编者按&＃xff1a;近日&＃xff0c;XSKY星辰天合行业解决方案总监王晓亮在 “2022第三届中国电子通信与半导体CIO峰会”上发表了主题为《数据驱动智能制造业务转型与创新》的演讲&＃xff0c;就智能制造行业需要什么样的存储平台进行了探讨。如下是演讲的主要内容&＃xff1a;
新技术的飞速发展和广泛应用深刻影响着制造业企业观念、生产模式和管理方式的变迁。在互联网、物联网、大数据、云计算和人工智能等技术的影响下&＃xff0c;中国制造业过去的数量优势&＃xff0c;在智能制造时代并不能发挥作用&＃xff0c;制造业逐步从传统制造向智能制造变革&＃xff0c;开启了可视化、数字化时代。
IDC 全球数据圈报告预测&＃xff0c;全球数据量在逐渐增长&＃xff0c;到2025年预计将增长到175ZB。175ZB的数据量意味着&＃xff0c;如果把全球数据圈全部存在蓝光光盘中&＃xff0c;那么蓝光光盘的高度相当于环绕地球222圈。其中制造业所占的数据份额最大&＃xff0c;并以30%的年均复合增长。制造业数据增长迅猛&＃xff0c;数据是数字化转型的核心&＃xff0c;是数字化进程的命脉。
那么&＃xff0c;智能制造行业需要什么样的存储平台&＃xff1f;换言之&＃xff0c;数据如何驱动制造业务转型与创新&＃xff1f;
制造业数据增长凶猛随着智能制造的发展&＃xff0c;自动化、信息化、智能化等技术渗透到制造业生产过程的各个环节&＃xff0c;从工业现场的传感器、设备到制造生产过程中的各个信息系统&＃xff08;如制造执行管理系统、生产监控系统、设备运行维护系统、产品质量检测系统、能耗管理系统等&＃xff09;&＃xff0c;均会产生大量不同结构类型的数据。
尤其是半导体、电子、光伏、锂电、面板等等这些先进制造行业以及一些传统制造业&＃xff0c;都在转型智能制造&＃xff0c;建设智能化工厂。所对应的EDA设计、制造、封测、质检等业务场景都会产生大量数据&＃xff0c;这些数据有文本、图片、视频等各种类型。这些数据量非常大&＃xff0c;不管是文件数量还是容量规模都是如此。相关数据来自各种设备、平台系统&＃xff0c;有结构化、半结构化及非结构化的&＃xff0c;数据模型也是从KB、MB、GB、TB等多种类型。这些数据都有相应的存储要求&＃xff0c;短则3~6个月&＃xff0c;一般都要求保存1~3年&＃xff0c;以满足历史数据追溯。
数据已经成为了智能制造行业不可或缺的关键生产力&＃xff0c;而科学合理地获取、存储、分析以及利用数据成为抓住商机的最有效途径。
制造业数据管理挑战
智能制造各业务产生的数据有着相应的特点&＃xff0c;海量、多源、异构、合规等&＃xff0c;所以在存储和管理上也遇到了相应的一些挑战。
1、数据多源异构&＃xff1a;数据来自多个数据源&＃xff0c;包括不同数据库系统和不同设备在工作中采集的数据集等。不同的数据源所在的操作系统、管理系统不尽相同&＃xff0c;数据的存储模式和逻辑结构也不同&＃xff0c;数据的产生时间、使用场所、代码协议等也不同。其次&＃xff0c;这些数据包括多种类型&＃xff0c;包括结构化数据、半结构化数据和非结构化数据&＃xff0c;所以这造成了数据管理困难。
2、海量数据存储&＃xff1a;面对如此海量的数据&＃xff0c;如何实现安全、可靠的存储&＃xff1f;以一台半导体生产机器为例&＃xff0c;一天的数据量甚至可以到达TB级别&＃xff0c;这些数据包括二进制、文本、视频、音频等数据。一条产线可能会有上百台机器&＃xff0c;面对这么庞大的数据集&＃xff0c;要想安全稳定的存储和管理也有不小挑战。生产线中我们现在常用的基本都是机台本地盘或中转服务器&＃xff0c;这种存储方式数据分散&＃xff0c;不能统一管理统一查询&＃xff0c;同时不能满足长期存储。规模大些的企业可能会使用传统NAS&＃xff0c;但也受限于扩展性&＃xff0c;导致不同NAS间存有数据孤岛&＃xff0c;不便于统一查询。
3、数据共享困难&＃xff1a;现在大多数制造企业各生产系统都是独立存储独立管理的&＃xff0c;像制造执行管理系统、生产监控系统、产品质量检测系统等都有独立的存储平台&＃xff0c;各系统间数据并未完全打通&＃xff0c;数据集成困难大&＃xff0c;无法发挥数据最大价值。
SDS赋能智能制造数字化转型
实现智能制造数字化转型除了业务应用的智能化、自动化&＃xff0c;还需在数据中心建设上提前规划&＃xff0c;让数据融合互通&＃xff0c;解决多源异构数据的来源复杂、结构异构问题&＃xff0c;从而实现对数据的统一存储、管理和分析&＃xff0c;达到用户无差别访问&＃xff0c;充分发挥数据的价值&＃xff0c;为实现产业智能化、AI化做好准备。
星辰天合首先聚焦行业&＃xff0c;包括半导体、光伏、风电、锂电池、液晶面板、生物制药、汽车制造等这些先进制造行业&＃xff0c;同时也聚焦相应业务场景&＃xff0c;像 EDA、封测、工业质检、机器视觉、工业大数据等。
针对这些业务场景&＃xff0c;星辰天合提供统一的数据管理平台统一支撑&＃xff0c;对外提供块存储、文件存储及对象存储不同存储接口。通过块存储支持上层 OA、ERP、CRM 等结构化数据需求&＃xff0c;通过文件及对象存储支持 EDA、封测、工业质检、机器视觉等非结构化数据的业务需求。
比如说&＃xff0c;EDA 场景特点主要是海量小文件及小文件性能&＃xff0c;通过专有的元数据管理和智能缓存来解决海量小文件存储及性能问题。像封测、工业质检、机器视觉这些场景大部分还是海量非结构化数据&＃xff0c;而且需要长期存储。可以通过分层流动、生命周期管理来降低整体存储成本&＃xff0c;通过自动标签、秒级检索来提高工业质检业务的质检效率。星辰天合的方案可以将这些结构化数据、非结构化数据统一管理&＃xff0c;以供大数据、AI 等新的技术来使用&＃xff0c;为企业做全局的赋能&＃xff0c;辅助企业业务创新。
星辰天合在众多业务场景都已有相应落地案例&＃xff0c;并取得了客户的信任。
星辰天合方案四大核心优势及价值一、降低存储成本
全分布式架构&＃xff0c;容量性能按需弹性扩展&＃xff0c;降低初始投入成本&＃xff1b;
冷热数据分层流动&＃xff0c;按需长期保存&＃xff0c;降低整体存储成本&＃xff1b;
图片压缩&＃xff0c;数十倍的图片压缩能力&＃xff0c;提升存储空间利用率。
二、提高企业人效
百亿数据秒级检索&＃xff0c;提高生产质检及数据调阅效率&＃xff1b;
自动标签&＃xff0c;多维度回调检索及分类管理&＃xff0c;提高检索效率。
历史过期数据按需快速删除&＃xff0c;快速释放存储空间。
三、持续业务创新
EB 级容量&＃xff0c;千亿级小文件管理&＃xff0c;从容面对海量数据存储要求&＃xff1b;
多协议互通&＃xff0c;数据零拷贝&＃xff0c;生产数据直接共享 NFS 进行 AI 训练&＃xff1b;
标准 CSI 对接K8S 集群&＃xff0c;助力企业快速实现云原生架构&＃xff1b;
原生 HDFS 协议&＃xff0c;天然支撑大数据湖仓一体架构。
四、简单灵活可控
目录挂载或数据实时导入多种方式&＃xff0c;辅助业务快速上线&＃xff1b;
标准的 AD及LDAP 域认证&＃xff0c;满足企业统一用户管理需求&＃xff1b;
软硬件解绑&＃xff0c;灵活选择&＃xff0c;不受供应商货期限制&＃xff1b;
一池多芯&＃xff0c;解锁信创硬件生态&＃xff0c;从容应对全球缺芯问题。
END
京公网安备 11010802041100号