首页 星云 工具 资源 星选 资讯 热门工具
:

PDF转图片 完全免费 小红书视频下载 无水印 抖音视频下载 无水印 数字星空

BI 工具助力企业解锁数字化工厂,开启工业智能新视界

编程知识
2024年08月01日 07:55

背景

在 2022 年公布的《“十四五”数字经济发展规划》中,政府不断增加对制造业数字化转型的政策支持力度,积极倡导制造企业采用最新技术,提升自动化、数字化和智能化水平。这一举措旨在强化国际竞争力,推动制造业由制造大国向制造强国转变。

然而,在制造业数字化和智能化升级的过程中,涉及以下一系列挑战和难题:

为了解决这些痛点问题,更好地实现制造业数字化升级,葡萄城的嵌入式 BI 工具 Wyn 商业智能提供了全面的解决方案,旨在提升企业的数据分析能力和运营效率,解决方案包括以下几个部分:

  1. 数据接入
  • 通过MQTT、websocket、http采集协议集成来自物联网的硬件数据;
  • 支持多种类型的业务系统数据库,来整合生产、供应链、客户及销售等多个环节的业务数据;
  • 通过Web JSON接口连接至已处理的数据仓库,灵活打通业务系统数据。
  1. 数据准备
  • 提供多样化的建模方式,包括直连模型、跨源抽取模型以及多种数据集类型(如直连、推送和流式数据集);
  • 支持配置基于用户、组织上下文的行级、列级和文档级权限,确保数据的安全性;
  • 通过可视化UI建模快速将原始业务数据转换成适用于可视化分析和展示的业务模型。
  1. 可视化
  • 构建从工业园区到自动化生产线的三维模型,并集成到可视化大屏;
  • 绑定数据到3D模型,实时数据展示和生产流程模拟,结合交互式统计图表进行深入分析;
  • 通过直观的可视化界面辅助决策,优化生产流程并提高效率。
  1. 应用层
  • 为企业的各个角色提供自助式分析大屏,挖掘业务数据的价值;
  • 实现对生产指标、设备状态等关键参数的实时监控,可通过微信、钉钉、邮箱、API等方式预警;
  • 利用统一控制中心和电视大屏应用程序实现快速部署,支持数百台大屏看板,便于集中、高效管理和维护数字化车间。

解决方法

Wyn 商业智能专注于推动制造业数字化升级,为制造业数字化转型提供深度支持。从无缝整合物联网数据到建立可视化实时分析、监控和预警系统,以及 3D 数字孪生大屏,快速实施 100+ 电视大屏看板,全面连接生产制造数据,助力企业实现数字化工厂的转变,开启工业智能新时代。在 Wyn 商业智能 V8.0 预览版中,包含以下四项重要更新:

1、支持 MQTT 等采集协议,打通物联网数据

全新引入“物联网数据”类型,支持 MQTT 、 Websocket 和 HTTP 采集协议,实时接收硬件数据,监控设备状态、温度、湿度等生产信息。

2、全新拓扑图与实时数据集成,远程监控管理设备

全新拓扑图,通过基础形状、SVG 形状、折线、文本等组件元素快速绘制工业组态,直观展现工业现场的设备布局、生产线流程等,实时绑定设备等生产数据,实现设备状态的远程监控、预警报警、能耗管理等智能化功能。

除此之外,拓扑图还可以集成 MQTT 协议采集的物理网数据,监控设备温度、产量、压力、状态等生产数据 ,实时触发闪烁、文本变色、背景色变色、水流变色、设备变色等方式来预警。

3、多种 3D 模型动画,数据实时驱动模拟工业生产

Wyn 商业智能提供在线 3D场景编辑器,将园区、产线、设备多个 3D 模型导入,搭建完整智能工厂,同时可绑定生产、设备、仓储等来自多个业务的数据,打通从设计到生产、仓储、销售、客户、产品多个环节的数据脉络,多个流程高效协作,具体可以分为一下几个场景:

1)通过接入采集的生产数据实时驱动3D模型上设备节点动画,来模拟生产流程;

2)通过给车间添加数据图层动画,监控车间生产率来触发模型节点”改变颜色”、“缩放”、“移动”、“隐藏”多种方式来智能预警;

3)嵌入可视化大屏后,通过点击模型上的车间动态查看生产图表数据,同时可点击图表上的维度动态切换模型视角,双向交互式分析。

4、复合地图整合多维度数据,增强数据洞察力

全能复合地图,集齐面积、气泡、热力、流向、符号、轨迹六大类型的地图图层灵活整合销量分布、客户分布、产品客单价、门店分布等多个维度的业务数据,深度洞见客户行为,精确把脉市场趋势。同时可通过命令动态控制显示、隐藏图层,在自助式分析过程中可动态切换。

每个图层可独立绑定数据,展示不同的业务指标,同时每个图层可独立自定义样式、数据标签、图例等信息。

轨迹地图绑定铁路运输的GEO JSON路线数据,绘制铁路运输路线,同时可设置动画,模拟运输轨迹,自定义图片来模拟高铁、汽车等物体。

最新技术资源(建议收藏)
https://cdn.grapecity.com.cn/wyn/demo/Wyn%20V8.0%20Demo.zip

扩展链接:

【Wyn V8.0 新特性预览】邀请下载、体验、反馈有奖!

【Wyn V8.0 预览版下载链接】

【Wyn V8.0 预览版 Demo下载链接】

From:https://www.cnblogs.com/powertoolsteam/p/18335909
本文地址: http://www.shuzixingkong.net/article/649
0评论
提交 加载更多评论
其他文章 《最新出炉》系列初窥篇-Python+Playwright自动化测试-61 - 隐藏元素定位与操作
1.简介 对于前端隐藏元素,一直是自动化定位元素的隐形杀手,让人防不胜防。脚本跑到隐藏元素时位置时报各种各样的错误,可是这种隐藏的下拉菜单又没有办法避免,所以非常头痛,这一篇只为交流隐藏元素自动化定位处理方法以及宏哥自己的一点浅薄见解。 2.什么是隐藏元素 隐藏元素,熟悉前端的或者HTML的小伙伴或
《最新出炉》系列初窥篇-Python+Playwright自动化测试-61 - 隐藏元素定位与操作 《最新出炉》系列初窥篇-Python+Playwright自动化测试-61 - 隐藏元素定位与操作 《最新出炉》系列初窥篇-Python+Playwright自动化测试-61 - 隐藏元素定位与操作
C#/.NET/.NET Core优秀项目和框架2024年7月简报
前言 公众号每月定期推广和分享的C#/.NET/.NET Core优秀项目和框架(每周至少会推荐两个优秀的项目和框架当然节假日除外),公众号推文中有项目和框架的介绍、功能特点、使用方式以及部分功能截图等(打不开或者打开GitHub很慢的同学可以优先查看公众号推文,文末一定会附带项目和框架源码地址)。
C#/.NET/.NET Core优秀项目和框架2024年7月简报 C#/.NET/.NET Core优秀项目和框架2024年7月简报 C#/.NET/.NET Core优秀项目和框架2024年7月简报
我用Awesome-Graphs看论文:解读GraphBolt
这次向大家分享一篇流图处理系统论文GraphBolt,看如何基于计算历史的方式实现增量图计算,并保证与全量图计算语义的一致性。
我用Awesome-Graphs看论文:解读GraphBolt 我用Awesome-Graphs看论文:解读GraphBolt 我用Awesome-Graphs看论文:解读GraphBolt
在 Hub 上使用 Presidio 进行自动 PII 检测实验
我们在 Hugging Face Hub 上托管的机器学习 (ML) 数据集中发现了一个引人关注的现象: 包含个人未经记录的私密信息。这一现象为机器学习从业者带来了一些特殊挑战。 在本篇博客中,我们将深入探讨含有一种称为个人识别信息 (PII) 的私密信息的各类数据集,分析这些数据集存在的问题,并介
在 Hub 上使用 Presidio 进行自动 PII 检测实验
救园行动——赞助商计划
在发出求救信后,很多园友出手相救,非常感谢大家的支持! 在求救的同时,我们也在想办法奋力自救,会采取一系列的救园行动,这一次一定要把园子救下来,因为没有下一次了。 今天发布的救园行动是赞助商计划,想找10家企业赞助园子,并成为园子的创始赞助商。 有人可能会笑话这个救园计划是一个幼稚的想法,没有直接的
救园行动——赞助商计划
推荐一款基于人工智能驱动的无代码自动化测试平台!
今天给大家推荐一款基于人工智能驱动的无代码自动化测试平台:testRigor! 1、testRigor介绍 简单来说,testRigor是一款基于人工智能驱动的无代码自动化测试平台,它能够通过分析应用的行为模式,智能地生成测试用例,并自动执行这些测试,无需人工编写测试脚本。可以用于Web、移动、AP
推荐一款基于人工智能驱动的无代码自动化测试平台! 推荐一款基于人工智能驱动的无代码自动化测试平台! 推荐一款基于人工智能驱动的无代码自动化测试平台!
吃透 JVM 诊断方法与工具使用
JVM(Java虚拟机)是Java程序运行的基础环境,它提供了内存管理、线程管理和性能监控等功能。吃透JVM诊断方法,可以帮助开发者更有效地解决Java应用在运行时遇到的问题。以下是一些常见的JVM诊断方法: 使用JConsole: JConsole是一个可视化监控工具,可以连接到本地或远程的JVM
低代码如何借助 K8s 实现高并发支持?
引言 在当今这个数字化时代,互联网的普及和技术的飞速发展使得应用程序面临着前所未有的挑战,其中最为显著的就是高并发访问的需求。随着用户数量的激增和业务规模的扩大,如何确保应用在高并发场景下依然能够稳定运行、快速响应,成为了所有开发者和技术团队必须面对的重要课题。 Kubernetes(K8s),作为
低代码如何借助 K8s 实现高并发支持? 低代码如何借助 K8s 实现高并发支持? 低代码如何借助 K8s 实现高并发支持?