UDN-企业互联网技术人气社区

板块导航

浏览  : 394
回复  : 0

[数据湖] 某大型钢铁集团公司数据资产管理案例

[复制链接]
沉默的代码杨的头像 楼主
发表于 2019-6-17 19:45:39 | 显示全部楼层 |阅读模式
本帖最后由 沉默的代码杨 于 2019-6-27 15:31 编辑

某大型钢铁集团公司数据资产管理案例
        企业基本情况和数据情况该企业是集矿山采掘和钢铁生产、加工、配送、贸易为一体的特大型钢铁联合企业,也是全球不锈钢行业领军企业。集团致力于转型升级,建设资源保障基地和钢材延伸加工基地,构建具有国际竞争力的钢铁上下游产业链;年收入 1500 亿,生产量超过 1000 万吨,为年度中国企业 500 强企业之一。
痛点和难点
       企业在战略上正在逐步向数据化转型,然而对于在数据的采集、处理过程,以及如何将实时数据处理结果嵌入生产流程中仍然存在种种问题与**: 数据采集受限。以往用于传统的分析预测的数据源非常有限,无法有效地支持更复杂的分析方法与技术。大量的非结构化数据的采集处理,原有的集成系统并不能很好地支持实际的需求。 要求实时处理的数据结果无法嵌入生产流程,导致质检仍然只能靠人工抽检,效率低,成本高:由于收集与处理图像等非结构化数据,导致支持质检数据分析处理的结果大大地滞后于生产流程所需时间。企业在钢卷生产过程需要在钢板成卷前 30 分钟内完成质量检测,原有质检系统仍然为半自动化,仍需要大量人工参与检测,而且只能对单个采集点缺陷判断,不能判断整卷钢材是否合格;相机扫描速度快为 1m/s~5m/s),人工仅能以抽检的方式进行监控;而人工检测准确率低,造成退货成本高实践路径。
1.拓源:针对数据来源进行一系列的改造
        第一,扩充基础数据源,从原来业务系统数据包括生产数据如生产任务数据、内部质量检测报告和实时生产设备监控数据等;出货管理数据;销售数据;还扩充了下游汽车销售数据、宏观经济数据、网络数据,聚合内外部多元数据作为数据分析的输入,通过元数据管理将新增数据源纳入到整体数据管控体系中多元数据统一采集实时监控数据的采集与处理:和原监控系统在线对接在线对接 ;流架构实现在线数据,包括图像等非结构化数据的提取计算。]数据处理:对采集的数据源进行处理,包括数据检查、数据清洗与过滤规则+人工智能化处理
2.治内:针对质量检测数据模型管理:
        第一,数据模型的建设:基于整合的数据,通过缺陷聚类与合格专家模型建设,能支持多种型材的合格预测
        第二,数据模型的智能管理与优化:数据模型动态管理,质量检测结果支持在线钢卷缺陷人工查看,结果返回系统;机器学习进行模型优化。通过数据补充与检测结果反馈不断进行优化,形成管理闭环。数据质量优化过程嵌入数据消费流程中,提升模型精度。
        第三,在生产流程中嵌入数据实时流处理:建设产线-车间-钢厂 3 层应用联合,预测结果秒级输出,检测覆盖率 98%
应用效果
       实现了企业内不同数据源的整合,为数据的分析利用需求打下了基础。数据源的扩充使得企业能从更**度对客户、对企业身体,对行业进行了解与分析。以质量数据为突破口,将数据管理环节嵌入到生产流程中,“边管控,边利用”,改变了数据资产管理在业务中价值单一,难以体现,且必须需要较长时间才能显现的固有印象。 引入人工智能的大数据管控,管控手段从传统的手工向自动化与智能化迈进。在项目实施后,数据清洗处理效率,模型优化效率得到了明显提升,而智能化管控也是企业逐步向数据化转型的关键一步,具有里程碑意义。
洞察启示
       对于大型工业企业来说,数据资产管理问题通常会包括数据源管理,如基础数据源的扩充、采集、清洗、存贮等一系列工作。数据源的扩充是企业能够运用更先进的技术与手段使用数据的基础。传统的数据质量提升价值往往仅体现于侧重 OLAP 的数据消费,而随着业务在实际中对实时分析结果的依赖逐步增强,生产环节的实时分析对基础数据的质量要求也会越来越高。数据管控的切入点需要考虑从传统的集成后再治理往数据流前端推进。





您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们
联系我们
  • 电话:010-86393388
  • 邮件:udn@yonyou.com
  • 地址:北京市海淀区北清路68号
移动客户端下载
关注我们
  • 微信公众号:yonyouudn
  • 扫描右侧二维码关注我们
  • 专注企业互联网的技术社区
版权所有:用友网络科技股份有限公司82041 京ICP备05007539号-11 京公网网备安1101080209224 Powered by Discuz!
快速回复 返回列表 返回顶部