Thingswise iDOS 平台

平台关键技术特点

• 工业互联网平台 + 数字孪生技术= 重新定义物联网时代的工业智能应用的新架构
• 云原生、大数据、机器学习/AI技术托底
• 丰富的应用快开工具库（快速响应业务需求的底代码应用开发平台）
• 通过数字孪生形成数据主线（一次建模多处使用的国内领先的数字孪生框架）
• 功能解耦，化解复杂度，降低技术门槛(功能分层解耦，各施其能，敏捷开发)
• 一个平台，连接所有的数据、横跨所有的工序、支撑所有的应用领域（一统多源数据,提供准确可靠的单源主库）
• 可边可云部署，保障数据和系统的自主可控
• 支撑未来工业智能化持续化提升

　　
平台层架构特点

　　数据层

　　统一解决数据聚合、处理和存储的问题BASE基于原生设计的流式数据架构，对汇聚的数据即来即算，实时动态寻优，实现低时延的快速响应。为企业一统多源异构数据，构建单源单版主数据，实现对数据的统一管控。

　　模型层

　　为各种算法模型提供统一的开发模式和运行环境CORE简化与机器学习和人工智能库（python）的集成，支持近低时延算法模型的计算。以插件的方式支持多个机理模型和机器学习数据算法模型的计算，通过对现场数据的流式计算，以获取对生产过程和设备运行的洞察。

　　数字孪生体层

　　提供统一的数字孪生体的定义和配置体系CORE在数字空间对生产现场的设备等系统建立模型，包括数字孪生体内部数据结构，以及不同设备之间的层级从属或其它复杂关联关系。实现一次建模，多处复用。

　　应用层

　　提供作为统一的开发运维环境KEY支撑多个智能工业APP的运行，将模型计算所获的洞察，根据业务逻辑转换为可执行的行动，获取最佳决策，按角色推送，优化生产过程。

应用方向

　　质量管理

　　1. 智能质量检测判定或分类,提高质量检测的准确性和效率、降低检测成本。

　　2. 缺陷产品原因的挖掘,降低缺陷或废品率。

　　3. 在线质量检测或预测,动态寻优调整生产过程,中断废品生产流程。

　　4. 实现工艺,物料、过程和质量的闭环关联、 综合性地优化工艺参数,并对物料品质的控制提供反馈。

　　5. 提供在线质量数据,支持数字孪生体、实现对产品质量进行全过程追溯。

　　6. 提供在线质量数据,支持在线成本核算和绩效预测和评估、 提高生产管理水平。

　　能耗闭环优化管理

　　1. 能量使用和效率的监控,提高能耗的可见度,为实现节能减排提供确切依据。

　　2. 对能量的供给和使用根据实时工况实现动态寻优,提高稳定性,保障生产、避免浪费。

　　3. 对生产过程操作参数进行优化控制,提高生产过程的稳定性和实现最佳控制值提高热能使用效率降低能耗和减少排放。

　　4. 实现工艺,物料、过程、质量和能耗的闭环关联、 综合性地优化工艺参数。

　　5. 提供能耗和排放在线数据,支持在线成本核算和绩效预测和评估、 提高生产管理水平。

　　设备管理

　　1. 设备使用状态,使用效率和健康状况的在线监控 – 提高产能的可见度，满足动态排产的需求。

　　2. 提高设备的开动率和利用率，避免因故障停产 – 保障产能的最大化。

　　3. 提高设备维护效率,降低维护成本。

　　4. 提高设备性能的稳定性,保障产品质量、降低能耗。

　　5. 提供设备利用率在线数据,支持在线成本核算和绩效预测和评估 – 提高生产管理水平。

　　工艺与过程管理

　　1. 建立质量,物耗、能耗、产率(产量和用时)对工艺规程和参数的闭环反馈，在保障质量的前提下,寻找成本最低和工期最短(效率最高)的最佳工艺。

　　2. 根据工序上游物料或制品的质量波动,工况、下游产品质量的反馈,对工艺或过程参数进行动态寻优 – 保障产品质量的稳定性和提高合格率,降低能耗。

　　3. 建立技术框架,对工艺技术和经验以及最佳实践,逐渐实现模型化和软件化、加快工业知识的积累、继承和创新。

　　计划和排产管理

　　1. 建立自动化的和具有动态调整能力的最佳生产排程 – 实现产能利用的最大化和交期的最小化。

　　2. 建立以订单和业务价值拉动的生产排程，最终实现零库存的按需生产。

　　预测管理

　　1. 建立多层级的生产运营监控中心,提供短周期(每小时或更短)自动化的企业和工厂层级的生产和业务绩效在线报告 - 实现高透明度的绩效监控和预测,提升对生产和业务问题的响应能力,向智能管理方向迈进。

　　2. 提供问题追溯能力,系统性地快速确认问题的根源,并提出解决方案建议 – 提高及时有效解决问的能力。