1- خلاصه پلتفرم

سیستم عامل مدیریت اطلاعات پروژه (در سطح گروه) از یک مفهوم جدید مدیریت چرخه زندگی مهندسی استفاده می کند. این بر اساس مدل خدمات "اینترنت + ترانسپورت هوشمند" است، با استفاده از فناوری های محاسبات ابری، داده های بزرگ و اینترنت اشیا، ادغام منابع اصلی مربوطه برای کنترل، داده سازی، تجسم مدیریت پروژه برای نظارت در زمان واقعی سه گانه، ایجاد مرکز داده های بزرگ مدیریت پروژه گروه، ایجاد اکوسفیر اطلاعاتی پروژه های ساختمانی همکاری اینترنت، تولید هوشمند، مدیریت علمی، و تجزیه و تحلیل اطلاعات مهندسی جمع آوری شده در محیط واقعیت مجازی با اینترنت اشیا برای استخراج داده ها، ارائه پیش بینی روند فرآیند و پیش بینی کارشناسان، تحقق مدیریت هوشمند تجسم مهندسی، برای بهبود سطح اطلاعات مدیریت مهندسی، از طریق استخراج داده های بزرگ پروژه، تجزیه و تحلیل داده های بزرگ برای گروه خدمات داده های بزرگ را ارائه می دهد. مدیریت جامع کیفیت، ایمنی، پیشرفت و سرمایه گذاری در پروژه

2- ساختار عملکرد پلتفرم

این پلتفرم مدیریت جامع کیفیت، ایمنی، پیشرفت و سرمایه گذاری را در طول پروسه مهندسی و ساخت انجام می دهد.

این پلتفرم از اینترنت اشیاء و فناوری سنسور برای جمع آوری انواع داده های مختلف در محل ساختمان در زمان واقعی استفاده می کند، داده های جمع آوری شده را در زمان واقعی پردازش و تجزیه و تحلیل می کند، هشدار زودهنگام در زمان واقعی برای داده های بیش از حد ارائه می دهد و از ایمنی ساختمان و کیفیت ساختمان پشتیبانی می کند.

این پلتفرم از طریق انواع زیرسیستم های عملیاتی نظارتی و استفاده از مدل های تجزیه و تحلیل داده های مختلف مانند ارزیابی مبهم و شبکه های عصبی برای تحقق نظارت روزمره بر رفتار سایت ساخت و ساز است.

این پلتفرم ذخیره سازی و مدیریت یکپارچه اطلاعات نظارتی در محل ساخت و ساز را اجرا می کند و پایگاه داده یکپارچه را تشکیل می دهد.

این پلتفرم یک زیرسیستم یکپارچه مدیریت داده های اساسی، تعمیر و نگهداری برنامه و تبادل داده را برای ایجاد تعامل یکپارچه داده ها و تعمیر و نگهداری عملیاتی پروژه های متعلق به گروه ایجاد می کند.

این پلتفرم خدمات داده های بزرگ را از طریق استخراج داده های بزرگ و تجزیه و تحلیل داده های بزرگ برای گروه ارائه می دهد.

3- ساختار فنی پلتفرم

HDFS: سیستم فایل توزیع شده Hadoop (Hadoop Distributed File System)، دسترسی به داده‌های با انتقال بالا را برای کاربردهای مجموعه داده‌های بزرگ فراهم می‌کند.

Yarn: سیستم مدیریت منابع در Hadoop 2.0، یک ماژول منابع جهانی است که می تواند مدیریت منابع و برنامه ریزی برای انواع برنامه های کاربردی را انجام دهد.

Spark: یک چارچوب محاسبات توزیع شده بر اساس حافظه.

Elk: قابلیت های موتور استاندارد SQL را ارائه می دهد تا کاربردهای سنتی را به طور هموار از طریق کاربردهای سنتی به پلتفرم داده های بزرگ منتقل کند.

Storm: یک سیستم توزیع شده، قابل اعتماد و تحمل خطا برای پردازش داده های جریان واقعی و ارائه زبان پرس و جو مانند SQL (StreamCQL).

MPP: پایگاه داده های پردازش موازی در مقیاس بزرگ، ارائه پایگاه داده های پردازش موازی در مقیاس بزرگ با مقیاس بالا، عملکرد بالا، ثبات بالا و هزینه پایین، جایگزین سیستم های سنتی انبار، حمایت از تصمیم گیری های کسب و کار.

4- ویژگی های پلتفرم

پردازش در زمان واقعی: پلتفرم از ذخیره سازی داده ها استفاده می کند، موتور محاسبات جریان توزیع شده برای جمع آوری داده ها در زمان واقعی، تجزیه و تحلیل در زمان واقعی و نتایج، پشتیبانی از منابع داده متعدد، سرعت پردازش سریع، همزمان بودن بالا و در دسترس بودن بالا.

پرس و جو تعاملی: داده های جریان، داده های فایل و غیره از طریق موتور پرس و جو تعاملی مطابق با مدل داده های مناسب برای پرس و جو تعاملی سازماندهی می شوند تا تجزیه و تحلیل و پرس و جو تعاملی داده ها را انجام دهند.

پردازش آفلاین: تجزیه و تحلیل و پردازش داده های عظیم برای تشکیل داده های نتیجه ای برای کاربردهای داده های مرحله بعدی. معمولا از طریق کارهای MapReduce، Spark، Hive یا Spark SQL اجرا می شود.

پوزیشن های ادغام: پشتیبانی از گسترش سطحی پوزیشن های ادغام، HA کامل، مخلوط کردن صف، تجزیه و تحلیل پرس و جو بسیار سریع، سازگار با SQL سنتی، پشتیبانی از مهاجرت نرم افزار، حل مشکلات مانند زمان ضعیف پوزیشن های سنتی، هزینه های بالا مقیاس پذیری، مقیاس پذیری کسب و کار را مختل می کند، تصمیم گیری های کارآمد را به دست آورد.

5- نقشه رابط نرم افزار