智能制造数字化工厂建设方案（PPT共100页）

智能制造是数字化工厂的核心大脑

方案目录

强国战略规划：远超制造本身

数字化工厂产品应用架构

提供从感知、执行终端，到物联网接入网络，再到上层应用一体化的整体生产解决方案。

纵向集成： 研发、设计、生产、制造、运营、管理、服务等所有的环节集成；

横向集成： 一级供应商、二级供应商，以及销售商信息的无缝对接。企业之间通过价值链以及信息网络所实现的一种资源整合，为实现各企业间的无缝合作，提供实时产品与服务，推动企业间研产供销、经营管理与生产控制、业务与财务全流程的无缝衔接和综合集成，实现产品开发、生产制造、经营管理等在不同的企业间的信息共享和业务协同。

端到端集成： 一个新理念，是围绕产品全生命周期的价值链创造，通过价值链上不同企业资源的整合，实现从产品设计、生产制造、物流配送、使用维护的产品全生命周期的管理和服务，它以产品价值链创造集成供应商（一级、二级、三级……）、制造商（研发、设计、加工、配送）、分销商（一级、二级、三级……）以及客户信息流、物流和资金流，在为客户提供更有价值的产品和服务的同时，重构产业链各环节的价值体系。

数字化工厂解决方案

如何通过“智慧制造管理”创造极致的用户体验，金蝶的理解

1：以连接接触前端用户需求，通过连接实现用户需求的有效传导

2：数字化工厂通过多工厂计划实现工厂间的生产任务协同，同时，通过供应商协同，实现采购业务的高效协同；通过智慧排程，实现车间的动态排程与调整；通过车间现场与智慧终端、看板等设备的完美结合，实现贯穿供应，生产，渠道，服务，财务等各个管理服务的支撑

3：通过各经营与管理服务利用企业个体大数据，与互联网，政府公开大数据，行业数据等结合，通过大数据分析和预测，再反馈与前端提供智慧的服务。

数字化工厂 - 先数字化再智能化

制造领域产品蓝图

人与系统的连接

顶层业务管理和车间级控制集成实现大批量->小批次->定制化“1”的制造

系统与设备的连接

数字化工厂的车间布局的趋势

全过程的质量追溯管理

质量管理涵盖了企业质量管理的核心基础业务，并与采购、生产、车间、库存等业务紧密衔接，有效支撑供应链、生产制造业务，构成了面向供应链、制造企业的全流程的质量管理框架。

提供全方位多层次多组织质量追溯，可追溯到产品销售给哪些客户、由哪个部门生产、用了哪些原材料、原材料是由谁（供应商、组织、客户）提供、现有库存多少等，一旦出现质量问题，能够帮助企业快速定位是哪个环节出现质量问题，会造成多少损失，为售后及质量索赔提供依据。

质量追溯：生产数据的采集（投料、工序信息），在质量追溯时可自动根据产成品追溯原料及加工情况，清晰界定分析质量问题

打造城市中高逼格的数字化工厂

数字化工厂：

1、客户个性化订货，交互式设计；（未来）

2、生产车间根据APS编制的有限产能计划生产。生产计划下达时，通过看板自动显示生产线需要的物料进行配送。

3、库房根据车间计划进行立体仓库拣货，根据现场的实际完成进度拉式AGV配送。

4、物料加工过程中，老化室自动采集生产数据进行汇报。

5、生产管理人员通过现场看板或生产线边的智慧终端，对设备与加工过程进行管理。

6、生产进度通过车间生产看板来显示当前的生产情况与加工异常情况

7、云信息发布产能、生产加工能力等信息，自动评价。（未来）

未来已至，只是尚未流行。

凯文·凯利在《必然》的这句话似乎贯穿于整个互联网这部“进托邦”史当中，很多时候我们看到趋势，也看到技术的“秀肌肉”，但要真正飞入寻常百姓家似乎却并不是那么容易的事。

毕竟解决人的需求，才是真正推导技术变革的力量，技术进步的初衷也是为了造福人类。

这其中，车联网的“乌托史”其实起源甚早，在国内最早可以追溯到08年。而在近几年，随着人工智能技术的飞速发展，吸引了许多企业的跑马圈地，包括BAT在内的诸多“野蛮人”纷纷进行架构调整，高调入局车联网的态势也着实让车联网的火变得愈发旺盛。而对于传统 汽车 厂商而言，车联网更是 汽车 销量焕发“又一春”的关键。

事实也的确如此，据有关资料显示，2018年1至10月，中国市场 汽车 共销售2287万辆，同比下降01%，持续回落。其中，10月份 汽车 销量仅238万辆，同比下降117%，为2012年以来最大单月降幅。多重因素影响下的 汽车 销售热度下降的境况似乎已经不可阻挡。

车联网被传统车上们寄予厚望本身也是无可厚非的事，然而在互联网江湖(VIPIT1)团队看来，车联网虽热，但眼下却有这么几盆冷水已经是“盆在手上，不得不泼”。

倒春寒还是冬未过：车联网爆发的阻碍因子有哪些？

从车联网技术本身来看，其目前市场上的火热到底有没有泡沫？是否存在被高估的嫌疑呢？答案是“有过”，任何新技术驱动下的产业往往具备估值高、营收低、风险高、周期长、不确定性高等特征，车联网同样也是如此，但车联网最大的泡沫其实早已破碎开来。

从08年车联网的概念刚刚提出，到如今正好过去十个年头，按照技术发展的加德纳技术成熟度曲线。如今车联网的火热已经不是萌芽期后的火热，而是从低谷期到复苏期的回暖，准备迎接最后成熟期的到来。

既然是复苏期，就需要对行业有更理性认识认清行业发展的阻碍因子来自哪里。但从目前行业的反省来看，如今要想以车联网为卖点促使用户换车并不是件容易的事，而这主要归咎于以下几个方面：

1新技术落地的普适性轨迹：由表及里，循序渐进

车联网对于 汽车 产业而言无异于鸟q换大炮，功能机变智能机，而在过去人类文明发展积累的经验来看，技术的落地轨迹其实具备一定的规律性特征。从第一次工业明开始，每一次新技术出现，其脚步的快与慢直接关系到当下整体市场的发展，以点连线，以线辐射面的过程，而至于影响的行业、应用及生活方式也同样是个逐步运行的过程。

以通讯网络为例，通讯网络的2G时代、3G时代再到如今的4G时代，每次改变都不是一蹴而就的，而是一个循序渐进的过程。在4G网络发展最迅速的几年，仍有人使用2G、3G网络。在基础设施层面上，自2008年4G出现之后，在这过去的几年时间里运营商却依旧没有关闭3G、2G网络。

通讯网络的普及尚需多个年头，而车联网技术的落地难度要更大于移动网络的普及，原因主要归结于以下几个方面：

通讯网络是旧技术迭代，车联网是新技术起源。

移动网络所提供的服务类型人们都知道，不需要进行额外的市场教育，而车联网不同，人们目前所看到的也只是蓝图，并没有感受到实际的效果，本身也需要付出新事物都要有的市场教育成本。

车联网代表更智能高品质的生活驾驶体验，但这并不意味着原先的 汽车 就会完全退出 历史 的舞台，就比如从功能机到智能机，如果没有小米这样的“搅局者”，智能手机的普及可能尚需一段时日。

因此，我们可以认定的是，即使车联网真的达到大规模商用的程度，而换车潮并没有期待中的那么大，这会是一个持续很长一段时间的过程。

汽车 的耐用品属性

经济学认为，在消费结构的划分当中， 汽车 消费的比重通常仅次于住房消费。消费金额大、消费周期长是其主要消费特征，成本比手机要小得多，很难产生冲动消费。因此，人们在面对买车与否的消费决策时方面往往慎之又慎，这为搭载车联网系统的 汽车 出售增添了不小难度。

2未能实现足够高的用户效用

跟“人”打交道是一件最复杂的事情，因为人的七情六欲会时刻影响一个人的行为，“人性”在很多时候是商业发展的动力有些时候则是一种阻碍。

基数效用论告诉我们，不同类型的产品带给用户的满足感也会有所不同。例如吃一个鸡蛋用户获得的满足为10，一只烧鸡的满足是15，因此吃一只烧鸡比吃一个鸡蛋更加划算。

而在车联网同样也是如此，毕竟无论什么时候，使用价值才是商品价值的体现，西方经济学效用理论告诉我们：如果某一单位的某种商品的边际效用越大，则消费者为购买这一单位的该种商品所愿意支付的最高价格越高，用户对产品效用认同高低决定是否愿意付费或者愿意付出多少费用。

如今看来，车联网依旧还处于“PPT”的阶段，虽说已有不少可以冠之以车联网的卖点，凡和WIFI、网络沾点边儿的产品，就被冠上车联网的名号，这些本身也的确算是进步，但这一改变对用户的满足程度只是处于效用较低的一个层次。 相对于PPT给广大用户心智中的留下的锚定印象，如今打着车联网旗号的车企更像是小儿科，就目前而言尚没有看到解决思路。

没能实现足够高的用户效用，这也是不看好目前车联网能够拉动销量增长的根本原因。 从某种程度上讲，各自为战的行业境况这也导致车联网更像是一个非标准产品，而在互联网江湖(VIPIT1)团队看来，我们看过的几乎所有的非标准化产品的扩张动力都来自于激活“爽点”而非解决“痛点”。如果以KANO模型来看，这一类产品满足的可以是期望属性、魅力属性、无差异属性和反向属性，但一般不会是必备属性 。因此，什么时候用户感到车联网的必备属性了，这也是行业真正爆发的时候，但从目前来看还没有这一类的迹象。

3技术本身尚存不足，何时解决未知

技术依旧是行业发展最难啃的骨头而这主要体现在以下两个方面：

产品设计

企业技术基因浓厚，如刚刚进行组织架构调整的阿里、百度、腾讯，它们的车联网系统的设计者们一直在建造更大、更相互交织的系统来分担计算机处理负载。但如今来看他们似乎忽略了这样一个事实：一旦一切事物都联系在一起，问题就会像解决方案一样容易扩散，有时甚至更容易扩散。有过太多的建模都曾经表明一件设备的连接越少，安全性也会越高。虽然智能通常是高度可靠的，但它是有很大的可能会出现失败。当车联网实现的时候，它可以提高性能。但如果车联网系统出现问题，所造成的后果可能比没有智能化的情况更糟糕。

通讯网络

5G网络是包括车联网在内整个物联网生态所依赖的一项技术。车联网时代，需要强大的网络支撑，因为海量的物联网终端需要需要可靠的低成本接入，传统的网络架构的性价比无法满足要求，而关于5G技术技术而言，依旧未能实现大规模的商用，这也是限制车联网爆发的技术因素之一。

4行业外部环境的复杂性

从外部因素来看，美国学者Johnson·G与Scholes·K提出了 PEST 模型，用来进行行业大环境分析，可以分为四大因素：政治因素(Political)、经济因素(Economic)、 社会 因素(Social)、技术因素（Technological），以此来判断一个行业发展的外部环境。

从政治因素来看，主要是要考虑政策对行业的管理力度，经济发展本身就是市场调节与宏观调控相结合，而对于新经济的发展更多的是鼓励、包容、支持和引导，但在一些关键而又敏感的话题上，政策方面也会及时给予强有力的规范和引导。

对于车联网而言，其中最需要注意的就是数据和信息这一敏感话题。

从技术的演进来看，就目前来看，车联网的发展还有许多问题亟待解决，这一点前面我们已经提到一些。除此之外，还有许多问题让以技术见长的BAT都还头疼不已。

例如交互方式上，采取什么样的交互方式？语音还是触屏，亦或者二者结合？，从屏幕设计来看，车载系统不是日常回微信，瞬间的分神就可能造成交通事故，这需要产品经理好好考虑产品的设计问题。一旦出现问题对于企业品牌形象的打击会是致命的。而语音方面，则是一些老生常谈的问题，例如方言识别等。

从经济因素来看，如今 汽车 销量下降的经济问题也将成为未来车联网 汽车 销量的阻碍因子。

例如楼市价格快速上涨，人们在这一块的投入增多，“挤出效应”下对整个 汽车 销量带来负面影响。虽说买房和买车在功能上不属于替代品，但在消费者支出分配上绝对是此消彼长的关系。 除此之外，国内宏观经济发展态势等因素也会影响 汽车 的销量。

从 社会 因素来看，车联网的蓝图是为了实现车和车、车和人、车和道路等与 汽车 有触点事物的关联互动和信息交流。还有就是经常提到的隐私问题， 社会 大众对个人信息问题的态度，这些 社会 问题将是车联网从业者未来必须考虑的问题。

由此可见，透过 PEST 模型分析不难看出，虽说目前车联网的研究已经归于复苏期，但行业未来爆发的时间点还不可期，现在一切关于车联网带动 汽车 销量增长的猜测更像是望梅止渴。

未来已至，但尚未普及，那如何才能加速车联网的发展和普及呢？

回归 汽车 IoT常识和底层逻辑：基因互补才是车联网发展的完全体？

车联网本身属于产业互联网范畴，前面我们提到的问题其实都源自于最本质的内容，因而要详询的解决方案，还需要回归 汽车 IoT的本质才行。

回顾过去 汽车 厂商的成长之路，有这样两条明显的主线：一是工业 社会 的规模效应推动 汽车 厂商的崛起；二是互联网的网络效应时代，规模不经济推翻了 汽车 厂商们依赖许久的成功经验。

如今，产业互联网时代到来。产业互联网其实是将大量的设备、数据和系统连接起来，这些设备、数据和系统通过互联网联系在一起，但它实际上不是一个单独的问题，是一个产业整个生态系统的问题，具体到车联网而言同样也是如此。

从底层逻辑来看。车联网可细分为云、管、端三部分。车为端，5G为管；云就是云服务、云储存、云计算，用来解决车与车，车与人，车与物的联系。

云的问题谁来解决？这需要 科技 公司的阿里云、京东云、腾讯云们下功夫；5G网络需要各大电信运营商的扶持；而“端”自不用说，各大 汽车 厂商。只有多方协作，车联网的产业价值链才能实现升级的链式效应。

单一企业并不具备产业的积累和底蕴，即使是消费互联网时代呼风唤雨的BAT同样也是如此，毕竟2B类产品不同于2C，要求的不仅仅是“做到”，而且还要“做好”。这可能需要相关企业不仅具备 汽车 制造基因，还要具备技术基因、运营基因等多元化基因。

凡事皆有主次，那么云、管、端三大要素中谁为主导呢？这一点其实毋庸置疑，一定是端。

物质决定意识，任何时候软件的存在并不是凭空发展起来的，它们的存在和运行必须在各种硬件设施的基础上，一定是先有电脑和智能手机，才会有现在丰富的客户端和APP。软件的发展，离不开硬件的支持。车联网同样也是如此，网络传输也好，云服务也好，都依靠于端的力量，车载系统必须与 汽车 配套，是 汽车 整体的一部分，这是不容改变的前提条件。

因此，在这种条件下，互联网江湖(VIPIT1)团队认为合资车企这一车联网时代衍生出的新物种更符合行业发展的特征。

以上汽通用 汽车 为例，其发布的“2025车联网战略”写道：到2020年，上汽通用 汽车 旗下车系将实现100%云互联；2025年之前，上汽通用 汽车 旗下的车将能够应用5G网络技术、车主将拥有超级个人助理、一体化座舱系统以及基于增强现实的抬头显示系统应用。

敢定出这一目标本身是需要一定底气的，而上汽通用的底气源自于合资车企能够不断实现“基因互补”的优势。

作为上汽“拳头品牌”的别克 汽车 推出的Super ID功能，已经可以支持高德导航、网易云音乐和考拉FM车机账户联合登陆，并且能将这些应用的移动端数据和车机端打通，做到跨平台的用户数据共享。能够实现这些功能，依靠自身的 汽车 制造基因是做不到的，合资车企的价值凸显的淋漓尽致。

消费互联网时代，企业以单点为突破口展开，然后再逐渐摸索相适应的商业模式的套路已经过时，企业级市场更强调“基因的组合效应”。有道是条条大路通罗马，未来可能还未衍生出更多好的解决办法，但就目前而言合资车企无疑是最合适的存在。

通过物联网、云计算、大数据等信息手段，感知园区各类信息、全方位实现企业园区的智能化管理，为园区的企业及企业员工打造安全、便捷、规范的工作环境，为企业管理者提供高效、可靠、综合的管理手段，从 整体上提高园区形象，增加园区竞争力。

平台基于大数据共享中心，对园区运营管理，精准招商，企业运行、能耗等数据进行整合分析，列明重点工作，展示充分 有效信息、暴露问题症结所在，实施精准快速会商。为政府科学决策、园区智慧管理、政策精准制定提供数据支撑。

掌握园区运行态势 ：准确反映园区工业运行态势、物联网管理硬件运行情况，实现精细化管理；

研判产业发展趋势 ：根据企业及产业进行业务建模，定期输出数据分析结论，对发展趋势进行预测，有效辅助科学决策及招商；

挖掘数据价值 ：以数据辅助开展产业发展分析、精准调度等工作，企业经营转型升级的针对性服务，提高数据价值。

打造服务园区内部运营管理，服务园企的核心入口，实现集约化高效管理，引领园区向智能产业协作示范迈进，打造园区 产业生态链，实现政、园、企多方共赢生态体系。

通过市政府或经济开发区与运营商签订“智慧园区”建设战略合作协议，采取市场运作手段，引入重点合作伙伴建立平台运营工作小组或成立智能运营服务公司，形成数据与服务的双向互动，实现政策-数据-服务-发展的良性循环，创新园区综合服务体系。

智慧园区平台建设是作为园区转向信息化发展的一个重要表现，通过平台满足园区及企业的管理服务IT化，可以通过 平台集中发现问题、解决问题，实现为园区服务、为企业服务，成为服务型管理部门。

科学决策 ：汇集数据，更加科学的监测、预警、分析、预测和决策；

统一管理 ：一个中心实现跨部门、多层级、异地点的协同合作；

物联互通 ：全面实现物与物、物与人、人与人的互联互通，相互感知；

集约共享 ：更加高效处理园区部门、园与企的信息，实现数据资源共享。

1、提升园区的竞争力水平；

2、促进园区产业转型升级；

3、实现园区集约高效管控；

4、打造园区创新服务体系。

平台与运营管理平台双平台协作，将园区打造为一个智能、高效、精准的服务和管理，实现园区可持续发展， 向智能产业协作迈进。

免责声明

下载方式

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。

一、加速产品创新

客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。

这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。

二、设备故障分析及预测

在制造业生产线上，工业生产设备都会受到持续的振动和冲击，这导致设备材料和零件的磨损老化，从而导致工业设备容易产生故障，而当人们意识到故障时，可能已经产生了很多不良品，甚至整个工业设备已经奔溃停机，从而造成巨大的损失。

如果能在故障发生之前进行故障预测，提前维修更换即将出现问题的零部件，这样就可以提高工业设备的寿命以及避免某个设备突然出现故障对整个工业生产带来严重的影响。随着工业40的到来，智能工厂的工业设备都配上了各种感应器，采集其振动、温度、电流、电压等数据显得轻而易举，通过分析这些实时的传感数据，对工业设备进行故障预测将是一种行之有效的措施。

因此设备故障预测方案成为了制造行业所青睐的解决方案，其具备的核心功能有：

1、故障超前预警，减少设备停机时间；

2、分析结果实时推送，减少人工成本；

3、适用于企业各种类型的设备，通用性强。

三、工业物联网生产线的大数据应用

现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。

首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。

四、产品销售预测与需求管理

近年来，保险业加速了数字化进程，大数据与保险营销深度融合，成为现代化保险营销的重要武器。慧都大数据助力保险行业精准营销，并成功帮助中意人寿保险有限公司更好地服务客户和发挥忠诚客户，提高销售效率及客户复购率。

五、工业供应链的分析与优化

当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

六、生产计划与排程

制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的 历史 数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现 历史 预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。

七、生产质量分析与预测

在工业生产中，设备失效、人员疏忽、参数异常、原材料差异、环境波动等因素而导致质量偏离，引起质量等级的缺陷和损失非常巨大。工艺流程复杂的大型制造业，如钢铁、 汽车 、电子、服装等行业，信息数据孤岛凸显，导致质量问题频发，尤其需要“及时发现和预测异常，迅速控制和分析质量异常的原因，进行生产过程改进，稳定生产过程，减少产品质量波动”。

生产质量分析，从工厂订单下单-订单生产-流入市场， 针对整个生产链进行全面的质量分析。其中，打通质量和人、机、料、法、环等数据，各生产数据环环相扣，聚焦质量管理的全量数据分析，帮助企业快速 探索 缺陷根本原因。

1、打通质量和人、机、料、法、环，对影响质量的全量数据进行交互分析， 探索 相互关系，挖掘数据背后的真实原因，获取结果“是什么”，回答“为什么”。

2、将传统的静态汇报模式，改为交互式动态会议，随时随地可以组织生产、质量相关专题会议。通过对维度展示生产和质量KPI，实时预警、掌握产线运营状况。

3、简单易上手的质量分析工具，员工只需对数据进行选取、拖曳，自助灵活地达成期望的数据结果。

4、摒弃以往静态的数据报表，整合多个业务系统数据，多场景数据大屏，自适应多屏，进行综合展示分析，让决策更清晰。

————————————————

物联网比赛竣工报告1 项目名称: 网络综合布线技术竞赛项目。
2 设计施工依据: GB50311-2007《综合布线系统工程设计规范》。 GB50312-2007《综合布线系统工程验收规范》。
3 项目概况: 利用大赛组委会提供的1套网络综合布线实训装置、2套网络配线实训装置等综合布线实训器材。通过安装模拟三层墙的工作区子系统、水平布线子系统,管理间子

---