建立数据采集、存储、融合为一体的数据管理平台企业大数据的真正核心应用价值体现在如何从种类繁多的数据信息中分析、挖掘、提取有用价值信息，实现智能化决策分析、优化现有业务，为制定战略提供参考。保证数据采集信息的准确性，必须要从数据采集的源头抓起，保证数据采集工作管理的每一个步骤都能按照预定的程序来开展，时时监控、时时规范，保证数据采集工作标准化、规范化、常态化，需建立数据采集过程管控体系。
通过“数据仓库技术”实现对各类数据源的甄别存储及数据处理流程的改造，在保证高质量的前提下对数据统一整合，以满足不同管理层和业务部门的需求。在数据融合方面主要采用基于深度学习和注意力机制改进的模式匹配方法来实现网络异构数据的智能解析与融合，提升产线异构多模态数据转换的准确率、产业链网络数据的交换能力、企业间资源配置效率与精准服务能力。并且，基于深度学习相关模型，结合威胁情报、远程诊断及可信计算等技术，构建网络攻击入侵检测与防御系统，提升智能工厂中生产大数据的安全性。
搭建多层级管控系统如图10所示，以指标体系为出发点，以吉利制造体系、质量管理体系和经营管理体系为依托，基于分层级预警响应拉动，采集生产执行系统（MES）、质量管理系统（QNS）、物料管理系统（IWM）以及企业资源管理系统（ERP）等基础系统数据进行信息采集。同时，利用IOT平台向传统系统未覆盖的物联层数据扩展，根据底层数据的采集、分析、运算得到各层级指标。通过指标体系的建立，可以准确识别指标未达成的根本原因，从根源上解决问题，避免问题的反复。利用驾驶舱、显示屏及手机端等进行推送及反应确认，实现指标的预警、报警及响应闭环的全过程控制。
多层级管控主要体现在设备级、产线级、车间级及工厂级等多个层级，架构图如图11所示。
如图12所示，在设备级，通过对设备运行状态监控，实现设备运行状态按工作内容进行调整并可控，提高设备运行效能，降低能耗；根据设备运行过程参数监控，提升设备预知性维修水平；基于设备维修和监控数据，形成“专家库”，提升设备管理、维修、操作队伍素质，逐步实现设备状态可控的目标。
业务层通过智能业务IOT，新一代智能制造技术赋能，让机器用数据说话，打通OT/IT壁垒，实现业务分析的敏捷化。如图13所示，对于在驾驶舱发现的异常问题，综合OT设备及IT系统的数据，通过可视化图表及算法，来帮助分析诊断。质量问题和设备故障等可以实现从事后补救到事前预警的转变。
智慧决策整合了各个服务站的资源信息、终端销售信息、客户满意度及宏观经济等信息，挖掘出多服务站、多备件中心等售后服务链、备件调度运输链等多链数据之间的关联关系，识别和筛选出与售后业务指标相关的特征（如售后产值）以及多个特征之间的特征组合和特征交叉，然后通过各种学习算法对多服务站、多区域的售后指标进行精准地预测。基于售后业务指标与配件库存之间的业务逻辑关系，对各站区、区域的配件中心的配件库存进行智能管控。比如对售后产值进行跨站区、跨区域的统一协同预测，依照售后业务逻辑，可以对各站区、各区域和各服务站的月、季、半年和整年期的配件销售目标和绩效合理制定，从而全面、精确地掌控各区域配件中心的出入库情况，对各配件中心制定合理、明确的个性化补货和出库策略，实现对多基地多跨配件中心的配件库存的数字化、智能化和精细化管控。
协同制造1.产业、供应链协同
吉利产业链协同工业互联网总体架构，如图14所示，主要采用大中台、小前台的架构方式，立体平台构建，形成稳定、高效、前瞻的技术基础，主要服务于七大细分产业（汽车、发动机、汽车电子、新能源、注塑加工、金属加工及出行服务），领域涉及多个行业的多个环节。按照物流信息化整体功能需求，针对物料拉动管理、仓储管理、质量协同等功能模块和业务搭建信息化平台，实现物流作业过程端到端的全程管理（见图15），全面提升物流供应链的协作水平，提升供应配送效率，降低物流总体成本，为改善供应与仓储配送物流中的运作模式、流程和系统提供技术支撑。2.个性化定制与服务
个性化定制是指，卖家提供选装包，客户可以根据自己的喜爱和需求自助选择配置，并将需求提交至销售管理系统实现订单的提交和审核，订单信息将直接传送到制造管理系统并加入到生产计划中，在生产的全周期中将实时跟踪和反馈，以完成汽车的生产和装配。完善汽车制造商、零售商和客户之间的关系网络，利用数字化、智能化的手段增强与客户的互动，进而为产品更新换代及产品后续故障维修、质量追踪提供充分的准备工作。这些数字化信息通过互联网传输拉近了汽车制造商、汽车零售商和客户之间的距离，使其能更好地响应客户需求。如图16所示，吉利构建了完整的OTD流程体系，从产品、制造、销售多角度支撑个性化订单的快速交付。
更好的用户体验，也是服务数字化
转载请注明：http://www.0431gb208.com/sjszjzl/98.html
