《2024工业大数据技术应用案例.docx》由会员分享，可在线阅读，更多相关《2024工业大数据技术应用案例.docx（78页珍藏版）》请在课桌文档上搜索。
1、工业大数据技术应用典型案例目录工业大数据技术应用典型案例1一、富士康NPI制造大数据51、案例背景与业务痛点52、解决方案63、实施效果与推广意义114、案例亮点11二、中国联通大数据采集分析平台121、案例背景与业务痛点121 .项目简介及目标132 .项目目标132、解决方案131 .数据来源132 .技术方案143 .项目其他亮点163、实施效果与推广意义164、案例亮点16三、华为云El企业智能打造智能化九州通161、案例背景与业务痛点171 .拣选路径优化172 .派车路径规化173 .智能装车184 .筛选热销品种，提升出库效率185 .识别商品电子监管码186 .发票识别187
2、.销售预测198 .大数据平台192、解决方案191 .路径规划方案202 .大数据平台云上迁移方案213 .销售预测分析方案234 .OCR增值税发票单据识别方案243、实施效果与推广意义241 .派车路径规化：242 .仓储规划：253 .发票识别：254 .销售预测：255 .云上大数据平台：254、案例亮点25四、潍柴工业大数据平台261、案例背景与业务痛点262、解决方案273、实施效果与推广意义304、案例亮点30五、中国移动OneNET助力工业资产管理311、案例背景与业务痛点311 .项目背景322 .项目简介333 .项目目标332、解决方案331 .数据来源332 .技术方
3、案343 .项目其他亮点363、实施效果与推广意义364、案例亮点37六、联想工业大数据平台LEAP381、案例背景与业务痛点382、解决方案383、实施效果与推广意义424、案例亮点43七、格力电器工业大数据平台431、案例背景与业务痛点431、实时数据接入大数据平台，离线、在线数据的接入：442、智能业务系统数据互通和智能化分析；443、基于机器学习的智能大数据分析；444、工业大数据语音检索；445、工业大数据平台的管理与运维。442、解决方案441、大数据采集技术462、大数据分析技术473、大数据管理技术483、实施效果与推广意义481、故障诊断：482、故障预测：493、实时查询：
4、494、营销支持：494、案例亮点491、平台交互的智能化492、设备运维的智能化503、企业运行的智能化50八、合力叉车工业互联网平台501、案例背景与业务痛点502、解决方案553、实施效果与推广意义614、案例亮点61九、东方国信大数据助力联合利华能源管理641、案例背景与业务痛点642、解决方案653、实施效果与推广意义694、案例亮点69十、优也基础工业大数据平台在钢铁能效的应用701、案例背景与业务痛点702、解决方案721 .系统研发路线722 .系统整体架构723 .面向用户的功能模块743、实施效果与推广意义744、案例亮点76一、富士康NPI制造大数据1、案例背景与业务痛点
5、新产品制造在NPI（NewProductIntroduce,新产品导入）阶段需在有限的时间内使得每个步骤都达到客户的规格要求。整个NPl的生命周期可以分成：（1） PrOtO原型机阶段（2） EVT工程验证测试阶段（3） DVT设计验证测试阶段（4） PVT生产验证测试阶段（5） RamP快速爬坡（6） MP量产阶段也因此，在每一个阶段工程单位与测试单位都需要完整的生产信息与关键物料信息的整合，协助FA（FailureAnalysis）工程师与RD工程师合作，进行问题分析与解决方案设计。由于每一个阶段都是分秒必争，并且还要能快速反应问题，求新求变，必须在限定时间内分析所有的问题且找出原因（当天
6、的问题当天解决）这将是一个高度困难的挑战与目标。而为能加快FA工程师分析的速度以及有更多的时间做进阶数据分析，快速收集所有生产信息，甚至往前追溯上游供应链关键信息都是非常必要的，但却又相当耗费时间。依据过去的经验，工程师通常会花费80%的时间做数据收集与整合，却只用20%的时间做数据分析与问题诊断。我们期望一个完善的NPI大数据平台能够扭转这个局面，让工程师只需要投入20%的时间做数据收集，而能够留下80%的时间做深入的数据分析与解析。因此，NPl制造大数据平台确实有其必要性，并且非常适用于各个制造行业在新产品开发时的业务需求。NPI制造大数据平台主要解决以下两个业务痛点：1 .数据收集整合耗
7、时且复杂：由于分析所需的数据横跨五个以上的孤岛系统、且涉及不同部门，工程师需要与不同部门进行沟通，并且切换不同系统以取得数据；而取得的数据格式不尽相同，甚至有些数据为非电子文件，工程师需手动一一将各个脱机数据进行输入、整合、清洗、整理成自己分析所需的格式，如此一来，仅一个问题的数据收集就花费4个小时以上了。2 .涉及信息太多：数据包含产品各阶段的生产数据（产品测试数据、产线组装数据、进料检验数据、关键物料数据、供货商数据等），且各类数据量都很大（例如工站的监测项就有上千个，甚至上万个）；手动整理数据容易发生错误，且不易查觉错误点；再者，各分析软件有处理数据量的上限，使用分析软件进行实时数据增加
8、、删除皆属不易，如此一来，真是耗时耗人力。2、解决方案本案例主要采集来自不同系统的数据，并通过数据整合处理运算及应用模块（DIF&SMC）进行数据集成与处理并建立分析工作流模块、数据查询模块以及知识库检索模块（KM）作为数据建模与分析层来分别提供通用性分析应用、FA分析平台决策及知识库驱动分析应用。实施概况如下。1 .数据来源（1）产品测试数据该数据为产品在各工站的检测数据，来源包含四个异质系统。（2）产线组装数据该数据为产品在工站中的组装流水线信息，来源包含两个异质系统。(3)进料检验数据该数据为产品的物料在进货时的检验数值，来源包含两个异质系统。(4)关键物料数据该数据为产品上所使用关键物
9、料的相关数据，来源包含两个异质系统。(5)产品合数据该数据为产品的各模组元件相关数据，来源为一个系统。(6)关键尺寸数据该数据为产品的尺寸相关数据，来源为一个系统。2 .技术方案(1) NPl大数据平台整体架构此平台以基础数据为基底，通过SMC(SPark,Mesos,Cassandra)三套开源大数据产品将关联性数据进行整合，再由DIF(DataIntegrationFramework)架构进行数据处理运算提供多维度整合性数据至DSP(DataServiceProvider)API、分析工作流等服务，系统应用层利用多维度数据进行通用性分析、FA分析及查询服务。如图1所示，分述如下：数据采集层
10、：数据采集层应考虑应业务需求如何有效且完整的取得异质系统的数据。因采集的数据来源有内部系统、外部系统、及非系统化的本地文件等，所以需要根据各异质系统进行数据交换，分别利用系统接口、网络爬虫转换文件格式储存及电子邮件方式等交换取得各数据。数据处理层：此层级运行包含SMC、DlF及KM。数据处理层主要考虑为各异质系统数据进行关联整合，因此必须着重于数据清洗、数据理解及数据的关联，才能够提供分析层有效的模型处理。a） KM主要接收各类型文档进行分类储存、解析内文、并利用ElasticSearCh(一套支持全文检索的开源项目)进行建立索引库及支持文件内全文检索服务。b） SMC及DlF另述于后。数据分
11、析层：数据分析层包含三个项目，分别为DSPAPL分析工作流、KMAPL分析层构建API主要是为了提供分析模型并有效率地产生关联性数据的业务需求而构建分析工作流。a）DSPAIP：通过APl方式将产品关联性数据提供给FA分析平台。b）分析工作流：用户自定义需求数据字段通过StOredProCedUre定期向DIF.SMC索取关联数据，并整合成多维度大表数据，提供数据应用层分析功能使用。多维度大表在本项目中是一个非常重要的核心功能，透过多维度大表将各种数据源依据用户单位本身业务上的需求，进行数据的关联性分析与整合，所涵盖的数据属性（AttribUte）数量从上百个多至上千个字段，满足用户单位在海量
12、数据信息中，挖掘对于业务问题能够使用的关键小数据，进行问题成因分析。c） KMAPI：数据应用层透过APl进行档案增、册IJ、修行为，且进行字段式及全文检索式的档案搜查。数据应用层：NPI大数据系统包含三大应用模块，分别为FA分析平台、通用性分析、以及知识库搜寻模块，分述如下。应用层实现用户在单一平台中快速取得需求数据，可于八成时间内处理日常作业（FA分析平台），并可利用其余二成时间进阶分析数据（通用性分析再者，知识库可以满足工程师之间的技术传承及新人训练，帮助自主学习成长，并减少工程师的沟通教学时间。此应用让工程师的时间得到最有效的利用。a）FA分析平台：工程师在进行FA（Failurean
13、alysis）时，通过API实时取得产品组装、测试结果、物料资讯等更多相关数据，减少工程师四处搜集数据，加速问题解决，可取得更多的时间进行更多、更进一步的分析作业。b）通用性分析：工程师于FA工作之时或之余，利用通用性分析工作流提供的多维度表分析批量数据，通过七大分析工具（散点图、箱体图、常态分布图、直方图、线图、良率报表、测项名称比对）洞察数据潜在的问题；并可针对goldencase建立定期报表，由系统自动根据设定条件定期检验潜在问题，工程师可侦测问题并实时解决问题。c）知识库搜寻模块：工程师在解决问题时可通过搜索模块来取得相似问题查看，无需一一向他人询问，即可以学习前人经验，以达到在线学习
14、及经验的传承。图1平台整体架构图（2）数据流本案并没有通过传感器直接读取产品参数，因为本项目所收集的数据主要以工程导入及测试记录为主，故可以分成三大类：1.通过生产系统的接口获取数据，2.制造单位定时发送email提供物料组合配方信息3.利用网络爬虫扫描系统接查询报表转换数值数据等三个主要方式。收集的数据类型包括了：产品测试及组合、产线组装、进料检验、关键物料及关键尺寸数据等。构建数据整合与应用模块，将收集到的数据进行清洗、整理等工作，并依需求产制相关多维度大表提供应用，以达到基础数据完整的目标。数据捞取数据主机数据清洗数据应用笑It尺寸数据数据产出A系统B级C级D系统DOC0统自定义格自定义
15、格 式一数据眼务技匚FA分析平台汇整ABcD 等各类资料傩才洗、工算 的平行运Jt平台通用性分析工怵客户洗系统图2系统数据流示意图(3)基础数据整合架构DlF主要包含三个模块：数据整合、数据处理运算、及信息呈现。数据整合(ColleCtionModUles、TransferModules)方式主要透过实现一个真实案例所需的数据来源，为验证案例并进行调整。数据运算(AnalySiSModUleS)则是将真实案例所需要的参考信息，预先整理(计算、统计、多系统串连)汇整成一信息整合包，形成一个数据分析处理流程。信息呈现(新应用模块)提供一个符合用户需求的操作接口及相关应用工具,并整合于原系统中，产生
16、新的应用模块。Data Table/GridDashboard新应用模块Input & QueryPage WizardData VisualizationReference LinksNPl相关性数据查&服务(RESTfuI/JSON/XML)大数据平台整合单一蹩录(SSo)Collection Modules Transfer Modules处理与运Analysis ModulesSync ConnectorParser ReaderAggregate/JoinFilter/CleanerDataNormalizeFeatureExtractionStatisticalSimulateRu
17、le BaseKnowledgeModUM.JobManager3.项目其他亮点在大数据平台中特别增加两种矩阵式分析模型：工站良品率分析矩阵图及物料组合优化矩阵图。工站良品率分析矩阵图：主要查看工站测项在不同时间段下的趋势表现。物料组合优化矩阵图：主要不同物料在不同供货商组合之下的趋势表现。用户可通过工站良品率分析矩阵图得知表现最差的测项，并通过物料组合优化矩阵分析图来针对该测项取得最佳物料的供货商组合，以达到良品率的提升。3、实施效果与推广意义1 .时间短：数据整合收集所需时间大幅减少，由以前耗时24小时，提升至数分钟以内。2 .数据广：整个NPI周期大约会生产5万个产品，而NPI产线大约1
18、50个相关产品测试数据完整收集，涵盖400多个关键物料及平均2000个测试项目，特定工站更高达4万个测试项目。NPI大数据平台每日数据吞吐量大约22万笔原始数据档案。3 .效率快：工程师将原来数据收集的时间专注用来解决问题，并可利用剩余时间进一步分析预见问题。扭转过去80/20法则，让工程师只用20%时间收集数据整理数据，便能充分投入80%时间专注在问题解决上。4 .传承快：前辈工程师将个人的经验时时累积于平台上，新人工程师可随时事半工倍地学习前人的知识。4、案例亮点利用NPl大数据提升FA工程师的数据分析能力。分析工程师依经验及型态可区分为五种类型。经验值较一般的分析工程师可在FA分析平台上
19、解决问题并同时学习前人的经验；经验值较高的分析工程师则在通用性分析中预见问题，以加速预防问题；有经验及具备统计软件使用经验的分析工程师可利用多维度大表分析解决客户问题；具备研发能力的分析工程师可运用建模软件进行分析模型研究；具备算法能力的分析工程师则通过程序开发最新且先进的模型研究。每个步骤都是可累积经验并进行学习成长的。此平台不仅可解决问题、预见问题、累积知识、经验传承，并通过多维度数据的串联供不同阶段工程师进行开发、研究以及回馈，使得工程师与系统共同成长。有经验的FA工程师DataScientist具算法经验的FA&IE研究端协助FA工程师提升FA工程师能力加速解决眼前的问题放更多的时间
20、（As-Is:占据80%时间）专注在预见问题Degree of Data Analytic Capability利用成熟商用软件 与客制化工具 让FA工程师应对 客户的需求更迅速协助具标法能力 的 DS, FA. IE 来 善用 Rapid Miner 的多种模型来建模协助具算法能力的DS. FA, IE利用 Deep Learning 技术开发更先进的模型图4数据分析阶段性应用二、中国联通工业大数据采集分析平台1、案例背景与业务痛点为贯彻落实中华人民共和国国民经济和社会发展第十三个五年规划纲要和促进大数据发展行动纲要，加快实施国家大数据战略，推动大数据产业健康快速发展，工信部编制了大数据产业
21、发展规划（20162020年）。中国联通大数据业务开展的非常早，多年数据的持续积累为后续大数据分析和应用提供了良好基础。中国联通大数据平台可以实现对IT生产系统、业务平台、通信网络、外部互联网、合作伙伴5大类数据采集，覆盖客户数达到4亿，日处理数据超4000亿条，高价值结果数据沉淀超过17PB。大数据水平处于国内行业领先地位。工业行业是中国联通产业互联网战略的重点方向，而在当前的制造工业实施过程当中，很多的机床由于历史原因，无法通过数据总线采集上报机床的关键运行数据，企业在生产过程当中对产品的品质控制、良品率的提升无法开展。因此在国内大部分制造企业不更新换代设备的基础上，如何采集、分析生产过程
22、中的各种关键数据，是目前实施工业互联网战略的重要难题。1 .项目简介及目标中国联通工业大数据采集分析平台针对生产车间内的机床、环境等各种可能影响产品质量和成品率的因素进行了采集，通过大数据的方式实现对生产过程的优化、机床配置数据的改进等，以提高企业的生产制造良品率。2 .项目目标平台的目标是通过工业级的采集传感器进行第一手关键生产数据的采集，通过无线物联网的方式回传至大数据平台，以大数据分析的结果反向回馈到生产制造的设备配置、使用、工艺改进等一系列过程中，以便企业能有效的提高产品的质量和成品率。2、解决方案1 .数据来源大数据平台数据来源主要包含三大类：(1)生产传感器数据主要包含了机床生产制
23、造过程环节数据，主要有类似应力、表面温度、传输压力、传输流量等数据。目前以单车间IooO个采集传感器来计算，平均每20秒上报一次数据，数据包大小以200KB为平均量，那么单个车间每天将有824GB的数据量产生。(2)车间环境传感器数据环境传感器采集工厂内部的各种环境数据，提供对机床设备运行和设备使用寿命，工厂内工作人员的健康状态的影响评估。采用NB-IoT物联网络进行数据实时采集传输。（3）现场总线上报数据主要针对工厂内机床设备的对应配置参数，可以提供总线数据开放的部分进行采集。（4）生产系统数据对接生产系统的排产计划，产品的技术检验技术要求等数据2 .技术方案中国联通大数据采集分析平台主要集
24、成工厂数据采集、大数据分析平台能力，具备支持各类合法的通讯芯片和模组、传感器、连接管理平台、计量器等仪器仪表设备接入，加工并处理数据资源，支持多种应用的分发和部署，实现资源、组件能力的快速部署、管理，解决工业互联网设备的数据接入问题，降低使用的技术门槛及运营成本，提升开发效率。在系统层面上，平台具有向上与微服务和能力化应用对接，提供基于工厂生产数据的服务，向下具备收集基于工厂传感器数据，兼容各种物联网设备，支持数据的实时和非实时传输。在能力层面上，平台应具备数据采集能力及大数据能力，涉及数据存储、清洗过滤、分析挖掘、接口封装等过程，实现各类资源的统一调度以及各种能力的快速部署。物联网大数据平台
25、类框架如图1所示。工北大敢据应用总数据挖掘层采落靖历蠹黑证指令下发效据订阅与发布数据交换(RestfuIZThriftZAPI)大数据分析挖掘模块据清洗I I敛掂解析I II I敛格告警I实时计算(StornVSparkStreaming)I报表分析I I大敷据分析III离线计算(MapReduce/Hive)FcmeKafkaStorm梓通讯芯片/模组传感器I 计量器 I终端设备入 1 I层专用网元排产计划平台I I连接管理平台数据汇聚层图1物联网大数据平台框架大数据平台提供工厂内大数据应用所要求的各个性层次、规模层次的数据存储、数据加工作业、数据分析挖掘、数据安全审计等功能，保障用户数据安
26、全和服务稳定，并提供一系列工具协助用户开发调试、监控性能和优化任务执行的大数据能力平台。工业大数据平台架构主要包括数据接入层、数据汇聚层、数据挖掘层、数据应用层、以及相关的数据接口等部分。(1)数据接入层和数据汇聚层：解决数据获取和管理数据接入层主要功能是通过通讯芯片、模组、传感器、连接管理平台、计量器、以及终端设备等仪器仪表获取的环境、资产、运营状态等数据信息，是数据汇聚、存储、加工等操作的前提条件。数据汇聚层主要功能是将传感器终端设备采集的数据信息，按照相关要求进行清洗、入库、存储操作。(2)数据挖掘层：解决物联网数据实时和非实时处理数据挖掘层主要功能指对经过清洗加工后的数据进行数据分析挖
27、掘操作，按照实际需求，通过数学建模等手段，充分挖掘采集到的数据中所包含的信息。(3)数据应用层：解决工厂内大数据应用模式问题数据应用层的主要功能是将平台功能与实际行业相结合，提供基于真实的应用案例的若干典型应用模型框架供用户直接使用，也提供复杂应用定制的服务。3 .项目其他亮点工业级的传感器数据采集解决方案为工厂内特殊环境的数据采集提供可靠的解决方案，解决目前常见环境的传感器无法应用与工业生产环境的问题。3、实施效果与推广意义客户企业在应用本平台解决方案后，有效提高了生产设备数据采集效率，并对设备的维护效率有很大提升。同时通过大数据的采集和分析提高产品的良品率，达到了降本增效的目标。保守估计，
28、项目解决方案全面部署后，每年将为客户节省约3000万成本。4、案例亮点采用外部传感器数据采集方式完成非开放总线数据生产设备和非数据化生产设备的数据采集工作，将无法联网无法数据化的生产过程进行数据化，在线化管理，为工厂生产过程中的工艺改进，良品率提升提供了数据基础。三、华为云El企业智能打造智能化九州通九州通是一家以药品、医疗器械、生物制品、保健品等产品批发、零售连锁、药品生产与研发及有关增值务为核心业务的大型企业集团。目前公司针对B端客户有15万多家，C端客户已达1050万以上。旗下医药流通公司达130多家，覆盖了中国整个行政区域95%以上，在新疆、西藏都有子公司，并在未来三年，公司计划拓展到
29、300到400家的规模。2016年，九州通的营业额达615亿，不过九州通的野心远远不止是数字的增长，除了要在2019年营业收入达到1016亿之外，还要实现一个智能化的九州通。同时，九州通认为自己面临两大挑战：第一是持续创新，只有创新，才能从容面对市场竞争，有助于构建企业自身核心竞争力；第二是对市场变化和企业自身业务发展需求的快速响应，传统靠业务驱动IT的发展方式是不够的，九州通认为更应该是战略驱动rr,要更多关心企业将来发展战略方向是什么，所以未来九州通的企业定位是要做业务创新的推动者。而IT或技术本身就是第一生产力，在业务同质化的今天，更多的是强调IT的创新，现在IT创新就是要依靠云技术。这
30、时，九州通和华为云走到了一起。1、案例背景与业务痛点现如今，在阿里巴巴，京东等企业的带领下，物流行业发展迅速，先后实现了无人仓，机器人拣货等快速物流作业方式，而九州通依旧沿用人工拣货方式。导致在企业业务快速发展的同时，物流却止步不前，越来越无法满足业务的需求。1 .拣选路径优化在医药行业中，发货时比较零碎并且不集中的情况比较严重，九州通下属的二级公司1个拣货员一天拣货平均明细为1,000条，步数30,000步（约为20公里），导致拣货员超负荷作业，并且效率有明显的不足，急需优化拣货路径，提升效能。2 .派车路径规化目前九州通的订单量在医药行业是比较大的，每天的订单量动辄上千，派送车辆动辄几十辆
31、。在调度每辆车的派送订单和送货路线时，调度员依据经验选择订单集合和派送点集合。结果是，车辆轨迹在地图上十分混乱，整体成本居高不下。3 .智能装车目前九州通的配送模式为当天配送，但是在配送过程中对于客户的距离远近及配送顺序都是凭借配送司机经验来进行选择性的配送，在这个过程中无法准确的判断哪些客户群体距离比较近、配送比较快；哪些客户距离比较远、需要最后进行配送等，并且在配送过程中对于小客户很多时候无法很好的支持配送到位，对于客户方面，客户也无法具体知道自己的药品当前还需要多久送到。因此希望通过智能装车与配送达到根据客户距离远近及配送紧急程度等要求，来计算出最优配送线路与到达每个客户的时间点，以便于
32、配送员配送且能让客户知晓当前配送状态以及何时能到货。同时，针对部分小客户也能达到支持配送的目标，提高小客户满意度与订单数。在装车的过程中，若能告知如何装车，则能够将车辆的容积利用最大化，减少车辆利用率。4 .筛选热销品种，提升出库效率在医药行业中，物流仓库的货位零散多变，对于热销品并没有固定货位，也无法根据季度来判断哪些是热销品，因为货位的多变，很多热销品就藏茫茫货位中，拣货员总是要去寻找，耗时耗力。若能通过计算一个月及一个星期的效率来进行预判，哪些品种当前会销售多少，将热销品的货架固定在距离复核台最近的地方，在拣货员作业时，能达到80%的时间都是在热销区域进行作业，这样针对作业效率的提升有助
33、于当前整个作业的提升。5 .识别商品电子监管码按照国家药监局的要求，每个药品都需要追溯其流向，而电子监管码就是药品追溯的唯一条码，在公司进行物流作业的同时，需要将其录入到系统中，方便追溯，现有模式是采用扫描枪进行扫码复核，一个任务若有100个商品，则需要花费30s左右，若利用OCR技术进行识别扫码，希望可以达到IOS完成。6 .发票识别按业务日常需要，在勾兑上游客户发票的时候，必须要发票和单据明细挂钩，现在的处理是要采购员来对着发票内的明细进行一一勾兑和录入，操作简单，但繁琐耗时间，若能够通过OCR技术实现自动勾兑自动录入，则会很大部分的节18省人员时间，提升效率。7 .销售预测对各零售平台的
34、数据无法准确预测，指导生产和物流。8 .大数据平台集中平台，无法将能力较好的开放出去给其他营业部门使用2、解决方案九州通公司基于华为云建设工业领域集成平台，联接企业、供应商和客户，打通业务全流程，打造全面协同的医药产业链。九州通公司希望通过“云和物实现全联接，做智能化九州通公司。本项目中主要业务痛点和项目目标为： 派车路径规化：调度车辆和送货路线时，依据经验选择订单集合和派送点集合。导致车辆轨迹在地图上十分混乱，整体成本居高不下。 仓储规划：物流仓库的货位零散多变，拣货员总是要去寻找，耗时耗力。 发票识别：靠人工发票内的明细进行勾兑和录入，繁琐耗时间。 销售预测：对各零售平台的数据无法准确预测
35、，指导生产和物流。 大数据平台：集中平台，无法将能力较好的开放出去给其他营业部门使用。决簸与控制应用（ISVl）敏界修博与分析（机器学习MlS殿务、应度学习DlS*务数把集成。处电（MRSlK务.EUnkSXh服务）敷据聚集,，交狡（Dt68M*务），.”.MMWA”图1九州通EI企业智能解决方案架构图1 .路径规划方案华为云智能物流服务通过高效的机器学习和优化算法解决了多个物流场景的优化问题，并同时能满足实际场景中的多项限制条件。路径规划是其中一个场景。图2华为智能物流整体解决方案路径优化关键输入、输出分析详解：该服务主要解决多订单多地址运输的物流优化，根据订单信息以及地图信息,在满足订单限
36、制和运输工具限制的前提下，基于用户给定的距离信息或地图信息，给出最优的运输策略，降低运输成本。该服务的输入是订单以及运输工具的信息，输出为运输工具的运送策略。图3路径优化方案架构设计方案亮点:（1）提供两套算法（蚁群和遗传），根据实时性要求进行选型：高实时性（1分钟内）：蚁群算法，少量迭代能获得次优解；低实时性（半小时内）：遗传算法，收敛时间长，能获得更优解；训练好的模型，直接发布使用；客户直接远程进行API调用即可，使用简单。（2）通过先全局分区域聚类订单再局部优化路径，能达到更加优化的效果。2 .大数据平台云上迁移方案图4九州通大数据平台云上迁移方案架构数据来源：（1）ERP系统销售数据（
37、2）门店发票（3）仓库管理系统（4）运输管理系统（5）已有大数据平台实施方案：（1）数据源存储在原始Oracle、MySql等数据库中，数据通过已有的数据采集软件和公有云实时消息DlS服务，用于实时增量抽取数据上公有云；对于生产业务系统，搬迁上云后，采用华为CCE云容器技术，方便应用的快速迁移和扩、减容；同时传统MySql数据库可以用公有云服务RDS来替换；需要实时处理的数据一部分会通过SparkStreaming做基于窗口的实时统计分析，一部分会基于ElaStiCSearCh构建分词检索，用于后续日志查询；（4）所有原始数据无需存储在本地HDFS盘中，只需存储在OBS对象存储中，通过MRS集
38、群及时分析，结果写回OBS,极大降低了成本。方案亮点：（1）大数据技术栈的全集，全面兼容开源大数据接口，方便线下大数据快速上云集群全托管模式，自动集群创建、扩减容管理按需使用，存储、计算分离，节省50%以上成本（4）入门简单，界面友好，简单点击几个按钮就可完成无需购买安装服务器、手工部署和调优HadoopSpark3.销售预测分析方案2三mNOtRbook方式数邕，数据转换2、技周合并3、算常数据清楚4时间序列模型分析5罐型0出图5销售预测分析流程图通过23年的每天的历史销售数据，预测下周或下月的销售额度，项目中涉及近3年各类千余种药品的大量销售数据，几百万条销售记录。异常数据识别分析：原始数
39、据中有客户是累计几天才上报一次，导致某天的销售额极高，影响正常数据的预测。通过PCA统计分析模型，提前将异常数据过滤掉，保障数据的精确性。数据预测周期分析：一般周六、周日销售额都比较低，如果按天维度进行预测，会出现很大的波动；后面统计认为，按周分析是最佳度量。预测算法：采用时间序列模型分析，能够对长期趋势、季节变动、循环变动等进行建模预测。模型固化：模型固化成NoteboOk模板，需要预测时只需要更新原始数据，直接RUn一遍即可。方案亮点：（1）全流程平台化操作，支持Workflow和Notebook拖拉拽方式建模（2）能够固化算法模型，后面数据定时导入预测，模型自动修正预测（3）算法模型可方
40、便共享发布，支持标准PMML模型文件和jar文件方式（4）训练的模型、评估结果每个阶段均可视化支持，提升模型的可解释性4.OCR增值税发票单据识别方案Jsonapi)DeepIZEln9Pltform图6OCR单据识别架构图通过3个多月，针对近5,000张原始单据以及近10,000张其他单据的训练，识别准确率提升到98%以上；并集成常用药品名称语料库，大幅提升识别准确率；内置了表格自动识别算法、文字分离模型、小数点、字符等后处理增强算法。方案亮点：能较好的处理如下场景：（1）图像模糊、扭曲、倾斜、噪声（2）中英文混合、小数点、特殊字符（3）盖章、错行支持（4）表单格式多样支持3、实施效果与推广
41、意义1 .派车路径规化：经过使用华为云仓库拣零路径规划服务后，拣货员的拣货路径明显规律许多,总体拣选步行里程减少到20,000步出头，效果提升近30%o经过使用华为云路径规划服务的优化后，车辆配送效率显著提高，在严格满足运行时间的限制条件下，同一批订单派送所需车辆有效减少，平均每辆车的派送能力提升近5倍。在采用华为云智能装车服务后，由于送货批次在装车时已经考虑，所以在装卸货时的效率提升；同时，车辆的装载率也提升了10%,结合较优的路径规划结果，整体配送成本大幅降低。2 .仓储规划：通过使用华为云仓库入库储位优化，计算出药品的整体重要程度，然后将重要性高的药品摆放到出库成本低的储位，大大降低了拣
42、货员的作业成本。3 .发票识别：通过使用华为OCR识别服务进行扫码识别，药品复核时间从30s降低到IOS内，大大提升业务效率。通过使用华为OCR识别服务进行发票识别，实现信息自动勾兑录入，大大提升采购员的效率，节省人力成本。4 .销售预测：更有效的指导生产，同时能实时更新预测模型。5 .云上大数据平台：让开发和平台能力共享更加的便捷，降低九州通公司自身运维成本。4、案例亮点项目的先进性与创新点在于充分利用华为云所提供的企业智能服务（EI）,用人工智能、大数据等技术，同时采取公有云和线下结合的方式，精准找到企业可快速改进点，迅速落地，帮助九州通公司改善物流路线规划、仓储规划、发票识别、销售预测等
43、业务需要，一步步朝着智能的九州通公司迈进。智能物流服务：提供灵活可定制的API,能满足客户不同的个性化需求。2OCR服务：通过高效的深度学习和图像处理算法，实现了多种类型单据的文字内容识别，满足客户信息自动化录入需求，大大降低客户人力成本。算法的性能和精度均领先同行。8机器学习平台：通过NoteboOk可编程方式，固化销售预测模板。4大数据云平台：El大数据平台迁移线下系统，更利于全国接入提供服务。四、潍柴工业大数据平台1、案例背景与业务痛点潍柴工业大数据平台是工信部“智能制造”专项项目大数据平台的重要组件，同时也是智能制造必要的平台和支撑。智能制造对IT技术提出更高要求，急需工业大数据平台做
44、支撑。多个智能制造项目均需分别建立大数据平台。平台重复建设耗费精力，项目数据之间无法互联互通，制约数据关联及价值挖掘的潜力前提下，需要全新的技术能力与架构提供更强大的数据存储、治理、计算和调度能力。同时潍柴搭建统一的大数据运营管理平台需求明确，建设企业统一的大数据运营管理平台，做数据积累，提升数据价值密度，为后期数据挖掘提供平台支撑。1.项目背景及业务痛点潍柴作为中国传统制造业的杰出代表，需要进一步适应工业发展潮流，占领工业4.0时代的科技制高点，引领行业发展。潍柴传统制造业转型升级的方向就是迈向智能制造。在“中国制造2025”框架下，智能工厂的标准体系是非常重要的一个环节。潍柴当下正在积极实
45、施工业4.0的建设，搭建工业大数据平台，从底层实现数据采集和互联互通，从数据层面洞察制造信息，进而打通从研发到生产管理的整个流程，为企业的生产和发展提供新的模式和思路。通过电信对潍柴大数据团队培养，可获得大数据系统建设能力。本项目将获得与中国电信共有的大数据服务能力，通过二次定制开发，电信可支撑潍柴对外提供相关服务，将能力有效商品化。在支撑潍柴内部业务同时，可适时商品化成为一家专业的工业大数据服务提供商，填补国内工业大数据服务空白，增加工业制造领域影响力。为我国智能制造树立标杆，将产生广泛的社会价值。生产排程管理作为智能制造的一个重要环节，本项目通过融合生产排程与工业大数据技术，可以提供精准化
46、、智能化的生产排程能力。潍柴大数据平台围绕“互联网+工业制造”建立一套互联网+制造融合创新模式平台，平台在工业应用云、公有数据云、私有数据云建立智能应用平台。通过电信的云基础平台结合工业PONsLTE专网实现工业智能网关的感知并接入生产相关制造数据，形成潍柴工业大数据云。应用层主要实现企业内工业的微应用连接，包括智能制造类、产品设计类等。企业外工业微应用连接包括协同化设计、预知性维护、服务转化型等等。以工业连接为起点，实现用户中心与生态协同的应用连接，以数据数字驱动为导向建立标准体系平台。3.项目目标打造自主工业大数据平台，建立引领行业的工业大数据标准。提升企业在行业领域的品质竞争力和成本竞争力，依托工业大数据平台，在数据算法模型研究应用领域形成核心技术能力。（1）业务优化目标利用大数据分析技术对生产节拍数据进行洞察，对各种影响生产节拍的因素进行特征提取，建立相关因素的关联规则，结合发动机订货信息，形成工业4.0架构下的精益排程，进而对潜在的问题进行分析预警。
