需求背景:
国防军工和高端装备制造业在不同时期部署了相应的工业软件、信息系统及设备等。传统信息系统架构模式下,各组织、部门根据业务需求在离散、异构的技术环境下建设各类信息系统,出现了一个个“孤岛”式应用。“十三五”以来,各领域提出数字模型贯穿装备生命周期质量管控、物理/数字样机交付的全价值链。同时,为保证产品质量一致性,需要批生产过程运行状况全面显性可视、质量数据实时可测。然而企业应用、软件工具异构,难将产品性能、功能、质量模型“链式”统一,综合数据分析质量风险、预警控制及智能决策遇到阻碍。为保证装备作战效能的发挥,亟待采用新一代技术搭建质量全生命周期数据应用平台,以支撑研发、生产过程的质量决策管控。
解决方案:
q 构建一个可配置、集成、开放的质量一体化全生命周期数据应用平台,实现质量建模、质量数据采集分析、质量决策与应用;
q 通过数据集成与建模,构建可配置的质量模型库,应用人、机、料等多维质量模型,服务产品全生命周期质量数据的存储与分析;
q 融合信息化&数字化&自动化技术,连接产品、信息、设备,面向研制、生产、关键技术迭代、数字交付等质量应用场景,形成自上向下参数驱动、自下向上数据验证及质量数据挖掘分析能力;
q 采用大数据技术,采集、存储、治理、统计分析装备研制与制造过程质量数据。支撑相关质量管理系统应用的同时,实现体系化质量数据分析与追溯。
功能组合:
q 制订标准规范,利用统一平台,进行质量数据资源统一编目、业务流程协作和统一监控。装备质量建模与模型采集,可覆盖研制全生命周期、制造、综合保障等过程;
q 质量模型技术状态管理,基于质量模型采集数据的一致性与异差性进行分析;
q 装备研制、生产制造过程FEMA、PFEMA、DFEMA分析模型嵌入与应用;
q 提供制造过程物料采购、制造质量全域数据存储管理,对研制、制造、设备运行状态等质量数据进行相关性、一致性等分析;
q 企业单机数据包、装备数据包、质量数据包的配置与自动抽取和查询;
q 质量数据集成API接口,为企业已有质量管理系统提供数据交换功能。
应用价值:
q 改变传统质量业务管控模式,完成过程与分析数据集成,实现质量过程控制与预警;
q 采集、存储贯穿装备概念、方案、详细设计、工程实现等过程。质量模型支撑数字化协同虚拟仿真与验证,促进物理样机分散设计向数字化样机协同验证迭代转变;
q 集成供应商、协作方的生产、检测、试验数据,实现物料、企业协作、制造等质量数据并行管理,促进企业形成质量管控与追溯能力,构建采购与协作质量数据监督体系;
q 质量模型与数据采集紧密耦合,集成设计工具、系统、自动化设备等,感知装备质量信息,实现基于MBD模型的质量数据采集与在线决策,实时监控制造过程;
q 覆盖装备研制全生命周期质量数据管理与决策,帮助企业构建装备保障数字化模型,提高任务数据精确性。形成服务保障数据交付、装备物理样机交付双重能力。
需求背景:
随着企业数字化转型升级需求不断提升,企业在产品价值增值过程中,不再满足信息、自动化等软件、系统、设备带来的产品研制、生产及市场竞争力的提升,提出装备智慧研发与智能制造过程需要通过强大的数据兼容性接入能力,将产品研制、生产等多类型数据整合到一个二维、三维可视化空间,并进行高度融合与挖掘分析。传统商务智能套件(BI)解决了企业财务成本、供应链等方面数据统计与分析的需求,却无法充分利用全生命周期信息化建设成果实现研制全过程可视化,而企业可视化决策中心能使管理者对各类研发、检测、试验、生产制造作出快速、准确的判断,数据驱动辅助决策制定与执行。
解决方案:
q 以数据仓库为核心,形成各类主题视图,展现企业研制分析与决策;
q 提供企业、车间、生产线、设备仪器等三维建模与渲染组件。以图库配置形式进行视图定义,支持嵌入VR、设计仿真等可视化浏览插件;
q 通过三维模型与实时通讯数据API,实现检测、试验、生产制造实时数据模型映射;
q 对局域网、工控网、安全监控网、无线传感网络等数据进行统一可视化监控;
q 支持等保、分保测评的安全管理机制和不同密级、不同业务主题数据的分级、分区存储。
功能组合:
q 数据采集与数据仓库涵盖结构与非结构化数据,统计分析工具可对产品研制全周期、经营、制造、安全/能耗等进行可视化预警与分析;
q 工业建模、模型渲染技术结合实时数据采集将海量实时、历史数据,以简明、直观图表,进行多维度的实时交互分析。提供下钻、切片、切块等数据观察方式;
q 嵌入VR技术对产品与设备形态真实展现,支持设备、产品结构、工艺、工作原理动态展示;
q 虚拟现实技术对企业固定资产及物理空间进行真实再现,与重点产品、关键设备等控制器连接,实现全方位监控,对产品、设备等进行实时仿真可视化;
q 应用多屏操控模式,形成统一的可视化控制机制,通过集成屏幕拼接控制切换,可简便切换应用场景。应用同一数据体系,支持PC、PAD、智能手机等数据视图订阅。
应用价值:
q 应用于国防军工及高端装备制造业可视化数据监控、分析、研判、指挥以及历史数据多维分析、展示汇报,引领决策者发现价值;
q 支持实现动态的产品研发、检测、试验、生产制造可视化监控;支撑装备论证、产品研制鉴定评审与产品最终性能功能评价;
q 结合大数据、物联网、人工智能等技术,并融合管理层、设备层、传感器等监控数据。通过数字孪生,提高制造过程综合监管能力,支撑扁平化管理,降低运营成本;
q 支持建立国防军工武器装备产业链可视化平台,在各院所、企业内部多域监控多场景融合基础上,支持总装及装备型号以数据可视化为依据的协调调度。
需求背景:
近年来,国内部分军工企业着手开展试验条件保障建设,但传统建设模式往往是购置各类单一试验设备或仅建立存储试验结果数据的系统,造成了试验设备各自无法集成联网、试验数据采集手段缺乏、试验数据存储分散、难以开展协同分析等困扰。随着军工试验与测试领域技术迅猛发展,对试验设备联网、试验数据采集、海量试验数据存储、多专业试验联合分析等都提出了更高要求,显然单机试验设备结合数据管理系统的模式已经无法支撑应用需求,需要建设基于试验工程大数据应用维度的专业试验全周期管控能力,以更好地进行试验活动规划、试验执行管控、试验数据采集与管理、试验结果联合分析应用,使试验数据产生最大价值。
解决方案:
q 结合当前试验执行与管控体系存在的弊端,基于DMS-MindSpace平台建立统一、专业的试验业务工程数据管控平台;
q 对开展数字化的试验和测试活动过程进行管控;
q 试验、测试设备联网集成,试验测试数据线上自动化实时采集;
q 对试验和测试设备、仪器进行可视化监控和实时预警;
q 依托大数据技术进行海量试验和测试数据存储、整合、统计、分析、应用;
q 提高试验过程执行数据、试验结果数据分享程度,开展多专业联合试验。
功能组合:
q 现场层,通过DMS-Terminal现场管控终端软件,针对现场工业设备,实现任务获取、数据填报;
q 调度层,通过DMS-SCADA数据采集与监控系统,实现设备与系统的快速接入、数据采集、可视化监控及实时预警;
q 业务层,通过DMS-TDM试验数据管理系统,实现军工企业试验/测试业务统一全程管控,实现任务、资源、流程、数据等管理的q 高效协同。通过DMS-EDC工程数据中心,满足海量数据存储,以内嵌试验大数据分析技术实现数据的高效查询、分析等。
应用价值:
q 提高试验、测试设备产品联网率,确保试验数据有效和全面采集;
q 全面监控设备运行情况,提高设备利用率,降低故障发生率;
q 通过数字化手段支撑试验过程管控,减少人工干预,提高试验执行标准化程度;
q 以大数据手段进行集成化试验数据存储、分析,充分挖掘试验数据价值;
q 建立完整的智慧试验、测试体系,推动企业试验、测试业务高水平发展。
需求背景:
大国博弈的时代背景下,关键领域的国产化成为竞争的焦点,国防军工领域软件产品实现核心技术自主可控迎来历史性的机遇,数据库软件是任何企业数字化基础架构中最关键的部分之一,从战略角度看,采用自主可控的数据库产品已是必然要求。同时,由于军工企业开展数字化转型,新业态下的研制活动产生的数据量以每年40%以上的速度增长,企业存储数据时还需面对数据的种类多样性、实时交互性等要求。此背景下,集中式数据库应用将出现IO性能、数据存储空间、集中部署等瓶颈问题,需要通过基于云原生的分布式数据库进行企业级大数据管控。
解决方案:
q 数据存储产品必须是国内自主开发、安全可控,确保军工数据安全;
q 具备弹性扩容能力,支持海量数据存储与计算,无需预先建模;
q 支持分布式计算技术,在保证自由探索的基础上可快速获取计算结果;
q 支撑以业务驱动的自由深度的探索数据,具备交互式的分析数据的实时设计与展现能力;
q 基于云原生架构设计与开发,满足轻量化和分布式部署需求。
功能组合:
r 通过云平台进行构建、部署和分发,支持公有云、私有云、混合云多种部署方式;
r 提供集中化的数据存储、按需灵活取用、智能化运行管控、高并发低延迟的分布式数据库服务等能力;
r 全面兼容标准SQL协议,支持完备的数据操作、组织、查询,提供实时多维分析透视和业务探索分析,支持建立数据在线实时分析模式;
r 具备优秀的数据行列混存与管理能力,全面支持结构化/非结构化数据的检索、比对与融合分析,同时支持OLTP和OLAP应用模式,能够构建容错性好、易于管理和便于观察的松耦合系统;
r 采用计算存储分离架构,支持海量数据存储,数据节点可弹性扩缩,存储容量可动态分配,自动均衡负载,冷热数据自动分离,具备高扩展性和可迁移性。
应用价值:
q 掌握核心技术,产品自主安全可控,满足国防军工企业数据存储和应用安全要求;
q 全面兼容SQL语法标准协议,兼容性高,降低了代码开发的难度;
q 满足弹性扩缩,支持利旧使用,在满足性能的前提下最大限度地节约硬件资源;
q 支持基于网格的列式存储架构,支持多种专业向量检索算法,满足OLAP大数据应用;
q 采用存算分离技术,打破传统大数据平台计算存储紧耦合的部署架构局限。
需求背景:
十三五期间,国防军工企业已在产品研发、工艺设计、仿真试验等层面进行了较大投入,也取得了一些成效。随着PLM、MOM、ERP等信息化系统的部署完成和物联网的应用,管理方式由粗放式管理逐步转为精细化管理,企业在实现对业务数据进行有效管理的同时,积累了大量数据信息,产生了进一步利用数字化技术收集、存储、治理、展示和分析结构化和非结构化的数据、信息的诉求,企业需要信息化技术帮助决策者在储存的海量信息中挖掘出需要的信息,对这些信息进行分析,推动决策和规避风险,实现“用数据赋能”,从而促进生产效率和产品质量持续改善,助推企业高质量发展,更加经济地从多样化的数据源中获得更大价值。
解决方案:
q 对企业信息系统和设备层各类结构化数据和非结构化数据进行一体化采集和管控;
q 面向全新业务现状的应用需求、标签需求和数据需求,全面开展数据源治理;
q 构建统一的数据存储和计算环境,对管理的数据进行加工、计算等处理,基于图形界面构建相关业务数据模型,形成各类数据库;
q 依托数据中心对各类业务的数据需求通过统一化的服务进行满足,实现业务需要;
q 打造可视化的大数据分析和应用能力,以数据中心为支撑开展数据接入、报表分析、可视化大屏以及新型工业应用的建设与应用,全面提升企业数据应用能力。
功能组合:
q 数据源层:提供对各类常用业务信息系统结构化数据、设备端实时数据,以及图像、视频等非结构化数据的接入能力;
q 数据存储计算层:包括数据集成和统一数据存储与计算两大模块,数据集成模块提供对已接入的数据源进行批流一体化数据提取/转换/整合,提供任务调度、策略配置和数据分发功能;统一数据存储与计算主要包括对数据进行标识、加工、计算和调度的数据处理计算能力,以及面向数据管理和应用需求构建的主数据库、元数据库、主题库、规则库、业务库、知识库,形成企业级数据资源目录,并提供数据索引能力;
q 数据服务应用层:提供统一的数据基础服务、数据管理服务和数据共享服务;并提供可视化条件的统一API接入、自助报表工具、各类可视化组件、场景编辑器、图形库,并可面向企业需要开发新型工业应用;
q 数据治理:围绕军工数据中心管理的全部数据在全周期范围内开展治理活动,主要包括源库数据目录定位、元数据标准化、数据分类分级、数据血缘、数据标准和数据质量。
应用价值:
q 沉淀数据资产:通过数据资产建立研发、生产、运营、供应链等业务的数据画像,让管理者通过数据分析结果直观、及时地“看见”业务场景、数据、瓶颈等;
q 赋能核心业务:以数据推进企业全流程的透明洞察,让数据成为优化业务流程、提升业务效率的重要支撑,让数据发挥应有价值;
q 加强高效协同:通过大数据技术高效地实现供需数据匹配和业务数据对接,支撑产品高质量交付,加强供应链上下游数据协同能力;
q 促进优化决策:以数据为支撑对全域业务进行多维解构和深度分析,进一步提高决策的科学性和精准性。