工業大數據，不僅僅只是大量的數據，而是包含制造相關的各個階段，多個維度的數據，要找出數據之間的內在聯系，保證生產的高效運行和最終產品的質量。Siplant正是在這一背景下誕生的西門子數據標準化平臺

Siplant是基于WinCC OA軟件的，并通過Javascript基于Google V8引擎進行了二次開發，Siplant繼承了WINCC OA優秀的特性的同時，也充分吸收了部分開源軟件的優點，從而可以使客戶以更靈活的方式組建自己的APP模塊.

Siplant平臺主要包括了以下幾個方面

一．完整的數據采集體系

分布式數采提供了龐大的單節點采集規模（最高1000萬點）

推送式的數采方式，同時降低網絡和數據庫負荷

以車身車間為例，生產過程中大量的數據來自設備報警和設備工作狀態，由于正常情況下報警狀態和設備狀態都不會頻繁改變，如果采取輪詢的方式進行數采，當數據量大的時候就會產生IO瓶頸.

第一種：數據庫IO瓶頸，數據太多磁盤放不下，而且每次查詢會產生大量的IO，降低查詢速度

第二種：網絡IO瓶頸，請求的數據太多，網絡帶寬不夠

而Siplant和Sicar的Prodiag組件配合使用就可以有效的進行數據優化從而消除數采系統中的IO瓶頸

PLC數采方式

便利的數據收集方式

使用移動APP實時收集現場的一些人工操作信息，利用Siplant的移動APP模塊，現場人員可以隨時記錄生產問題，維修記錄，以及現場測量信息，和PC端自動采集的數據結合后就可以閉環整個生產信息數據。

二．通過部署在Siplant平臺上的結構化工具來管理上述所有數據

概念：Siplant通過數據的水平分層，以工位為依據，根據生產工藝將 數據拆分到不同的數據區中

結果：

每個數據區的結構都一樣

每個數據區的數據都不一樣，沒有交集

所有數據區的并集是全量數據

Siplant就是通過這種清晰的樹狀結構為車間的各個業務模塊提供高效安全的數據服務，所有的數據不再是信息孤島，任何部門和個人都可以查看相關的信息。

三．利用Siplant平臺對生產過程以及設備運行狀態進行可視化

視覺設計

視覺設計的作用并不僅僅是為了讓圖表更好看，更重要的是，符合可視化原理的設計可以幫用戶更快速地理解圖表想表達的內容，利用Siplant內置的圖形化模板，如大家常用的Dashboard數據大屏，讓用戶可以輕松的創建炫酷畫面的同時又能真實反映現場信息的實時信息，Siplant還支持輕量化的Web 3D方案，讓客戶在一些低端PC也能實現3D生產流程的監控。

消息推送

當監控到生產或設備有問題時，需要將異常信息實時傳遞給相關維護人員，以便于及時處理，利用Siplant的現有模板，用戶可以設置多種報警條件，報警消息可以通過郵件，短消息或者APP提醒的方式發送給用戶，用戶可以通過手機APP及時查看詳細情況并及時處理。

四．多維度的對產線和設備狀況進行評估

導入Siplant平臺的數據，經過預處理后，利用Siplant預置的BI模塊，客戶可以輕松的發布基于自己生產體系的高質量分析報表，通過圖表的敘事能力，讓使用者可以以更簡單的方式，看到數據背后的故事。

五．對于一些重要數據如產量，節拍進行問題溯源，把故障點定位到具體設備

比如焊裝工藝中的節拍穩定性分析，通過對節拍的拆分，并對其中每一個動作進行評估，分析動作的穩定性，通過計算一定時間段內某個動作波動?的大小，來評價該動作在這段時間內的穩定性，?越小則穩定性越好，同時計算時間段內的正態分布率，進一步評估動作的穩定度,從而發現導致節拍波動的設備。

再比如利用產量損失模塊用戶可以在看到產量波動的同時觀察到相對應的工藝事件，而且工藝事件還可以根據用戶需求進行分類，并通過熱力圖的方式對此類事件發生的頻率和時長進行標注，使用戶可以清晰的發現對應的事件發生時序。

而且通過分析不同工藝事件發生的頻次和長度，結合產量波動可以得到相對應的關聯系數，通過Siplant關聯系數矩陣圖來計算各種事件之間的關聯系數，判斷那些事件對產量損失有強關聯因素，而哪些事件對產量損失沒有影響，從而使用戶可以定位到關鍵設備并展開有針對性的改進。

在將來Siplant還會引入全生命周期的的大數據應用，包括從設計端引入數據，同時將制造過程中的數據有效的反饋到研發部門，幫助整個研發過程的質量提升。

整個汽車業的工業大數據應用給Siplant平臺提供了機遇和挑戰，西門子也致力于面對這些機遇和挑戰，為中國的汽車制造產業貢獻自己的一份心力。