你離智能制造還差一片數據海洋
發布時間：2019-06-13 11:28:57
目前，對智能制造這一概念發揮價值的核心關注點，是如何以工業化規模，每個客戶量體裁衣。基于這樣的需求，越來越多的制造業企業正在探索如何將大量制造數據快速地應用并分析，同時將認知計算與物聯網(IoT)、自動化技術相結合，以求實現顯著的效益——更快的收入增長，更高的投資回報率，更快的庫存周轉和更加敏捷的供應鏈。
導 讀
當前智能制造成為全球經濟增長的新熱點，從傳統制造向智能制造轉型是大勢所趨。
目前，對智能制造這一概念發揮價值的核心關注點，是如何以工業化規模，每個客戶量體裁衣?；谶@樣的需求，越來越多的制造業企業正在探索如何將大量制造數據快速地應用并分析，同時將認知計算與物聯網(IoT)、自動化技術相結合，以求實現顯著的效益——更快的收入增長，更高的投資回報率，更快的庫存周轉和更加敏捷的供應鏈。
去年，IBV面向623家制造業管理者的一項調查報告結果發現：
在整個行業中，一些組織正在結合物聯網（IoT）和物聯網的認知計算自動化實現顯著效益
這些認知探索者的收入實現了更快的增長和更高的資產回報率
他們能夠更快地轉換庫存、保持更好的訂單績效
他們還發現了供應鏈中的敏捷性顯著提升隨著新興技術的不斷涌現和被采用，制造業企業意識到，數據洞察的發掘和對其的利用即意味著提升的產品和服務，它是制造企業的核心競爭力。然而由于業務的不斷擴張，數據量成爆炸式快速增長，這些數據一般來是孤立的、沒有關聯、無法互通，還包含了很多不同的文件類型——這成為了制造業企業數據處理的系統壓力，極其迅速調整IT架構的必要原因。
對于制造業而言，其需要遨游在一個“數據海洋（Data Ocean）”，而不是游走在一個個“數據孤島”間。 制造業的數據分析分5個類別，包括工程、設計、銷售、供應鏈/物聯網、機器學習和深度學習的數據。對于這些數據的傳統解決方案，是去找更多的架構系統來獲取存儲的支持，從而創建出不同的數據孤島。
而IBM憑借在制造流程、基礎架構和數據分析方面的大量經驗認為，制造業的“數據王國”的搭建，不應局限于繁瑣的數據孤島，而是需要創造一個數據海洋，讓所有的人都能訪問所有數據，支持其所有使用過的和即將使用的平臺和框架，從而最大程度提升數據訪問效率。
而面對這樣的“數據海洋”，IBM以一個“高性能數據架構”讓企業隨時訪問這些數據，棘手的對象文件也不例外。它還可以支持 TensorFlow、Caffe、Docker、Power和x86架構，以及其他可能要在現今環境中用到的所有其他框架和以后可能會用到的框架。
借助“高性能數據架構”，企業可以運用所有應用，甚至是前所未見的新應用。由于在“高性能數據架構”中加入了統籌編排層，企業還可以將計算機中的所有基礎架構用于各種應用或工作流，以便最大程度提升數據分析效率。這非常適合小型和大型制造商用于復雜程度各異的各類產品。另外，由于“數據海洋”采用軟件定義設計，可以在不影響應用和框架的情況下，很快從底層存儲轉移計算任務。
這樣，技術人員和非技術人員都可以專注于各自的工作，而無需擔憂基礎架構的管理?！案咝阅軘祿軜嫛蹦軌蜃屍髽I基于共享基礎架構獲取并分析各種類型的數據，從而盡快找出解決問題的辦法，推出優質的產品和服務來滿足客戶的需求。
未來十年是傳統制造業逆襲的關鍵時期，AI技術將是主要引擎。制造業企業向AI進階，必須經歷三個階段：構建高性能運算支持建模分析，高效存儲管理生產運營中產生的海量數據，引入AI技術實現AI質檢和品控。這三個階段分別面臨著如下挑戰：
階段一挑戰：
構建高性能運算CAD/CAE/EDA 建模分析
企業需要更多的HPC計算資源來支持CAD/CAE/EDA 建模分析，并實施群集控制、數據分析、報告。
階段二挑戰：
實現海量非結構化數據的存儲與管理
將生產及運營中產生的海量非結構化數據，以更加高效、統一、穩定的方案進行存儲和管理。
進行新舊投資整合、計算資源動態彈性分配
企業需將現有服務器整合，并實現數據中心軟硬件計算資源動態的、彈性的、按需的調用。
階段三挑戰：
引入AI技術實現AI質檢等前沿應用
加強高并發實時計算能力，以便采用AI技術實現 AI 質檢，不斷提升良品率、降低人工成本、提高效率。
IBM制造業發展全階段解決方案為處在這三個不同階段的企業定制化最佳方案，解決當下面臨的挑戰，為制造業面向AI的應用準備就緒。
階段一：高效支持 HPC
Spectrum Scale被應用于世界領先的 HPC 超級計算環境。改善了小文件的 IO 性能，支持超過 4600個計算節點的高速并發訪問，能夠為CAD/- CAE/EDA建模分析工作提供穩定、可靠、高效地支持，并為企業實施群集控制、分析、報告。
階段二：靈活調配資源&企業級大數據管理
運用Spectrum Virtualize助企業進行新舊資源整合，統一建立虛擬資源池，提升新的和現有存儲的效率，將傳統上單獨部署在磁盤系統上的功能標準化，從而實現更強大的靈活性，并且潛在地降低了成本。
階段三：AI 質檢實施
IBM Spectrum Scale支持超過 4600個計算節點的高速并發訪問，實現 16GB/s 單節點順序讀寫帶寬，以及每秒可創建 260萬個小文件，能促使計算更加流暢。
應用案例
01 天合光能九大制造基地海量數據整合和統一管理
天合光能是全球領先的太陽能整體解決方案提供商，擁有全球頂尖的光伏科學家和國家級重點光伏實驗室，產品行銷全球100多個國家。
天合光能在全球有9個制造基地，在生產過程中積累了大量生產數據，其中光伏產品生產數據量級達到PB級，且具有重要的商業價值。通過和IBM合作，天合光能全球的業務人員能夠以前所未有的速度和靈活性，對高達PB級的生產數據進行存儲、歸檔、訪問、分析，為公司信息處理提供了更安全的保證，提升了對商業價值的洞察力，實現了全球九大制造基地的海量光伏制造數據的存儲整合以及集中統一管理。
02 IBM云對象存儲助力視源股份企業級混合云建設
視源股份是一家以顯控技術為核心的智能交互解決方案提供商，累計出貨電視主板超過3.2億片，在全球彩電主板市場占有近30%的份額。由于近年來業務的快速擴張，新的商業模式不斷出現，各種軟件和業務相繼上線，產生的數據也呈現出快速增長。之前的存儲方式已經無法滿足存儲需求。視源股份希望能構建統一的存儲應用管理系統。同時為保證數據的安全，還需要規劃高可靠的容災備份體系。
IBM云對象存儲COS基于簡單的對象存儲方法，將數以億計的數據對象高效存儲于單一平面名稱空間內，并使用基于http的協議，通過REST界面顯示數據。COS支持三站點物理容災，可以在數據及時備份的同時實現數據的調用，保證業務24小時在線。能夠靈活擴展，并能實現較強的API接口兼容性。實施COS后，視源股份能夠更加方便高效的管理數據，操作更加簡單，在對權限的管理方便，也有較好的權限策略規劃與設計。
03 IBM存儲助力阿斯頓馬丁紅牛車隊以毫秒論輸贏
為了爭取毫秒級的勝利，賽車車隊需要完美的汽車設計、最快速的優化賽車的制造、善用所有能夠利用的數據使其在比賽中做出正確的決定。IBM spectrum computing為阿斯頓馬丁紅牛車隊創建了賽車制造的“數字孿生子”，幫助汽車設計提升了30%的效率；并通過對海量各類數據的分析，第一時間引導比賽做出正確的決策，幫助其選手在2018年世界F1錦標賽中奪冠！
來源： 數字化企業
