• 高铁行业解决方案

     

    行业背景:

    高铁产品是典型的高可靠性产品;随着中国高铁里程和应用数量成为世界第一,大量的制造过程数据和售后维修数据为进一步改进高铁系统提供了数据基础。如何通过海量的制造过程数据、实时运行数据、售后维护数据等不同数据源,实现对高铁系统的系统性分析和改进,将影响到我国高铁产业的进一步发展和提高,而这一难题可以通过大数据系统分析技术得到解决。

     

    目前问题:

    1、 海量数据


    轨道交通系统每时每刻都在产生大量数据,来自故障维修系统、实时监控系统、项目实施进度系统、物资物料统计系统等,且数据增长速度越来越快,这些数据是垃圾还是价值
    ?该如何利用提升地铁运营效率,确保项目交付的及时监控。    

    2、数据认知


    大多数传统系统,故障维修系统,实时监控系统,物资物料统计系统中,已有简单的分析统计图表,但数据格式比较单一,活性差,交互性低,管理者难以对数据有很好的认知。

    3、管理决策


    大数据运营在高铁网络化、大客流运营常态下愈发凸现其对轨道交通安全、高效运行和乘客服务方面的重要作用,能迅速从底层数据中提取关键数据,以数据驱动运营方向,对决策提供科学支撑。
       

    4、数据分析需求响应慢


    不同层级的用户对数据分析有着完全不同的需求,而目前制造系统能够提供的分析报告主要以表格为主,分析维度单一,形式简单固化;数据源缺乏系统管理,大量时间耗费在数据获取环节,对分析需求响应的时效性差,无法满足用户快速灵活多变的数据分析需求。

    5、项目成本投入高,风险大


    高铁产品数据分析属于典型的高知识密度分析内容,对产品可靠性分析、关键因子搜索分析等,传统分析方法意味着需要对工程师进行数十年的培养。基于大数据分析系统的方法,能够将六西格玛分析方法、可靠性分析方法、数据挖掘算法、经验算法等进行有机结合,使分析过程更加简化;传统算法工程师只需要维护现有系统,就能使不同层级的制造人员对该系统进行良好应用,避免了传统制造系统对人员的漫长投入后才能对数据进行分析的弊端。

     

    西格-LCIA(全寿命周期智能分析)架构

    SIGER LCIA(Life Cycle Intelligence Analysis)全寿命周期智能分析业务架构基于制造系统过程,结合大数据架构技术,以六西格玛统计分析、可靠性分析、数据挖掘技术、深度学习技术为支撑,简化复杂产品全寿命周期分析过程,提供实时的过程动态分析。


    并充分结合典型的产品实现过程周期和流程,提取过程中关键过程数据,构建过程关联性数据仓库,将过程分析方法标准化,server化,提供实时分析支撑:


    提供完整的从数据清洗、数据存储、数据分析、数据可视化呈现服务,帮助客户实现快速分析产品寿命周期可靠性评价、不同类型产品可靠性对比等内容,实现产品快速分析、快速迭代,为复杂系统提供知识库支持。


    从而实现产品可靠性模型提取及分析工作,以及不同模块的失效率对比,帮助客户快速定义价值: