破解产线数据存管用难题，杉岩数据助制造业迈向智能制造

当前，全球制造业面临客户需求个性化、生产成本不断攀升、劳动力资源短缺、竞争不断加剧等诸多挑战。智能制造的推进成为企业发展战略的重要支撑手段。为此，各大制造企业竞相运用云计算、大数据、人工智能等先进技术，推动智能制造发展。

以数据为中心的智慧工厂业务架构

5G、云计算、物联网、大数据、AI、数字孪生等技术的大力发展，帮助企业实现智能设备、智能产线、智能车间、智慧工厂等生产模式的创新。这些先进技术的背后，会产生海量的图片、文档、音频和视频等非结构化数据，其文件个数和数据量都呈现爆发式增长。

图1 智能制造浪潮下，海量数据产生

以AI质检场景为例，机器视觉质检工序的引入提高了产品质检效率和生产效率，同时也产生了海量非结构化数据。杉岩数据调研的某智能制造工厂产线，一个机台就有10个检测点位或设备，每个点位图片大小平均为50MB，约2秒钟进行1个工件检测；10条这样的产线7*24小时运行，1个月文件数量就达到了1亿多，存储容量达6PB以上。

面对来源多样的海量非结构化数据，实现IT与自动化系统的信息集成，通过强大的数据传输、存储和处理能力，推进智慧工厂理念的落地，需要打造以数据为中心的业务架构。

在智慧工厂业务架构上，分为数据资产、数据平台、智慧工厂、应用系统和服务对象等五个部分。作为数据基础设施的底座，数据存储系统在智能制造体系中起到至关重要的作用。存储系统汇聚了产线多个源头多种类型的数据，根据国家相关政策法规和下游客户的要求，生产数据如质检图片数据通常需要保存3个月到15年不等，以便质检追溯和分析等。这些海量的数据需要能被生产过程管理(MES)、质量管控(SPC)等应用系统便捷地调用和共享，以帮助企业更好地实现生产自动化及决策支撑。

智慧工厂数据存储架构设计

当前制造业产线数据存储方式，主要是采用机台本地盘和集中式NAS存储两种方式，日常使用中往往会面临运维成本高、性能瓶颈、数据安全性低、扩展性差、溯源检索维度少、检索效率低等挑战。

面对数以亿计的非结构化数据，如何实现数据的统一存储和管理、产线数据的实时查询、未来的大数据分析？这对存储高度智能化的管理能力提出了更高的要求。

软件定义存储作为一种先进的数据存储方式，通过将软件从存储系统中抽离出来，使得存储软件不再依赖于专有硬件；通过虚拟化，将物理存储空间虚拟成统一资源池，建立统一命名空间，构建多业务共享的数据湖；其全分布式架构，弹性扩展灵活，支撑千亿级文件/EB级容量，满足制造企业在海量非结构化数据场景下对存储容量、性能、易用性等需求，帮助企业构建线性扩展、超大容量、安全可靠的存储架构。

作为软件定义存储领导厂商，杉岩数据与众多高端制造客户共同实践验证，逐渐摸索出一套完善的产线质检数据存储管理解决方案。方案基于杉岩数据智能存储系列产品，为多个生产线的机器视觉设备提供统一的图片、日志数据采集、存储和管理平台，具有大容量、高性能、易扩展、智能化等优势，有效破解制造业产线质检数据存储、管理及使用难题。

图3 智慧工厂数据存储管理方案部署架构（基于杉岩智能存储）

破解数据存管用难题，助力制造企业展翅腾飞

杉岩数据充分考虑制造企业特点，洞察制造业机器视觉质检场景痛点和需求，基于杉岩数据智能存储系列产品，帮助客户实现海量数据高效采集汇聚、高性能存储、数据智能处理、数据便捷调用，用智能存储为企业提质增效注入新动能。

大幅提升产线生产和质量溯源效率：基于质检图片标签信息进行快速检索，提高溯源效率。根据客户实践，在50亿文件规模下实现数据秒级检索，检索效率提升数百倍。

产线数据统一管理，降低人力成本：自动将数据上传到杉岩海量对象存储。统一监控管理，可视化任务配置，实现产线数据的统一集中管理。

海量空间弹性扩展，性价比更优：分布式存储架构，性能和容量随节点数量的增加线性增长，支持百亿甚至千亿级文件数量，且性能稳定。通过对图片数据智能转码压缩处理，提高存储空间使用率，降低建设成本。

数据全生命周期管理，满足合规要求：根据企业对不同质检数据的保存时间和访问性能的要求，可将数据自动存储在合适的介质中，实现数据热、温、冷存储，兼顾性能与成本，满足长期保存要求。