Industrial Big Data jsou nový koncept, doslova srozumitelný, průmyslová velká data se týkají velkých dat generovaných při aplikaci průmyslových informací.
S hloubkovou integrací informatizace a industrializace pronikla informační technologie do všech vazb průmyslového řetězce průmyslových podniků, jako jsou čárové kódy, QR kódy, RFID, průmyslové senzory, průmyslové automatické kontrolní systémy, ERP, ERP, CAD/CAE/CAE/CAI a další technologie se v průmyslových podnicích používají.
Zejména s aplikací informačních technologií nové generace, jako je internet, mobilní internet a internet věcí v průmyslové oblasti, vstoupily do nové fáze rozvoje v internetovém průmyslu a údaje držené průmyslovými podniky se stále více staly hojnějšími.
Aplikace průmyslových velkých údajů přinese novou éru inovací a transformace v průmyslových podnicích. Prostřednictvím nízkonákladového vnímání, vysokorychlostního mobilního připojení, distribuovaného výpočetního a pokročilého analýzy způsobeného internetem a mobilním internetem věcí, jsou informační technologie a globální průmyslové systémy hluboce integrovány, což přináší hluboké změny v globálních průmyslových odvětvích a inovace výzkumu a vývoje a výroby podniků. , Metody provozu, marketingu a správy. Hangao Tech (SEKO Machinery) aplikuje internetovou technologii na kontrolní systém Inteligentní průmyslové svařované potrubí z nerezové oceli , takže technické týmy obou stran mohou monitorovat produkční data v reálném čase, najít chyby během provozu a zabránit vypnutí.
Problémy a výzvy, kterým čelí průmyslové aplikace velkých dat, proto nejsou nižší než problémy internetového průmyslu a v některých případech jsou ještě komplikovanější.
Tyto inovativní průmyslové podniky v různých průmyslových odvětvích přinesly rychlejší rychlost, vyšší účinnost a vyšší vhled.
Mezi typické aplikace průmyslových velkých údajů patří inovace produktů, diagnostika a predikce poruch produktu, analýza IoT průmyslové výroby, optimalizaci průmyslového podnikového dodavatelského řetězce a přesný marketing produktů. Tento článek vyřeší scénáře aplikací průmyslových velkých dat ve výrobních podnicích jeden po druhém.
1. Zrychlit inovace produktu
Interakce a transakční chování mezi zákazníky a průmyslovými podniky vygeneruje velké množství dat. Těžba a analýza těchto dynamických dat zákazníků může zákazníkům pomoci účastnit se analýzy poptávky po poptávce a na inovační činnosti produktu a přispívat k inovacím produktu.
Ford je v tomto ohledu příkladem. Použili technologii Big Data na inovaci produktu a optimalizaci elektrického vozu Ford Focus. Toto auto se stalo opravdovým 'Big Data Electric Car. ' První generace elektrických vozidel Ford Focus při řízení a parkování generovala mnoho dat.
Při jízdě řidič neustále aktualizuje zrychlení, brzdění, nabíjení baterie a informace o poloze. To je užitečné pro řidiče, ale data jsou také odeslána zpět do inženýrů Ford, aby porozuměli řidičským návykům zákazníka, včetně toho, jak, kdy a kde se účtovat. I když je vozidlo v pohotovostním zastavení, bude i nadále přenášet data o tlaku pneumatik a baterie vozidla na nejbližší chytrý telefon.
Tento scénář aplikace Big Data Application zaměřený na zákazníka má mnoho výhod, protože velká data umožňují cenné inovace nových produktů a metody spolupráce. Řidiči získávají užitečné a aktuální informace, zatímco inženýři v Detroitu agregovali informace o řízení chování, aby porozuměli zákazníkům, rozvíjeli plány na zlepšení produktů a implementovali nové inovace produktů.
Navíc, energetické společnosti a další dodavatelé třetích stran mohou analyzovat miliony kilometrů dat řízení, aby určili, kde stavět nové nabíjecí stanice a jak zabránit křehké mřížce v přetížení.
2. diagnostika a predikce poruch produktu
To lze použít pro produktové poprodejní služby a zlepšení produktu. Zavedení všudypřítomných senzorů a internetových technologií způsobilo, že diagnóza produktů produktů v reálném čase byla realitou, zatímco technologie velkých dat, modelování a simulační technologie umožnily předpovídat dynamiku.
Během hledání ztraceného připojení Malaysia Airlines MH370 hrály provozní údaje motoru získané Boeingem klíčovou roli při určování cesty ztraceného spojení letadla. Vezměme si letecký systém Boeing jako případ, abychom viděli, jak aplikace velkých dat hrají roli v diagnostice poruch produktu.
Na letadle společnosti Boeing tvoří stovky proměnných, jako jsou motory, palivové systémy, hydraulika a elektrické systémy, stav za letu. Tato data se měří a odesílají za méně než několik mikrosekund. Vezmeme -li příklad Boeing 737, může motor generovat 10 terabajtů dat každých 30 minut za letu.
Tato data jsou nejen inženýrská telemetrická data, která mohou být analyzována v určitém bodě v budoucnu, ale také podporují adaptivní kontrolu v reálném čase, využití paliva, predikci selhání komponent a pilotní oznámení, které mohou účinně dosáhnout diagnostiky a predikce poruch.
Podívejme se na příklad General Electric (GE). Středisko GE Energy Monitoring and Diagnostics (M&D) v Atlantě v USA shromažďuje údaje o tisících plynových turbín GE ve více než 50 zemích po celém světě a může každý den shromažďovat 10 g dat pro zákazníky. Analyzujte konstantní tok velkých dat z signálů senzorových vibrací a teploty v systému. Tato analýza velkých dat poskytne podporu pro diagnostiku poruch plynové turbíny GE a včasné varování.
Výrobce větrné turbíny Vestas také zlepšil rozložení větrných turbín pomocí křížových údajů o počasí a jeho údaji o turbínovém měřiči, čímž se zvýšila úroveň výkonu větrných turbín a prodloužila životnost.
3. Aplikace velkých dat průmyslové výrobní linky IoT
Moderní výrobní linky průmyslové výroby jsou vybaveny tisíci malých senzorů pro detekci teploty, tlaku, tepla, vibrací a hluku.
Protože se údaje shromažďují každých několik sekund, lze pomocí těchto údajů realizovat mnoho forem analýzy, včetně diagnózy zařízení, analýzy spotřeby energie, analýzy spotřeby energie, analýzy kvality nehod (včetně porušení výrobních předpisů, selhání složek) atd.
Za prvé, pokud jde o zlepšení výrobního procesu, může použití těchto velkých dat ve výrobním procesu analyzovat celý výrobní proces a pochopit, jak je prováděno každé spojení. Jakmile se určitý proces odchyluje od standardního procesu, bude generován poplašný signál, chyby nebo úzká místa lze nalézt rychleji a problém lze vyřešit snadněji.
Pomocí technologie Big Data je také možné vytvořit virtuální modely výrobního procesu průmyslových produktů, simulovat a optimalizovat výrobní proces. Pokud lze v systému rekonstruovat všechna data procesu a výkonu, tato transparentnost pomůže výrobcům zlepšit jejich výrobní procesy.
Pro další příklad, pokud jde o analýzu spotřeby energie, může použití senzorů pro centrálně monitorovat všechny výrobní procesy během výrobního procesu zařízení najít abnormality nebo vrcholy spotřeby energie, aby mohla být spotřeba energie optimalizována během výrobního procesu a mohou být provedeny všechny procesy. Analýza výrazně sníží spotřebu energie.
4. Analýza a optimalizace průmyslového dodavatelského řetězce
V současné době je analýza velkých dat již důležitým prostředkem pro mnoho společností elektronického obchodování, aby zvýšily konkurenceschopnost jejich dodavatelských řetězců.
Například společnost elektronického obchodování Jingdong Mall používá velká data k analýze a předpovídání poptávky po zboží na různých místech předem, čímž se zlepšuje efektivitu distribuce a skladování a zajišťuje zákaznickou zkušenost následujícího dne.
Technologie RFID a další elektronická identifikace produktů, Technologie internetu věcí a mobilní internetová technologie mohou průmyslovým podnikům pomoci získat velká data o úplném dodavatelském řetězci produktu. Použití těchto údajů pro analýzu přinese významné zvýšení skladování, distribuce a prodejní efektivity a významné náklady. pokles.
Ve Spojených státech je více než 1 000 velkých dodavatelů OEM, které výrobním společnostem poskytují více než 10 000 různých produktů. Každý výrobce se spoléhá na prognózy trhu a další různé proměnné, jako jsou údaje o prodeji, informace o trhu, výstavy, zprávy a konkurenční údaje a dokonce i předpovědi počasí prodat své výrobky.
Pomocí dat prodeje, dat senzorů produktu a dat z databází dodavatelů mohou průmyslové výrobní společnosti přesně předpovídat poptávku v různých regionech světa.
Vzhledem k tomu, že zásoby a prodejní ceny mohou být sledovány a lze je zakoupit, když ceny klesnou, mohou výrobní společnosti ušetřit spoustu nákladů.
Pokud znovu použijete data generovaná senzory v produktu, abyste věděli, co je s produktem špatně a kde jsou součásti potřebné, mohou také předvídat, kde a kdy jsou díly potřebné. Tím se výrazně sníží zásoby a optimalizují dodavatelský řetězec.
