Industrijski veliki podaci novi su koncept, doslovno shvaćen, industrijski veliki podaci se odnose na velike podatke generirane u primjeni industrijskih informacija.
Dubinskom integracijom informatizacije i industrijalizacije, informaciona tehnologija je prodrla u sve karike industrijskog lanca industrijskih preduzeća, kao što su bar kodovi, QR kodovi, RFID, industrijski senzori, industrijski sistemi automatskog upravljanja, industrijski Internet stvari, ERP, CAD/CAM/CAE/ CAI i druge tehnologije se široko koriste u industrijskim preduzećima.
Naročito primenom informacionih tehnologija nove generacije kao što su Internet, mobilni Internet i Internet stvari u industrijskom polju, industrijska preduzeća su takođe ušla u novu fazu razvoja internet industrije, a podaci koje poseduju industrijska preduzeća postaju sve obilnije.
Primena industrijskih velikih podataka doneće novu eru inovacija i transformacije u industrijskim preduzećima.Kroz percepciju niske cijene, brzu mobilnu vezu, distribuirano računarstvo i naprednu analizu koju donose Internet i mobilni internet stvari, informaciona tehnologija i globalni industrijski sistemi su duboko integrirani, donoseći duboke promjene u globalne industrije i inovirajući Istraživanje i razvoj i proizvodnja preduzeća., Metode rada, marketinga i upravljanja. Hangao Tech (SEKO Machinery) primjenjuje Internet tehnologiju na kontrolni sistem inteligentne mašine za izradu industrijskih zavarenih cijevi od nehrđajućeg čelika , tako da tehnički timovi obje strane mogu pratiti proizvodne podatke u realnom vremenu, pronaći kvarove tokom rada i spriječiti zastoje.
Stoga, problemi i izazovi s kojima se suočavaju industrijske aplikacije velikih podataka nisu manji od onih u industriji interneta, au nekim slučajevima su čak i složeniji.
Ova inovativna industrijska preduzeća u različitim industrijama donela su veću brzinu, veću efikasnost i bolji uvid.
Tipične primjene industrijskih velikih podataka uključuju inovacije proizvoda, dijagnozu i predviđanje grešaka u proizvodu, analizu IoT linije industrijske proizvodnje, optimizaciju lanca opskrbe industrijskih poduzeća i marketing preciznosti proizvoda.Ovaj članak će razvrstati scenarije primjene industrijskih velikih podataka u proizvodnim preduzećima jedan po jedan.
1. Ubrzati inovaciju proizvoda
Interakcija i ponašanje transakcija između kupaca i industrijskih preduzeća će generisati veliku količinu podataka.Eksploatacija i analiza ovih dinamičkih podataka kupaca može pomoći kupcima da učestvuju u analizi potražnje za proizvodima i inovacijskim aktivnostima dizajna proizvoda, te daju doprinos inovacijama proizvoda.
Ford je primjer u tom pogledu.Primijenili su tehnologiju velikih podataka na inovaciju proizvoda i optimizaciju električnog automobila Ford Focus.Ovaj automobil je postao pravi „električni automobil za velike podatke“. Prva generacija električnih vozila Ford Focus generirala je mnogo podataka prilikom vožnje i parkiranja.
Tokom vožnje, vozač kontinuirano ažurira informacije o ubrzanju, kočenju, punjenju baterije i lokaciji vozila.Ovo je korisno za vozače, ali podaci se takođe šalju nazad Fordovim inženjerima kako bi razumjeli vozačke navike korisnika, uključujući kako, kada i gdje puniti.Čak i ako je vozilo u stanju mirovanja, ono će nastaviti da prenosi podatke o pritisku u gumama i sistemu baterije vozila do najbližeg pametnog telefona.
Ovaj scenarij primjene velikih podataka usmjeren na korisnike ima mnoge prednosti, jer veliki podaci omogućavaju vrijedne inovacije novih proizvoda i metode suradnje.Vozači dobijaju korisne i ažurirane informacije, dok inženjeri u Detroitu prikupljaju informacije o ponašanju u vožnji kako bi razumjeli kupce, razvili planove poboljšanja proizvoda i implementirali nove inovacije proizvoda.
Štaviše, elektroenergetske kompanije i drugi dobavljači trećih strana mogu analizirati milione milja podataka o vožnji kako bi utvrdili gdje izgraditi nove stanice za punjenje i kako spriječiti preopterećenje krhke mreže.
2. Dijagnoza i predviđanje grešaka na proizvodu
Ovo se može koristiti za postprodajnu uslugu proizvoda i poboljšanje proizvoda.Uvođenje sveprisutnih senzora i internet tehnologije učinilo je dijagnozu grešaka proizvoda u realnom vremenu stvarnošću, dok su aplikacije velikih podataka, modeliranje i simulacijske tehnologije omogućile predviđanje dinamike.
Tokom potrage za izgubljenom vezom Malaysia Airlinesa MH370, podaci o radu motora koje je dobio Boeing imali su ključnu ulogu u određivanju putanje izgubljene veze aviona.Uzmimo sistem aviona Boeing kao slučaj da vidimo kako aplikacije velikih podataka igraju ulogu u dijagnostici kvarova na proizvodu.
Na Boeingovim avionima stotine varijabli, kao što su motori, sistemi goriva, hidraulika i električni sistemi, čine stanje u letu.Ovi podaci se mjere i šalju za manje od nekoliko mikrosekundi.Uzimajući za primjer Boeing 737, motor može generirati 10 terabajta podataka svakih 30 minuta u letu.
Ovi podaci nisu samo inženjerski telemetrijski podaci koji se mogu analizirati u određenom trenutku u budućnosti, već takođe promovišu adaptivnu kontrolu u realnom vremenu, potrošnju goriva, predviđanje kvara komponenti i obavještavanje pilota, što može efikasno postići dijagnozu i predviđanje kvara.
Pogledajmo primjer kompanije General Electric (GE).GE Energy Monitoring and Diagnostics (M&D) centar u Atlanti, SAD, prikuplja podatke o hiljadama GE gasnih turbina u više od 50 zemalja širom svijeta i može prikupljati 10G podatke za kupce svaki dan.Analizirajte konstantan veliki tok podataka iz senzorskih vibracija i temperaturnih signala u sistemu.Ova analiza velikih podataka će pružiti podršku za GE-ovu dijagnozu kvarova na gasnoj turbini i rano upozorenje.
Proizvođač vjetroturbina Vestas je također poboljšao raspored vjetroturbina unakrsnom analizom vremenskih podataka i podataka svojih turbinskih mjerača, čime je povećao nivo izlazne snage vjetroturbina i produžio vijek trajanja.
3. Primena velikih podataka industrijske IoT proizvodne linije
Moderne industrijske proizvodne proizvodne linije opremljene su hiljadama malih senzora za detekciju temperature, pritiska, toplote, vibracija i buke.
Budući da se podaci prikupljaju svakih nekoliko sekundi, korištenjem ovih podataka mogu se realizirati mnogi oblici analize, uključujući dijagnozu opreme, analizu potrošnje energije, analizu potrošnje energije, kvalitetnu analizu nesreća (uključujući kršenja proizvodnih propisa, kvarove komponenti) itd.
Prije svega, u smislu poboljšanja proizvodnog procesa, korištenjem ovih velikih podataka u procesu proizvodnje može se analizirati cijeli proizvodni proces i razumjeti kako se svaka veza izvršava.Kada određeni proces odstupi od standardnog procesa, generira se alarmni signal, brže se mogu pronaći greške ili uska grla, a problem se može lakše riješiti.
Koristeći tehnologiju velikih podataka moguće je uspostaviti i virtuelne modele procesa proizvodnje industrijskih proizvoda, simulirati i optimizirati proizvodni proces.Kada se svi podaci o procesima i performansama mogu rekonstruisati u sistemu, ova transparentnost će pomoći proizvođačima da poboljšaju svoje proizvodne procese.
Na primjer, u smislu analize potrošnje energije, korištenje senzora za centralno praćenje svih proizvodnih procesa tokom procesa proizvodnje opreme može pronaći abnormalnosti ili vrhove u potrošnji energije, tako da se potrošnja energije može optimizirati tokom procesa proizvodnje i svi procesi mogu biti izvedena.Analiza će uvelike smanjiti potrošnju energije.
4. Analiza i optimizacija industrijskog lanca nabavke
Trenutno je analiza velikih podataka već važno sredstvo za mnoge kompanije za e-trgovinu da poboljšaju konkurentnost svojih lanaca nabavke.
Na primjer, kompanija za e-trgovinu Jingdong Mall koristi velike podatke da unaprijed analizira i predvidi potražnju za robom na različitim mjestima, čime se poboljšava efikasnost distribucije i skladištenja, te osigurava korisničko iskustvo sljedećeg dana.
RFID i druga tehnologija elektronske identifikacije proizvoda, tehnologija interneta stvari i tehnologija mobilnog interneta mogu pomoći industrijskim preduzećima da dobiju velike podatke kompletnog lanca nabavke proizvoda.Korišćenje ovih podataka za analizu će dovesti do značajnog povećanja efikasnosti skladištenja, distribucije i prodaje i do značajnog troška.odbiti.
U Sjedinjenim Državama postoji više od 1.000 velikih OEM dobavljača, koji proizvođačima pružaju više od 10.000 različitih proizvoda.Svaki proizvođač se oslanja na tržišne prognoze i druge različite varijable, kao što su podaci o prodaji, informacije o tržištu, izložbe, vijesti i podaci o konkurentima, pa čak i vremenske prognoze kako bi prodao svoje proizvode.
Koristeći podatke o prodaji, podatke senzora proizvoda i podatke iz baza podataka dobavljača, industrijske proizvodne kompanije mogu precizno predvideti potražnju u različitim regionima sveta.
Budući da se zalihe i prodajne cijene mogu pratiti i kupiti kada cijene padnu, proizvodne kompanije mogu uštedjeti mnogo troškova.
Ako ponovo koristite podatke koje generiraju senzori u proizvodu da biste znali što nije u redu s proizvodom i gdje su dijelovi potrebni, oni također mogu predvidjeti gdje i kada su dijelovi potrebni.Ovo će značajno smanjiti zalihe i optimizirati lanac nabavke.
