Průmyslová velká data jsou nový pojem, doslova chápaný, průmyslová velká data se týkají velkých dat generovaných při aplikaci průmyslových informací.
S hloubkovou integrací informatizace a industrializace pronikla informační technologie do všech článků průmyslového řetězce průmyslových podniků, jako jsou čárové kódy, QR kódy, RFID, průmyslové senzory, průmyslové automatické řídicí systémy, průmyslový internet věcí, ERP, CAD/CAM/CAE/CAI a další technologie jsou široce používány v průmyslových podnicích.
Zejména s aplikací informačních technologií nové generace, jako je internet, mobilní internet a internet věcí v průmyslové oblasti, vstoupily průmyslové podniky také do nové etapy rozvoje v internetovém průmyslu a údaje držené průmyslovými podniky být stále hojnější.
Aplikace průmyslových velkých dat přinese novou éru inovací a transformace v průmyslových podnicích.Prostřednictvím levného vnímání, vysokorychlostního mobilního připojení, distribuovaných výpočtů a pokročilé analýzy, které přináší internet a mobilní internet věcí, jsou informační technologie a globální průmyslové systémy hluboce integrovány, což přináší hluboké změny do globálních průmyslových odvětví a inovuje Výzkum a vývoj a výroba podniků., Provoz, marketing a metody řízení. Hangao Tech (SEKO Machinery) aplikuje internetovou technologii do řídicího systému společnosti inteligentní průmyslové stroje na výrobu svařovaných trubek z nerezové oceli , takže technické týmy obou stran mohou v reálném čase sledovat výrobní data, nacházet chyby během provozu a předcházet odstávkám.
Proto problémy a výzvy, kterým čelí průmyslové aplikace velkých dat, nejsou menší než problémy a výzvy internetového průmyslu a v některých případech jsou ještě komplikovanější.
Tyto inovativní průmyslové podniky v různých průmyslových odvětvích přinesly vyšší rychlost, vyšší efektivitu a lepší přehled.
Mezi typické aplikace průmyslových velkých dat patří inovace produktů, diagnostika a predikce chyb produktů, analýza IoT průmyslových výrobních linek, optimalizace dodavatelského řetězce průmyslových podniků a precizní marketing produktů.Tento článek postupně vytřídí aplikační scénáře průmyslových velkých dat ve výrobních podnicích.
1. Urychlit inovace produktů
Interakce a transakční chování mezi zákazníky a průmyslovými podniky bude generovat velké množství dat.Těžba a analýza těchto dynamických dat o zákaznících může zákazníkům pomoci podílet se na analýze poptávky po produktech a inovačních aktivitách designu produktu a přispívat k inovaci produktů.
Ford je v tomto ohledu příkladem.Při produktové inovaci a optimalizaci elektromobilu Ford Focus použili technologii velkých dat.Z tohoto vozu se stal skutečný 'elektromobil s velkými daty'. První generace elektrických vozidel Ford Focus generovala při jízdě a parkování mnoho dat.
Během jízdy řidič průběžně aktualizuje informace o zrychlení, brzdění, nabíjení baterie a poloze vozidla.To je užitečné pro řidiče, ale data se také zasílají zpět inženýrům Fordu, aby pochopili řidičské návyky zákazníka, včetně toho, jak, kdy a kde nabíjet.I když vozidlo stojí, bude i nadále přenášet data o tlaku v pneumatikách a systému baterie vozidla do nejbližšího chytrého telefonu.
Tento scénář aplikace velkých dat zaměřených na zákazníka má mnoho výhod, protože velká data umožňují cenné nové inovace produktů a metody spolupráce.Řidiči získají užitečné a aktuální informace, zatímco inženýři v Detroitu shromažďují informace o chování při řízení, aby porozuměli zákazníkům, vyvíjeli plány na vylepšení produktů a implementovali nové produktové inovace.
Energetické společnosti a další dodavatelé třetích stran mohou navíc analyzovat miliony kilometrů jízdních dat, aby zjistili, kde postavit nové nabíjecí stanice a jak zabránit přetížení křehké sítě.
2. Diagnostika a predikce chyb produktu
To lze použít pro poprodejní servis a vylepšení produktu.Zavedení všudypřítomných senzorů a internetové technologie učinilo diagnostiku chyb produktů v reálném čase realitou, zatímco aplikace velkých dat, modelování a simulační technologie umožnily předpovídat dynamiku.
Při hledání ztraceného spojení Malaysia Airlines MH370 sehrála klíčovou roli při určování cesty ztraceného spojení letadla provozní data motoru získaná Boeingem.Vezměme si letecký systém Boeing jako případ, abychom viděli, jakou roli hrají aplikace velkých dat při diagnostice chyb produktu.
V letadlech Boeingu tvoří stav za letu stovky proměnných, jako jsou motory, palivové systémy, hydraulika a elektrické systémy.Tato data jsou změřena a odeslána za méně než několik mikrosekund.Vezmeme-li jako příklad Boeing 737, motor dokáže každých 30 minut letu generovat 10 terabajtů dat.
Tato data nejsou pouze inženýrská telemetrická data, která lze analyzovat v určitém okamžiku v budoucnu, ale také podporují adaptivní řízení v reálném čase, spotřebu paliva, predikci selhání součástí a pilotní upozornění, což může účinně dosáhnout diagnostiky a predikce chyb.
Podívejme se na příklad General Electric (GE).Centrum GE Energy Monitoring and Diagnostics (M&D) v Atlantě v USA shromažďuje data o tisících plynových turbín GE ve více než 50 zemích světa a může každý den sbírat 10G data pro zákazníky.Analyzujte neustálý tok velkých dat ze signálů vibrací snímače a teploty v systému.Tato analýza velkých dat poskytne podporu pro diagnostiku poruch plynových turbín a včasné varování společnosti GE.
Výrobce větrných turbín Vestas také zlepšil uspořádání větrných turbín křížovou analýzou údajů o počasí a údajů z měřidel turbín, čímž zvýšil úroveň výkonu větrných turbín a prodloužil životnost.
3. Big data aplikace průmyslové výrobní linky IoT
Moderní průmyslové výrobní linky jsou vybaveny tisíci malých senzorů pro detekci teploty, tlaku, tepla, vibrací a hluku.
Protože se data shromažďují každých několik sekund, lze pomocí těchto dat realizovat mnoho forem analýzy, včetně diagnostiky zařízení, analýzy spotřeby energie, analýzy spotřeby energie, analýzy havárie kvality (včetně porušení výrobních předpisů, selhání komponent) atd.
Za prvé, pokud jde o zlepšení výrobního procesu, použití těchto velkých dat ve výrobním procesu může analyzovat celý výrobní proces a pochopit, jak jsou jednotlivé vazby prováděny.Jakmile se určitý proces odchýlí od standardního procesu, bude generován poplachový signál, chyby nebo úzká místa mohou být nalezeny rychleji a problém lze snáze vyřešit.
Pomocí technologie velkých dat je také možné vytvářet virtuální modely výrobního procesu průmyslových produktů, simulovat a optimalizovat výrobní proces.Když lze v systému rekonstruovat všechna procesní a výkonnostní data, pomůže tato transparentnost výrobcům zlepšit jejich výrobní procesy.
Jiný příklad, pokud jde o analýzu spotřeby energie, použití senzorů k centrálnímu monitorování všech výrobních procesů během procesu výroby zařízení může najít abnormality nebo špičky ve spotřebě energie, takže spotřeba energie může být během výrobního procesu optimalizována a všechny procesy mohou být bude provedeno.Analýza výrazně sníží spotřebu energie.
4. Analýza a optimalizace průmyslového dodavatelského řetězce
V současné době je již analýza velkých dat důležitým prostředkem pro mnoho společností zabývajících se elektronickým obchodováním ke zvýšení konkurenceschopnosti jejich dodavatelských řetězců.
Například e-commerce společnost Jingdong Mall využívá velká data k analýze a predikci poptávky po zboží na různých místech předem, čímž zlepšuje efektivitu distribuce a skladování a zajišťuje zákaznickou zkušenost do dalšího dne.
RFID a další technologie elektronické identifikace produktů, technologie internetu věcí a technologie mobilního internetu mohou průmyslovým podnikům pomoci získat velká data celého dodavatelského řetězce produktů.Použití těchto dat pro analýzu přinese výrazné zvýšení efektivity skladování, distribuce a prodeje a značné náklady.pokles.
Ve Spojených státech existuje více než 1 000 velkých dodavatelů OEM, kteří poskytují výrobním společnostem více než 10 000 různých produktů.Každý výrobce se při prodeji svých produktů spoléhá na předpovědi trhu a další různé proměnné, jako jsou údaje o prodeji, informace o trhu, výstavy, zprávy a údaje o konkurenci a dokonce i předpovědi počasí.
Pomocí údajů o prodeji, údajů o produktových senzorech a údajů z databází dodavatelů mohou průmyslové výrobní společnosti přesně předvídat poptávku v různých oblastech světa.
Vzhledem k tomu, že zásoby a prodejní ceny lze sledovat a lze je koupit, 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 potřebné díly, mohou také předvídat, kde a kdy jsou díly potřeba.To výrazně sníží zásoby a optimalizuje dodavatelský řetězec.
