你离智能制造还差一片数据海洋

发布时间：2019-06-13 11:28:57

目前，对智能制造这一概念发挥价值的核心关注点，是如何以工业化规模，每个客户量体裁衣。基于这样的需求，越来越多的制造业企业正在探索如何将大量制造数据快速地应用并分析，同时将认知计算与物联网(IoT)、自动化技术相结合，以求实现显著的效益——更快的收入增长，更高的投资回报率，更快的库存周转和更加敏捷的供应链。

导 读

当前智能制造成为全球经济增长的新热点，从传统制造向智能制造转型是大势所趋。

目前，对智能制造这一概念发挥价值的核心关注点，是如何以工业化规模，每个客户量体裁衣。基于这样的需求，越来越多的制造业企业正在探索如何将大量制造数据快速地应用并分析，同时将认知计算与物联网(IoT)、自动化技术相结合，以求实现显著的效益——更快的收入增长，更高的投资回报率，更快的库存周转和更加敏捷的供应链。

去年，IBV面向623家制造业管理者的一项调查报告结果发现：

在整个行业中，一些组织正在结合物联网（IoT）和物联网的认知计算自动化实现显著效益

这些认知探索者的收入实现了更快的增长和更高的资产回报率

他们能够更快地转换库存、保持更好的订单绩效

他们还发现了供应链中的敏捷性显著提升随着新兴技术的不断涌现和被采用，制造业企业意识到，数据洞察的发掘和对其的利用即意味着提升的产品和服务，它是制造企业的核心竞争力。然而由于业务的不断扩张，数据量成爆炸式快速增长，这些数据一般来是孤立的、没有关联、无法互通，还包含了很多不同的文件类型——这成为了制造业企业数据处理的系统压力，极其迅速调整IT架构的必要原因。

对于制造业而言，其需要遨游在一个“数据海洋（Data Ocean）”，而不是游走在一个个“数据孤岛”间。 制造业的数据分析分5个类别，包括工程、设计、销售、供应链/物联网、机器学习和深度学习的数据。对于这些数据的传统解决方案，是去找更多的架构系统来获取存储的支持，从而创建出不同的数据孤岛。

而IBM凭借在制造流程、基础架构和数据分析方面的大量经验认为，制造业的“数据王国”的搭建，不应局限于繁琐的数据孤岛，而是需要创造一个数据海洋，让所有的人都能访问所有数据，支持其所有使用过的和即将使用的平台和框架，从而最大程度提升数据访问效率。

而面对这样的“数据海洋”，IBM以一个“高性能数据架构”让企业随时访问这些数据，棘手的对象文件也不例外。它还可以支持 TensorFlow、Caffe、Docker、Power和x86架构，以及其他可能要在现今环境中用到的所有其他框架和以后可能会用到的框架。

借助“高性能数据架构”，企业可以运用所有应用，甚至是前所未见的新应用。由于在“高性能数据架构”中加入了统筹编排层，企业还可以将计算机中的所有基础架构用于各种应用或工作流，以便最大程度提升数据分析效率。这非常适合小型和大型制造商用于复杂程度各异的各类产品。另外，由于“数据海洋”采用软件定义设计，可以在不影响应用和框架的情况下，很快从底层存储转移计算任务。

这样，技术人员和非技术人员都可以专注于各自的工作，而无需担忧基础架构的管理。“高性能数据架构”能够让企业基于共享基础架构获取并分析各种类型的数据，从而尽快找出解决问题的办法，推出优质的产品和服务来满足客户的需求。

未来十年是传统制造业逆袭的关键时期，AI技术将是主要引擎。制造业企业向AI进阶，必须经历三个阶段：构建高性能运算支持建模分析，高效存储管理生产运营中产生的海量数据，引入AI技术实现AI质检和品控。这三个阶段分别面临着如下挑战：

阶段一挑战：

构建高性能运算CAD/CAE/EDA 建模分析

企业需要更多的HPC计算资源来支持CAD/CAE/EDA 建模分析，并实施群集控制、数据分析、报告。

阶段二挑战：

实现海量非结构化数据的存储与管理

将生产及运营中产生的海量非结构化数据，以更加高效、统一、稳定的方案进行存储和管理。

进行新旧投资整合、计算资源动态弹性分配

企业需将现有服务器整合，并实现数据中心软硬件计算资源动态的、弹性的、按需的调用。

阶段三挑战：

引入AI技术实现AI质检等前沿应用

加强高并发实时计算能力，以便采用AI技术实现 AI 质检，不断提升良品率、降低人工成本、提高效率。
IBM制造业发展全阶段解决方案为处在这三个不同阶段的企业定制化最佳方案，解决当下面临的挑战，为制造业面向AI的应用准备就绪。

阶段一：高效支持 HPC

Spectrum Scale被应用于世界领先的 HPC 超级计算环境。改善了小文件的 IO 性能，支持超过 4600个计算节点的高速并发访问，能够为CAD/- CAE/EDA建模分析工作提供稳定、可靠、高效地支持，并为企业实施群集控制、分析、报告。

阶段二：灵活调配资源&企业级大数据管理

运用Spectrum Virtualize助企业进行新旧资源整合，统一建立虚拟资源池，提升新的和现有存储的效率，将传统上单独部署在磁盘系统上的功能标准化，从而实现更强大的灵活性，并且潜在地降低了成本。

阶段三：AI 质检实施

IBM Spectrum Scale支持超过 4600个计算节点的高速并发访问，实现 16GB/s 单节点顺序读写带宽，以及每秒可创建 260万个小文件，能促使计算更加流畅。

应用案例

01 天合光能九大制造基地海量数据整合和统一管理

天合光能是全球领先的太阳能整体解决方案提供商，拥有全球顶尖的光伏科学家和国家级重点光伏实验室，产品行销全球100多个国家。

天合光能在全球有9个制造基地，在生产过程中积累了大量生产数据，其中光伏产品生产数据量级达到PB级，且具有重要的商业价值。通过和IBM合作，天合光能全球的业务人员能够以前所未有的速度和灵活性，对高达PB级的生产数据进行存储、归档、访问、分析，为公司信息处理提供了更安全的保证，提升了对商业价值的洞察力，实现了全球九大制造基地的海量光伏制造数据的存储整合以及集中统一管理。

02 IBM云对象存储助力视源股份企业级混合云建设

视源股份是一家以显控技术为核心的智能交互解决方案提供商，累计出货电视主板超过3.2亿片，在全球彩电主板市场占有近30%的份额。由于近年来业务的快速扩张，新的商业模式不断出现，各种软件和业务相继上线，产生的数据也呈现出快速增长。之前的存储方式已经无法满足存储需求。视源股份希望能构建统一的存储应用管理系统。同时为保证数据的安全，还需要规划高可靠的容灾备份体系。

IBM云对象存储COS基于简单的对象存储方法，将数以亿计的数据对象高效存储于单一平面名称空间内，并使用基于http的协议，通过REST界面显示数据。COS支持三站点物理容灾，可以在数据及时备份的同时实现数据的调用，保证业务24小时在线。能够灵活扩展，并能实现较强的API接口兼容性。实施COS后，视源股份能够更加方便高效的管理数据，操作更加简单，在对权限的管理方便，也有较好的权限策略规划与设计。

03 IBM存储助力阿斯顿马丁红牛车队以毫秒论输赢

为了争取毫秒级的胜利，赛车车队需要完美的汽车设计、最快速的优化赛车的制造、善用所有能够利用的数据使其在比赛中做出正确的决定。IBM spectrum computing为阿斯顿马丁红牛车队创建了赛车制造的“数字孪生子”，帮助汽车设计提升了30%的效率；并通过对海量各类数据的分析，第一时间引导比赛做出正确的决策，帮助其选手在2018年世界F1锦标赛中夺冠！

来源： 数字化企业