云开雾散——阿里云工业大数据应用解决方案

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 在云栖TechDay24期上,阿里云数据挖掘专家光盐分享阿里云数加平台如何通过工业大数据和云计算的结合应用;来有效提升良品率,降低生产成本,帮助传统制造业企业快速进入工业4.0;该解决方案将适用于设备运维、生产工艺调优、能源管理、环保、行业监管等应用场景。

摘要:在云栖TechDay24期上,阿里云数据挖掘专家光盐分享阿里云数加平台如何通过工业大数据和云计算的结合应用;来有效提升良品率,降低生产成本,帮助传统制造业企业快速进入工业4.0;该解决方案将适用于设备运维、生产工艺调优、能源管理、环保、行业监管等应用场景。

下图主要介绍从工业1.0到工业4.0的相关概念。从工业互联网的直接应用到工业上下游,阿里云都在提供解决方案。阿里云的使命是让云计算技术普惠各行各业,实现马云老师提出的“新智能新制造”。

bd8bce2305735c746d8ac82b66f8ed0feb48effe

阿里云在工业方面所做的尝试主要集中在四个方向:智能设备运维、智能生产工艺、新能源管理、以及智能监管,接下来按照具体的实例进行分享。

第一个案例是阿里云在制造业提供的方案,阿里云的客户协鑫是中国最大的新能源、光伏切片制造商,阿里云在6月份开始与协鑫进行合作,合作的主要目标是提升协鑫的良品率。协鑫的业务流程,主要是把像豆腐一样的多金硅的硅锭切成硅片。这个过程主要依靠切片机,而且会涉及到各种各样的异常和工艺,这些异常和工艺都决定了最后切出来的硅片产品质量。但是产品质量往往难以把关控制,比如说切出来的硅片有没有线痕,是不是厚薄不均,是不是有碎片,都难以控制。一块较好的硅片,应该是厚薄均匀,又无线痕的,这样的就可以称为良品,所以这里面有良品率的概念。我们的目标是让一次切割过程中产生的良品硅片尽可能多,也就是提升硅片切割的良品率。协鑫自己内部有工业技术部,有数据分析团队,也有设备运维人员,其实他们也做了很多年的尝试,但是在经过这么多年的尝试之后,他们发现对良品率的提升已经到了瓶颈。

而对于阿里云来说,我们是互联网公司,还是基于阿里集团这个大背景创立的一个公司,有自己的云计算平台,也有比较专业的数据挖掘,算法团队。我们针对协鑫的良品率问题,与跟他们进行了多次的业务交流,将问题进行抽象。把协鑫目前生产线的数据上到云计算平台上来,针对协鑫的业务问题进行了具体的分析,得出了当前影响它产品质量的关键因素是什么。同时我们在做工艺方面,也分析了协鑫的工艺参数,分析出哪些工艺参数可能影响最后产品的良品率。这里面比较有意思的一点是我们发现协鑫的机器的备件在使用过程中会存在劳损的现象,这块我们做了备件劳损的预测,也做了故障的预测。阿里云提供的方案基于对于大数据的分析,系统故障预测,监控预警系统还有工艺调优,最后的预期提升了1.2%的良品率。

f084ace9fc7d4e8ede358bb470e17b4d39c928eb

下一个案例是新能源方面的。这个方案是阿里云提供给新能源行业的制造风力发电机的客户的,风力发电机的设计运维成本是客户的主要成本。所以对于他们而言,尽可能减少风力发电机的故障率,减少风力发电机的维修成本,是迫切的需要。对于这样的需求,阿里云为客户做了两个事情,第一个是进行故障的预测,通过预测可以提前发现故障发生之前的一些异常现象,设备运维提前的介入可以避免故障的产生;另外一个就是提供了对于风力发电机组的寿命预测,通过提前准备风力发电机组的备件,来避免维修更换时的时间差,大大的减少客户企业运维的成本。

7ce42324819538f042ba616610d3bab5fce6dd9e

第三个分享阿里云在环保领域的一个案例。这个案例是与反欺诈相关的。先介绍一下背景,江苏省环保厅希望监控工业企业上传的一些实时传感器数据,通过在线监管这些数据来对工业企业进行监督,但是很多企业为了逃避监管,对传感器数据进行了篡改造假。阿里云给环保厅提供了伪造数据的识别方案。对于这些数据而言,人为的痕迹会比较显著。数据伪造识别方案基本上也是通过机器学习算法实现的,根据一些已有的数据或者通过一些是人为举报数据进行数据分析,数据达标之后再去找相似的案例,把更多的欺诈企业识别出来。

15bb4f8a845effa846269a00c9fd3b779abe861d

下面这个案例是阿里云为浙江省交通厅提供的方案。这个方案是关于两客一危监管的,国家规定所有的两客一危运输车辆的GPS信息需要实时上传到省级甚至是国家级信息中心的。因为对于两客一危车辆而言,一旦发生事故,影响将会很大。县级以上的班车和包车,因为承载的人比较多,一旦出事故的话,往往人数伤亡会比较惨重;而对于危险品运输车而言,一旦出事故,对环境以及车辆和附近的人员安全也会产生很大的影响。

对于这些车辆,政府是非常重视的,虽然这些车辆的数据会实时上传到政府的信息中心,但是这些数据的质量却是一个很大的问题。可以想象一下,当危险品车出事故时,政府可能就开始追责了,调取这辆车的GPS监控数据时,发现不是没有数据,就是数据的位置不对。针对这些问题,阿里云与政府合作,做了GPS质量的监控评价系统,把几万辆的两客一危车辆数据实时上传上来,同时对数据进行全方位的质量评价,还把数据质量不好的原因也告知运营商,让它及时去整改。

通过这个评价整改的反馈机制,最后提升了整个浙江省的两客一危车辆GPS的数据质量。在这块数据质量提升了之后,可以更进一步进行实时的监控预警,包括违规运营的研判、回放等等。

e323e7469cde63cb24d19a551815dfd8c68fa2ad

下一个案例是阿里云在航天航空领域做一个应用。针对于白云机场,因为机场会存在停机位调度的问题,比如说具体某辆飞机什么时候降落,停在哪个停机位,什么时候起飞等等。以前白云机场通过人工调度处理这个问题,但是人工调度出现的问题会比较多,比如说不能保证旅客行走距离。这里面有几个目标,像旅客行走的距离,飞机的滑行的距离,人工调度是很难去保证取到最优解的。阿里云通过调度算法去取得最优解,在满足一定约束条件下去求最优解,这是运筹学里面最常见的优化问题。举个例子,比如说每辆飞机少滑行3米,白云机场每年就可以节省20亿。

6dc83954521723e0aaa6c030005402d14de54bdd

除了刚才提到的跟工业比较相关的案例,阿里云在工业的上下游这部分也提供了很多的解决方案。

下面这个案例属于工业链管理方面的,通过销量预测来优化库存,通过对库存的分析来合理计划生产。这是阿里云给天猫家电企业提供的方案,阿里云对企业也提供了几方面的主要方案,包括企业画像,企业关系网络以及风险洞察。举个例子,比如在企业的风险洞察方面,企业肯定也会非常关注竞争对手是什么样子的,也非常关注某些产品是不是出现了负面的评价等,像阿里云提供的解决方案,其实就可以解决这方面的问题。

f0f23f134f2dfa9b7c58ff70210d133ec4f741c6

下面一部分是JIT生产调度方面的,其实也是一个优化问题,通过约束供货,以及车辆信息,最后实现供应商组装工厂供货。

2e2b3495b35eadcf5ba52a16c16d92c8453e4c86

最后的这个案例可能比直观一点,比如“饿了吗”的订单智能调度,其实在大家每天订完外卖时,都会涉及到一个定单分配的问题。在智能调度方面,阿里云的方案是比较好的。通过合理地去优化定单的调度,最后让“饿了吗”平均每一单节省了八分钟时间,对于用户体验的提升还是很显著的。

以上分享了阿里云为工业互联网提供的很多解决方案的案例,希望能对大家有所帮助。


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
95 1
|
19天前
|
人工智能 Cloud Native 数据管理
媒体声音|重磅升级,阿里云发布首个“Data+AI”驱动的一站式多模数据平台
在2024云栖大会上,阿里云瑶池数据库发布了首个一站式多模数据管理平台DMS:OneMeta+OneOps。该平台由Data+AI驱动,兼容40余种数据源,实现跨云数据库、数据仓库、数据湖的统一数据治理,帮助用户高效提取和分析元数据,提升业务决策效率10倍。DMS已服务超10万企业客户,降低数据管理成本高达90%。
|
21天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
1月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
58 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
1月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
103 2
ly~
|
1月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
304 2
ly~
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
116 2
|
1月前
|
弹性计算 缓存 搜索推荐
大数据个性化推荐,AWS终端用户解决方案
大数据个性化推荐,AWS终端用户解决方案
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
8天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
67 7
下一篇
无影云桌面