项目简介
我国港口信息化建设从上世纪80年代起步,目前,我国主要港口城市普遍重视港口发展,实行“以港兴市”战略,从而推动了港口信息化的新一轮建设。近年来国家经济建设的快速发展促使港口业务发展迅速,无论是内陆港还是沿海港口,都对港口信息化建设提出新要求,建设信息化、数字化港口成为港口发展的方向。在现代港口竞争因素多元化、港口经营国际化、港口腹地经济贸易化和港口信息化的今天,信息化建设,无疑为港口提高服务质量和服务水平,进而强化整体竞争实力提供了重要手段。
2012年以来黄骅港以三期工程为契机,改造了一二期的控制系统,建立了全港的管控一体化系统,实现黄骅港务公司内部生产、管理信息系统的流程再造。黄骅港完善信息化的建设就是将港口物流系统建立在“信息化”、“数字化”基础之上,使生产、流通及服务等所有环节都是在“数字流”的基础之上联动,它打破了原有的港口物流模式,在现代港口竞争因素多元化、港口腹地经济贸易化和港口竞争激烈的今天,无疑为港口提高服务质量和服务水平,进而提高黄骅港整体竞争实力提供了重要手段。信息化技术为港口营运提供重要的基础技术支撑,其中数据的重要性也越来越明显,需要对数据进行完善保护。
系统整体架构
黄骅港高度重视科技兴港战略,先后建设了办公自动化、生产信息管理、ERP、管控一体化等系统,特别是管控一体化系统涉及多个重要管理项目,包括:计划、调度、实绩、筒仓、统计、档案、称重、商务、人员、岗位技能评估、看板、基础数据等。使得数据日益重要,需要对这些数据进行全面保护。生产管理系统通过业务合同、生产调度、生产作业、生产监控等环节,结合管控一体化平台,实时传递生产过程数据,这是港口信息化的关键环节,需要实时保护,确保业务的连续性。办公自动化等应用系统的数据很重要需要进行备份。
本方案采用火星舱数据保护系统,火星舱设备集持续数据保护、数据备份于一体,为黄骅港信息中心数据提供完善保护。整体架构示意图如下:
部署火星舱数据保护系统,利用火星舱的CDP功能对承载关键业务数据的Oracle数据库做持续数据保护,确保管理系统流程、商务、计划、调度、作业、结算计费、实时处理等的全部过程关键业务数据的连续性,同时利用火星舱的备份功能对办公自动化、生产信息管理等重要的应用服务器中文件数据做定时备份。
系统部署
火星舱数据保护系统实现如下功能:
- 信息中心关键业务数据持续保护
针对管控一体化系统等关键业务,采用CDP技术进行数据保护,火星舱CDP秉承当数据写入时即完成保护的原则,有效消除了备份窗口,真正实现RPO=0。同时,由于采用块同步技术,保障火星舱与源存储设备高度一致,从而实现无须恢复过程即刻挂载,甚至到达RTO=0。一旦数据库出现故障,火星舱可及时接管保证数据的安全,火星舱CDP技术可以确保关键业务的连续性。
- 信息中心备份服务集中管理
火星舱内置千兆以太网卡联入LAN局域网,实现与前端联入LAN的办公自动化、生产信息管理、ERP、管控一体化等系统服务器相连,火星舱对整个信息中心进行集中备份管理,从而实现整个机房中数据备份与存储系统的管理、控制。当数据发生丢失时,可将备份数据恢复至应用服务器,从而保证整个系统的数据安全,降低了工作风险。
方案价值
火星舱数据保护系统的多维度数据保护技术很有吸引力,真正实现在单一设备上整合多种数据保护技术,火星舱一方面对核心业务数据提供持续数据保护,确保业务的不间断;另一方面对重要应用系统做了定时备份,防范数据风险,为港口信息化建设提供了安全保障,解决了黄骅港对重要数据需要全方位保护的后顾之忧。更重要的是火星舱是完全自主掌握核心技术的国产产品,其技术、服务让人放心。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。