Industrijski veliki podaci su novi koncept, doslovno shvaćene, industrijski veliki podaci odnose se na velike podatke generirane u primjeni industrijskih informacija.
Sa dubinskom integracijom informatizacije i industrijalizacije, informaciona tehnologija prodirala je u sve veze industrijskog lanca industrijskih preduzeća, poput barkodova, QR kodova, RFID-a, industrijskih sustava za automatsko upravljanje, ERP, CAD / CAE / CAE / CAI i druge tehnologije široko se koriste u industrijskim preduzećima.
Posebno sa primjenom informacionih tehnologija novo generacije, poput interneta, mobilnog interneta i interneta stvari u industrijskom terenu, industrijska preduzeća također su ušla u novu fazu razvoja u internetskoj industriji, a podaci koje posjeduje industrijska preduzeća postaju sve obilniji.
Primjena industrijskih velikih podataka donijet će novu eru inovacija i transformacije u industrijskim preduzećima. Kroz jeftinsku percepciju, brzu mobilnu vezu, distribuiranu računarsku i naprednu analizu koju je donijelo internet i mobilni internet stvari, informacijske tehnologije i globalne industrijske sustave duboko su integrirani, dovodeći duboke promjene u globalne industrije i inovatiranjem istraživanja i proizvodnje preduzeća i proizvodnju preduzeća i proizvodnju preduzeća. , Rad, marketing i metode upravljanja. Hangao Tech (Seko Strojevi) primjenjuje internetsku tehnologiju na kontrolni sustav Inteligentna industrijska zavarena mašina za izradu od nehrđajućeg čelika , tako da tehnički timovi obje strane mogu u stvarnom vremenu pratiti proizvodne podatke, pronaći greške tokom rada i sprečavanje isključivanja.
Stoga su problemi i izazovi s kojima se suočavaju industrijske velike aplikacije podataka nisu manji od internetskih industrija, a u nekim su slučajevima još složeniji.
Ova inovativna industrijska preduzeća u različitim industrijama donela su bržu brzinu, veću efikasnost i veći uvid.
Tipične primjene industrijskih velikih podataka uključuju inovaciju proizvoda, dijagnosticiranje grešaka proizvoda i predviđanje, industrijska proizvodna linija IOT analiza, optimizacija lančana industrijskog poduzeća i preciznost proizvoda i preciznost proizvoda. Ovaj članak će izdvojiti scenarije aplikacija industrijskih velikih podataka u proizvodnji preduzeća jedan po jedan.
1. Ubrzajte inovacije proizvoda
Ponašanje interakcije i transakcije između kupaca i industrijskih preduzeća stvorit će veliku količinu podataka. Rudarstvo i analizu ovih dinamičkih podataka kupaca mogu pomoći kupcima da učestvuju u analizi potražnje proizvoda i aktivnostima inovacijama proizvoda i doprinosi inovacijama proizvoda.
Ford je primjer u tom pogledu. Primijenili su veliku tehnologiju podataka na inovacije proizvoda i optimizaciju električnog automobila Ford Focus. Ovaj je automobil postao istinski električni automobil 'veliki podaci. ' Prva generacija električnih vozila Ford Focus stvorila je puno podataka prilikom vožnje i parkirališta.
Dok se vozi, vozač kontinuirano ažurira ubrzanje vozila, kočenje, punjenje baterije i informacije o lokaciji. Ovo je korisno za upravljačke programe, ali podaci se takođe vraćaju natrag u Ford inženjere kako bi razumjeli vozačke navike kupca, uključujući kako, kada i gdje naplatiti. Čak i ako je vozilo zastojno, nastavit će prenositi podatke o tlaku u gumama i sustavu baterije vozila na najbliži pametni telefon.
Ovaj scenarij aplikacija za korisnikov centar za korisnike ima mnogo prednosti, jer veliki podaci omogućavaju vrijedne nove metode inovacije i saradnje proizvoda. Vozači dobivaju korisne i ažurne informacije, a inženjeri u Detroitu agregiraju informacije o ponašanju vožnje radi razumijevanja kupaca, razvijaju planove za poboljšanje proizvoda i provode nove inovacije proizvoda.
Štaviše, elektroenergetske kompanije i drugi dobavljači treće strane mogu analizirati milione kilograma vožnji podataka kako bi se odredili gdje izgraditi nove stanice za punjenje i kako spriječiti krhku mrežu od preopterećenja.
2. Dijagnoza i predviđanje greške proizvoda
To se može koristiti za proizvod i uslugu nakon prodaje i unapređenje proizvoda. Uvođenje sveprisutnih senzora i internet tehnologije učinilo je dijagnostiku grešaka proizvoda u stvarnom vremenu, dok su velike aplikacije za podatke, modeliranje i simulacijske tehnologije omogućile predviđanje dinamike.
Tijekom potrage za izgubljenom vezom malezija Airlines MH370, Podaci o upravljanju motorom dobivenim Boeingom igrali su ključnu ulogu u određivanju staze izgubljene veze zrakoplova. Uzmimo sistem za Boeing aviona kao slučaj da vidite kako velike aplikacije za podatke igraju ulogu u dijagnozi greške u proizvodu.
Na Boeingovim avionima, stotine varijabli, poput motora, goriva, hidraulika i električnih sustava, čine stanje u letu. Ti se podaci mjere i šalju u manje od nekoliko mikrosekundi. Uzimanje Boeing 737 kao primjer, motor može generirati 10 terabajta podataka svakih 30 minuta u letu.
Ovi podaci nisu samo inženjerski telemetrijski podaci koji se u cjelini mogu analizirati u budućnosti, ali i promovirati adaptivnu kontrolu u stvarnom vremenu, korištenje goriva, predviđanje kvarova komponente i pilot obavijest, što može učinkovito postići dijagnozu i predviđanje.
Pogledajmo primjer općeg električnog (GE). GE Energy Monitoring i dijagnostika (M & D) Centar u Atlanti, SAD-u prikuplja podatke o hiljadama GE gas turbina u više od 50 zemalja širom svijeta, a mogu sakupljati 10G podatke za kupce svaki dan. Analizirajte stalni veliki protok podataka iz vibracija i temperaturnih signala senzora u sistemu. Ove velike analize podataka pružit će podršku za dijagnostiku greške GE GAS-a i rano upozorenje.
Proizvođač vetro turbina Poboljšali su i izgled vjetroagregata po unakrsnim analizom vremenskih podataka i njegovim podacima o metru turbine, čime se povećava nivo izlazne snage i vijek trajanja vjetroelektrana.
3. Velika primjena podatkovne proizvodnje industrijskog iOT proizvodne linije
Moderna industrijska proizvodna proizvodna linija opremljena su hiljadama malih senzora za otkrivanje temperature, tlaka, topline, vibracija i buke.
Budući da se podaci prikupljaju svakih nekoliko sekundi, mnogi oblici analize mogu se realizirati korištenjem tih podataka, uključujući dijagnostiku opreme, analizu potrošnje energije, analizu potrošnje energije, analize kvalitetne nesreće (uključujući kršenje proizvodnih propisa), itd.
Prije svega, u pogledu poboljšanja proizvodnog procesa, koristeći ove velike podatke u proizvodnom procesu mogu analizirati cijeli proizvodni proces i razumjeti kako se svaka veza izvršava. Jednom kada određeni proces odstupa od standardnog postupka, generirat će se alarmni signal, greške ili uska grla mogu se brže naći, a problem se može lakše riješiti.
Koristeći veliku tehnologiju podataka, moguće je uspostaviti i virtualne modele proizvodnog procesa industrijskih proizvoda, simulirati i optimizirati proizvod proizvodnje. Kada se svi podaci o procesu i performansima mogu rekonstruirati u sustavu, ova transparentnost pomoći će proizvođačima da poboljšaju svoje proizvodne procese.
Za još jedan primjer, u pogledu analize potrošnje energije, upotreba senzora na centralno nadgledanje svih proizvodnih procesa tijekom procesa proizvodnje opreme može pronaći nenormalnosti ili vrhove u potrošnji energije, tako da se potrošnja energije može optimizirati tijekom procesa proizvodnje i mogu se izvršiti u procesu proizvodnje i mogu se izvesti svi procesi. Analiza će uvelike smanjiti potrošnju energije.
4. Analiza i optimizacija industrijskog lanca opskrbe
Trenutno je velika analiza podataka već važna sredstva za mnoge kompanije za e-trgovinu da poboljšaju konkurentnost svojih lanaca opskrbe.
Na primjer, kompanija za e-trgovinu Jingdong Mall koristi velike podatke za analizu i predviđanje potražnje za robom na različitim mjestima unaprijed poboljšavajući efikasnost distribucije i skladištenja i osiguranje korisničkog iskustva sljedećeg dana.
RFID i druga tehnologija elektroničke identifikacije proizvoda, Internet stvari Tehnologija i mobilna internetska tehnologija mogu pomoći industrijskim preduzećima da dobiju velike podatke kompletnog lanca nabave proizvoda. Korištenje ovih podataka za analizu dovest će značajno povećanje skladištenja, distribucije i efikasnosti prodaje i značajnog troška. pad.
U Sjedinjenim Državama ima više od 1.000 velikih oem dobavljača, osiguravajući više od 10.000 različitih proizvoda proizvodnim kompanijama. Svaki se proizvođač oslanja na tržišne prognoze i druge različite varijable, poput prodajnih podataka, tržišnih informacija, izložbi, vijesti i konkurentskih podataka, pa čak i vremenske prognoze za prodaju njihovih proizvoda.
Korištenje podataka o prodaji, senzorima proizvoda i podataka iz baza podataka dobavljača, industrijske proizvodnje mogu precizno predvidjeti potražnju u različitim regijama svijeta.
Budući da se popis i prodajne cijene mogu pratiti, a mogu se kupiti kada cijene pad, proizvodne kompanije mogu uštedjeti puno troškova.
Ako ponovo koristite podatke koje generiraju senzori u proizvodu da znaju šta nije u redu s proizvodom i gdje su potrebni dijelovi, mogu i gdje su i kada su potrebni dijelovi. Ovo će uvelike smanjiti zalihe i optimizirati lanac opskrbe.
