《流程型行业工业互联网平台》由会员分享，可在线阅读，更多相关《流程型行业工业互联网平台（11页珍藏版）》请在金锄头文库上搜索。
1、AIdustry 工业互联网项目打造流程型行业工业互联网平台一、项目概况1. 项目背景作为国民经济基础行业之一，流程型行业在人们社会生活中的特殊地位，往往使其生产、传输、供应和服务的及时性、可靠性具有极强的经济意义，有时甚至具有某种程度的政治、军事意义。因此，流程型行业的管理具有高度的可靠性和数据安全性要求。近年来，随着太极股份与华能集团合作的不断加深，太极股份以 TECO 工业互联网平台为基础，与华能集团共同筹建了服务于流程型行业的 AIdustry 工业互联网项目，该项目涵盖电力、钢铁、化工等多个行业。2. 项目目标建立以大数据为核心的流程型行业工业互联网平台，通过汇聚全业务、全类型数据资
2、源信息，全面支撑电力、钢铁、煤炭等行业的数据应用需求。为流程型行业设备管理、安全生产、运行优化、经营管理提供分析诊断、智能运维、决策支持等服务，以提高工作效率和管理水平，降低经营成本，辅助科学决策和战略管理。同时依托工业互联网平台，建立开放、共享、共赢的运营体系，为企业创造更高效益。二、项目实施概况1. 项目设计原则本项目整体设计上遵循如下原则： 以市场为导向，立足长远； 贯彻国家标准，保障实施安全可靠； 方案先进合理，降本增效； 设备选型坚持先进、成熟、适用的原则，确保生产安全提效； 明确项目目标，针对项目难点，开展关键技术研究与攻关。2. 项目技术路线（1） 采用以工业 PaaS 为核心的
3、平台使能技术PaaS 云资源部署及管理功能，能将现有各种业务能力进行整合，具体可以归类为应用服务器、业务能力接入、业务引擎、业务开放平台，向下根据业务能力需要测算基础服务能力，通过 IaaS 提供的 API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过 API 开放给 SaaS 用户。（2） 采用分布式大数据技术大数据技术具有分布式及并行化等关键技术特征，由多个分布的节点组合而成的集群通过网络连接提供服务及能力，以群体合力的方式提供服务及动力。大数据技术为应对流程型工业行业的海量数据、提升系统的处理效率、缩短运算时间和应用响应时间、提升用户体验提供保障。（3
4、） 采用大数据分布式内存计算技术平台的分布式内存计算采用 Spark 技术，Spark 是基于 map reduce 算法实现的分布式计算，通过弹性分布式数据集实现对分布式内存的抽象使用，以操作本地集合的方式来操作分布式数据集，这对于迭代运算比较常见的机器学习算法， 效率将得到明显提升。从而满足流程型企业信息化中各种实时/准实时业务需求和数据需求，提高系统运行效率，保障业务响应的时效性。（4） 采用基于大规模并行处理（MPP）架构数据仓库技术数据仓库采用主流的支持大规模并行处理（MPP）架构的成熟产品，采用并行的方法提升海量数据的处理能力和系统的可靠性。（5） 采用微服务技术的应用开发模式在应
5、用开发模式上，平台提供下面三种能力：提供多语言与工具支持：Java，Ruby 和 PHP 等多种语言编译环境。微服务架构：提供涵盖服务注册、发现、通信、调用的管理机制和运行环境， 支撑基于微型服务单元集成的“松耦合”应用开发和部署。图形化编程：通过图形化编程工具，简化开发流程，支持用户采用拖拽方式进行应用创建、测试、扩展等。3. 项目总体架构和主要内容AIdustry 工业互联网平台是面向流程型行业数字化、网络化、智能化需求， 构建基于海量数据采集、汇聚、分析的服务体系，支撑资源泛在连接、弹性供给、高效配置的工业互联网平台，其总体包括边缘、平台、应用三大核心层级，以微应用的形式构建企业各类创新
6、应用，最终形成资源富集、多方参与、合作共赢、协同演进的流程型工业生态。其总体架构如下图所示：图 1 AIdustry 总体架构平台边缘层负责采集燃气轮机、发电机、变压器等各种生产设备的数据和MES、SIS 等控制系统数据，以及管理系统的数据，并根据特定的传输协议，如MQTT 等，上传到平台层。平台层基于海量数据和微服务组件库为用户提供技术能力和业务能力。应用层为不同维度的用户提供个性化应用，其中包括厂级的智慧生产、集团级智慧经营和上下游企业的供应链协同功能；同时支持新应用的测试发布等应用市场功能以支持业务运营。平台安全策略涵盖了从底层网络、设备接入，到设备控制系统、数据安全、应用安全的各个层级
7、，保障企业高效安全生产。三、下一步实施计划1. 项目实施目标通过产业化推广举措，实现电力、钢铁、化工类企业应用至少 1000 个，实际用户超过 500 个，年经济效益突破 1 个亿，未来 5 年内，每年至少 20%的产值增长，到 2025 年，总经济效益力争达到 3 亿水平。2. 项目实施计划步骤内容：用户及开发者管理研发实施开始时间结束时间计划 1工业设备管理研发2017/62020/6计划 2软件应用管理研发2017/62020/6计划 3完善开发者社区功能2017/62018/9计划 4完善交易支付功能2017/82018/11计划 5平台用户推广2017/82020/6计划 6平台开发
8、者推广2017/82020/6计划 7电话支持服务软件集成与开发2017/62018/9计划 8线上服务软件集成与开发2017/82018/11计划 9渠道管理软件集成与开发2017/82018/10四、项目创新点和实施效果1. 项目先进性及创新点（1） 项目的先进性采用当前先进的云计算、物联网和大数据技术，通过数字化、网络化、智能化等技术方式，将行业内的隐性知识与经验进行集成与串联，基于协同发展的人才培养、实践和跨界创新机制，形成涵盖行业产、学、研、用、商等各类用户的知识体系与扁平化的行业组织体系，实现行业需求的个性化组合与创新，进而达到实体行业与互联网虚实结合的行业形态。（2） 项目的创新
9、点a. 理论创新本项目引入了大数据、人工智能的理念和方法，建立问题处理流水线，将复杂问题简单化，简单问题流程化，降解了算法理解和使用难度。图 1 业务建模流程b. 应用创新长期以来趋势预警，故障诊断和优化运行一直是流程型行业的技术痛点和难题， AIdustry 采用人工智能技术和设备机理模型相结合的方式创造性地解决了流程型工业企业生产的历史难题。图 2 风电领域设备模型图 3 风电领域应用模型c. 技术创新创造性的采用人工智能算法，结合工业领域的机理模型，形成一套专业的模型算法，并采用算法流水线模式，实现多种应用功能的搭建。图 4 风电叶片结冰诊断流程图 5 叶片结冰预测结果采用多种变量变换分
10、类模型，对各风机叶片结冰进行精确诊断，诊断准确率达到 93%以上。2. 实施效果目前中国发电量占全球总量的 24.1%左右，按全球平均设备优化收益来看， 未来十年可实现 1.8 万亿人民币的成本降低和收入。按发电行业合计约 1000 个电厂计算，同时按平均 50-100 万的智能化投入来核算，AIdustry 的推广示范效益在近两年至少能带动 50-100 亿级的产业市场规模。（1） 本项目带来的行业经济效益一方面，从行业增值提效角度看，AIdustry 平台打通了行业内部的各个环节，加速各环节数据纵向流动和交互。另一方面，从产业应用角度看，AIdustry 平台构建了一个庞大的制造生态网络，
11、为企业提供行业应用和数据交互，释放了资源价值。（2） 本项目带来的企业经济效益本项目通过 AIdustry 的实施，所产生的经济效益包括： 实现设备实时运行可靠性维护，保障生产安全； 实现设备异常安全预警，减少因设备异常而产生的经济损失； 实现设备故障告警，规避安全事故，降低企业事故损失； 实现分布式资源的集中高效管理，提高企业资源管理效率； 实现企业生产设备间的联动调节与管理，降低企业生产能耗。（3） 本项目的平台应用经济效益通过 AIdustry 实现对设备进行实时监测、实时预警的目的，从而保证设备健康、安全、稳定地运行。并提前感知设备故障，从而减少企业设备维护成本、检修成本，同时提高设备
12、的使用年限。随着该平台的深入推广，已推动工业企业累计实现业务增收不低于 3 亿元。（4） 技术成果应用场景应用场景一：火电设备运行特性分析该应用以火电机组运行状态监测与系统大数据相结合，利用机组实际运行数据，从多个维度进行运行数据趋势分析和相关性分析，为机组运行状态监测提供有效的分析手段。图 6 诊断模型故障树图 7 火电机组运行特性分析实施架构应用场景二：水电设备安全预警在平台层部署可信、成熟的故障模型，并根据该模型对机组的状态数据进行实时故障识别，实现发电设备安全预警的快速响应。 11 | 工业互联网先进应用案例集远程监测诊断中心企业中心VPN专线企业内部局域网网关或路由器 PAD/手机数
13、据服务器厂站侧应用服务器厂站侧中心通讯服务器 监视站控制室工程师站采集器传感器采集器传感器采集器传感器上下限预警变化率预警故障预警相关性预警统计特性预警预警信息存储响应信息推送1号发电机2号发电机3号发电机图 8 水电行业发电设备安全预警实施架构应用场景三：风电设备故障预警与诊断齿轮箱是风力发电设备的重要组成部件，对保证风力发电正常运行起着至关重要的作用。通过从多维度实现齿轮箱失效故障分类，明确齿轮箱的优化方向， 并为齿轮箱失效建模提供依据。齿轮箱维修数据信息提炼关联模型聚类模型齿轮箱生产信息（设计、生产、安装、）风机运行配套数据（轮毂、叶片、传动链、振动信号、齿轮箱油温等）K-means算法
14、分类树算法Apriori算法FP-growth算法失效故障分类风场数据（客户、气象、发电率等）齿轮箱生产厂区或车间失效故障频率（投入使用后多久发生失效故障）失效故障部件齿轮箱型号各类失效原因影响程度各类失效故障影响程度各类失效故障原因内在因素外在因素图 9 齿轮箱失效故障原因分析理论框架远程传感器&网络数据中心用于诊断数据流齿轮箱温度、振动信号等参数（n）#（n-2）#（n-1）#3#2#1#风电场.定时诊断实时诊断判断齿轮箱失效状态生成诊断结果汇总表诊断结果（n-b）#风机发生齿轮箱失效故障。异常特征：油液泄漏（n-a）#风机发生齿轮箱失效故障。异常特征：轴承偏位1#风机发生齿轮箱失效故障。异常特征：齿轮咬合生成报警提示齿轮箱失效故障诊断模型图 10 齿轮箱失效故障实时诊断模型使用过程
