智能制造案例专题|与MongoDB一起解锁工业4.0转型与增长的无限潜力!

请添加图片描述

MongoDB × 智能制造

数字化技术的洪流在各个产业链的主干和枝节涌现。在工业制造领域,能否通过数字化技术实现各生产要素、生产环节之间的紧密配合,高效规划、管理整个生产流程,是企业提升韧性、赢得竞争的关键。随着工业4.0的深入发展和智能制造的崛起,数据已成为企业运营和决策的核心驱动力。然而,如何高效地管理、分析和利用这些数据,成为了制造业面临的重大挑战;构建新一代系统平台或应用程序,从而提升工厂效率和客户交付体验,成为众多制造企业的关键课题。

本专题文章将带您了解MongoDB在智能制造领域的作用,并通过4个客户案例展示MongoDB应用于智能制造、自动化、工业物联网(IoT)领域的强大潜力。

请添加图片描述

MongoDB如何赋能智能制造?

通过MongoDB的开发者数据平台实现工业4.0的潜力。获得实时洞察力,提高整体设备效率(OEE),并构建现代物联网(IoT)应用程序。

●提高生产效率,降低成本

制造车间内外的设备持续生成有价值的数据。使用开发者数据平台MongoDB Atlas,您可以最大化地提炼和利用数据中的价值,以确保更高效的运营并减少停机时间。

●现代应用的数字化转型

告别旧的运营系统!让MongoDB帮助您构建现代应用程序,推动制造业和汽车领域的创新——工厂自动化、互联汽车、提高供应链效率等等。

●通过物联网(IoT)应用程序加速创新

物联网已经连接了全球数十亿台设备。随着更多支持物联网的、配备更先进传感器的设备上线,要从庞大的设备数据流中实现商业价值,您需要选择合适的数据库。开发者可以在MongoDB上轻松构建工业物联网(IoT)应用程序,连接整个车间的数千个传感器和设备。

●利用Atlas for the Edge实现无缝数据同步,保障设备与人员全天候运营无碍

Atlas for the Edge通过边缘设备、本地环境和云之间的无缝数据同步,确保不间断地访问和实时同步您的边缘设备和应用程序的关键数据,并保障您的物联网设备和联网员工全天候地“丝滑”推进业务,防止本地运营中断。

接下来就让我们通过西门子数字化工厂、RideKleen、Longbow Advantage、博世数字 4个客户案例,一起更具体地了解MongoDB在智能制造领域中的实际应用。

MongoDB助力西门子数字化工厂构建下一代制造执行系统

西门子工业自动化产品成都有限公司(SEWC)是西门子工业自动化产品全球第三大研发中心,也是西门子在德国以外建立的首家数字化工厂,于2018年被世界经济论坛评为“全球九家最先进的工厂”之一。SEWC主要负责研发和生产SIMATIC工业自动化系统系列产品,包括PLC (可编程逻辑控制器)、HMI (人机交互界面)、 IPC (工业电脑)、IOT (工业网关),以及工业边缘计算软件产品,以供应中国及全球工业市场。随着技术能力的持续提升,SEWC在数字孪生、数据分析、人工智能和自动化技术方面不断迭代,保持了世界级的产品质量和高效率的生产模式。

面对业务的快速变化和个性化应用场景的不断产生,SEWC发现传统的制造执行系统(MES)已难以适应数字化、智能化转型的需求。上一代MES系统不仅面临灵活性不足、开发效率低;存在数据库单点故障、无高可用性保障等问题。同时,由于SEWC的产品多达2300多种且是不同生产方式混合,旧时采用的传统关系型数据库需要运维人员不断地重新定义数据结构,在海量数据并行处理时容易导致宕机;且由于缺乏横向扩展机制,给系统运维带来了挑战,影响了生产的连续性。

为了解决这些问题,SEWC携手MongoDB构建了下一代制造执行系统MEMO(制造运营模块化生态系统)。SEWC摒弃了传统关系型数据库的思维模式,选择了MongoDB的分布式文档模型数据库

在数据的灵活性支撑方面,MEMO系统基于MongoDB灵活的文档模型,可以将系统中的对象用JSON来表达,在线进行模型调整,快速适应变化,提升开发效率,并且对于工厂制造执行系统中关系型数据库所支持的工作负载,MongoDB也可以处理。

在高可用保障方面,区别于传统的关系型数据库,MongoDB具备一主多从的高可用复制集架构,保证了集群高可用,且具备自愈能力。当主节点发生故障时,两个备节点自动选举出新的主节点,主备切换,无缝提供服务。MongoDB驱动能够自动进行重试,保证业务完整无感知。与此同时,MongoDB可配置备节点跨机架或数据中心部署,具备更高级别的数据容灾能力。

此外,MongoDB Ops Manager提升了运维效率,如集群健康检测、监控报警、查询优化、备份恢复等。通过设置丰富的集群健康指标监控及预警,可实时监控集群状态;能够配合Performance Advisor进行优化、自动部署、升级和扩展,减少维护宕机窗口;通过灵活备份策略支撑,实现连续备份及按时间点恢复。

SEWC 制造执行系统MEMO和MongoDB的故事

通过采用MongoDB,SEWC成功避免了宕机风险,提升了运维效率,并解放了生产力。

西门子成都全球灯塔工厂(SEWC) IT工程师田爵松

“数据库的高可用性是保障工厂不停工、连续生产的关键所在。在混线生产的情况下,MongoDB对于我们MEMO系统的数据灵活性支撑,保证了产线不停机生产,将运维人员从僵化的工作任务中释放出来,从而能够腾出时间和精力去完成更多高价值工作,极大地提升了运维效率,减少了不必要的人工成本。未来,我们期待能够透过MongoDB新版本、新功能深入更多工业场景,探索更多制造业数字化转型的前沿应用。”

MongoDB助力移动汽车护理移动应用升级,将开发请求减少90%,极大提升运营模式效率

RideKleen是一家专注于环保车队清洁、消毒和维护服务的创新公司,于2018年被考克斯汽车(Cox Automotive)收购。通过与MongoDB合作,RideKleen成功转变了其移动式汽车保养的运营模式。

请添加图片描述

RideKleen的移动应用程序对于其业务成功至关重要,它连接运营、技师和客户,确保服务质量和效率;然而旧有移动应用程序缺乏数据同步、性能、数据丢失隐患、维护成本高昂等问题影响了工作效率和用户体验。

RideKleen与技术公司WeKan携手,将应用迁移到云端,在MongoDB Realm的移动数据库上重新构建移动应用程序的平台。离线优先的功能使RideKleen在服务技术人员缺乏良好网络连接的情况下也能按预期工作。

在将运营迁移到AWS后,WeKan选择了MongoDB Atlas Data Federation和Atlas App Services作为其开发人员数据平台。Atlas提供具有内置自动化的完全托管云数据库服务,Atlas Data Federation提供跨MongoDB和AWS S3的本地数据查询的联合查询功能,而Atlas App Services简化了关键的边缘到云同步,并提供后端服务以加快开发工作。在移动方面则迁移到MongoDB Atlas Device Sync,以便在现场移动设备和RideKleen的后端之间移动数据。WeKan还使用Atlas作为操作数据库和Atlas Data Federation重建了指挥中心门户网站,以无缝转换数据,为定制的可视化层提供动力。

MongoDB的可扩展性和灵活性优化了RideKleen的数据处理能力,帮助RideKleen近乎实时地提供运营更新和反馈;原先为客户推出新服务需要的约两周时间如今被缩短到30分钟之内,减少了90%的开发请求,极大地提高了工作效率,使RideKleen节省了许多时间和成本,并能够为客户提供更优质的服务体验。AWS上的Realm和MongoDB Atlas是这一成功的关键部分,帮助RideKleen克服了初创企业的早期挑战,并为其与Cox Automotive的增长和业务规模扩大提供了基于云的基础。

Longbow的Rebus平台使用MongoDB提升客户仓库运营数据的实时可见性

Longbow Advantage 是一家为客户提供供应链优化服务的公司,其旗舰产品 Rebus 平台将实时性能报告、端到端仓库可见性、和智能劳动力管理相结合。Rebus每周管理着 10 太字节(TB)的未压缩数据,并且这个数字已经在继续增长。

请添加图片描述

Longbow Advantage 面临的挑战是如何实现实时的仓库可见性和报告,而传统的电子表格已经无法满足其需求。公司需要一个能够处理大规模数据、并为仓库提供实时可见性的数据库解决方案。经过深思熟虑,由于 MongoDB令人满意的生态系统、技术和工具选择,Longbow Advantage 选择了 MongoDB 作为其文档数据库合作伙伴。

MongoDB Atlas 成为了 Rebus 平台的核心,使得 Longbow Advantage 能够利用智能数据的力量,提供实时的仓库运营可见性。这意味着从各种系统中以多种格式摄取数据,存储数据以进行高效访问,并根据需要大规模呈现给用户。现在,包括KraftHeinz、Mars、Alcon Labs、Subaru等在内的客户可以访问关键信息,这些企业获得了前所未有的仓库可见性,且得以做出更明智的决策。例如Longbow Advantage的一个制造商客户,他们有的数据被困在供应链孤岛中、有的保存在自制的遗留系统中,因此它需要一个统一的单一视图来查看所有数据。Longbow Advantage使用Rebus建立了20个仓库,实现了所有仓库的实时可见性。
请添加图片描述

图1:Longbow Advantage的Rebus提供了跨多个平台的见解

Longbow Advantage 还在 Rebus 中构建了预测性能和推荐的仓库视图,以提供更深入、更主动的业务洞察。MongoDB Atlas 对 Longbow Advantage 来说非常出色,提供了实时性能监控面板,允许他们即时查看集群状态。与传统的关系数据库相比,MongoDB 提供了无与伦比的数据检索方式,具有出色的敏捷性、同时具有更小、更高效的系统占用。

博世数字(Bosch Digital)携手MongoDB利用物联网(IoT)帮助客户加速创新

博世集团下的博世数字(Bosch Digital)致力于利用物联网(IoT)技术推动创新。博世数字的Bosch IoT Insights软件服务通过收集和处理数据,帮助工程师和开发者解决问题、设计更好的解决方案,并大规模创新。

例如,Bosch IoT Insights为飞机制造商提供支持,通过监测和传输用于紧固飞机上六百万个螺丝、螺母和螺栓的电动工具数据,确保关键任务的准确性,并在扭矩或角度稍有偏差时发送警报。此外,Bosch IoT Insights还涉及汽车发动机控制单元(ECU)的开发,通过匿名化和安全共享ECU数据,帮助开发者更好地理解ECU在现实世界中的表现。

为了支持这些复杂的用例,博世数字采用MongoDB来实时存储、管理和分析数据。MongoDB能够处理大量数据,并从多个数据源创建统一视图,使数据立即可用,从而相当高效地进行实时分析。尤其是MongoDB非常适合管理像物联网数据这样速度、体量和体量上都更高、更复杂的数据类型——MongoDB能够处理结构化、半结构化和非结构化数据,并通过JSON进行高效的数据建模,轻松地将每个设备的信息系统映射到数据库中的相关文档。

MongoDB的动态模式支持敏捷、迭代的开发方法,简化了应用程序和软件的演进。添加新设备、传感器和资产变得更加容易,使团队能够专注于创建更好的软件,而不是处理编程语言和数据库之间的不匹配问题。MongoDB丰富的索引和查询功能,如二级索引、地理空间索引和文本搜索索引,以及聚合框架和原生MapReduce,允许用户提出复杂问题,实时发现更多洞察。

请添加图片描述

无论客户的行业和应用场景是什么,Bosch IoT Insights都能够借助MongoDB帮助客户快速、轻松地理解大数据。MongoDB支持博世数字的工作,提供了所需的数据结构灵活性,使客户能够根据需要进行测试和查询,从而始终受益于最优的数据结构。随着机器学习和人工智能的日益普及,博世数字及其客户可以利用庞大的数据量进行更预测性的分析,基于事实做出更明智的决策。MongoDB的企业级可用性、可扩展性、零停机时间、高安全性和成本效益的扩展能力,助力博世数字解锁新的收入流、优化产品和服务,而无需为开发团队增加额外投资或带来复杂性。

欢迎访问MongoDB中文官网

或通过订阅号菜单栏/留言联系我们

了解更多智能制造业的MongoDB解决方案


👉点击访问 MongoDB中文官网
👉立即免费试用 MongoDB Atlas
☎️需要支持?欢迎联系我们:400-8662988
✅欢迎关注MongoDB微信订阅号(MongoDB-China),及时获取最新资讯。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/19923.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

高级Java开发者的自我修养:深入剖析JVM垃圾回收机制及面试要点

在探索Java虚拟机(JVM)的奥秘过程中,垃圾回收机制(GC)是一个不可或缺的话题,尤其在面对大型应用和系统优化时显得尤为重要。JVM的自动内存管理是Java编程语言中一项革命性的特性,它大大简化了程…

AI盒子在智慧加油站的应用

方案背景 为规范加油站作业,保障人民生命财产安全,《加油站作业安全规范》(AQ 3010-2007)中第五条规定:卸油作业基本要求,明确防静电、防雷电、防火、人员值守、禁止其他车辆及非工作人员进入卸油区。 痛点…

RocketMQ学习(2) 深入学习

RokcetMQ的介绍和基础知识见这篇博客——RocketMQ学习(1) 快速入门 本篇为上一篇的深入学习,很多基础知识不再赘述。 目录 消息重复消费问题(去重;幂等)布隆过滤器 重试机制死信消息 SpringBoot集成RocketMQ集成SpringBoot发送不同消息模式(同步消息)异步消息单向消…

使用el-tab,el-tab-pane循环使用循环后不显示下划线问题

在vue项目中使用element-UI el-tab里的el-tab-pane是循环出来的&#xff0c;但是循环出来后选中tab不显示下划线了 文章目录 问题问题展示效果问题代码问题原因 解决方案解决后效果解决方案1代码 解决方案2代码 问题 问题展示效果 问题代码 <el-tabs v-model"activeNa…

音量的对数表示与浮点数表示

音量用浮点数&#xff08;float&#xff09;和对数&#xff08;logarithmic scale&#xff09;表示各有特点和应用场景 浮点数&#xff1a;直接使用线性刻度表示音量&#xff0c;例如在0.0&#xff08;最小音量&#xff09;到1.0&#xff08;最大音量&#xff09;的范围内。对…

『 Linux 』缓冲区(万字)

文章目录 &#x1f9a6; 什么是缓冲区&#x1f9a6; 格式化输入/输出&#x1f9a6; 刷新策略&#x1fab6; 块缓冲(fully buffered)&#x1fab6; 无缓冲(unbuffered)&#x1fab6; 行缓冲(line buffered) &#x1f9a6; 现象解释&#x1f9a6; exit()与_exit()&#x1f9a6; 进…

list 的实现

目录 list 结点类 结点类的构造函数 list的尾插尾删 list的头插头删 迭代器 运算符重载 --运算符重载 和! 运算符重载 * 和 -> 运算符重载 list 的insert list的erase list list实际上是一个带头双向循环链表,要实现list,则首先需要实现一个结点类,而一个结点需要…

【代码随想录——回溯算法——四周目】

1.重新安排行程 1.1 我的代码&#xff0c;超时通不过 var (used []boolpath []stringres []stringisFind bool )func findItinerary(tickets [][]string) []string {sortTickets(tickets)res make([]string, len(tickets)1)path make([]string, 0)used make([]bool,…

JSON Web Token

JWT 什么是JWT JWT&#xff08;JSON Web Token&#xff09;是一种用于在各方之间作为JSON对象安全地传输信息的开放标准&#xff08;RFC 7519&#xff09;。该信息经过数字签名&#xff0c;因此是可验证和可信的。JWT 可以使用HMAC算法或使用RSA的公钥/私钥对进行签名 JWT的…

win10键盘按乱了,如何恢复?

今天键盘被宝宝给按乱了&#xff0c;好不容易给重新调整回来&#xff0c;记录备忘&#xff1a; 1、win10的asdf和方向键互换了&#xff1a; 使用Fnw键来回切换&#xff0c;OK&#xff01; 2、键盘的win键失效&#xff0c;例如&#xff1a;按winD无法显示桌面。此时&#xf…

电动汽车电子系统架构

电动汽车的普及正在稳步发展&#xff0c;供应链的各个环节也在发生变化。它涵盖了制造电动汽车零件的原材料、化学品、电池和各种组件。与此同时&#xff0c;汽车充电基础设施也参与其中&#xff0c;它们正经历一个历史性的阶段&#xff0c;经过彻底的重新设计。它们的电气化以…

Wpf 使用 Prism 实战开发Day30

登录界面设计 一.准备登录界面图片素材&#xff08;透明背景图片&#xff09; 1.把准备好的图片放在Images 文件夹下面&#xff0c;格式分别是.png和.ico 2.选中 login.png图片鼠标右键&#xff0c;选择属性。生成的操作选择>资源 3.MyTodo 应用程序右键&#xff0c;属性&a…

如何修改开源项目中发现的bug?

如何修改开源项目中发现的bug&#xff1f; 目录 如何修改开源项目中发现的bug&#xff1f;第一步&#xff1a;找到开源项目并建立分支第二步&#xff1a;克隆分支到本地仓库第三步&#xff1a;在本地对项目进行修改第四步&#xff1a;依次使用命令行进行操作注意&#xff1a;Gi…

地质灾害位移应急监测站

地质灾害位移应急监测站是一种专门用于地质灾害预警和应急响应的设施&#xff0c;它能够实时监测和分析山体、建筑物、管道等的位移变化情况。以下是关于地质灾害位移应急监测站的详细介绍&#xff1a; 主要组成部分 传感器&#xff1a;安装于需要监测的位置&#xff0c;用于…

RK3588+FPGA+AI高性能边缘计算盒子,应用于视频分析、图像视觉等

搭载RK3588&#xff08;四核 A76四核 A55&#xff09;&#xff0c;CPU主频高达 2.4GHz &#xff0c;提供1MB L2 Cache 和 3MB L3 &#xff0c;Cache提供更强的 CPU运算能力&#xff0c;具备6T AI算力&#xff0c;可扩展至38T算力。 产品规格 系统主控CPURK3588&#xff0c;四核…

GUI 02:布局管理器相关知识,AWT 的 3 种布局管理器应用,以及嵌套布局的使用

一、前言 记录时间 [2024-05-31] 前置文章 GUI 01&#xff1a;GUI 编程概述&#xff0c;AWT 相关知识&#xff0c;Frame 窗口&#xff0c;Panel 面板&#xff0c;及监听事件的应用 本文讲述了 GUI 编程种布局管理器的相关知识&#xff0c;以及 AWT 的 3 种布局管理器——流式布…

【FPGA】Verilog语言从零到精通

接触fpga一段时间&#xff0c;也能写点跑点吧……试试系统地康康呢~这个需要耐心但是回报巨大的工作。正原子&&小梅哥 15_语法篇&#xff1a;Verilog高级知识点_哔哩哔哩_bilibili 1Verilog基础 Verilog程序框架&#xff1a;模块的结构 类比&#xff1a;c语言的基础…

P3881

最小值最大 二分&#xff1a;枚举两个牛之间的最小距离&#xff0c;左端点是1&#xff0c;右端点是篱笆总长度。 Check数组&#xff1a; 如果两头牛之间距离是Mid不合法&#xff0c;则返回0&#xff08;false&#xff09;&#xff1b; 如果两头牛之间距离是Mid合法&#xf…

去噪扩散概率模型在现代技术中的应用:图像生成、音频处理到药物发现

去噪扩散概率模型&#xff08;DDPMs&#xff09;是一种先进的生成模型&#xff0c;它通过模拟数据的噪声化和去噪过程&#xff0c;展现出多方面的优势。DDPMs能够生成高质量的数据样本&#xff0c;这在图像合成、音频生成等领域尤为重要。它们在数据去噪方面表现出色&#xff0…

瑞吉外卖项目学习笔记(二)后台系统的员工管理业务开发

一、完善登录功能 1.1 问题分析 1.2 代码实现 package com.itheima.reggie.filter;//这是一个过滤器类 //登录检查过滤器import com.alibaba.fastjson.JSON; import com.itheima.reggie.common.R; import lombok.extern.slf4j.Slf4j; import org.slf4j.Logger; import org.slf…