搜索--e-works数字化企业网

文章
新闻
资料
视频
活动
特别报道
书屋
智能制造
VIP智库
专家
报告

e-works为您找到 10000 条结果

相关性
发布时间

基于Hadoop的大数据平台实施记

大数据的热度在持续的升温，继云计算之后大数据成为又一大众所追捧的新星。我们暂不去讨论大数据到底是否适用于您的组织，至少在互联网上已经被吹嘘成无所不能的超级战舰。网上有一大堆文章描述着大数据的种种好处，也有一大群人不厌其烦的说着自己对大数据的种种体验，不过我想问一句，到底有多少人多少组织真的在做大数据？实际的效果又如何？真的给公司带来价值了？ (2)HBase是基于Hadoop的列数据库，为用户提供基于表的数据访问服务。 (3)Sqoop是关系型数据库与HBase或Hive交互数据的接口。可以将关系型数据库中的数据按照要求导入到HBase或Hive中，以提供用户可通过HQL进行查询。目前我能想到的可以落地到大数据平台的应用有：1.行为分析：将交易数据从关系型数据库导入到Hadoop集群中，然后根据数据挖掘算法编写MapReduce作业任务并提交到JobTracker中进行分布式计算

来源：博客园

2016-10-06

MES与PLC握手的几种方式

通常我们可以通过OPC软件读取这些数据，经过精度处理，然后定期写入实时数据库中。这些数据的特点是：读取频率高，数据变化小，因此存入数据库时会存在大量重复的记录，而实时数据库提供数据压缩的功能，特别适合此类数据的存储。而MES会每隔1秒扫描监听DATA_READY信号，当此信号处于高位时，则读取数据交换区的质量追溯数据。这种方式还有一个特点，就是封装性好，同样一个接口，既可以下发工单，也可以上传过站数据，区别在于PLC_MSG/MES_MSG里存储的数据内容不一样。 13.MES复位IT侧所有数据和状态位。14.发动机准备离开，PLC将ENGINE_LEAVE置位。15.PLC复位所有数据和状态位。

来源：MES交流

2018-04-13

质量管控的数据化实践

每天产生的数据量如何准确及时的分析使用，并能将其形成过程数据链条，为质量管控指明方向是一个艰巨的工作。在协同管理的信息化建设之前，质量数据的统计分析需要大量的人力物力资源投入，而且经常会出现数据统计不完整、数据处理不及时、数据不准确、数据重复、数据属性不一致等等问题，从而影响质量管控决策出现偏差。那么，如何实现质量管控的数据化呢？首先，在质量数据统计方面要全面规划，按照质量管控的要求，涵盖企业运营与质量有关的所有环节，建立一个系统的质量数据采集规范，质量数据监督手段和工具，考评机制。统一规划数据标准、数据模式，数据采集的每一个站点都必须有明确的负责部门，强化质量数据实时管理。在制造现场，给每个产品进行身份编码，结合自动识别和扫描技术进行数据采集。通过对各种质量数据的实时采集、分析，输出质量管控的数据信息，必将使得质量管控的有效性大大增强，提升我国的质量管理水平。

来源：e-works

2015-03-31

企业数据中心夏季管理攻略

随着信息技术的发展，不少的企业都拥有了自己的数据中心或单独的服务器机房。数据中心的服务器存放着企业各种应用的服务器以及与企业运行相关的各种数据。 1.数据中心温度的控制当盛夏来临之前，我们应该认真检查数据中心的制冷设备是否完好，制冷量是否能够满足现有的要求。要做好数据中心的防雷，首先我们必须了解雷电是如何进入到数据中心的。 3.数据中心机房防水数据中心的防水工作，万万马虎不得，一旦数据中心积水，轻则数据中心机房停止运行，要是漏水点正好在服务器上，重则会导致数据丢失，到那时后悔都来不及了。（1）防止数据中心房屋漏水。处于顶层的数据中心机房尤其要注意此问题，一般数据中心机房都有吊顶，看不到数据中心机房顶部的情况，往往漏水都容易被忽略掉。

来源：e-works

2011-05-06

DLP成数据安全新宠儿

图纸、文档、源代码是制造企业的核心资料，对于这些数据资料的保护，历来是制造企业最重视的问题之一。在企业数据安全领域，DLP(数据防泄漏)取代透明加密成为了数据安全市场新宠儿。经过几年的发展，透明加密产品热度渐退，业界厂商也不再局限于单一透明加密产品，而是转为提供针对终端数据安全的DLP(数据防泄漏)解决方案。2010年，DLP(数据防泄漏)在数据安全领域大热。由于敏感数据都被加密，即使泄露出去，非法获取方也无法读取数据，从而保证了对恶意行为的防护。，那么国内的DLP方案是适合使用的；如果企业数据散落在各处，以结构化数据为主，那么国外的DLP方案是适合使用的。数据防泄漏并不是终极数据防护方案，企业仍需要加强管理并辅以其他安全手段来保证真正意义上的数据安全。

网络与安全

来源：e-works

2011-01-26

制造企业如何解决ERP反应过慢的问题

正因ERP如此重要，以致很少有制造企业将ERP托管到公有云，大多是选择部署到本地数据中心或私有云，让数据尽在掌握之中，同时为保证ERP的数据安全，企业还必须构建非常完备的容灾备份系统，确保业务数据万无一失首先，ERP处理业务是基于数据库来完成，因此ERP中的数据都是结构化数据，包括财务信息、BOM、订单信息、仓储信息等，但凡制造企业无论规模大小，上ERP都上是必不可少的，不同的是对用户并发量和数据处理能力要上有所不同谈到存储管理，IBM有着业界最全的存储数据管理产品线，由16种存储管理软件组合，称为“IBM柔性管理家族”，通过灵活搭配的数据管理方式，满足多云存储、数据保护、存储管理、部署AI 在功能上不仅能应用到虚拟化环境，还可以为企业的数据库提供容灾保护。非常合适用于为ERP提供数据保护和灾难备份，原因就在于ERP是以数据库为核心的业务应用系统，需要提供基于数据库级别的数据备份。而且为了提升数据的读写性能，IBM通过收购网格存储厂商XIV，将网格存储技术融入到高端的闪存系统，在数据进入系统之前就将数据切成固定大小的数据块，随机分布到所有的节点，避免热点问题，极大的提升了数据存取效率

2019-05-20

条形码软件在生产管理上的应用

1)生产作业现场会产生大量实时的有用数据，这些生产数据将对企业的快速决策起重要作用。对于无法在生产线上布置电脑，且不需要实时收集数据，各个环节的数据之间无关联或关联性不强的应用场合，可以使用手持数据终端先分散采集，后集中批量处理。此时给生产现场作业人员配备带有条码扫描功能的手持数据终端，进行现场的数据采集。同时在现场也可查询相关信息，在此之前会将系统中的有关数据下载手持终端中。4)数据的上传与同步。将现场采集的数据上传到生产管理系统中，自动更新系统中的数据。同时也可以将系统中更新以后的数据下载到手持终端中，以便在现场进行查询和调用。 2)经识别的数据管理对象详细信息储存并转入到计算机中，准确地完成对该数据的收集工作。

2016-11-24

2017年值得关注的数据中心趋势预测

我所看到的一大趋势是：大型企业组织将继续经营他们自己的数据中心，以尽可能采取相应措施减少其数据中心站点的PUE值。因此，我们将看到这些规模较小的分布式数据中心的日益激增，以抵消在大型云大数据中心整合的趋势。当然，这两种趋势都将有助于企业数据中心在整体数据中心市场中的持续减少。相反，我们可以期望大型数据中心和内容提供商边缘数据中心寻找与他们合作的设计合作伙伴，为他们的空间建立竞争优势。这些新的应用程序可能不会颠覆数据中心领域的游戏规则，但它们仍将帮助数据中心运营商保持其运营空间的充实而忙碌。预计在数据中心业界将会有一些规模较小的企业被大型企业收购的案例，包括DCIM提供商。以下是当前的趋势和对于由此产生的数据的未来的预测，我们将在未来一年看到的增长：新的数据中心建设持续快速增加，但是，由企业所拥有和运营的数据中心的数量将越来越少。

来源：机房360

2017-01-11

工厂设备状态监测难？巴鲁夫CMTK工具包轻松解决！

CMTK系统易于实施的巴鲁夫状态监测工具包一种高效可靠的解决方案，它利用先进的传感器技术，可以实时监测设备的关键参数（如温度、压力、振动等），并将数据传输到集中的数据处理系统进行分析，可以识别设备异常行为和故障风险基本单元+传感器01内置软件即插即用的设置自动检测IO-Link传感器可上传并识别任意IO-Link传感器的IODD文件自动生成可视化界面可定制的仪表盘图形可以根据需要进行排列和缩放用户定义的传感器和数据的命名数据日志可变的数据记录率灵活的数据输出访问数据库和数据历史警示设置单独的阈值和趋势检测通过各种渠道进行报警通知用户和系统管理易于访问和操作多个重要技术特性多种测量：振动，温度，环境压力，湿度数据预处理：用于统计参数(均方根、平均值等)的计算事件/状态显示：用于自定义阈值的自动监控灵活的数据处理：同时传送五个测量值或计算值紧凑设计：具有小的形式因素，易于集成，即使在现有的机器不锈钢外壳：防护环境影响(IP67-IP69K)和机械损伤M12接头：与常用的IO-Link网络模块兼容CMTK可视化传感器数据可视化界面数据采集便捷设置简单根据连接的传感器自动生成可视化界面数据采集方便快捷 MQTT数据传输间隔时间可设置E-Mail报警可通过E-Mail发送现场报警数据看板监控当前值和限制或识别趋势可视化界面自带可视化界面/界面可自行设置CMTK三大优势助力实现可靠灵活的状态监测▲CMTK

智能传感器

来源：巴鲁夫Balluff

2023-07-07

BOM准确率的提升管理机制研究

因为每一个属性都影响到下游的使用；4）每月统计一次，其它等临时指令除外；3BOM数据标准、考核方式处理业务过程中所产生的数据是帮助企业决策的主要因素，不正确或不完整的数据可能会导致决策错误或失败，这就使得数据质量对企业来说十分重要企业经营环境中的管理方法会直接影响企业数据的质量，所以数据质量管理方法的应用研究对企业的数据质量就变得非常有意义[5]，根据开发阀点不同，产生的数据状态就会不同，因此考核的标准及方式应该不同。 BOM数据已经完成冻结。 3）生产导入至量产后阶段：数据标准：产品配置表冻结，TG2数据100%发布完成，BOM结构100%冻结；采购属性、工艺属性应该确定；考核方式：此阶段BOM数据已经传输至下游部门及生产系统，此阶段的错误数据对管理成本影响较大 4责任界定、反馈机制4.1成立BOM数据问题工作组涉及跨业务、跨平台、跨产品的数据，需要各部门之间相互协商解决，成立BOM数据问题工作组将最快的解决问题。

来源：互联网

2017-05-17

共 1000 页总数：10000 条

«
1
994
995
996
1000
»

全年活动计划

信息搜索中，请稍候...

资料

系列微信

数字化企业

观潮工业AI

e-works制信科技

具身智能一线

智能制造网博会

智能制造IM

ERP之家

智能工厂前线

MES百科

PLM之神

供应链指南针

旗下机构

中国光谷产业联盟

广西两化融合促进中心

广西工业创新促进会

e-works 公众号

e-works APP

旗下其他网站

广西两化融合门户

广西新品推介交易平台

特色服务

两化融合贯标

© 2002-2026 武汉制信科技有限公司版权所有 ICP经营许可证：鄂B2-20030029-1（于2003年首获许可证:鄂B2－20030029）
鄂公网安备：420100003343号法律声明及隐私权政策投诉举报电话：027-87592219

关于我们 | 联系我们 | 隐私条款

ICP经营许可证：鄂B2-20080078
（于2003年首获许可证:鄂B2－20030029）
鄂公网安备：420100003343号
© 2002-2026 武汉制信科技有限公司版权所有
投诉举报电话：027-87592219

需求中心

扫码查看

联系我们

返回顶部