2015-IBM大数据摘要.docxVIP

摘要1.1 我们对您的目标的理解今天，中国已成为制造大国，标注“中国制造”的产品已经成为全球一道独特的风景线，出口遍及世界各地。但是，中国还不是制造强国，质量整体水平的提高滞后于经济规模的增长。一直以来，制造业面临的最大挑战就是：如何从制造到 “智造”，如何从设计源头提升产品质量, 如何实现从生产向服务的转型,占据价值链高端? 要实现所有这些, 都要用大数据分析的手段, 实现企业资源利用的最优化。最近，在中国制造当中，电动汽车行业的发展尤其抢眼。并且随着电动车的发展，能量和环境的协调问题有了很大的改善，可以明显看出，电动车的发展前景十分广阔。但是，电动车的发展受到了不同因素的制约，其中关键的难题表现在能源（也就是电池）自身和能源管理两个方面。能源问题，也就是电池自身性能表现能力问题，比如电池寿命、安全系数、一致性等；能源管理问题，也就是动力电池管理问题，完善的电池管理系统不但可以让使用者及时、详细地了解电池状态，而且能够保证电池安全运行。显然，动力电池技术是电动汽车的核心技术，而电池管理系统(BMS)技术又是动力电池组的关键，可以说BMS是新能源电动汽车的核心关键技术。事实上，运行中的电动车辆不断移动位置，这给电动车辆的维护工作带来许多困难，尤其是电动车辆的核心部件锂动力电池组，其运行工况时刻都在变化，及时了解锂电池组的工作状况变得非常重要，这是保证电动车辆安全稳定运行的重要手段之一。BMS远程监控系统，将传统费时费力的锂离子动力电池组维护工作变得非常简便快速，用户足不出户就能够及时的了解电池的运行状况。作为国内锂电池系统解决方案的领导者，科列技术有限公司一直在积极的探索提升动力电池组性能和安全性的技术，针对当前国内动力电池的发展状况，公司推出的带有‘主动均衡’和‘无线传输’功能的电池管理系统(ABMS)，能够主动调整动力电池组单体间的能量，实现能量高效率转移。而为了进一步地在现有电池性能的条件下，能够更好地服务电池使用者，改善和优化电池管理系统，我们希望能够通过对电池监控数据的收集整理，通过IBM大数据PMQ平台，挖掘提取电池监控数据中的价值信息，从而进一步完善电池管理系统，实现智能化目标，具体来说，可能在如下方面实现改进：搭建PMQ大数据平台，完善BMS数据存储分析管理；通过分析电池容量与其他相关因素的联动关系，优化对电池容量预测，提前预知电池故障；通过对电池监控数据分析，能够自动识别运行过程中的潜在问题，提前预警；通过对历史监控数据的大数据挖掘，自动识别新的异常模式；在完善现有BMS系统的基础上，考虑到以后业务模式的发展，科列技术在未来能够在如下方面进一步拓展解决方案的应用范围：通过结合锂电池生产记录，帮助生产厂家进一步完善锂电池的产品质量管理系统，保证产品质量；通过结合锂电池的制造流程数据，能够帮助生产厂家发现影响产品良率的重要因素，从而进一步完善生产；通过结合电动车的行驶记录信息，能够服务电动车车主更好监控车辆状况，并进行针对性地车辆维护保养，提升客户体验满意度；1.2 IBM预测性维护和质量管理解决方案简述及价值多年来，制造商已经制定了一系列成熟的方法来控制质量、管理供应链和维护设备。现在，有一种方式可以超越传统的预防性和定期维护方式以及传统的统计过程控制，最大程度减少设备的非计划停机和质量缺陷，确保生产流程的高效连续性和质量管理的提前预警，并在每一步流程中优化资源。制造业设备的预测性维护和质量管理，采用状态监测技术在线监控设备健康状况，依据分析结果发现潜在问题，决定哪台设备需要维修、何时修、重点关注此类设备哪些影响因素，哪台设备可以继续使用。预测性维护和质量管理在设备大修进行前就可以知道要做什么，从而大幅度减少和缩短无计划性停机检修时间，并进一步提高设备高可靠性和企业盈利能力。同时IBM PMQ的质量预警系统（QEWS），利用先进的统计学算法，相比于传统的SPC质量控制方法，通过对微小变化的累积放大，能够大大提前质量缺陷预警，同时不同于SPC复杂的判定规则，QEWS可以直观明确的告知质量管理人员何时质量会发生问题，从而及时干预，及早解决质量问题，避免更大损失。具有前瞻性的制造商依赖预测性维护和质量管理来超越预防性和定期的维护，确保生产质量，并在每一步流程中最大化价值。通过使用 IBM PMQ预测分析解决方案，制造商可以最大限度地减少非计划性维护的停机时间，真正消除不必要的维护，并很好的预测保修费用，同时及早发现质量隐患，从而达到新的质量标准，并节约资金。IBM PMQ预测分析软件解决方案可以从多种数据源实时收集信息，这些数据源包括维护日志、性能日志、监测数据、检查报告、环境数据、甚至财务数据。该解决方案甚至可以在这种结构化和非结构化的数据中检测到微小的异常情况或故障模式，以确定风险最大的领域。然后，它在风险成为现