雲計算、大數據、物聯網等新一代信息技術和工業化的“深度融合”，正在加速傳統制造企業的轉型升級。智能工廠作為智能製造的重要實踐模式，核心在於工業大數據的智能化應用。煉化企業是製造業的重要組成部分，工業大數據處理技術成為提升煉化企業核心競爭力的關鍵力量。
1 工業大數據的需求
1.1 工業大數據的概念和特徵
《工業大數據白皮書（2017）》將工業大數據定義為：在工業領域中，圍繞典型智能製造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、製造、採購、供應、庫存、發貨和交付、售後服務、運維、報廢或回收再製造等整個產品全生命週期各個環節 所產生的各類數據及相關技術和應用的總稱。
工業大數據具有一般大數據的數據體量大、數據類型多、價值密度低和處理速度快的特徵（4V特徵），還有區別於其他行業大數據的自身特點和挑戰：(1)非結構化數據比例大，數據來源廣泛且分散：工業大數據有來源於產品生產現場工業控制網絡的監控數據，有來源於企業現有的信息化系統的數據，也有來源於互聯網的供應商、消費者數據；(2)數據相關性強，既存在關聯關係，也存在因果關係：工業大數據的產生和應用都圍繞產品全生命週期、優化生產線、改善供應鏈等，數據之間存在很強的關聯性，並且分析準確性要求高；(3)時空序列特性：工業大數據來源於工業控制網絡和各種傳感設備，具有產生頻率快、嚴重依賴採集時間、測點多、信息量大和穩定性要求高等特點，需要採用可靠的數據採集、高效的數據存儲、快速的海量數據處理工具進行管理；(4)面向具體工業領域，專業性強：工業大數據需要解決面向智能設備和智能產品的全生命週期、故障檢測、健康預測等深層次分析和應用的問題。
1.2 煉化企業的工業大數據
煉化企業作為典型流程製造模式，生產過程極其複雜，具有原料物性、生產工藝、生產裝備複雜和安全環境要求高等特點。煉化企業工業大數據應用的難點是打通企業數據採集、集成、管理、分析和應用的產業鏈條，採用數據驅動業務的數據思維方式來進行生產過程管理和創新業務活動。以數據採集為例，煉化企業石油加工生產過程不僅涉及多變量協調，不同工藝路線、工藝參數會產出不同目標產品及收率，而且涉及塔類、罐區、機泵、管線、換熱設備等類型眾多的複雜生產裝備，此外，生產計劃多變、技術人員經驗不足等都是導致數據採集困難的主要原因。
煉化企業智能工廠建設將以統一工業大數據雲平臺為中心，提高工廠對不同設備收集的海量信息進行梳理的能力，提高企業信息系統的計算能力和數據消化能力，實現對企業的產品數據、運營數據、銷售數據、客戶數據的實時而有針對性的分析，對企業的研發、生產、運營、營銷和管理方式進行智能化創新，實現信息流、物流、資金流、知識流、服務流的高度集成與融合，使得企業持續創新，並不斷開發新產品、新服務。
2 工業大數據雲平臺
統一的工業大數據雲平臺能提供雲計算和大數據能力，建立數據共享集群、計算服務集群、數據倉庫集群，實現PB級數據存儲。平臺使用OpenStack實現硬件資源虛擬化，使用內存計算和內存數據庫技術解決性能問題，以有效地支撐各類資源和數據實現面向煉化企業智能工廠的按需聚合應用，支撐海量數據的分析處理，統一的大數據雲平臺物理結構如圖1所示。
圖1 統一的大數據雲平臺物理結構
平臺基於Lambda架構搭建支持多計算模式的大數據系統，整合離線、實時和流計算，可集成Hadoop、Kafka、Storm、Spark、HBase、MPP數據庫等各類大數據組件。平臺使用新一代的MPP並行數據庫集群作為大數據處理平臺的核心，實現對海量數據的存儲、集成和分析等操作，支持在線查詢、實時交互分析、異構數據處理、高頻歷史數據融合探索、可視化數據展現，支撐煉化業務大數據分析應用。使用基於Hadoop的數據處理技術管理非/半結構化大數據，並用事務型數據庫支撐智能工廠在線業務系統，為平臺提供數據支撐，構建智能工廠大數據分析和處理平臺。
閱讀更多 國匠智能製造培訓學院 的文章
