Индустриалните големи данни са нова концепция, буквално разбрана, индустриалните големи данни се отнасят до големите данни, генерирани при прилагането на индустриална информация.
С задълбочената интегриране на информатизацията и индустриализацията информационните технологии са проникнали във всички връзки на индустриалната верига на индустриалните предприятия, като баркодове, QR кодове, RFID, индустриални сензори, индустриални системи за автоматичен контрол, индустриални интернет на нещата, ERP, CAD/CAM/CAE/CAI/CAI, а други технологии са широко използвани в индустриални предприятия.
Особено с прилагането на информационни технологии от ново поколение като Интернет, мобилен интернет и Интернет на нещата в индустриалната област, индустриалните предприятия също навлизат в нов етап на развитие в интернет индустрията, а данните, съхранявани от индустриалните предприятия, стават все по-изобилни.
Прилагането на индустриални големи данни ще донесе нова ера на иновации и трансформация в индустриалните предприятия. Чрез нискотарифните възприятия високоскоростната мобилна връзка, разпределените изчислителни и усъвършенствания анализ, породени от Интернет и мобилния интернет на нещата, информационните технологии и глобалните индустриални системи, се интегрират дълбоко, внасят дълбоки промени в глобалните индустрии и иноватират научноизследователската и развойна дейност и производството на предприятия. , Методи за работа, маркетинг и управление. Hangao Tech (Seko Machinery) прилага интернет технологията към системата за управление на Интелигентни машини за производство на тръби от неръждаема стомана , така че техническите екипи на двете страни могат да наблюдават производствените данни в реално време, да намерят грешки по време на експлоатация и да предотвратят изключване.
Следователно проблемите и предизвикателствата, пред които са изправени индустриалните приложения за големи данни, са не по -малки от тези на интернет индустрията, а в някои случаи те са още по -сложни.
Тези иновативни индустриални предприятия в различни индустрии донесоха по -бърза скорост, по -висока ефективност и по -висока проницателност.
Типичните приложения на индустриалните големи данни включват иновации на продуктите, диагностика и прогнозиране на неизправности, анализ на индустриалната производствена линия IoT, оптимизация на веригата за доставки на индустриални предприятия и маркетинг на прецизността на продуктите. Тази статия ще подреди сценариите на приложение на индустриални големи данни в производствените предприятия един по един.
1. Ускорете иновациите на продукта
Взаимодействието и поведението на транзакции между клиенти и индустриални предприятия ще генерират голямо количество данни. Добивът и анализирането на тези динамични данни на клиентите могат да помогнат на клиентите да участват в анализа на търсенето на продукти и дейностите по иновации на продукта и да допринесат за иновациите на продуктите.
Ford е пример в това отношение. Те приложиха технологията за големи данни за иновациите на продукта и оптимизирането на електрическия автомобил Ford Focus. Този автомобил се превърна в истински електрически автомобил с големи данни. 'Първото поколение на електрическите превозни средства Ford Focus генерира много данни при шофиране и паркиране.
Докато шофира, водачът непрекъснато актуализира ускорението, спирането, спирането, зареждането на батерията и информацията за местоположението. Това е полезно за драйверите, но данните се изпращат обратно на инженерите на Ford, за да разберат шофьорските навици на клиента, включително как, кога и къде да таксуват. Дори ако превозното средство е в застой, то ще продължи да предава данни за налягането на гумите и системата на батерията на превозното средство до най -близкия смарт телефон.
Този сценарий за кандидатстване за големи данни за клиентите има много предимства, тъй като Big Data позволяват ценни методи за иновации и сътрудничество на нови продукти. Шофьорите получават полезна и актуална информация, докато инженерите в Детройт съвкупна информация за поведението на шофиране за разбиране на клиентите, разработване на планове за подобряване на продуктите и прилагане на нови иновации на продукти.
Нещо повече, електроенергийните компании и други доставчици на трети страни могат да анализират милиони мили от шофьорски данни, за да определят къде да се изградят нови станции за зареждане и как да предотвратят претоварването на крехката мрежа.
2. Диагностика и прогнозиране на продукта
Това може да се използва за обслужване на продукти след продажба и подобряване на продукта. Въвеждането на повсеместни сензори и интернет технологии превърна диагнозата в реално време на неизправности в продукта, докато приложенията на големи данни, технологиите за моделиране и симулация направиха възможно прогнозиране на динамиката.
По време на търсенето на изгубената връзка на Malaysia Airlines MH370, оперативните данни на двигателя, получени от Boeing, изиграха ключова роля за определяне на пътя на загубената връзка на самолета. Нека вземем системата на самолетите на Boeing като случай, за да видим как приложенията за големи данни играят роля в диагностицирането на неизправности на продукта.
В самолета на Boeing стотици променливи, като двигатели, горивни системи, хидравлика и електрически системи, съставляват състоянието по време на полета. Тези данни се измерват и изпращат в по -малко от няколко микросекунди. Като пример за Boeing 737, двигателят може да генерира 10 терабайта данни на всеки 30 минути полет.
Тези данни са не само инженерни телеметрични данни, които могат да бъдат анализирани в определен момент в бъдеще, но и насърчават адаптивния контрол в реално време, използването на гориво, прогнозирането на отказ на компонентите и известието на пилота, което може ефективно да постигне диагностика и прогнозиране на повредите.
Нека разгледаме пример за General Electric (GE). Центърът за мониторинг и диагностика на GE Energy (M&D) в Атланта, САЩ, събира данни за хиляди газови турбини GE в повече от 50 страни по света и може да събира 10G данни за клиентите всеки ден. Анализирайте постоянния голям поток от данни от вибрациите на сензора и температурните сигнали в системата. Тези големи анализи на данни ще осигурят подкрепа за диагностиката на разлома на газовата турбина на GE и ранното предупреждение.
Производителят на вятърни турбини Vestas също подобри оформлението на вятърните турбини, като кръстосани данни за времето и данните му за турбинни измервателни уреди, като по този начин повиши нивото на мощност на вятърните турбини и удължават експлоатационния живот.
3. Приложение на големи данни на индустриалната производствена линия на IoT
Съвременните производствени линии за промишлено производство са оборудвани с хиляди малки сензори за откриване на температура, налягане, топлина, вибрация и шум.
Тъй като данните се събират на всеки няколко секунди, много форми на анализ могат да бъдат реализирани с помощта на тези данни, включително диагностика на оборудване, анализ на консумацията на енергия, анализ на потреблението на енергия, анализ на качеството на произшествия (включително нарушения на производствените разпоредби, повредите на компонентите) и т.н.
На първо място, по отношение на подобряването на производствения процес, използването на тези големи данни в производствения процес може да анализира целия производствен процес и да разбере как се изпълнява всяка връзка. След като определен процес се отклони от стандартния процес, ще бъде генериран алармен сигнал, грешки или затруднения могат да бъдат намерени по -бързо и проблемът може да бъде решен по -лесно.
Използвайки технологията Big Data, също така е възможно да се установят виртуални модели на производствения процес на индустриални продукти, да симулирате и оптимизирате производствения процес. Когато всички данни за процеса и ефективността могат да бъдат реконструирани в системата, тази прозрачност ще помогне на производителите да подобрят производствените си процеси.
За друг пример, по отношение на анализа на потреблението на енергия, използването на сензори за централно наблюдение на всички производствени процеси по време на производствения процес на оборудване може да намери аномалии или пикове на потреблението на енергия, така че консумацията на енергия да може да бъде оптимизирана по време на производствения процес и всички процеси могат да бъдат извършени. Анализът значително ще намали консумацията на енергия.
4. Анализ и оптимизация на индустриалната верига за доставки
Понастоящем анализът на големи данни вече е важно средство за много компании за електронна търговия да подобрят конкурентоспособността на своите вериги за доставки.
Например, компанията за електронна търговия Jingdong Mall използва големи данни, за да анализира и прогнозира търсенето на стоки на различни места предварително, като по този начин подобрява ефективността на дистрибуцията и складирането и осигурява опит на клиента през следващия ден.
RFID и други продукти за електронна идентификация на продукта, технологията Internet of Things и технологията за мобилни интернет могат да помогнат на индустриалните предприятия да получат големи данни на пълна верига за доставки на продукти. Използването на тези данни за анализ ще доведе до значително увеличение на складирането, разпределението и ефективността на продажбите и значителни разходи. упадък.
В Съединените щати има повече от 1000 големи доставчици на OEM, предоставящи повече от 10 000 различни продукта на производствените компании. Всеки производител разчита на пазарни прогнози и други различни променливи, като данни за продажбите, информация за пазара, изложби, новини и данни за конкурентите и дори прогнози за времето за продажба на своите продукти.
Използвайки данни за продажбите, данни за сензора на продукта и данни от базите данни на доставчиците, компаниите за индустриална производство могат точно да прогнозират търсенето в различни региони на света.
Тъй като запасите и продажните цени могат да бъдат проследени и могат да бъдат закупени, когато цените падат, производствените компании могат да спестят много разходи.
Ако използвате повторно данните, генерирани от сензорите в продукта, за да знаете какво не е наред с продукта и къде са необходими части, те също могат да предскажат къде и кога са необходими части. Това значително ще намали инвентара и ще оптимизира веригата на доставки.
