산업 빅데이터는 고객 수요부터 판매, 주문, 계획, 연구 개발, 설계, 프로세스, 제조, 조달, 공급, 재고, 배송 및 배송, 애프터 서비스, 운영 및 유지 관리, 폐기 또는 재활용, 각 링크의 전체 제품 수명 주기 재제조에 이르기까지 일반적인 지능형 제조 모델을 중심으로 산업 분야에서 생성된 모든 종류의 데이터와 관련 기술 및 애플리케이션을 의미합니다. 산업 빅데이터는 '빅데이터 + 산업 인터넷', 클라우드 컴퓨팅, 빅데이터, 사물 인터넷, 인공지능 등 기술을 기반으로 산업 생산 방식의 변화를 주도하고 산업 경제의 혁신적인 발전을 주도하는 지능형 제조의 핵심입니다.
산업 빅데이터 기술 및 응용에 대한 자세한 설명
I. 산업 빅데이터의 정의
산업 빅데이터는 일반적인 지능형 제조 모델을 중심으로 고객 수요부터 판매, 주문, 계획, 연구 개발, 설계, 공정, 제조, 조달, 공급, 재고, 선적 및 배송, 애프터 서비스, 운영 및 유지 관리, 전체 제품 수명주기의 폐기 또는 재활용 및 재제조에 이르기까지 다양한 측면에서 생성되는 다양한 유형의 데이터와 관련 기술 및 관련 기술을 중심으로 한 산업 분야를 의미합니다. 응용 프로그램. 제품 데이터를 중심으로 기존 산업 데이터의 범위를 크게 확장하고 산업 빅데이터-관련 기술 및 애플리케이션도 포함합니다. 산업 빅데이터의 주요 소스는 다음 세 가지로 나뉜다.
1. 생산 및 운영에 관한 업무자료
생산 및 운영{0}}관련 비즈니스 데이터는 주로 전통적인 기업 정보화 범위에서 나오며 전통적인 산업 디자인 및 제조 소프트웨어, 전사적 자원 관리(ERP), 제품 수명주기 관리(PLM), 공급망 관리(SCM), 고객 관계 관리(CRM), 환경 관리 시스템(EMS) 등을 포함한 기업 정보 시스템 내에 저장됩니다. 이러한 기업 정보 시스템에는 많은 양의 데이터가 축적되어 있습니다. 이러한 기업 정보 시스템에는 대량의 제품 개발 데이터, 생산 데이터, 운영 데이터, 고객 정보 데이터, 물류 및 공급 데이터, 환경 데이터가 축적되어 있습니다. 이러한 종류의 데이터는 산업 현장의 전통적인 데이터 자산이며, 모바일 인터넷과 같은 신기술 적용 환경에서 점차 그 범위가 확대되고 있습니다.
2. 장비 IoT 데이터
장비 IoT 데이터는 주로 IoT 작동 모드의 산업 생산 장비 및 대상 제품, 작동 및 작동, 작업 조건, 환경 매개변수, 장비 및 제품의 작동 상태를 반영하는 기타 데이터를 포괄하는 데이터의 실시간 생성 및 수집을 의미합니다.{0}} 이러한 데이터는 산업 빅데이터의 새롭고 빠르게 성장하는 소스입니다. 좁은 산업 빅데이터는 이러한 유형의 데이터, 즉 산업 장비 및 제품에서 빠르게 생성되는 대량의 데이터와 시계열 차이가 존재하는 데이터를 말합니다.-
3. 외부 데이터
외부 데이터는 기업의 외부 인터넷 데이터 소스와 관련된 산업 기업 및 제품의 생산 활동을 의미합니다. 예를 들어 환경 규제에 대한 기업의 환경 성과 평가, 제품 시장 거시-사회-경제 데이터 예측 등이 있습니다. 산업 빅데이터 기술은 데이터 계획, 획득, 전{3}}처리, 저장, 분석 및 마이닝, 시각화 및 지능형 제어를 포함하여 산업 빅데이터에 포함된 가치를 마이닝하고 표시할 수 있도록 하는 일련의 기술 및 방법입니다. 산업 빅데이터 활용은 가치 있는 정보를 얻기 위해 일련의 산업 빅데이터 기술과 방법을 특정 산업 빅데이터 세트에 통합하고 적용하는 과정이다. 산업 빅데이터 기술의 연구 및 혁신은 본질적으로 복잡한 데이터 세트에서 새로운 패턴과 지식을 발견하고 가치 있는 새로운 정보를 채굴하여 제조 기업의 제품 혁신을 촉진하고 운영 및 생산 효율성 수준을 향상시키며 새로운 비즈니스 모델을 확장하는 것을 목표로 합니다.
II. 산업 빅데이터 특성
산업 빅데이터는 일반 빅데이터의 특성(데이터 볼륨이 크고 다양성, 신속성, 가치 밀도가 낮음) 외에 시간적 순서, 강한 상관관계, 정확성, 폐쇄 루프 등의 특성도 갖고 있습니다.
대용량 데이터 볼륨:데이터의 크기는 고려 중인 데이터의 가치와 잠재적인 정보를 결정합니다. 산업 데이터의 양은 상대적으로 크고,{1}}기계 및 장비의 고주파 데이터와 인터넷 데이터가 계속해서 쏟아져 들어오고, 대규모 산업 기업의 데이터 세트는 PB 또는 심지어 EB 수준에 도달할 것입니다.
다양성 (다양성):데이터 유형의 다양성과 광범위한 소스를 나타냅니다. 산업 데이터는 기계 및 장비, 산업제품, 관리 시스템, 인터넷 등 다양한 측면에 널리 분산되어 있으며, 정형 및 반{1}}센싱 데이터는 물론 비정형 데이터까지 구조가 복잡합니다.
빠름(속도):데이터를 획득하고 처리하는 속도를 말합니다. 산업 데이터 처리 속도 요구 사항은 다양하며, 생산 현장 수준에서는 밀리초 수준까지의 분석 기간에 대한 요구 사항이 있으며, 관리 및 의사 결정 애플리케이션에서는 대화형 또는 일괄 데이터 분석을 지원해야 합니다.
낮은 값 밀도(값):산업 빅데이터는 혁신 능력과 생산 및 운영 효율성을 향상하고 개인화된 맞춤화, 서비스 변환 및 기타 지능형 제조 변화의 새로운 모드를 촉진하는 등 사용자 가치-주도와 데이터 자체의 유용성에 더 중점을 두고 있습니다.
순서:산업 빅데이터는 주문, 장비 상태 데이터 등 강력한 시간적 순서를 가지고 있습니다.
강한-관련성:한편, 제품 수명주기의 동일한 단계에 있는 데이터는 제품 부품의 구성, 작업 조건, 장비 상태, 유지 관리 및 부품 보충 조달과 같은 관련성이 높습니다. 반면에 R&D, 설계, 생산, 서비스 등 제품 수명 주기의 다양한 단계에 있는 데이터를 연결해야 합니다.
정확성:주로 데이터의 신뢰성, 완전성 및 신뢰성을 말하며 데이터의 품질뿐만 아니라 처리 및 분석 기술과 방법의 신뢰성에 더 많은 관심을 기울입니다. 통계적 상관 분석에만 의존하는 데이터 분석에 대한 더 높은 신뢰도 요구 사항은 결함 진단, 예측, 조기 경고 및 기타 산업 응용 프로그램, 물리적 모델을 데이터 모델과 결합해야 하는 필요성, 마이닝 원인 및 결과 관계를 지원하는 데 충분하지 않습니다.
폐쇄-루프:제품의 전체 수명 주기의 수평적 프로세스에서 데이터 체인의 폐쇄 및 연결뿐만 아니라 지능형 제조의 수직적 데이터 수집 및 처리 프로세스도 포함됩니다. 이는 상태 감지, 분석, 피드백 및 제어의 폐쇄 루프 시나리오에서 역동적이고 지속적인 조정 및 최적화를 지원해야 합니다.{0}}
위와 같은 특징으로 인해 산업빅데이터는 빅데이터의 응용산업으로서 전통적인 데이터 관리기술과 데이터 분석기술에 큰 도전을 제기하면서 폭넓은 활용전망을 갖고 있다.
III. 산업용 빅데이터 아키텍처
산업 빅 데이터 아키텍처에는 수명주기 및 가치 흐름, 기업 수직 계층 및 IT 가치 사슬이라는 세 가지 차원이 포함됩니다.
라이프사이클 및 가치 흐름 계층에서는 산업 빅데이터의 적용 분야에 따라 제품 생산 단계 시작 전 제품 개발 및 설계, 제품 인도 전 생산 및 공급망 관리, 제품 인도 후 운영 및 유지 보수 및 서비스 관리의 세 가지 영역으로 나눌 수 있습니다.
기업의 수직 계층에서는 데이터 수집 방법 및 응용 수준에 따라 정보 물리 시스템 계층, 기업 관리 정보 시스템 계층 및 플랫폼 상호 연결 시스템 계층으로 나눌 수 있습니다.
IT 가치사슬 계층에서는 비즈니스 아키텍처, 정보시스템 아키텍처, IT 기술 아키텍처 등 세 가지 수준으로 나눌 수 있으며, 그 중 정보시스템 아키텍처는 애플리케이션 아키텍처와 정보 아키텍처로 나눌 수 있다.
1. 수명주기 및 가치흐름 차원
산업 빅데이터 아키텍처의 수명주기 및 가치 흐름 차원은 R&D 및 설계, 생산, 물류, 판매, 운영 및 유지보수, 서비스 등 전체 제품 수명주기의 단계를 포괄합니다. 그 중 생산, 물류, 판매는 다시 생산과 공급망으로 분류할 수 있으며, 수명주기와 가치 흐름 차원에는 R&D 및 설계, 생산 및 공급망, 운영 및 유지보수 및 서비스의 세 가지 분야가 포함됩니다. 각 도메인의 적용 시나리오는 그림 2에 나와 있습니다.
01. 연구개발 및 설계
R&D 데이터는 R&D 인력이 R&D 및 설계 과정에서 축적하며, 이는 사용자 수요 빅데이터, R&D 지식 빅데이터, 제품 재사용 빅데이터, R&D 협업 빅데이터 등 제품 수명 주기의 모든 측면에서 비롯되며, 제품 전반과 산업 전반에 걸쳐-다양한 특성을 가지고 있습니다.
개인화된 제품 맞춤 설계 기업은 인터넷 플랫폼을 통해 사용자의 개인화된 제품 수요, 제품 고객 상호 작용 및 거래 데이터를 수집할 수 있습니다. 이러한 고객 동적 데이터를 마이닝하고 분석하면 고객이 제품 수요 분석 및 제품 디자인 활동에 참여하여 맞춤형 디자인을 달성할 수 있으며 유연한 생산 프로세스를 통해 사용자를 위한 맞춤형 제품을 생산할 수 있습니다.{1}}
링크의 테스트 및 검증에서 빅 데이터를 기반으로 한 시뮬레이션 설계를 실현하려면 링크의 성능 및 기타 지표를 평가하기 위해 현물을 생산해야 하며 테스트 횟수 증가에 따른 비용도 증가합니다. 가상 시뮬레이션 기술을 사용하면 시뮬레이션, 분석, 평가, 검증 및 최적화의 원래 R&D 설계 프로세스를 달성할 수 있으므로 엔지니어링 변경의 양을 줄이고 생산 프로세스를 최적화하며 비용과 에너지 소비를 줄일 수 있습니다.
빅 데이터를 기반으로 개인 맞춤형 설계 자동화를 실현합니다. 기존 기업 제품 유형은 스타일이 많지 않으며 제품 모델, 생산 샘플 및 대량 생산 생산 방식을 수동으로 설계하는 데 사용할 수 있지만 개인화되고 소규모 배치 생산 요구 사항에 직면하여 기존 방식을 사용하면 제품 생산 주기가 너무 길어지고 비용이 너무 높아집니다. 대량의 제품 설계 모델 데이터를 축적하고, 설계 데이터 간의 상관관계를 분석하고, 빅데이터 기술 및 기타 보조 설계 도구를 활용하여 개인화된 맞춤형 설계 및 모델 생성의 자동화를 실현할 수 있습니다.
R&D 및 설계 지식 기반의 구축 및 개선을 통해 R&D 자원과 혁신 및 공동 설계 기업의 통합 및 공유를 촉진하고 기업 내에서 디지털 도면, 표준 부품 라이브러리 및 기타 설계 데이터는 물론 자원 공유 및 혁신과 협업 공급망의 업스트림 및 다운스트림 기업을 촉진하고 기업의 지역 간{0}}지역 간 R&D 자원 통합 관리 및 산업 체인 협업 설계 기능. 글로벌 R&D 자원을 관리 및 활용하고, R&D 프로세스를 최적화 및 재구성하며, R&D 효율성을 향상시키는 기업의 능력을 강화합니다.
디자인 자원의 사회화된 공유와 참여를 기반으로 한 새로운 R&D 모드를 육성하고 기업이 자체 R&D 요구 사항에 따라 크라우드소싱, 크라우드소싱 등 새로운 R&D 모드를 수행할 수 있도록 하여 기업이 사회화된 혁신과 자본 자원을 활용할 수 있는 능력을 향상시킵니다.
02.생산 및 공급망
생산 빅데이터에는 제품 생산 정보, 주문 정보, 장비 정보, 제어 정보, 자재 정보, 인력 작업 일정뿐만 아니라 내부 관리 정보 흐름, 자본 흐름, 상류 및 하류 공급업체의 제품 생산, 고객 관리 및 기타 관련 보조 생산 관리 정보도 포함됩니다. 생산 데이터 수집은 기업의 기존 자원 관리, 제조 실행, 산업 제어 관리, 공급망 관리, 공급업체 관리, 고객 관리, 비즈니스 관리 및 기타 정보 시스템에 의존합니다.
이는{0}}생산 공정의 실시간 모니터링 및 관리와 생산 장비의 예측 유지보수를 실현하고, 생산 공정 및 장비의 관리 수준을 향상시키며, 생산 공정을 최적화하고 제품 품질을 향상시킵니다. 현대 산업 제조 생산 라인에는 수천 개의 소형 센서가 설치되어 온도, 압력, 열, 진동, 소음 등 생산 장비의 작동 상태를 감지합니다. 이러한 데이터를 사용하여 생산 공정의 실시간 모니터링, 장비 고장 진단 및 예측, 에너지 소비 분석, 품질 사고 분석을{3}}실현할 수 있습니다. 또한 제조의 모든 측면에서 데이터를 통합 및 집계하고, 생산 프로세스의 가상 모델을 구축하고, 생산 프로세스를 시뮬레이션 및 최적화할 수도 있습니다.
개인화된 맞춤형 규모 생산을 실현하고 현대적인 생산 시스템 구축을 촉진합니다. 제품의 전체 수명주기에서 데이터 흐름의 자동화와 전체 제조 프로세스의 자동화되고 지능적인 제어를 통해 정보 공유, 시스템 통합 및 비즈니스 협업을 촉진하고, 정밀 제조, 고급 제조 및 민첩한 제조 능력을 향상하고, 맞춤형 맞춤형 규모 생산을 실현하고, 스마트 작업장, 스마트 팩토리 등 현대화된 생산 시스템 구축을 가속화하고, 지능형 생산을 실현합니다.
네트워크화된 협업 제조 및 제조 공유 경제를 실현합니다. "인터넷 +"를 통해 기업 내 또는 기업 간 생산 자원의 통합 및 최적화, 기업 내 수직 협업 제조 또는 기업 간 수평 협업 제조 실현. 인터넷+공유경제를 통해 혁신자원, 생산능력, 재고 등 생산자원을 공유해 제조업 공유경제를 실현한다.
산업 공급망을 최적화합니다. RFID(Radio Frequency Identification), IoT(Internet of Things) 기술, 모바일 인터넷 기술 등 전자식별 기술은 산업체들이 전체 제품 공급망에 대한 빅데이터를 확보하는 데 도움을 줄 수 있으며, 이러한 데이터를 분석에 활용하면 창고, 유통, 판매 효율성이 크게 향상되고 비용이 크게 절감될 수 있습니다.
수요예측을 실현하여 입고 및 생산을 보다 효과적으로 준비하고, 수요가 감소할 경우 문제의 원인을 추적하여 해결합니다.
고객 소스를 확대하고 마케팅 성공률과 원래 고객 만족도 및 충성도를 향상시킬 수 있는 고객 프로파일링과 정밀 마케팅 및 고객 행동 분석을 실현합니다.
03.운영 및 유지보수 및 서비스 분야
운영, 유지보수 및 서비스 분야에는 주로 다음과 같은 데이터 소스가 많이 있습니다. -고객의 허가를 받아 제품에 내장된 센서에 의해 수집된 실시간 작동 상태 데이터 및 주변 환경 데이터; 비즈니스 플랫폼을 통해 얻은 제품 판매 데이터, 고객 데이터 및 해당 제품 평가 또는 사용 피드백 고객 불만 사항 및 해당 처리 기록 제품 반품/반품 및 해당 유지 관리 기록.
원격으로 수집되는 제품의 실시간 작동 상태 데이터를 모니터링하고 분석하여 -원격 모니터링 및 관리, 결함 진단, 예측 유지 관리 등의 온라인 부가 서비스를 구현하여 유지 관리 비용을 절감하고 제품 활용도를 높일 수 있습니다.
고객의 장비 사용 데이터와 주변 환경 데이터를 분석하여 사용자에게 확장된 서비스를 제공하고, 제품의 가치 공간을 확장하며, 제품 중심의 비즈니스 모델-을 '제조 + 서비스' 모델로의 전환을 실현할 수 있습니다.
고객 제품 평가 또는 사용 피드백, 고객 불만 사항을 분석하고 유용한 의견을 제품 디자인 및 제품 개선에 반영하고 고객 불만 사항을 분류함으로써 제품 품질 및 애프터 서비스 품질을 개선하고 불만 사항 비율을 낮추며 고객 만족도와 충성도를 높일 수 있습니다.
제품 반품이나 수리 사유를 분석하고 시기적절하고 효과적인 조치를 취함으로써 제품 품질을 향상시키고 반품률과 수리율을 줄일 수 있습니다.
2. 기업 수직 계층
산업용 빅 데이터 아키텍처의 기업 수직 계층은 물리적 영역의 관점에서 상향식으로 장비 계층, 제어 계층, 작업장 계층, 엔터프라이즈 계층 및 협업 계층의 5개 계층으로 나뉩니다. 장비 계층, 제어 계층 및 작업장 계층에서 사물 인터넷을 사용하여 정보 물리적 시스템을 기반으로 스마트 공장을 실현할 수 있습니다. 기업 계층에서 기업은 다양한 내부 정보화 응용 프로그램을 통합하고 내부 비즈니스 프로세스의 통합 및 변환을 수행하며 기업의 운영 효율성을 향상시킵니다. 협업 계층에서는 산업용 클라우드와 기타 플랫폼 기술을 사용하여 기업의 외부 협업 제조와 제조 서비스 지향 모델과 같은 혁신적인 비즈니스 모델을 실현합니다.{1}} 기업의 수직적 차원은 정보 물리적 시스템, 기업 관리 정보 시스템 및 상호 연결 플랫폼 시스템의 세 가지 하위 시스템으로 나눌 수 있습니다.
01.정보물리시스템
정보물리시스템은 센서와 각종 정보시스템을 통해 기계운영 데이터와 생산현장 데이터를 수집 집산하여 유비쿼터스 센싱을 구현하고, 데이터 통합 및 처리 기술을 적용해 산업 데이터 수집 및 교환, 제조 피드백 및 제어, 장비 및 작업장과의 제어 및 상호작용, 공장 내·외부 물리 시스템의 상호 연결 및 상호운용성 구현, 산업 모델링/시뮬레이션 및 분석을 위한 데이터 기반을 제공하고 이를 지원한다. 의사결정-작업장/공장 운영 최적화. 또한 산업 모델링/시뮬레이션 및 분석을 위한 데이터 기반을 제공하여 작업장/공장 운영 결정 최적화를 위한 지원 서비스를 제공합니다. 산업 빅 데이터 아키텍처 기업의 수직 계층에서 산업 장비 계층의 정보 수집에 사용되는 정보 물리적 시스템은 빅 데이터, 네트워크 및 대량 계산을 기반으로 하며 핵심 지능형 인식, 분석, 마이닝, 평가, 예측, 최적화, 협업 및 기타 기술적 수단을 통해 계산, 통신 및 제어가 유기적 융합과 심층적인 협력을 실현할 수 있습니다.{3}} 사이버 공간과 산업 장비, 환경, 집단의 물리적 공간. 깊은 통합. 정보물리시스템의 핵심은 물리적 장비를 인터넷에 연결함으로써 물리적 장비가 연산, 통신, 정밀제어, 원격조정, 자율성의 5가지 주요 기능을 갖게 되는 데 있다.
02.기업경영정보시스템
기업정보화는 정보기술과 제품을 기업에 적용하는 과정이다. 기업정보화는 정보기술을 지역에서 글로벌, 전술적 수준에서 전략적 수준, 기업에 이르기까지 포괄적으로 침투시켜 이를 프로세스 관리에 적용하고 기업의 운영 및 관리를 지원하는 과정이다. 기업 정보화에는 주로 생산 프로세스 제어, 기업 관리, 제품 수명주기 관리, 공급망 최적화 및 관리 프로세스가 포함됩니다. 생산 공정 제어 정보화는 제품 개발 및 설계, 생산 공정 흐름, 작업장 관리, 품질 검사 및 기타 설계 및 생산 링크에 중점을 둡니다. 기업 관리 정보화는 기업 정보 구축에서 가장 큰 비중을 차지하며, 기업 관리 업무와 모든 수준을 포함하는 한 분야에서 가장 어렵고 가장 널리 사용됩니다. 기업경영의 정보화 구축은 경영기본업무의 표준화, 업무프로세스의 최적화, 경영효율성 제고, 실시간-동적 경영정보 및 의사결정{6}}정보 제공을 기반으로 정보통합응용시스템을 통해 정보자원을 효과적으로 수집, 처리, 정리, 통합하는 것입니다. 기업 공급망 관리의 정보화는 기업의 생산 및 관리 활동을 앞뒤로 확장합니다. 기업은 원자재, 부품, 운송, 저장, 가공 및 제조, 판매부터 고객에게 최종 배송 및 서비스까지 업스트림 공급업체, 중간 생산업체 및 제3자 서비스 제공업체, 다운스트림 판매 고객, 기업의 생산 활동으로 구성된 체인 구조를 형성하며, 관리 프로세스는 이러한 공급망의 제약과 영향을 받습니다.
03.연결된 플랫폼 시스템
현재 중국과 대부분의 국가의 산업 발전은 심각한 과잉 생산 능력, 맞춤형 제품의 부족, 제품이 점점 더 복잡해지고 생산 수단을 효과적으로 구성할 수 없으며 대규모 장비 시장이 점점 포화되고 있는 등 큰 어려움과 도전에 직면해 있습니다. 따라서 산업 복귀와 산업 전환 및 업그레이드를 위한 전략적 솔루션을 시급히 찾아야 합니다. "인터넷 +"는 매우 역동적인 사고와 혁신적인 비즈니스 모델로, 긴급하게 변화와 업그레이드가 필요한 제조 산업의 곤경에 대해 생산 방식과 비즈니스 모델의 개혁과 생산 기술 개선을 통해 새로운 변화 방향을 제시하고 맞춤형 제품, 소량 배치, 대규모{4}}생산의 고객 개인화를 달성하고 산업용 제품의 대규모 생산 능력 문제를 해결합니다.- 생산 방식과 비즈니스 모델을 개혁하고 생산 기술을 개선함으로써 맞춤형 제품의 소규모-로트, 대규모- 생산을 실현하여 산업용 제품의 대규모 과잉 생산 능력과 제품에 대한 고객의 맞춤형 수요를 충족할 수 없는 문제를 해결하고 고객의 존중과 긍정 및 자아 실현에 대한 요구를 충족할 수 있습니다.{10}}
네트워크화된 공동 제조를 통해{0}}핵심 기술이 약하고 고급 제품의 제조 용량이 낮은 문제를 해결하려고 합니다. 즉, 인터넷이나 산업용 클라우드 플랫폼의 도움을 받아 공동 연구 개발, 크라우드소싱 설계, 공급망 협력 등 기업 간 새로운 모드를 개발하여 자원 획득 비용을 효과적으로 줄이고, 자원 활용 범위를 크게 확장하고, 폐쇄된 경계를 허물고자 합니다. '혼자 싸우는 것'에서 '산업 협력'으로의 전환을 가속화한다. "산업 시너지를 창출하고, 산업 전반의 경쟁력을 제고합니다.
혁신과 기업가정신, 제조업 공유경제를 통해 효율적인 자원배분과 취약한 독립적 혁신능력이 없는 과잉생산 문제를 개선해 보세요.
핵심 제품을 축으로 제품 고객의 사용 데이터와 주변 환경 데이터의 수집 및 분석을 통해 사용자에게 확장된 서비스를 제공하고, 제품의 가치 공간을 확장하며, 신규 시장을 확대하고, 제품-중심 비즈니스 모델에서 '제조 + 서비스' 모델로의 전환을 실현합니다.
3. IT 가치 사슬
빅데이터의 가치는 데이터 수집, 전처리,{0}}분석, 시각화, 액세스 등의 활동을 통해 실현됩니다.
IT 가치사슬 측면에서 빅데이터의 가치는 빅데이터 애플리케이션을 위한 빅데이터를 수용하는 네트워크, 인프라, 플랫폼, 애플리케이션 도구 및 기타 서비스 제공을 통해 실현되며 이를 통해 운영 효율성을 향상하고 비즈니스 혁신을 지원합니다. 빅데이터 기술이 지원하는 엔터프라이즈 아키텍처는 TOGAF 분할 방식을 기준으로 비즈니스 아키텍처, 정보 시스템 아키텍처, IT 기술 아키텍처의 세 가지 수준으로 나눌 수 있습니다.
01. 비즈니스 아키텍처
비즈니스 아키텍처는 비즈니스 전략, 관리, 조직 및 주요 비즈니스 프로세스를 정의하며 기업의 포괄적인 정보 기술 전략 및 정보 시스템 아키텍처의 기초일 뿐만 아니라 데이터, 애플리케이션 및 기술 아키텍처의 결정 요소입니다. 비즈니스 아키텍처는 조직의 비즈니스 전략을 일상적인 운영으로 변환하는 채널이며, 비즈니스 전략은 비즈니스 아키텍처를 결정합니다. 비즈니스 아키텍처는 높은-수준의 비즈니스 전략과 목표를 운영 비즈니스 모델로 변환합니다. 비즈니스 아키텍처는 기업의 주요 비즈니스 전략과 비즈니스 기능 및 프로세스를 표현한 것입니다. 일반적으로 비즈니스 모델을 기반으로 구현된 비즈니스 설계는 비즈니스 모듈과 이들 간의 관계, 즉 비즈니스의 주요 프로세스를 다양한 관점에서 설명합니다. 비즈니스 아키텍처는 비즈니스의 주요 프로세스와 공유 프로세스를 적절하게 기술하고 비즈니스 요소의 라이프사이클을 명확하게 설명하고 분석합니다. 산업 빅데이터의 가치는 산업 빅데이터 사업을 전략적으로 기획하고 전사적 아키텍처를 구축함으로써 얻을 수 있다.
02.정보시스템 아키텍처
산업 빅데이터의 가치를 최대한 활용하고 '정보 섬' 형성을 방지하려면 다양한 응용 시스템과 데이터에 대한 사용자 액세스 및 상호 운용성을 실현하는 통합 정보 시스템 아키텍처를 구축해야 합니다. 산업 빅데이터 사업 전략을 기반으로 한 정보시스템 아키텍처는 제조업 기업의 정보시스템을 구성하는 다양한 구성요소 간의 관계, 정보시스템과 관련 사업, 정보시스템과 관련 기술 간의 관계를 반영한 아키텍처이다. 정보 시스템 아키텍처에는 애플리케이션 아키텍처와 데이터 아키텍처가 포함됩니다. 그 중 애플리케이션 아키텍처는 애플리케이션 수준, 기능, 구현 방법 및 구축 표준 등을 포함하여 기업 운영을 지원하는 데 필요한 애플리케이션 시스템의 청사진을 설명합니다. 주로 애플리케이션 시스템 간의 상호 작용과 애플리케이션과 핵심 비즈니스 간의 대응을 연구하며, 비즈니스 아키텍처와 기술 아키텍처를 연결하는 가교라고 할 수 있는 기업의 전체 프레임워크에 대한 연구의 초점입니다. 산업 빅데이터 응용 아키텍처에는 산업 빅데이터 아키텍처에서 기업의 다양한 수직 계층에 해당하는 응용 시스템과 빅데이터 기술을 기반으로 하는 응용 시스템이 모두 포함됩니다. 반면, 데이터 아키텍처는 복잡한 조직체의 주요 데이터 유형과 소스, 논리적 데이터 자산, 물리적 데이터 자산 및 데이터 관리 리소스의 구조와 상호 작용에 대한 설명입니다.
03.정보기술아키텍처
4차 산업혁명의 물결과 함께 사물인터넷(IoT), 클라우드 컴퓨팅, 빅데이터, 인공지능, 증강현실/가상현실 등 정보기술이 산업 현장에 지속적으로 통합되고 침투하고 있으며, 이는 산업 빅데이터 애플리케이션 구현을 위한 견고한 기술 기반을 마련하고 있습니다. 그 중 IoT 기술은 정보 교환 및 통신을 위해 무선 주파수 식별, 적외선 센서, GPS(Global Positioning System) 등과 같은 정보 감지 장치를 통해 합의된 프로토콜에 따라 인터넷에 연결할 수 있는 유비쿼터스 최종 장비 및 시설을 만들어 항목과 상태를 가시화함으로써 지능형 식별, 위치 파악, 추적, 모니터링 및 관리를 실현합니다. 클라우드 컴퓨팅 기술은 주문형 네트워크를 통해 실현할 수 있는 일종의 동적이며 확장 가능한 컴퓨팅 서비스를 제공합니다.- 클라우드 컴퓨팅 기술은 네트워크를 통해 필요에 따라 동적으로 확장 가능하고 저렴한 컴퓨팅 서비스를 제공합니다. 빅 데이터 기술과 AI 기술을 사용하면 허용 가능한 시간 내에 대량 데이터의 잠재적 가치를 분석하고 마이닝할 수 있을 뿐만 아니라 추세 예측 및 그룹 지능 모드를 실현할 수 있습니다. AR/VR 기술은 공장 환경, 산업 장비 등의 경험을 시뮬레이션하고 향상시킬 수 있습니다. 제조 기업은 설계 데이터, 생산 데이터, 가치 사슬 데이터 및 관련 외부 데이터를 포함하여 산업 제품의 전체 라이프사이클을 포괄하는 다양한 종류의 방대한 데이터를 매일, 심지어 매 순간 생성하고 있습니다. 이러한 데이터는 센서, 지능형 장비의 데이터 수집 및 모니터링 제어 시스템, 기업의 설계 모델 및 정보 시스템에서 나옵니다.
산업 빅데이터 애플리케이션을 실현하려면 데이터 수집 및 전처리,{0}}데이터 수집, 전처리, 저장, 분석 및 마이닝, 특정 비즈니스에 대한 애플리케이션 적용 및 최종 결과 표시가 필요합니다. 이에 따라 산업 빅데이터 정보 기술 아키텍처는 데이터 계층, 데이터 수집 계층, 스토리지 계층, 컴퓨팅 계층, 애플리케이션 계층 및 디스플레이 계층의 6개 계층으로 나뉩니다. 기업이 각 레이어를 단독으로 구축하는 경우 구축 임계값이 상대적으로 높아집니다. 산업용 클라우드 서비스 및 (산업) 빅 데이터 처리와 관련된 일련의 오픈 소스 기술 구성 요소가 국내외에서 개발 및 완성되었으며 인공 지능 기술은 더욱 큰 발전을 이루었습니다. 이는 산업 분야의 지능적 전환을 위한 선택적 솔루션을 제공하고 산업 빅 데이터 애플리케이션의 구축 및 구현에 대한 문턱을 낮추었습니다. 기업은 필요하지 않은 경우 기술 아키텍처의 각 구성 요소를 자체적으로 실현할 필요가 없으며 해당 오픈 소스 구성 요소를 사용하여 필요에 따라 산업용 빅 데이터 애플리케이션을 구축하고 필요에 따라 다양한 유형 및 수준의 산업용 클라우드 서비스를 구축하고 이를 기반으로 산업용 빅 데이터 애플리케이션을 구현하여 기업이 잘하는 비즈니스 영역 및 기술 분야에 더 집중할 수 있습니다.
산업 빅데이터 분석 기술은 산업 빅데이터의 핵심 기술 중 하나로, 산업 빅데이터 제품이 대용량 데이터 마이닝, 다중{0}}소스 데이터 통합, 다중{1}}유형 지식 모델링, 다중{2}}비즈니스 시나리오 분석, 다중{3}}도메인 지식 발견 등의 기능을 갖게 할 수 있으며, 이는 비즈니스 혁신을 추진하는 데 중요한 역할을 하며 기업의 변화와 업그레이드.