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
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。