跳到主要内容

雪浪OS简介

“工业数据+工业机理” 驱动的智能制造数字底座系统

雪浪OS作为“工业数据+工业机理” 驱动的智能制造数字底座系统，可以支撑离散制造与流程行业的智能设计/制造/运维全流程一体化，突破了面向产品全生命周期包含智能设计、价值链与供应链高效协同、柔性排产、智能运维等难题的混合建模方法、联合仿真求解技术、实时优化算法与技术等关键方法和共性技术，在航空航天、工程机械、汽车轨交、化工、煤炭等典型离散制造与流程行业进行了成功的落地应用，实现了产品的定制化敏捷设计、高效高质量制造和低成本运维。

基于组件化、可扩展和可配置的混合建模及联合计算框架构建的雪浪OS可以建立数据与模型之间的关联，集成并驱动以统一的模型为核心，覆盖产品全生命周期数据流，形成了一系列贯穿产品生命周期的数据建模、算法开发、业务建模，仿真、分析、优化及应用开发的工具集，基于这些工具集，软件开发、工业制造和算法开发等来自不同行业的工程师能够在统一的平台上充分利用各类数据、信息和工业知识，无缝交流、合作，并完成面向场景智能化的集成开发。

image.png

“工业数据+工业机理”驱动的数字底座系统为制造业数字化、智能化提供一个工业数据智能底座平台、多套基于平台的内置工具箱、多个孵化于平台与工具箱的工业软件。
通过数字底座系统研发的新工业软件，具备自治、协同与智能进化的特性，是独立自治的软件智能体、能够与其他同源的工业软件自动组网、数据互通，形成工业软件“星链”，用得越多，释放的数据价值就越多。下面的图.png

应用场景​

面向企业与组织​

工业软件的Windows

  1. 以雪浪OS为底座，构建工业互联网平台

面向企业、数字化服务商、政府、机构，提供构建工业互联网平台的智能制造数字底座系统
面向区域，推进传统制造业走向新型工业化的转型升级

  1. 以雪浪OS为底座，实现集团级系统性数字化转型、智能化升级

面向中大型、集团型企业面临的自身信息化建设能力不足、传统知识难以软件化、对改造升级成本较敏感等问 题，提供“数字底座+工具箱+新工业软件”的渐进式解决方案

  1. 以雪浪OS为底座，孵化新工业软件

面向制造业企业，赋能将其历史工艺、设计过程、生产经验转换为新工业软件
面向实验室与科研究机构，助力分析挖掘实验性数据与模型，提炼工业规律，发现新知识

面向工程师与科学家​

模块化工具箱：让工程师的工作就像搭积木/拼乐高那样便捷

  1. 处理及分析装备设计、生产制造、预测性维护、供应链等工业领域不同场景的复杂数据集及数千种预置机理组件和算法组件
  2. 专为工程和科学问题设计的预处理、问题定义、实验设计、结果后处理功能
  3. 通过简单参数配置实现共性应用场景下不同场合的业务复现，将分析过程封装成组件，实现知识的沉淀与复用
  4. 简单易上手的低代码拖拉拽操作，交互式且可定制的数据可视化，详尽而专业的文档

image.png

设计理念​

  • 系统工程

    • 用系统工程方法论解决工业中的复杂系统建模问题

  • 系统应连尽连

    • 所有员工、所有角色都在统一平台聚焦与协同

  • 数据非必要不汇聚

    • 获取、整合和分析多种异构大数据，并进行融合计算

  • 知识沉淀成工具

    • 知识与机理模型化沉淀融入真实业务与场景的复用

​

八大应用开发框架​

  • 联合仿真框架：将各种仿真软件集成到混合建模与联合计算平台，以仿真接口组件形式进行联合编排，实现多学科、跨领域的仿真软件之间的联合仿真；支持超算、云计算、自建服务器的异构仿真环境。

  • 业务系统统一接入框架：以分布式新型企业数据总线为管道，整合系统集成连接器、业务流程连接器、业务场景连接器，从单一管理平台管理所有业务资源、连接资源赋能业务跨系统调度与协同，自助的帮助企业实现不同软件之间的数据、流程&信息的自动化。

  • 边缘计算框架：以工业现场为基础运行环境，支持主流硬件平台架构如ARM、X86，支持常见的GPU/NPU硬件加速模块，和硬件设备紧密连接，实现高频数据实时处理、实时控制的场景，支持和云端联合计算平台的自动化协同，实现云端训练机器学习和深度学习算法，一键在边缘端部署。

  • 并行计算框架：将OpenMPI、Ray、Spark等并行计算框架通过组件的方式，在联合计算平台进行统一的编排和调用。

  • 数据开发框架：以CDM（Common Data Model）为核心，内置面向垂直行业的通用数据标准规范，通过组件化数据管道，对企业的多源异构数据进行汇集，通过集成可视化数据开发环境，对结构化、半结构化、非结构化等各类数据进行清洗，依照CDM规范，对数据进行纵向业务维度建模，形成符合行业标准规范、全域通融的数据资产，以数据交换服务的形式对外暴露数据，为企业中百花齐放的智能应用提供标准数据支撑。

  • 算力管理和调度框架：底座系统通过算力管理系统、算力调度系统，完成对算力中心的海量算力精细化管理与调度，通过平台完成分布式联合计算流程的编排，解决工业场景下高算力要求的问题。

  • 数据协同中枢系统：打破原有数据中台以汇聚为主的数据访问模式，创新性地通过构建统一数据网络的方式解决了数据联通性难题，实现了数据访问的新架构范式，为底座系统的所有数据访问提供支撑。

  • 群体智能框架：重构了该智能计算研究实验室已耕耘多年的多目标优化平台，解决多维度空间问题、非线性问题、黑箱模型问题、全局搜索能力、多维度多目标优化等，增添并行计算、服务化调用等特性，实现大于150种主流多目标优化算法和大于50个benchmark问题，并提供面向研究社区和面向工业应用的不同版本。

新工业软件​

基于雪浪OS研发的新工业软件：

  • META M

基于雪浪OS，雪浪云打造离散仿真与产线孪生工具箱，研发了工厂仿真与实时优化系统——雪浪元制造系统（META M），用于离散行业不同层级生产系统（工厂/车间/产线/制造单元）的建模仿真、分析和实时优化，让成千上万用户在虚拟环境中协同设计、规划、仿真和优化极其复杂的制造系统，构建专属产线元宇宙。

  • META D

雪浪云META D软件致力于实现研发设计与运维管理的有效集成与连接，实现设计仿真阶段模型、样机在运维侧的有效应用，平台提供仿真建模类、设计优化类、试验测试类、健康管理类、可视交互类、辅助开发类六大类通用工具集，每类工具集均包含丰富的组件，并针对性地开发行业建模仿真软件接口、工具集、算法模型。

  • META Opt

雪浪云META Opt群体智能优化软件致力于以可接受的成本解决复杂优化问题，META Opt算法框架通常与离散仿真模型配合使用，离散仿真模型模拟真实生产过程输出第一轮基础数据，发送给META Opt算法框架进行优化，得到新的优化数据反馈给离散仿真模型进行模拟验证，验证结果再给到META Opt算法框架，规定时间内循环此过程，得出相对最优解。

  • SIM-RTO

基于雪浪OS，雪浪云联合华东理工大学打造了流程模拟与实时优化软件（SIM-RTO），用于石油、化工、水泥等流程行业的建模仿真和优化应用。流程模拟与实时优化软件基于云平台引擎支撑系统，构建包含流程模拟、数据接口、稳态检测、优化引擎、优化算法、模型管理六大类功能组件，包含丰富的物性数据库、单元模块、专有流程物性数据包和热力学内容。

  • TDM

实验室数据管理软件是一款基于雪浪OS的全混合流计算核心技术的工具，可以支持试验文件采集、试验台工业协议采集、高频数据采集等多种数据采集方式，提高了采集感知监控的难度。此外，本软件还拥有松耦合组件化数据中台，构建企业实验业务与试验数据资产模型，有效实现了多态数据的治理和存储，方便用户进行数据的存储和管理。

内置工具箱​

  1. 离散事件仿真工具箱

离散事件仿真工具箱基于离散事件仿真框架，用于虚拟产线构建，可帮助工厂预演生产计划、优化产线布局、物流调度等，支持从设计到制造、从车间到工厂、从物流到产线的全生命周期仿真与分析，同时，该工具箱可结合运筹优化工具箱实现实时仿真+分析+优化一体化解决方案。

  1. 标定分析优化工具箱

标定分析优化工具箱是一种多学科设计优化工具，可以自动搜索设计空间中的最佳解决方案，以缩短设计时间。工具箱内包含多学科设计优化、模型标定和模型结果分析三大功能模块。

  1. 仿真接口工具箱

仿真接口工具箱能够调用各类仿真软件，将仿真软件的能力集成到平台。工具箱支持仿真任务在多个分布式仿真服务器节点间的运行调度，负责仿真服务器节点与平台的通信协作，支持 Windows 环境和 Linux 环境仿真任务的协同工作。

  1. 运筹优化工具箱

运筹优化工具普遍应用于离散制造业的各大应用中，包括但不限于：排产排程、人员调度、供应链规划、AGV路径规划、物料切割等应用问题；包括进化计算模块与多目标优化模块。

  1. 三维建模与数据可视化工具箱

三维建模与数据可视化工具箱可通过三维驱动组件将设备数据与模型之间连接，串联起整个过程，实现数据到模型的转化，从而直观清晰地展示整个生产过程；同时，三维建模与数据可视化工具箱也可以与仿真数据进行连接，实现在3D场景中仿真过程的数据互通。

  1. 矿山视觉工具箱

矿山视觉工具箱由多个基于矿山内生产场景的具有视觉算法识别功能的组件和前端组件组成，视觉组件主要用于数据接入，通过视觉算法进行计算，得出识别结果；前端组件主要支撑web服务。矿山视觉工具箱可用于矿山运输、人员安防、设备监控等多个典型应用场景。

  1. 数据采集工具箱

工业数据采集工具箱是以工业协议为基础，以向导化配置的方式为用户提供快捷的设备连接与数据采集接入服务。目前数据采集工具箱接入组件支持200余种驱动，支持95%以上工业设备；可用于解决严查内存泄漏、内存冲突等问题，保证长时间压测的稳定性。

  1. 数据编织工具箱

数据编织工具箱包括数据路由集成和服务路由集成。用户通过可视化编排方式动态配置平台体系内部及外部数据源或服务源之间的路由链接，实现从数据采集到数据可视化之间完整流程的链接通路。

  1. 机器学习与深度学习工具箱

机器学习工具箱基于机器学习框架开发，用于构建从数据处理、特征工程到算法模型的全流程模型，帮助工厂通过历史数据建立从需求预测、智慧物流到预测性维护、智能决策等多种人工智能场景。支持多种机器学习和深度学习框架。

  1. 基础工具箱

基础工具箱是高复用的、可跨场景的通用组件集，已内置组件 100多个，其中代表性组件有：数据转换组件，VS Code 组件等。

产品界面

后面板image.png​

项目模板​

image.png​

前面板​

image.png

​