工业网络数据

工业网络数据（共7篇）

工业网络数据 篇1

摘要：随着工业技术和物联网技术的发展, 工业网络数据平台是当前国际上备受关注的、由许多学科高度交叉的新兴前沿热点研究领域。本文主要阐述江苏省无线传感系统应用工程技术研究开发中心与某焊割企业联合研究建立一个基于Web的通用工业网络数据平台, 通过平台实现对传感网络数据的处理、传输和共享, 实现与业务系统的整合, 实现对工业现场网络数据的远程管理。

关键词：工业网络数据,Web,IOS应用升级

1 工业网络数据平台发展现状

随着信息技术和物联网技术的快速发展, 施耐德电气公司出于保障用户投资金安全, 顺应新技术发展的大趋势, 首先推出了采用开放的TCP/IP以太网技术和Modbus TCP/IP协议应用于工业控制领域的工业网络数据技术。该技术应用了TCP/IP协议, 底层协议使用开放的Modbus协议, 率先实现了信息网络和工业数据采集、控制网络融为一体, 使用户摆脱了各种行业的数据采集技术与控制网络的限制和束缚, 使工业控制技术进入到了一种新境界。

随着电子信息技术的快速发展, 目前通过软硬件方式可以将TCP (UDP) /IP等相关通信协议嵌入到各种物理传感器中。目前网络智能化传感器在国内外应用日益广泛, 并且交换式以太网技术的出现大大提高了网络的稳定性。利用数据交换技术, 可以将一个大型的网络分隔成为各个相对独立的网络区域, 使冲突限制在一个较小的范围内, 这样就可以很明显地减少冲突的发生, 从而保证和提高了网络的实时性和稳定性性。目前来看以太网所已经能够满足数据采集和控制对实时、抗干扰和可靠性等方面的要求。它己经被证明是目前乃至未来数据采集与工业行业控制网络的较好的解决途径, 而以太网应用在工业现场中设备监控方面也是工业控制网络发展的趋势。

2 系统设计

该项目综合了江苏省无线传感系统应用工程技术研究开发中心在物联网方面的各方面研发能力开发基于无线传感网的工业数据管理网络系统。该系统包括:工业设备 (调试中可模拟) 、设备数据采集节点、无线群控通信节点 (基站) 、群控服务器组成, 系统组成如图1所示。

通用工业网络的数据平台并不直接于硬件设备打交道, 也不直接处理来自工业网络的数据信息, 在基于Web的工业网络数据平台和工业现场传感网络之间 (主要指下位机) 加入中间件, 中间件是连接两个独立应用程序或独立系统的软件。相连接相互通信的系统, 即使它们具有不同的接口, 但通过规范的中间件仍然能够进行信息的交换。执行中间件的一个关键途径是信息传递。通过中间件, 应用程序可以工作于多平台或OS环境。通过中间件为工业网络数据平台屏蔽面向设备的流信息, 提供相应的数据信息, 以便平台数据的持久化。中间件在这里的主要作用在于数据格式的转换及与下位机的通信。

本项目的软件系统结构模式如图2所示。

本项目的研究方法上根据信息系统的特点, 从系统结构化分析, 结构分层, 逐层分析解决实施, Web应用实现结构、内容、表现分离, 以便整个平台能够无缝嵌入具体的业务应用。根据在项目自身的特点, 平台拟采用.NET为主要实现技术, 使用数据库存放各类传感器信息。数据格式如表1所示:

数据实例:

总之, 整个项目充分利用了软件分层来降低问题复杂性, 并使整个系统的软件与硬件的耦合度降低, 软件模块之间的耦合也降低, 结合中间件技术构建了一个通用的Web网络数据平台。考虑今后工业网络的发展, 肯定与业务系统会高度融合, 因此在平台中提供相应的Web Service接口, 可以对其他系统支持跨平台的调用, 这也是平台可扩展性的一个。

3 使用到的主要软件技术

1) Ajax与JQuery

JQuery是一个优秀的Javascript库。它是轻量级的js库, 它兼容CSS3。j Query方便用户处理HTML、实践, 并且能够实现动画效果, 还能够为网站提供Ajax交互。j Query较大优势还有各种参考资料齐全, 应用示例广泛并且丰富, 同时还有许多开源的成熟插件可以使用。Query能够使用户的html页面保持代码和html内容分离, 也就是说, 不用再在html里面插入一堆js来调用命令了, 只需要定义id即可。

Ajax是一种主要用于创建需要及时刷新页面数据的技术。这项技术通过在后台与相关服务器进行较少的通信, 就可以使所创建的网页实现异步更新。即可以不用重新加载页面所有内容, 而只对页面内部部分数据区域进行更新。

在数据展示方面, 本项目利用Ajax技术实时刷新页面表格中的各个仪器终端的数据, 提高也页面的稳定性, 并利用JQuery技术提高了代码的可维护性和刷新效率。

2) 数据库分页技术

在使用中间件处理数据存储在数据库中。由于实时数据量在积累一段时间后, 如果每次直接进行数据查询耗时较多, 因此使用数据库分页技术, 同时把较新数据放在临时的数据集合里动态更新, 提高数据检索效率。

比较常用的数据分页技术是ADO记录集进行分页。这项技术使用ADO自带的功能通过游标来达到分页的目的。现在流行的分页方法一般是检索页面大小的块区的数据, 而非检索所有的数据, 然后单步执行当前行。

根据该项目中的数据特点, 采用top (max) 及top min来进行分页。也就是现在通用的分页算法和分页存储过程的算法。

该算法要求使用唯一字段来进行分页, 适用于大量数据, 并且是根本唯一值字段排序的地方。如果这些数据中有重复值, 但是重复值数量较少, 比如低于一页的记录数, 那么也可以正常获取数据。在这个项目中由于主要区别数据值为数据发生时间, 因此基本没有数据重复, 非常适合采用这种方法。

经过测试, 数据没有明显延迟。实时数据显示如图3所示。

4 总结与展望

随着网络技术的快速发展, 基于网络通信的数据管理系统得到了大量应用, 本课项目在查阅文献的基础上提出了基于WEB的工业网络通信的数据平台系统, 通过中间件技术以及TCP/IP协议实现了工业现场传感器与后台服务器之间的网络通信, 本课题研究具有较强的工程背景和实际价值。

本项目设计了基于WEB的工业网络通信数据平台的上位机软件。基于TCP/IP协议以及Windows Socket方法, 在Visual Studio平台上开发工业网络通信数据平台的上位机软件, 实现数据采集、显示和控制。对于工业电子设备网络化, 实现远程监测和控制设备仪器的运行等方面具有借鉴和推广意义。

由于在进行图形化显示数据时采用了Java Script编写实际显示效果, 虽然执行效率较高, 显示界面简洁, 但是由于代码局限性显示效果的多样性上有所欠缺。因此如果有需要, 可以在后续改进中使用第三方图形化控件来完成图形化显示功能。

参考文献

[1]郝雅青.明渠污水智能流量计量WEB监测平台软件实现[D].太原:太原理工大学, 2010.

[2]赵海艳.面向服务的传感器网络关键技术的研究[D].大连:大连理工大学, 2011.

[3]徐辉.基于Internet技术的嵌入式数据采集与控制系统的研究[J].现在电子技术, 2008:26-32.

[4]李运涛, 王庸贵.一种实时数据采集系统网络接口设计[J].计算机测量与控制, 2011:7-10.

[5]任泰明.TCP/IP协议与网络编程[J].西安电子科技大学出版社, 2013, 4:22-23.

[6]j Query 1.11 and 2.1 Released.j Query.2015-03-29[Z].

[7]Ajax.百度百科[OL].2015-9-22.

[8]http://blog.csdn.net/fibona/article/details/1519480[OL].2015-05-13.

工业网络数据 篇2

本文所设计的数据通信网关主要目标是实现企业对生产现场的远程监控, 完成管理的控制化与信息化, 为企业生产计划、过程调度等提供辅助决策支持, 并实现工程师对设备的远程故障诊断分析、维护与软件更新等, 从而加强企业对生产现场的实时控制能力, 提高信息资源的共享和利用水平。

1.1 通信网关设计原则

为了满足企业应用的需求, 网关设计的主要原则有可拓展性、可靠性以及安全性等。其中可拓展性是指企业生产控制系统在新增各种设备、机械、仪器和仪表的情况下, 不能影响网关的正常运行;可靠性是指网关要满足工业生产环境各个方面的制约, 降低故障以及报错次数, 并能找出故障发生点;安全性是指在数据传输和接受过程中, 要能抵御各种网络和病毒攻击, 保持数据的有效和完整。

1.2 VPN技术和P2P网络

VPN是虚拟专用网的简称, 属于逻辑上的私有网络架构, 其主要目的是在Internet基础上实现各个用户与局域网进行数据通信和网络连接, 一般分为三个部分:客户端、传输介质以及服务器端。目前国内VPN的实现结构分为两个方向:一是广泛用于政府、企业与分支机构之间或ISP之间的网络与网络互连模式, 这种模式的技术原理是用户网络设备直接与ISP边缘路由进行连接, 并由ISP边缘路由进行IP骨干网中通信“隧道”的建立;二是个人用户以宽带连接VPN服务器, 并通过VPN服务器与企业主机进行连接。

P2P网络是取消传统的客户端和服务器的C/S架构模式, 采用网络环境中计算机充当服务器与客户端的双重身份模式。P2P网络的一个特性是通过NAT穿越技术实现私有IP和公共IP的地址转化, 解决IP地址短缺问题。P2P网络包括中心化、半分布式以及全分布式三种模式。中心化模式的主要特点是存在中心服务器, 负责储存共享目录和提供高级算法程序, 实现灵活高效的复杂查询;半分布式模式是将中心服务器的功能按照类型分配给多个节点, 由相应节点 (Supernode和Edgenode) 来实现各种操作;全分布式模式分为半结构化和结构化两类, 半结构化是基于随机图理论, 取消了节点类型的划分, 提高网络的动态调节能力和容错能力。结构化是DHT模式, 通过设定节点标识符以及资源标识符的方式, 来提高查询的准确性和动态性。

2 通信网关设计与实现

2.1 通信网关总体方案设计

通信网关总体方案设计是指数据通信网络拓扑结构的设计与实现。在网络拓扑结构方面, 需要在网关以及监控系统上安装VPN客户端, 并分配两张网卡, 通过这种VPN传输通道的构建, 在保证安全性和可靠性的前提下实现数据通信。其中, 网关一张网卡用于与外部网络进行无线连接, 另一张置于工业控制系统局域网内, 监控系统的一张网卡设置私有IP, 并与整个控制室搭建一个局域网环境, 另一张网卡则与网关连接。通过这种模式, 网关可以将生产现场数据加密发送给监控系统, 并在控制室局域网内共享使用, 同时, 网关也可以以相反的过程接收控制室的各种加密数据, 在经过解密之后, 完成生产控制工作。

另外, 由于传统VPN网络模式对大数据流支撑的程度不高, 企业在选择网络传输构建通道时, 可以结合P2P网络的特点, 构建一个P2P-VPN传输模式, 即各个VPN用户节点支持互相通信, 具备服务器和客户端双重功能, 并单独占有一个ID, 在发送MAC地址信息、注册时间等之后, 进行用户之间的数据通信往来。

2.2 通信网关框架设计

通信网关的主要功能模块包括系统管理、节点管理以及数据捕获和发送这三个部分。系统管理主要是指对整个系统的参数进行设定, 并部署运行机制和运行环境, 提供友好的交互方式以及用户权限管理、密码管理等;节点管理是指节点的新建、修改和删除, 以及对节点的各个属性进行实时监控, 包括运行状态、信任状态、数据传输水平、故障次数等;数据包的捕获与发送是指在设定数据包的捕获、传输方式及传输速率, 对不可信任数据进行阻断与来源分析等。

三个模块之间的逻辑关系可以表述为:系统管理模块通过数据、参数和节点初始化, 形成P2P-VPN传输通道和节点组织结构和状态列表, 并将IP和MAC地址等信息发送到各个节点处, 从而修正节点状态属性。之后, 节点管理模块通过多线程技术将数据包经过过滤器发送至其他模块, 并检测各个节点的运行状态, 实时刷新节点状态列表, 数据捕获与发送模块根据各个节点状态设置过滤器数值, 并进行数据的捕获和发送工作, 其过程分为捕获、分析过滤、二次封装以及发送。

特别指出的是, 整个通信网关系统的主要功能是实现数据的互相传输, 所以, 在数据包捕获以及发送方面, 应采用Winpcap方式来实现, 其主要操作步骤为:

获取用户节点组织结构和状态列表, 分析并选择所需监控的网卡;

修改网卡运行状态, 设置网卡模式为混杂模式;

设置过滤器, 捕获数据包, 并实现基于协议、IP和MAC地址、端口等条件的数据过滤。

调用抓捕函数进行数据包捕获, 并进行二次封装和发送。

2.3 通信网关工作流程

在整个P2P-VPN传输通道搭建完成以及模块功能明确之后, 通信网关系统需要进行工作流程的划分和确认。在流程设计方面, 首先, 由系统管理模块进行传输通道、节点组织结构以及状态列表的初始化;其次, 节点管理模块在接收到上述信息之后实施监控各个节点运行状态, 并不间断的对节点状态列表进行更新;最后, 在数据包捕获与发送模块在接到系统管理模块信息、节点管理模块通知后, 初始化或修正过滤器数值, 并进行捕获和二次封装数据包, 然后将数据包发送至节点管理模块以及系统模块。

3 通信网关测试

通信网关测试包括性能测试和压力测试两个方面。性能测试是指在任意选定的物理环境和软硬件环境下, 对网关系统远程设备监控的状态, 阻断其他入侵攻击的能力, 以及数据流的安全和完整进行的系统测试工作。压力测试是指对通信网关系统进行延时和负载两个方面进行测试, 主要考虑系统的传输时间、大数据流的丢包率等指标。企业可以结合实际需求设定相关指标, 并对通信网关系统进行测试, 在多次测试结果全部合格后, 开始启用基于TCP/IP协议的工业控制网络远程数据通信网关系统, 以完成数据流的实时共享和远程控制等功能。

摘要：计算机技术的迅速发展大大提高了企业信息的沟通和交流水平, 也推动了工业控制技术的不断进步与革新, 而与外部网络相对隔离的传统工业控制系统已经难以满足企业日常的管理需求。为了解决这一问题, 实现企业对设备进行远程监控与通信, 及时掌握生产现场情况和提高控制能力, 本文在结合工业企业自身实际的基础上, 基于TCP/IP协议、VPN技术、P2P网络技术、Winpcap方法等, 对远程数据通信网关这一技术工具进行研究, 并尝试为企业实现远程监控系统与生产现场之间的数据和信息交流提供实施策略和建议。

关键词：TCP/IP协议,工业控制网络,远程数据通信网关

参考文献

[1]贾东耀, 汪仁煌.工业控制网络结构的发展趋势[J].工业仪表与自动化装置, 2002年第5期.

[2]阳宪惠等.工业数据通信与控制网络[M].清华大学出版社, 2003年.

[3]孙祥国.远程智能控制系统的研究与实践[D].西南交通大学, 2006年.

大数据优化工业4.0 篇3

大数据成就电动汽车

在生产之前的市场调研环节,大数据就可以避免制造企业不走或者少走弯路。以汽车生产为例,特斯拉一直是大众所追捧的创新公司,其生产的电动汽车让粉丝们趋之若鹜。却很少有人知道,早在90年代美国就推出了电动汽车但却由于没有市场而不得不停产。

上个世纪90年代,美国汽车公司在和日本公司的竞争中全面溃败。这时美国通用汽车公司试图另辟蹊径来夺回被日本人抢走的市场。1990年,通用汽车公司在洛杉矶车展上展出了一款概念车Impact。

这辆车外观并不吸引人,但是概念先进——它是完全电动的。但是,管理效率低下的通用汽车直到1996年才在市场上正式推出面向消费者的电动汽车EV1。该车只能坐两人,但是重量却和一般的四门房车差不多,因为它的电池很重。

更糟糕的是,它的动力只有100千瓦左右,和小型房车思域或者捷达差不多。EV1第一款采用铅酸充电电池供电,充电一次只能跑100公里,而一般的汽车加满一箱油可以跑500~650公里。到1998年该车停产时,它一共只生产了1117辆,其中只有800辆提供给消费者,而且是只租不卖。

再来看看特斯拉,与传统汽车制造公司相比,特斯拉更像一家IT公司。特斯拉在默认情况下为其车辆装备了齐全的设备,并将它们无线连接到企业总部,以便深入分析。这不仅将特斯拉与客户联系起来,还帮助特斯拉在问题影响公司之前,更准确地预测和纠正这些问题。在特斯拉,客户绝不是麻烦,而是其决策过程中的一个重要部分,这也正是为什么特斯拉吸引了如此多粉丝的原因。

数据分析优化生产

除了将机器人应用在制造环节外,大数据在生产过程中还可以起到让人意想不到的优化作用。

在某品牌汽车的制造过程中,工厂发现在生产气缸零件时,同样的生产线,其中一条的次品率比别的次品率高。经过抓取非常多的历史基础数据后分析得出,该生产线在下午两点的时候生产的零件次品率比较高。原因在于下午两点的时候阳光照射进来,使生产线温度升高,而这款零件在经过该生产线时是液体状态,经过该生产线的30秒内被固化,但由于温度的升高从而使这个时间段生产的零件比平时发脆,造成了次品率的提升。

在生物制药的生产流程中,制造商通常需要对超过200种以上的变量进行监视,以便确保原料成分的纯净度,同时确保生产出的药品符合标准。由于生物制药生产过程的复杂性,其产量会在50%至100%之间变化,而且还无法马上辨别出原因。在使用大数据分析后,制造商能够对9个最能够影响产量变化的变量进行追踪并分析,最终将疫苗的产量提高了50%,每年在单一疫苗品种上节省的费用就达到500万至1000万美元。

工业4.0的供应链挑战

工业4.0的整个生命周期管理是一个完整的闭环,每一个环节都智能化才能提高产品的创新能力。在工厂的智能化之后,供应链也要智能化,而当供应商、合作伙伴等多条供应链都集成在一起并同样智能之后,才可以称之为真正的工业4.0。

以笔记本生产为例,一台笔记本有超过2万个零部件,如果零件备齐,生产组装只需要2天。笔记本代工厂面临的客户需求变化非常快,有可能会有临时需求产生。比如下周二要增加一批货,本周五就要答复能否生产。在很难进行需求预测的情况下,就要求制造企业能够做到快速反应。

通常情况下,紧急生产需求下达后,生产企业需要先通过ERP系统了解库存状况,这些库存原本是要配合哪几家工厂进行哪些型号的商品生产,哪些车间还有多余的产能能够生产临时性订单。

如果库存不足,还需要进更多的原材料。而这时候可能产生新的内容,库存还差多少?如果临时订货供应商能否有货?能否在规定的时间内送到?这些问题都需要考虑。因此到底要不要接临时单,接这一单要停哪几条常规生产线?到底公司应该怎么样抉择产能?这些都是令制造商头疼的问题。为了应对这种临时性需求 ,之前制造商会大量囤积原材料。而供应链如果能做到全程透明、可控、快速反应,则这些问题都可以解决,这就需要大数据分析对供应链进行优化。

反过来,大数据还可以为生产制造提供指导。比如飞机制造完毕后要交给航空公司运营,航空公司作为实际商品的使用方会积累大量的数据,这些数据反过来对飞机的生产制造会产生指导作用,如果供应链上的数据没有共享则无法完成优化。

浅析工业企业统计报表数据质量 篇4

(一)要注意报表的逻辑关系是否平衡

企业的每套报表中罗列着许多指标,很多指标之间存在着一定的逻辑关系。其中,资产=负债+所有者权益,是会计指标体系中最重要的等式。

如果企业的报表不能满足最基础的逻辑关系,则说明这张报表的数据质量不高。这种错误多是企业统计人员工作不负责任所导致的。

(二)要注意相关指标的变化趋势是否一致

企业报表的指标设置具有很高的相关性。如反映企业经营成果的营业收入、营业利润指标,一般情况下营业利润随着营业收入的增大而增大,随其减少而减少;主营业务收入、应交增值税两个指标也是如此,如工业企业中的销项税额=主营业务收入×增值税率,而应交增值税=销项税额-进项税额,因此主营业务收入跟应交增值税的变化趋势应该是一致的,应交增值税的数值随着主营业务收入的增多而增大。银行贷款余额和财务费用之间,营业利润和应交所得税之间,更是呈现出明显的正相关关系:银行贷款余额乘以相应的贷款利率为企业应支付的财务费用,营业利润乘以所得税率为应交所得税(税收减免和弥补以前年度亏损的除外)。这在报表中也比较容易发现问题。一套高质量的报表中,两个相关指标之间的变化趋势应该是一致的,如果发现指标数据异常变动,就要及时查找原因,核实数据的正确性。

(三)要从整体角度关注数据是否可靠

评判数据的质量,不仅要从相关指标分析它的变动趋势,更要从整体角度来评判数据的可靠性。面对企业各种类型的数据报表,如果孤立地看每种类型的报表数据,很难发现它本身所存在的问题以及它与其他类型有关数据是否一致。

二、影响企业报表数据质量不高的主要原因

(一)基础工作薄弱

统计工作得不到企业领导重视,企业重会计轻统计的现象普遍存在,统计员兼职多,专职的少,且变动频繁。

企业统计台账和原始记录不健全,统计报表由其他部门的人员代填代报,一些统计指标也难以准确按照统计制度的具体要求来计算填报,统计指标的随意性加大,引起统计数据质量下降。

统计人员的素质不高或事业心不足、社会责任感不强,在平时工作中一味地被动应付,机械地填报报表。实际工作中,运用不正确、不恰当的统计方法进行数据的收集、整理、汇总和加工,造成统计数据的差错,影响统计报表的质量。

(二)指标设置过于复杂,不利于提高数据质量

统计报表中有些指标是复合指标,不能直接从有关财务资料中取得数据。如统计报表中计算工业中间投入,得依靠查阅会计账目中大量的会计明细科目才能取得,计算比较繁杂,这也会影响报表的数据质量。

有些企业会计制度不是很健全,更是不利于数据质量的正确性。

(三)使用报表各方信息不对称是报表质量差的最主要原因

企业的形形色色报表要提供给不同的使用者。政府的各个管理部门如银行、财政、税务、经贸、工商和统计都需要企业的报表数据。每个职能部门根据企业提供的数据有不同的作用。

上交给金融系统的报表,金融部门往往通过企业的报表数据来判断资产结构的优劣,盈利获利能力的多少,从而来决定企业的贷款额度。企业为了获取贷款,常要给报表数据润色,扩大了企业的盈利获利能力。

如上交给财政税收部门的报表是向企业征收税款的依据,为了达到逃避税收的目的,通过不开发票现销的方式瞒报销售收入,从而降低增值税的应交税额或者采取多列成本,少计收益的方法,降低或隐瞒企业的利润,从而逃避企业的所得税额。

在私营或民营企业中缺乏诚信,根据不同目的填写报表数据的现象常有发生。统计报表虽然要求企业如实填报,但企业往往有所顾虑不肯如实填报。

统计报表作为综合报表,涉及到各种性质的数据,企业在各套报表中选择数据,容易导致数据的混乱,用两种方法计算其工业增加值就会发现增加值率相差很大。因此各部门之间信息不共享,信息不对称是报表数据质量差的最重要原因。

(四)政府行为不规范也是困扰报表数据质量的原因之一

政府重视哪个指标,那个数据就会受到人为因素的干扰出现偏差。报表的指标设置中,指标之间具有很强的关联性,如果单一地提高某个指标的数值,相匹配指标没有进行一致的变化也会引起质量下降。

例如现在各级政府重视工业总产值,要对各地的工业总产值增长速度进行考核,各级政府都会有提高工业总产值的意识和倾向,而相应的工业中间投入没有提高,这会导致过多地计算工业增加值,从而干扰企业的统计数据的正确性。

三、提高企业统计报表质量的建议

(一)加强统计法制观念和职业道德教育

企业领导者的法制观念和对统计工作的重视程度以及企业统计人员的综合素质,对于统计数据质量有着直接的影响力和作用力。

因此要加强企业领导和统计人员统计法制观念和职业道德教育,组织其认真学习和贯彻《统计法》,树立高度的统计法制观念和良好的职业道德,这是提高统计数据质量的前提和基础。

(二)加强统计人员的培训学习

具有基本的工作技术知识和娴熟的统计技能的统计人员,是做好统计工作的必备条件,针对部分企业统计人员素质差,加强统计业务知识的培训,特别是加大新的统计技术的应用,是提升数据质量的必要途径。

计算机技术可以实现数据处理高速化、数据传输网络化、数据贮存资源化。统计报表利用互联网络技术平台的直报系统可以减少数据的传输渠道,从而提高报送的及时性、准确性,也可降低统计数据在人工处理、传输、贮存等环节上的技术性误差和逻辑性差错,而且有利于从机制上形成强有力的统计质量管理体系,维护统计数据管理相对独立性并有效地遏止随意虚报、瞒报以及统计数据质量上的其他腐败行为。

(三)加强统计执法和规范政府行为并重

一是严格统计执法,查处弄虚作假行为,对典型的统计违法案件要向社会曝光,对严重违反《统计法》的责任者要追究法律责任。

二是科学设计统计指标,加强有关指标的可操作性,减少或避免复合指标。

三是淡化考核,减少对企业统计干扰。各级政府要尊重经济发展的自然规律,注重经济发展的内涵。

一个地区的经济发展,经历了工业化初期的扩张,到了工业化后期注重的是产业升级和结构调整,这必然会引起速度回落,因此不能拘泥于考核经济的发展速度。这样才会杜绝迫于行政压力而出现的企业统计报表造假行为。

摘要：企业每年要向外部提供资产负债表、现金流量表、利润分配表等统计报表，这些统计报表数据质量的高低对投资者、决策者等信息使用者具有重大影响。因此，必须不断提高企业统计报表数据的质量。

关键词：统计报表,质量,建议

参考文献

[1]、朱晔．如何综合评判工业企业统计报表数据质量[J]．中国统计，2007(10)．

[2]、曾晓峰．从统计流程谈统计数据质量控制[J]．中国统计，2008(2)．

[3]、柯崴．关于统计数据质量问题的研究[J]．职业圈，2007．

分布式工业数据实时分析计算平台 篇5

中国制造业历经多年的信息化建设,国内的工业企业在各类信息系统中存储了大量数据,这些系统包括OA、HR、CRM、MES等。这些系统帮助企业优化资源配置、减化业务流程,极大地提升了企业的经营管理水平。伴随着数据的快速增长及新需求的不断涌现,原有系统越来越难以满足要求,如何将分散在各个系统中的数据整合起来,充分发挥数据对生产的指导作用,提升效率,优化生产流程,优化经营效率,己成为中国制造业的新挑战。

随着大数据技术在互联网行业中蓬勃发展,涌现了大量大数据处理框架,如Hadoop、Spark、Storm等,如何选择并整合各大数据处理框架,在其上开发、运行、维护处理海量数据的应用程序,成为制造业企业IT部门新的挑战和难题。分布式实时分析计算平台就是为了解决这一问题,帮助企业技术人员可以轻松架构,搭建适用于自身业务形态的分布式实时计算应用。

2 关键技术

本文提到的分布式实时计算平台,选择了多个优秀的开源构件作为平台的基础构件。整个技术平台自下而上主要包括:分布式文件系统层、分布式数据库、分布式数据分析、数据展示等基础功能模块。针对各个基础功能模块的功能要求及特点,筛选优秀开源构件,主要选择了以下开源构件。

2.1 Hadoop

Hadoop实现了一个分布式文件系统,为海量数据提供分布式存储。在此之上,Hadoop提供了Map Reduce分布式计算框架。该框架通过Map和Reduce两个步骤并行处理大规模的数据集。首先,Map会对由很多独立元素组成的逻辑列表中的每个元素执行指定的操作,原始表不会被更改,其会创建多个新的列表来保存Map的处理结果,这也意味着Map过程会产生大量的新数据,有大量的写磁盘操作。Map工作完成之后,会对新生成的多个列表进行shuffle和排序,之后完成Reduce操作。Map Reduce框架的最大不足在于,对于需多次迭代的复杂计算,会产生大量的中间结果,需频繁读写HDFS,无法满足实时应用的需求。

2.2 Hbase

Hbase是运行在Hadoop上的分布式、面向列的No Sql数据库,它是一个分布式可扩展的大数据仓库。它提供高可靠、高性能、列存储、可伸缩、实时读写的数据库系统,主要用来存储非结构化和半结构化的松散数据。它很好地融合了key/value存储模式带来的实时查询能力,以及通过Map Reduce进行离线处理或批处理能力。

2.3 Spark

Spark是开源的类Hadoop Map Reduce的通用并行框架,拥有Hadoop Map Reduce所具有的优点,但与Map Reduce不同的是,Job中间输出结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于需要多次迭代Map Reduce的算法。相比Map Reduce,Spark在做重复计算时可以重复使用相关的缓存数据,无需不断地读写磁盘。

2.4 ANTLR

ANTLR是一款强大的语言识别工具,提供框架通过语法描述来构造语言识别器、编绎器和解释器。通过解析用户自定义的上下文无关描述语言,自动生成词法分析器、语法分析器和树分析器。

3 分布式工业数据实时分析计算平台

3.1 基本架构

本文中的分布式工业数据实时分析计算平台底层基于Hadoop、Hbase、Spark等构件。Hadoop为平台提供了分布式存储HDFS,在此之上是Hbase分布式No Sql数据库,由它组织和管理用户数据表。选用分布式实时计算框架Spark作为计算平台的基础计算框架。由yarn负责整个平台的系统资源调配。

计算平台主要包括Job Server、FCS(Function Compulation Service)、RESTful API等模块。Job Server负责与yarn协调申请资源,为特定应用启动单独的计算服务,管理各计算服务的计算任务。Job Server对外提供RESTful接口。FCS提供UI,供用户编排计算任务,并根据用户计划执行计算任务。平台架构如图1所示。

3.2 Job Server

Job Server主要由Context Manager、Job Manager、RDD Manager等子功能模块组成,对外提供RESTful API,用户可通过浏览器查看Job信息,如图2所示。

●Context Manager:为客户端应用管理应用上下文,每个应用可根据需求启动一个或多个Application Context,不同的Application Context均是独立的yarn应用,相互之间资源隔离。Application Context可分为长驻Context和一次执行Context。

●Job Manager:管理Application Context中的所有Job,包括创建Job、执行Job、保存Job处理结果,异步Job模式中,客户端可根据Job ID获取处理结果。

●RDD Manager:负责管理计算中生成的Spark RDD、客户端申请的有名RDD以及RDD缓存,方便客户端在Job之间共享RDD,以提升计算效率。

3.3 表达式计算引擎

分布式分析计算平台针对工业数据,抽取定义实现了适合工业计算的表达式计算引擎,主要有行计算和列计算两种模式。行计算对Hbase表中的记录行中各属性值执行表达式计算;列计算是纵向的,对表中某一列执行统计计算。两者间可嵌套执行。

海量数据计算中,同一表达式可能执行数以亿计的计算,如图3中所示,Expression parser(表达式解析器)对表达式进行词法以分析,并解析表达式,Expression compiler(表达式编绎器)将解析后的表达式编绎为可以直接执行的算子,RDD执行并行计算时,对每行数据提取算子中所需的列值,传输给表达式算子,多个算子运行结束后,由Result collector(计算结果收集器)收集、合并运算结果。RDD计算过程中无需重新解析表达式,极大地节约了计算时间,提升了计算效率。

3.4 FCS

FCS提供Web UI供客户端编排计算任务,可指定计算任务的执行模式,周期执行或符合条件的特定时间执行。可自定义计算表达式,并通过FCS提交计算任务至Job Server。

3.5 分布式工业数据实时分析计算平台与传统实时数据库对比

分布式工业数据实时分析计算平台与传统实时数据库对比如表1所示。由于传统实时数据库一般单机或多机冗余热备使用,对服务器的硬件要求高,且服务器数量有限,因此,存储容量最大为TB级。与之相比,分布式工业数据实时分析计算平台底层基于Hadoop,普通的服务器即可,群集支持数以千计的服务器,支持超大数据集,能存储PB级的数据,且在群集中维护多个工作数据副本,确保能够针对失败节点重新分布处理。从性能角度看,传统实时数据库由于架构简单,数据多缓存于共享内存,速度明显快于分布式工业数据实时分析计算平台,读写性能可达到十毫秒级。分布式工业数据实时分析计算平台因数据分布存取,存储最快可达到百毫秒级。可扩展性方面,分布式工业数据实时分析计算平台明显优于传统实时数据库,在可用的计算机集簇间分配数据并完成计算任务,可以方便地扩展到数以千计的节点中。而传统实时数据库可添加新节点,但节点数目到达一定规模后,对性能无提升。

4 结语

分布式工业数据实时分析计算平台为企业IT技术人员提供了一个支持分布式实时计算的开发平台,使得企业IT技术人员无需关心计算平台的底层架构,无需编写代码,仅通过FCS编排计算任务,即可快速完成业务计算的编写,进而对海量数据进行业务分析和处理。

参考文献

[1]朱江.基于云计算的数据挖掘平台架构及其关键技术研究[J].计算机光盘软件与应用,2015(19):53-56.

[2]梁九妹,卢忠田.一种基于云计算技术的实时业务服务模型[J].计算机与现代化,2013(07):160-163.

[3]王水萍,王方.一种基于云计算数据挖掘平台架构的设计与实现[J].信息安全与技术,2014(08):64-66.

工业网络数据 篇6

关键词：故障诊断,数据驱动,工业过程

0 引言

随着现代经济的快速发展和流程工业规模的不断扩大,工业过程的复杂性也不断提高,如石油、化工、发电、钢铁等行业。这类系统一旦发生故障,将会造成巨大的经济损失[1]。例如2002年2月23日辽阳石化分公司因聚乙烯系统运行不正常,导致大量的乙烯气体泄漏,发生了剧烈爆炸,结果造成8人死亡,1人重伤,18人轻伤,事后统计,公司直接经济损失高达452.78万元。切实保障现代复杂工业系统的可靠性与安全性,降低事故发生率,维持生产稳定,是企业非常关注的重要技术课题。可见,故障诊断研究对于流程工业长期安全稳定运行具有十分重要的意义。

过程故障诊断技术的出现,为提高复杂工业系统的可靠性开辟了一条新的途径。故障检测与诊断的任务是选取方便有效的方法发现过程中的异常事件,而且还能识别和诊断出生产过程异常事件的根源,进而指导操作员正确处理过程异常[1]。传统的故障诊断方法是由常规的控制系统发出警报信号,然后现场操作人员通过过程变量的变化,并依据他们的经验来完成的。而现代工业系统的大型化和复杂化,使人工完成故障诊断任务变得十分困难。因此,故障诊断技术日益受到各国政府和科研人员的关注,开展工业过程故障诊断技术的研究,是一个既有理论性,又有很高应用价值的研究课题。

1 常用故障诊断方法

故障诊断技术是一门综合性技术,它涉及现代控制论、信号处理与模式识别、计算机科学、人工智能、电子技术、统计数学等学科。经过近40年的研究与发展,出现了多种分类方法。就工业过程的故障诊断而言,当前研究方法有三类[2]:基于数学模型的方法、基于人工智能的方法和基于数据驱动的方法。

1.1 基于数学模型的方法

它的机理是通过建立过程的数学模型,利用系统辨识的方法辨识其参数。在应用这类方法时,人们必须知道过程的异常状况与模型参数或状态之间的关系。总之,基于数学模型的故障诊断方法,其优点是能深入系统本质的动态性质和实现实时诊断;缺点是当系统模型未知、不确定或具有非线性时,这种方法不易实现。对于复杂的工业过程来说,准确详细的数学模型往往很难得到,这就限制了基于数学模型的故障诊断方法的应用。基于此,过程的故障检测与诊断不得不依赖于非模型的方法。

1.2 基于人工智能的方法

其主要是利用人工智能领域的研究成果,包括模糊逻辑、因果分析、专家系统、神经网络、符合有向图等方法,构造某些系统功能以模仿和实现人类在监控过程中的某些思想和行为,自动完成整个监测和诊断过程。基于人工智能的方法适合于不能获取详细数学模型的系统,但必须有大量生产经验和工艺知识可以利用。因此,其通用性较差。

1.3 基于数据驱动的方法

基于数据驱动的故障诊断方法就是在建立模型时仅仅需要过程中的历史数据,即通过各种数据分析处理方法挖掘其中的有用信息,获取正常操作和故障的特征模式,从而实现故障诊断。这种方法是在过程中有大量数据存储并且在计算机、数据库技术的发展背景下发展起来的,正成为故障诊断领域内的研究热点。常用的有多元统计分析方法、支持向量机等。

2 基于数据驱动的故障诊断方法的研究进展

随着集散控制系统及智能仪表在工业过程中的广泛应用,大量过程数据被记录下来,另外计算机、数据库技术的发展为分析大规模数据提供了可能性。但是这些包含过程运行状态信息的数据并没有被有效的利用,以至出现了所谓“数据丰富,信息缺乏”的现象。工业界己越来越意识到将现有数据变为有用的信息,使之服务于系统监控,以增加系统的可靠性并降低维护成本的重要性。因此出现了基于数据驱动的故障诊断方法。

近年来,西方发达国家已加强对该领域的研究资助。国内也开展了相关的研究,典型研究机构主要有浙江大学工业控制技术国家重点实验室先进控制研究所,清华大学的过程控制国家重点实验室,以及其它的科研机构正在从事此方面的应用研究。

2.1 此方面研究成果

应用多元统计理论,Chiang et al[3]、陈耀[4],研究了工业过程的故障检测与诊断,提出了主元分析、部分最小二乘法的过程监控方法。

在此基础上改进的方法,如一些研究学者通过在主元分析和部分最小二乘中引入过程变量的延时测量值后构成新的数据矩阵,再对新构成的数据矩阵进行多变量统计投影分析,从而构成了动态主元分析[5]和动态部分最小二乘[4]。Westerhuis[6]阐述了多模块主元分析和部分最小二乘的思想,使监控模型的解释能力大为增强。

主元分析和部分最小二乘法等统计性能监控方法都是线性化的建模方法,而实际工业过程本质上都是非线性的。目前文献中提到的用于解决非线性问题的方法主要有神经网络方法、主元曲线方法。基于神经网络非线性统计性能监控的应用研究可参见文献[7];Dong[8]提出了一种利用神经网络实现的主元曲线非线性主元分析模型。在该方法中,需要两个神经元网络,一个用于学习数据和非线性得分之间的关系,另外一个用来学习非线性得分与修正过的数据之间的关系。

当数据的实际分布情况偏离正态假设时,利用正态分布计算出的控制限将给性能监控带来误报和漏报。Chen[9]对主元分析进行了改进,利用主元分析算法对过程数据进行降维,然后采用核密度估计算法估计主元变量的分布情况。独立主元分析是统计信号处理领域内一种新的方法,它利用信号的高阶统计信息,将混和信号分解成相互独立的非高斯成分。由于各非高斯成分满足独立性条件,联合概率密度等于各成分概率密度之积,因此避免了高维概率密度估计问题。早期的独立元分析研究主要集中在信号处理领域,近年来许多学者将此方法推广应用于统计性能监控与故障诊断,如Lee和何宁等。

应用模式识别技术,支持向量机是建立在结构风险最小化基础上,对有限的训练样本集能够获得最优的推广能力。其在故障诊断中的应用包括,Chu[10]利用训练好的支持向量机来判别不同工况的操作模式;Chiang[11]将支持向量机和判别式方法结合进行故障诊断等;zhang[12]等介绍基于支持向量域描述的故障诊断方法,并将其应用于流程工业当中。

2.2 此方面尚存问题

基于数据驱动的故障诊断研究中虽获得了不断地发展,所获得的理论成果和方法能够较快地应用于实际工业生产中。但在分析工业过程数据时,还有一些尚待解决的问题:

(1)数据质量

工业过程中的测量数据会受到各种噪声源的影响,往往导致数据不可靠。如果利用这样的数据来实现故障的识别,会使故障识别率大大降低。

(2)数据的强耦合、非线性

由于工业过程的行为状态由许多个变量共同作用的结果,它们之间具有很强的非线性或耦合关系。变量之间的关系用线性函数去近似有时不能得到很好的结果。

(3)可认知故障与不可认知故障判别

目前所述故障诊断方法,主要是对于可认知故障进行诊断判别。对于不可认知故障的诊断,还有待探索研究。

3 展望

随着科学技术的发展,为了进一步提高诊断性能,故障诊断新的方法与技术将不断出现。同时,基于数据驱动的故障诊断方法也将不断完善,进而取得更为广泛的应用。该领域还有一些方向需要进一步研究:

首先,各种故障诊断方法的融合。每一种故障诊断方法都有优点和不足,把基于数据驱动的故障诊断方法和基于知识的方法等结合起来是研究的发展方向。基于知识的方法(如专家系统、故障树、神经网络)有把推理结合起来的能力,适合于故障诊断。事实上,由于工业过程的复杂性,人的知识和决策是非常重要的,这方面是今后故障诊断研究努力的方向之一。

其次,诊断系统的通用性问题。目前每一种监控法都有其适用的条件,有的适用线性系统,有的适用非线性系统,还有的适用于变量具有非高斯分布的系统。但是对于一个具体的工业系统,实际情况是过程本身的特性不可能尽知。需要一种方法,能解决上述等情况并存过程的诊断问题。因此,研究开发集成算法是不错的发展方向。

再者,考虑故障诊断实时性。目前大多诊断都是离线诊断过程,对于有快速容错动作需求的诊断问题,需采用在线诊断方法,对于在线诊断的实时性问题有待研究。如何保证对所发生故障的原因作出快速的判别是研究者一直追求的效果。

最后,对不可认知故障的识别能力。目前的方法是对可认知的故障识别,对于不可认知的故障完全靠人来解决。如何结合先验知识对不可认知故障进行判别,使系统具有自学习能力,是将来故障诊断系统所具有功能的发展趋势。

4 结束语

本文阐述了工业过程故障诊断的意义和重要性,分析了故障诊断的一些常用理论和方法,介绍了基于数据驱动的故障诊断研究进展,指出存在的问题,并对此领域将来发展方向进行了展望。基于数据驱动的故障诊断技术在石油、化工等工业过程故障诊断中已有了应用,将来会有更多更完善的技术方法在实际工业过程中得到应用。

参考文献

[1]Sun W.Palazoglu A.,Romagnoli J.A.Detecting abnor-mal process trends by wavelet domain hidden Markov models[J].AIChE Journal,2003,49(l):140-150.

[2]Chiang,L.H.,Russell,E.L,Braatz,R.D.Fault Detection and Diagnosis in Industrial Systems.Hong Kong,Springer,2001.

[3]Chiang L.H.,Russell E.L.,Braatz R.D.Fault diagnosis in chemical processes using Fisher discriminant analysis,dis-criminant partial least squares,and principal component analysis[J].Chemometrics and intelligent laboratory,2000,50,243-252.

[4]陈耀,王海文,孙优贤.基于动态主元分析的统计过程监视[J].化工学报,2000,51:666-670.

[5]Chen,J.H.,Liao,C.M.Dynamic process fault monitoringbased on neural network and PCA.Journal of Process Control,2002,12(2):277-289.

[6]Westerhuis,J.A.,Kourti,T.,MacGregor,J.F.Analysis of multiblock and hierarchical PCA and PLS models.Journal of Chemometrics,1998,12(5):301-321.

[7]Lin,W.,Qian,Y.,Li,X.Non-linear dynamic principal component analysis for the online process monitoring and diag-nosis.Computers and Chemical Engineering,2000,24(2-7):423-429.

[8]Dong,D.,McAvoy,T.J.Nonlinear principal component analysis-based on principal curves and neural networks.Com-puters and Chemical Engineering,1996,20(1):65-78.

[9]Chen,Q.,Wynne,R.J.,Goulding,P.The application of principal component analysis and kernel density estimation to enhance process monitoring.Control Engineering Practice,2000,8(5):531-543.

[10]Chu,Y.,Qin,S.J.,Han,C.Fault detection and opera-tion mode identification based on pattern classification with variable selection.Industrial&Engineering Chemical Research,2004,43(7):1701-1710.

[11]Chiang,L.H.,Kotanchek,M.E.,Kordon,A.K.Fault di-agnosis based on Fisher discriminant analysis and support vector machines.Computers and Chemical Engineering,2004,28(8):1389-1401.

传统工业型企业的数据管理探究 篇7

1 大数据时代企业业务数据价值和面临的威胁

1.1 什么是大数据

“大数据”的概念较为广泛, 至今也没有一个统一的定义。随着科技与秒俱新的今天, 大数据不仅用来表达庞大的数据量, 同时处理数据的速度也成为它的描述之一。随着互联设备、互联网技术、社交媒体、相机、传感器和用户在全球各地产生的内容呈现爆炸式增长势头, 原始的数据量也呈现出数量级的增长。此外, 多至90%的企业数据都是非结构化数据。这些数据庞大而复杂, 具有不规律性和离散性, 使得传统的数据库软件难以应付, 因此需要一种全新的方法去处理这些数据, 同时保障这些数据的安全。这个全新的方法也可以称作是“大数据”。

1.2 企业业务数据的价值和面临的威胁

1.2.1 企业数据的价值和特点

数据是企业最重要的信息资产。在大量数据面前, 需要判断数据的重要性和稀缺程度, 来决定我们需要保留的数据以及保留的时间。因为错误数据导致的错误分析则直接对企业的管理和生产造成影响。

1.2.2 企业数据管理面临的安全威胁

随着美国“棱镜门”的爆出, 数据存在重要信息泄露的潜在风险也一览无遗的曝光在人们的面前。对于每日数据产生量高于个人亿倍以上的企业需要面对的威胁则更为严重。目前, 中国本土企业面临的数据窃取风险形势严峻, 威胁来自于互联网、不法分子的病毒植入, 虽然这些都能用现行的局域网技术避免。但是硬件采购多来自于国外公司, 高端服务大多采用外国进口技术, 操作系统、专用芯片、和大型应用软件等都给企业的核心数据带来潜在隐患。加之大数据的平台式、移动式、共享化的应用理念, 都为数据安全管理的责任提上了重重的一笔。

1.2.3 保护核心业务数据的必要性和方法

如何有效的将各种数据集中管理呢?在定义方面, 统一的标准、明确的定义和范围;在流程方面, 将数据创建、维护等管理流程统一化;对于质量问题, 把控数据完整性、一致性、准确性, 剔除重复数据。利用统一的数据平台, 建立规范的数据仓库实现数据统一管理、确保企业主数据的高质量、统一定义和流通便利性。

2 石化企业的核心数据特点及应用

2.1 石化企业核心数据管理现状

以MES为核心的面向企业生产执行层面的数据分析系统。以DCS为代表的基础源数据采集过程控制系统。MES系统作为生产和计划的信息纽带, 为ERP和过程控制系统提供链接。

2.2.1 经营管理层面数据管理

具体来说, 动态数据是每笔具体业务发生时产生的数据, 它随时间点不同而变动, 如ERP中主数据的维护、供应商的名录等。静态数据包括系统设置所用到的数据和系统运行实际业务所用到的数据。静态数据属于公用数据, 但这些数据又是动态数据的基础, 两者互为依托。

2.2.2生产业务层数据管理

从生产层面而言, 石化行业是一个典型的流程型行业。其核心业务流程涉及原油储运、油品加工和产品销售发运三个主要业务, 其中油品加工涉及了原油加工成产品的整个过程。整个过程涉及油品的多次流转及物性的改变, 从原油运输进厂, 到输入一次加工装置、二次加工装置、精制装置等进行油品加工, 然后输出到罐区进行油品调和, 直至产品合格。

2.2.3 石化企业信息化应用现状和对数据管理未来的思考

中石化企业信息化管理工作现由炼化板块、油田板块、科研院所等几个板块内容组成, 形成了“一个整体, 两个层次;归口管理, 分工负责”的管理格局。2006年形成了ERP支持中心, 各分子公司也都成立了相应的ERP支持中心。

制度方面:采用统一的标准和规范化制度完善管理了总部与子公司的信息系统应用, 并执行更加细化的规则和规范统筹进行数据和信息安全的管理。

信息化代码标准方面:编制了13大类信息代码, 包括单位、物料、设备、财务。人事等, 建立了代码运维体系。近两年来, 随着ERP和MES的深化应用, 数据信息的标准化工作也在日趋完善。建立了ERP系统数据字典、ERP业务推广模板、物资采购电子商务数据标准, 相继形成了相关的数据源标准定义和系统间的交换接口标准和业务流程标准, 这一系列的努力均符合数据管理中的统一标准规范原则, 对未来大数据管理奠定了基础。也体现了石化企业作为传统企业在信息化道路上起航的步伐。

大型信息系统的建立将总部与分子公司无缝连接, 达到了信息和数据的贯通集成, 其中ERP系统、供应链系统、生产执行MES系统、物资采购电子商务系统、OA系统、门户系统等统一推广系统使得数据能够在统一标准化的平台上运转, 对数据分析、收集整理提供帮助。

3 石化企业的数据安全策略

3.1 传统企业数据安全面临的风险

来自于网络的威胁, 由于互联网在石化企业中的应用越来越普遍, 因此, HTTP、SMTP、FTP、POP3等协议, 几乎每天都面临不同的安全风险, 而病毒、蠕虫、垃圾邮件、木马程序、间谍软件、网络钓鱼等恶意行为也在伺机攻击企业的IT系统。

来自于应用安全管理的威胁, 对于石化企业来说, 内部未公开的业务数据、客户信息、商业合同和协议等都具有高度的机密性。这些机密文件又有可能通过Email、QQ、MSN、BBS等互联网渠道可能会造成对泄漏。一旦丢失或者窃取就可能被对手甚至潜在威胁者利用, 导致无法挽回的损失。

石化企业核心数据的高价值也是一种威胁, 诱惑性威胁。对于石化企业来说, 经营类数据主要以财务数据为主, 财务数据包含各种用工成本、成本耗费、商业配比成本, 产品出厂定价等敏感性数据。生产层面数据包含企业核心装置数据、产品组分数据、产品出厂配比等敏感性数据。掌握了核心业务数据就掌握了企业产品趋势、企业管理方向等靶向性数据, 对于对手和潜在威胁者而言甚至可以根据数据反映的信息演算出攻击企业运转的方法。

综上所述, 石化企业在发展企业优势业务的同时, 对核心业务数据的安全管理也应有更深刻的认识和理解。威胁来源于企业运转的方方面面, 在信息化手段日趋嵌入企业日常业务的今天, 数据安全管理意识的深层次植入就显得十分必要。

3.2 中石化企业现行信息安全管理策略

技术上, 采用PKI/CA的总体架构。部署统一的安全设备, 包括安全网关设备部署, IDS设备部署和NAC准入技术概念的引进, 漏洞扫描设备的部署。在配合和变更管理中, VPN的设备配置、系统安全技术的全面应用, 在操作系统安全、数据库安全、计算机病毒防护、审计管理等多方面部署安全手段。

安全运维管理做到“全员参与、分工合作”等原则将安全理念和行为落实在日常的工作中。企业正式采用了“总——分——总”的方式, 企业的数据均在统一平台上运行, 对数据的集成分析, 统筹管理提供了基础。应急预案和安全配置管理机制对突然事件, 快速响应提供了基础方案和方法。

4 结语

企业的管理者正在以一种新的态度和眼光看待大数据时代下传统企业的发展方向和模式。充分利用信息化手段深度的管理企业核心数据必将为企业在信息时代下的发展提供强有力的保障和支撑。

摘要：本文阐述了石化企业核心数据的特点和价值, 讨论了在大数据时代背景下, 石化行业如何从生产数据、经营管理数据等多角度, 以信息化为支撑、以数据安全为基石优化管理企业核心数据的应用经验和管理方法。