Mae data mawr diwydiannol yn gysyniad newydd, a ddeellir yn llythrennol, mae data mawr diwydiannol yn cyfeirio at y data mawr a gynhyrchir wrth gymhwyso gwybodaeth ddiwydiannol.
Gydag integreiddio manwl gwybodaeth a diwydiannu, mae technoleg gwybodaeth wedi treiddio i mewn i holl ddolenni'r gadwyn ddiwydiannol o fentrau diwydiannol, megis codau bar, codau QR, RFID, synwyryddion diwydiannol, systemau rheoli awtomatig diwydiannol, Rhyngrwyd Pethau diwydiannol, ERP, Defnyddir CAD / CAM / CAE / CAI a thechnolegau eraill yn eang mewn mentrau diwydiannol.
Yn enwedig gyda chymhwyso technolegau gwybodaeth cenhedlaeth newydd fel y Rhyngrwyd, Rhyngrwyd symudol, a Rhyngrwyd Pethau yn y maes diwydiannol, mae mentrau diwydiannol hefyd wedi cychwyn ar gyfnod newydd o ddatblygiad yn y diwydiant Rhyngrwyd, ac mae'r data a gedwir gan fentrau diwydiannol wedi dod yn fwyfwy toreithiog.
Bydd cymhwyso data mawr diwydiannol yn dod â chyfnod newydd o arloesi a thrawsnewid mewn mentrau diwydiannol.Trwy'r canfyddiad cost isel, cysylltiad symudol cyflym, cyfrifiadura gwasgaredig a dadansoddiad uwch a achosir gan y Rhyngrwyd a Rhyngrwyd Pethau symudol, mae technoleg gwybodaeth a systemau diwydiannol byd-eang yn cael eu hintegreiddio'n ddwfn, gan ddod â newidiadau dwys i ddiwydiannau byd-eang, ac arloesi'r Ymchwil a Datblygu a chynhyrchu mentrau., Dulliau gweithredu, marchnata a rheoli. Mae Hangao Tech (SEKO Machinery) yn cymhwyso technoleg Rhyngrwyd i system reoli'r peiriannau gwneud pibellau weldio diwydiannol dur di-staen deallus , fel y gall timau technegol y ddau barti fonitro data cynhyrchu mewn amser real, dod o hyd i ddiffygion yn ystod gweithrediad, ac atal cau.
Felly, nid yw'r problemau a'r heriau a wynebir gan gymwysiadau data mawr diwydiannol yn llai na rhai'r diwydiant Rhyngrwyd, ac mewn rhai achosion maent hyd yn oed yn fwy cymhleth.
Mae'r mentrau diwydiannol arloesol hyn mewn gwahanol ddiwydiannau wedi dod â chyflymder cyflymach, effeithlonrwydd uwch a mewnwelediad uwch.
Mae cymwysiadau nodweddiadol data mawr diwydiannol yn cynnwys arloesi cynnyrch, diagnosis a rhagfynegi namau cynnyrch, dadansoddiad IoT llinell gynhyrchu diwydiannol, optimeiddio cadwyn gyflenwi menter ddiwydiannol, a marchnata manwl gywirdeb cynnyrch.Bydd yr erthygl hon yn datrys senarios cymhwyso data mawr diwydiannol mewn mentrau gweithgynhyrchu fesul un.
1. Cyflymu arloesedd cynnyrch
Bydd y rhyngweithio a'r ymddygiad trafodion rhwng cwsmeriaid a mentrau diwydiannol yn cynhyrchu llawer iawn o ddata.Gall mwyngloddio a dadansoddi'r data deinamig cwsmeriaid hyn helpu cwsmeriaid i gymryd rhan mewn gweithgareddau dadansoddi galw am gynnyrch a gweithgareddau arloesi dylunio cynnyrch, a gwneud cyfraniadau at arloesi cynnyrch.
Mae Ford yn enghraifft yn hyn o beth.Fe wnaethant gymhwyso technoleg data mawr i arloesi cynnyrch ac optimeiddio car trydan Ford Focus.Mae'r car hwn wedi dod yn 'gar trydan data mawr.' Cynhyrchodd y genhedlaeth gyntaf o gerbydau trydan Ford Focus lawer o ddata wrth yrru a pharcio.
Wrth yrru, mae'r gyrrwr yn diweddaru cyflymiad, brecio, gwefru batri a gwybodaeth leoliad y cerbyd yn barhaus.Mae hyn yn ddefnyddiol i yrwyr, ond mae'r data hefyd yn cael ei anfon yn ôl at beirianwyr Ford i ddeall arferion gyrru'r cwsmer, gan gynnwys sut, pryd a ble i godi tâl.Hyd yn oed os yw'r cerbyd yn sefyll yn ei unfan, bydd yn parhau i drosglwyddo data ar bwysedd teiars a system batri'r cerbyd i'r ffôn smart agosaf.
Mae gan y senario cymhwysiad data mawr hwn sy'n canolbwyntio ar y cwsmer lawer o fanteision, oherwydd mae data mawr yn galluogi dulliau arloesi a chydweithio gwerthfawr mewn cynnyrch newydd.Mae gyrwyr yn cael gwybodaeth ddefnyddiol a chyfoes, tra bod peirianwyr yn Detroit yn crynhoi gwybodaeth am ymddygiad gyrru i ddeall cwsmeriaid, datblygu cynlluniau gwella cynnyrch, a gweithredu arloesiadau cynnyrch newydd.
At hynny, gall cwmnïau pŵer a chyflenwyr trydydd parti eraill ddadansoddi miliynau o filltiroedd o ddata gyrru i benderfynu ble i adeiladu gorsafoedd gwefru newydd a sut i atal y grid bregus rhag gorlwytho.
2. diagnosis nam cynnyrch a rhagfynegiad
Gellir defnyddio hwn ar gyfer gwasanaeth ôl-werthu cynnyrch a gwella cynnyrch.Mae cyflwyno synwyryddion hollbresennol a thechnoleg Rhyngrwyd wedi gwneud diagnosis amser real o ddiffygion cynnyrch yn realiti, tra bod cymwysiadau data mawr, technolegau modelu ac efelychu wedi ei gwneud hi'n bosibl rhagweld dynameg.
Wrth chwilio am gysylltiad coll Malaysia Airlines MH370, chwaraeodd y data gweithredu injan a gafwyd gan Boeing ran allweddol wrth bennu llwybr cysylltiad coll yr awyren.Gadewch i ni gymryd y system awyrennau Boeing fel achos i weld sut mae ceisiadau data mawr yn chwarae rhan mewn diagnosis namau cynnyrch.
Ar awyrennau Boeing, mae cannoedd o newidynnau, megis peiriannau, systemau tanwydd, hydrolig a systemau trydanol, yn ffurfio'r cyflwr hedfan.Mae'r data hyn yn cael eu mesur a'u hanfon mewn llai nag ychydig ficroeiliadau.Gan gymryd y Boeing 737 fel enghraifft, gall yr injan gynhyrchu 10 terabytes o ddata bob 30 munud wrth hedfan.
Mae'r data hyn nid yn unig yn ddata telemetreg peirianneg y gellir eu dadansoddi ar adeg benodol yn y dyfodol, ond hefyd yn hyrwyddo rheolaeth addasol amser real, defnydd o danwydd, rhagfynegiad methiant cydrannau a hysbysiad peilot, a all gyflawni diagnosis a rhagfynegiad nam yn effeithiol.
Edrychwn ar enghraifft o General Electric (GE).Mae Canolfan Monitro a Diagnosteg Ynni GE (M&D) yn Atlanta, UDA, yn casglu data ar filoedd o dyrbinau nwy GE mewn mwy na 50 o wledydd ledled y byd, a gall gasglu data 10G ar gyfer cwsmeriaid bob dydd.Dadansoddwch y llif data mawr cyson o'r dirgryniad synhwyrydd a signalau tymheredd yn y system.Bydd y dadansoddiadau data mawr hyn yn darparu cefnogaeth ar gyfer diagnosis nam tyrbin nwy GE a rhybudd cynnar.
Fe wnaeth y gwneuthurwr tyrbinau gwynt Vestas hefyd wella gosodiad tyrbinau gwynt trwy groes-ddadansoddi data tywydd a'i ddata mesurydd tyrbin, a thrwy hynny gynyddu lefel allbwn pŵer tyrbinau gwynt ac ymestyn bywyd gwasanaeth.
3. Cymhwyso data mawr o linell gynhyrchu IoT diwydiannol
Mae gan linellau cynhyrchu gweithgynhyrchu diwydiannol modern filoedd o synwyryddion bach i ganfod tymheredd, pwysau, gwres, dirgryniad a sŵn.
Oherwydd bod data'n cael ei gasglu bob ychydig eiliadau, gellir gwireddu sawl math o ddadansoddi trwy ddefnyddio'r data hyn, gan gynnwys diagnosis offer, dadansoddi defnydd pŵer, dadansoddi defnydd ynni, dadansoddi damweiniau ansawdd (gan gynnwys torri rheoliadau cynhyrchu, methiannau cydrannau), ac ati.
Yn gyntaf oll, o ran gwella'r broses gynhyrchu, gall defnyddio'r data mawr hyn yn y broses gynhyrchu ddadansoddi'r broses gynhyrchu gyfan a deall sut mae pob cyswllt yn cael ei weithredu.Unwaith y bydd proses benodol yn gwyro oddi wrth y broses safonol, bydd signal larwm yn cael ei gynhyrchu, gellir dod o hyd i wallau neu dagfeydd yn gyflymach, a gellir datrys y broblem yn haws.
Gan ddefnyddio technoleg data mawr, mae hefyd yn bosibl sefydlu modelau rhithwir o'r broses gynhyrchu o gynhyrchion diwydiannol, efelychu a gwneud y gorau o'r broses gynhyrchu.Pan ellir ail-greu'r holl ddata proses a pherfformiad yn y system, bydd y tryloywder hwn yn helpu gweithgynhyrchwyr i wella eu prosesau cynhyrchu.
Er enghraifft arall, o ran dadansoddi defnydd o ynni, gall y defnydd o synwyryddion i fonitro'r holl brosesau cynhyrchu yn ganolog yn ystod y broses gynhyrchu offer ddod o hyd i annormaleddau neu uchafbwynt yn y defnydd o ynni, fel y gellir optimeiddio'r defnydd o ynni yn ystod y broses gynhyrchu a gall pob proses. cael ei berfformio.Bydd dadansoddiad yn lleihau'r defnydd o ynni yn fawr.
4. Dadansoddi ac optimeiddio'r gadwyn gyflenwi ddiwydiannol
Ar hyn o bryd, mae dadansoddi data mawr eisoes yn ffordd bwysig i lawer o gwmnïau e-fasnach wella cystadleurwydd eu cadwyni cyflenwi.
Er enghraifft, mae'r cwmni e-fasnach Jingdong Mall yn defnyddio data mawr i ddadansoddi a rhagweld y galw am nwyddau mewn gwahanol leoedd ymlaen llaw, a thrwy hynny wella effeithlonrwydd dosbarthu a warysau, a sicrhau profiad cwsmeriaid y diwrnod canlynol.
Gall RFID a thechnoleg adnabod electronig cynnyrch arall, technoleg Rhyngrwyd Pethau, a thechnoleg Rhyngrwyd symudol helpu mentrau diwydiannol i gael data mawr o gadwyn gyflenwi cynnyrch cyflawn.Bydd defnyddio'r data hyn i'w dadansoddi yn arwain at gynnydd sylweddol mewn effeithlonrwydd warysau, dosbarthu a gwerthu a chost sylweddol.dirywiad.
Mae mwy na 1,000 o gyflenwyr OEM mawr yn yr Unol Daleithiau, gan ddarparu mwy na 10,000 o wahanol gynhyrchion i gwmnïau gweithgynhyrchu.Mae pob gwneuthurwr yn dibynnu ar ragolygon y farchnad a newidynnau gwahanol eraill, megis data gwerthu, gwybodaeth am y farchnad, arddangosfeydd, newyddion, a data cystadleuwyr, A hyd yn oed rhagolygon tywydd i werthu eu cynhyrchion.
Gan ddefnyddio data gwerthiant, data synhwyrydd cynnyrch, a data o gronfeydd data cyflenwyr, gall cwmnïau gweithgynhyrchu diwydiannol ragweld yn gywir y galw mewn gwahanol ranbarthau o'r byd.
Gan y gellir olrhain rhestr eiddo a phrisiau gwerthu, a gellir eu prynu pan fydd prisiau'n disgyn, gall cwmnïau gweithgynhyrchu arbed llawer o gostau.
Os ydych chi'n ailddefnyddio'r data a gynhyrchir gan y synwyryddion yn y cynnyrch i wybod beth sydd o'i le ar y cynnyrch a lle mae angen rhannau, gallant hefyd ragweld ble a phryd mae angen rhannau.Bydd hyn yn lleihau'r rhestr eiddo yn fawr ac yn gwneud y gorau o'r gadwyn gyflenwi.
