基于智慧城市工業大數據平臺建設的研究

谷鋒超+蘇長虹

摘 要：通過介紹工業大數據的意義，對工業大數據的需求進行分析，從而提出對工業大數據的總體設計目標、設計原則及總體邏輯架構，實現總體的目標

關鍵詞：工業大數據；數據挖掘與建模；物聯網

1 大數據

對于“大數據”（Big data）研究機構Gartner給出了這樣的定義。“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。

麥肯錫全球研究所給出定義：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。

2 工業大數據的意義

隨著信息技術的廣泛應用，數據增長速度越來越快，數據類型越來越豐富，數據已經成為像黃金和石油一樣的重要戰略資源。通過對數據大量收集和分析，獲取信息，進一步轉化為知識、應用和價值，從信息時代邁入智能時代。各種工業數據的采集和解析將比其他行業更為復雜，工業大數據的分析和可視化也要符合工業生產的具體要求，工業大數據的安全事關生產質量和安全生產，顯得更為重要。總之，無論從應用和技術角度看，工業大數據集成應用將成為兩化深度融合的重點任務。

3 需求分析

3.1 系統涉眾分析

3.2 業務需求

通過工業經濟運行信息采集、傳遞、存儲、分析以及預測，輔助行業管理決策。包括以下幾個方面的業務需求：

1.重點企業信息分析

掌握重點企業的發展戰略和市場動態，動態把握本地重點企業的盈利、投資、重點產業發展狀況，并前瞻性的對重點企業的生存發展狀況進行分析，同時對經濟運行決策形成支撐。

2.市縣產業布局分析

動態監測各市縣產業發展情況，通過分析地方產業重點產業銷售收入情況、主要產品情況、重點企業情況、重點產業基地建設情況、進出口情況等方面的發展情況，準確把握產業空間布局和產業轉移態勢，為合理布局產業及指導地方產業發展提供支撐。

3.行業信息分析與預測

對重點細分產業的生產、消費、投資等主要經濟運行數據和相關信息進行常規性的分析與預測，對重點細分產業的發展現狀、波動情況和發展趨勢等做出相應的分析和判斷。

4.經濟運行決策支持

從產業、行業、企業等多個細分維度進行分析和預測，對整個產業的經濟運行作出總體分析和前瞻性判斷，對產業經濟運行整體狀況形成全面和準確的評估。

5.政策法規服務

提供政策法規支持輔助研究分析，為用戶獲取產業政策法規資源提供最大便利。建立產業政策法規知識庫，包含產業經濟運行調控目標、現有產業政策、相關法規等內容。

6.規劃輔助支撐

提供相關規劃支持輔助研究分析，并為用戶了解相關規劃資源提供最大便利，輔助其決策行為，提升決策科學性。

4 總體設計

構建工業大數據平臺的“頂層設計”，涵蓋信息化基礎設施、大數據應用支撐平臺以及面向不同層面使用者的功能展現。從而為未來工業大數據平臺深化擴展、平滑演進打下基礎，建成一個開放、統一、信息共享的工業大數據綜合管理與應用平臺。

5 總體邏輯架構設計

根據工業大數據平臺的建設目標和需求，工業大數據平臺總體建設框架如下：

6 總體目標

工業大數據平臺總體框架包括大數據平臺、大數據應用、標準規范體系、安全保障體系、運維管理體系等方面。

工業大數據平臺是一個大型復雜的信息化建設工程，因此，考慮按照總體目標分兩期進行建設，第一期建設著眼于以“最小系統”方式盡快形成平臺應用和數據采集、整合、分析功能；第二期建設著眼于業務應用的擴展和深化。

一期：搭建平臺架構，實現最小系統

一期作為重點建設著力先把基礎平臺架構搭建起來，實現從工業數據采集、傳輸、存儲與處理到數據應用展現的完整平臺基礎架構，并在此基礎上整合在建的運行監測和能耗監測系統，同時推進園區管理與項目管理的相關業務應用功能部署。

二期：深化業務應用，輔助決策支持

二期完善基礎信息資源庫建設，實現宏觀經濟及微觀經濟基礎數據庫；提升綜合管理應用，實現對領導決策的輔助支持；開展以工業大數據應用為主導的信息服務模式的探索和應用，在政府以及工業企業大數據應用逐步推進的基礎上，面向企業和社會提供工業相關數據服務，如為中小制造企業提供精準營銷、互聯網金融等生產性服務。

7.結論

在綜合考慮平臺系統如何集成網絡、硬件以及軟件平臺的“頂層設計”基礎上，重點圍繞軟件平臺的不同使用對象的功能需求進行設計，以突出“用戶為中心”。并解決了以下問題：

建設開放的應用集成平臺：通過建設基于SOA架構的應用支撐平臺，實現業務應用系統的模塊化部署，并且使用統一身份認證通過數據交換與共享，實現跨部門不同使用者在統一門戶下的“開放式”訪問；

解決工業基礎數據來源問題：通過部署面向工業企業的統一界面訪問的數據直報系統，實現按照數據采集業務流程對運行監測數據、節能監測數據、在建項目數據等的直接報送，輔以物聯網試點實現視頻、定位等實時數據采集。

解決工業數據真實性問題：使用特有的流數據平臺進行實時的數據比對、動態展現和告警。通過設置特定的特征索引并設定特定的比對規則，并將該特征索引和實時監控數據進行實時匹配，找出符合目標特征的數據并進行實時預警和展現，找出數據異常、比對不符以及數據異常變化等情況。

解決區域、行業數據采集分析問題：通過開放的工業大數據應用支撐平臺的數據采集與共享，實現按市縣地域、園區、行業分別建庫，分別建立監測體系，用細分的數據進行結構化分析，并面向不同層面的用戶提供個性化展現。

解決分析指標的模型工具問題：通過開放的工業大數據應用支撐平臺的工具引擎，如數據挖掘與建模，結合工業經濟監測指標，建立面向工業大數據分析的信息接入規則和知識模型，并通過業務應用系統對各項管理指標能夠設置預警，實現主要指標數據預測功能。

解決既有系統融合問題：通過建設開放的應用集成平臺，可以實現原有分散應用系統整合和未來新建系統的“模塊化”部署。

作者簡介

谷鋒超，男，中國普天信息產業北京通信規劃設計院，工程師，研究方向：大數據平臺建設。

蘇長虹，男，中國普天信息產業北京通信規劃設計院，高級工程師，研究方向：大數據平臺建設。