潜在利益,促使不法之徒肆无忌惮的收集和使用我们的隐私数据。2021年9月起，正式施行的《中华人民共和国数据安全法》就是为了规范...

了解详情 >

科研院所主数据治理 | 供应商or客户？我是往来单位

2021-07-07

· 从业务层面看，数据资源标准化管理对于推行业财一体化应用，打通业务流程断点，无缝支撑业务运营具有重要意义。· 从管理层面看，数据资源标准化管理有利于规范管理基础，管理和追溯债权、债务人，有利于内控管理和监督履约。· 从信息层面看，数据资源标准化管理有利于统一数据模型和管控标准；有利于建立企业级数据中心和高度集成映射关系。一、业务现状及问题剖析某研究所专业从事机电成套设备研制。日常工作过程中涉及与众多供应商、客户的贸易往来，在供应商、客...

了解详情 >

生产管控的践行 | 总装架上的 “进退两难”

2021-06-29

拆&不拆？都是难题总装架上，产品装配的最后环节，在组装核心部件时，发现联管和支架数量缺漏，导致部件无法安装，整体装配停工。经逐级沟通协调，联管和支架齐套需要3天时间，此时产品已经接近装配完成，如从总装架上拆卸，需要近一周时间；如不拆卸，则此总装架无法装配其他产品，而后续产品的配套组部件已经悉数送到装配车间。此次事故对生产造成的影响如下：当前产品的装配进度停滞，交期延后；当前总装架被占用，无法装配任何产品；后续产品的装配无总装架可使用，交期延后；...

了解详情 >

减少库存资金占用16%，数据标准化助力业务流程优化

2021-06-03

随着制造工艺复杂度不断提升，标准件作为制造\维修工程中使用数量最大、品种最多的基础性零件，极易造成库存积压，也容易因缺料及供应延迟对制造成本、质量控制和交付进度产生巨大影响。标准件的精细化管理和供应水平直接决定产品的整体生产进度和质量。标准件是机械制造企业常见物料之一。标准件是有明确标准的机械零（部）件和元件，使用的标准主要有中国国家标准（GB、GB/T）、美国机械工程师协会标准（ANSI、ASME），日本（JIS）、德国（DIN）等国家标准以及一些行业标准。广义来...

了解详情 >

让每一个量具都发挥价值

2021-05-13

高质量的物料主数据能够提升企业资源配置和协同能力，进而支撑企业发展。以量具主数据为例，高价值和高共享的量具主数据能够提升量具使用率和工业生产效率，为生产现场来合规的高质量产品。1、业务现状：物未尽其用，大量“被闲置”的量具某企业为高端装备制造单位，拥有生产、工艺、质量三大业务主线。随着企业信息化建设不断发展，提高资源的利用率和可用性，成为企业精细化管理的重要一环。作为最基本、最底层的制造资源（工具、工装、计量器具等）与生产计划、采购计划、工艺设计、...

了解详情 >

如何破解工艺设计与采购仓储关于原材料的矛盾

2021-04-13

所谓物料，是指包括与产品生产相关的所有物品，包含：原材料、外协件、外购件、自制件、虚拟件等。工业企业中物料主数据的数量最大，也最关键，贯穿于制造型企业的设计、工艺、采购、生产、库存、物流、销售的各个环节。聚焦业务痛点，从解决核心业务实体数据的质量和业务协同入手。引入原材料主数据管理解决方案，对于破解工艺设计与采购仓储间的矛盾和提升产品交付能力具有非常重要的意义。1、业务现状，影响产品交付某企业为军工行业生产制造单位，图纸设计源自上游设计单位。不同...

了解详情 >

智能制造与大数据——数据采集实现数字化

2020-07-30

看完这篇，你将会了解：1. 智能制造的含义及演化过程2. 数字化制造的实质是什么？3.企业数字化建设过程中核心采集的数据有哪些？又是如何利用数据赋能业务的？背景世界正在进入以信息产业为主导的经济发展时期，在新一轮的科技革命和产业发展变革中，智能制造已成为世界强国抢占发展机遇的制高点和主攻方向。近几年我国也在不断发展和完善智能制造相关产业政策，布局规划制造强国的推进路径。以新一代信息技术的产业化和集成应用为重点，推进新一代信息技术和制造业深度融合，已成为推...

了解详情 >

工业大数据：制造企业的全连接

2019-04-15

工业4.0的核心就是集成更加广泛的集成，当然集成不是目的，目的是让产品数据、运营数据、外部数据、价值链数据在人、物、组织之间更加即时、准确、透明的共享，并且通过数据交换共享和加工利用产生价值。从IT角度看，集成又包括异构的CAX工具间集成，异构的业务系统间集成，异构的智能设备间集成，企业内部系统与互联网之间的集成，上述内容我们在后续的技术篇里详细讲解。从业务角度看，集成可以分为以需求、设计、制造、物流、维修等为主线的产品全寿期集成，以企业内、外部供应链等...

了解详情 >

工业大数据：车间物联网数据管理

2019-03-08

《制造业数据管理的再认知》一文中我们将工业大数据分为公共资源数据、工程类数据、管理类数据和物联数据。这篇文章主要谈谈物联数据，也是数据管理部分的最后一篇了。传统的管理系统将人作为数据采集端，用流程来固化组织的行为，用指标来衡量评价流程和组织的效率。工业企业的物联网，就是要将人和物联系起来，将系统和物联系起来，将物作为数据采集端，由人或系统进行数据分析和决策。数据的分析与优化是物联网的关键技术之一，也是未来物联网发挥价值的关键点。物联网在工业中有很...

了解详情 >

工业大数据：始于业务，止于业务

2019-01-16

上文中我们将工业大数据分为公共资源数据、工程类数据、管理类数据和物联数据。其中管理类数据一般也称业务数据，即由业务活动产生的记录。传统的数据仓库理论将业务数据的管理理论和应用模式发展到一个很成熟的水平，目前无论制造企业还是IT公司在谈工业大数据时，更多是按照数据仓库理念在进行企业数据的管理和应用。美林公司认为传统的数据仓库理论是建立在结构化业务数据的基础上，是工业大数据的重要组成部分之一。其难点在于从千变万化的业务中找到稳定的数据结构，又能方便的支...

了解详情 >

工业大数据：面向产品全寿期的xBOM

2018-12-14

产品工程数据是工业大数据的重要组成部分，企业运营业务因多采用成熟的套装软件进行管理故数据多以结构化数据为主，产品工程数据多以非结构化图文档数据为主，集中体现大数据的“大”。产品工程数据的“大”，在微观层面体现在产品的全属性，在宏观层面体现在产品的全生命。第一节产品全寿期数据是什么工业4.0将产品(Product)看成一个系统(System)，从而将PLM升级为SysLM，并力主以SysLM为主导控制工业生产的复杂性。SysLM与PLM最大的不同，即将产品研制过程中流程、工具、组织等要素也...

了解详情 >

工业大数据：小数据为主，大数据为仆

2018-11-17

《制造业数据管理的再认识》一文中提到我们将数据分为主数据、产品工程数据、企业管理数据和物联实时数据等四大类。其中主数据是跨业务部门共享且相对静止不变的数据，制造企业常见的主数据有供应商、客户、组织、人员、财务科目、产品、项目等。这些数据分布在不同的业务部门和业务系统，企业经营过程中主要的业务活动和业务流程又都是围绕这些核心业务对象开展的。所以主数据是企业数据资源的纲，只有管好企业最核心的数据资源，才能实现大数据的纲举目张。第一节 ...

了解详情 >

工业大数据：制造业数据管理的再认知

2018-10-25

工业大数据这个词其实并不是标准词汇，更类似于工业+大数据的组合概念。在工信部下发的《智能制造综合标准化体系建设指南》提到“工业大数据是工业领域完成相关信息化（包括企业内部的数据采集和集成，产业链横向的数据采集和集成，以及客户/用户和互联网上的大量外部数据）所产生的海量数据的基础上，经过深入分析和挖掘，为制造企业提供看待价值网络的全新视角，从而为制造业创造更大价值。”这几年大数据的火爆是互联网行业引燃的，但制造行业与互联网行业的业务模式决定了数据特点及...

了解详情 >

首页

产品

解决方案

领航工业互联网平台

关于我们

投资者关系

400-608-2558

美林数据技术专家团队 | 工业大数据分析，怎么做？

美林数据技术专家团队 | 基于Spark的分布式并行处理优化策略

美林数据技术专家团队 | 机器学习与统计分析在PHM中的应用

美林数据技术专家团队 | 金融行业图计算平台构建相关实践

美林数据技术专家团队 | 大数据资源调度系统多样化适配过程中的业务和设计

美林数据技术专家团队 | 基于容器打造云原生产品体系

美林数据技术专家团队 | 集团系统数据检索中相关内容推荐的应用

美林数据技术专家团队 | 隐私计算带动数据安全应用

科研院所主数据治理 | 供应商or客户？我是往来单位

生产管控的践行 | 总装架上的 “进退两难”

减少库存资金占用16%，数据标准化助力业务流程优化

让每一个量具都发挥价值

如何破解工艺设计与采购仓储关于原材料的矛盾

智能制造与大数据——数据采集实现数字化

工业大数据：制造企业的全连接

工业大数据：车间物联网数据管理

工业大数据：始于业务，止于业务

工业大数据：面向产品全寿期的xBOM

工业大数据：小数据为主，大数据为仆

工业大数据：制造业数据管理的再认知

产品

解决方案

关于我们

联系我们