5. Produktsalgsprognose og efterspørgselsstyring
Brug big data til at analysere aktuelle efterspørgselsændringer og kombinationer.
Big Data er et godt salgsanalyseværktøj. Gennem den multidimensionelle kombination af historiske data kan vi se andelen og ændringen af den regionale efterspørgsel, markedets popularitet af produktkategorier, de mest almindelige kombinationsformer og forbrugernes niveau. For at justere produktstrategien og distributionsstrategien.
I en eller anden analyse kan vi opdage, at efterspørgslen efter papirvarer i byer med flere colleges og universiteter i begyndelsen af skolesæsonen vil være meget højere, så vi kan øge promoveringen af forhandlere i disse byer for at tiltrække dem til at bestille mere i begyndelsen af skolesæsonen og på samme tid i begyndelsen af skolesæsonen. Produktionskapacitetsplanlægningen blev startet for en eller to måneder siden for at imødekomme promoveringsbehovet.
Med hensyn til produktudvikling justeres produktfunktioner og ydeevne baseret på forbrugergruppens fokus. For eksempel for et par år siden kunne alle lide at bruge musiktelefoner, men nu er alle mere tilbøjelige til at bruge mobiltelefoner til at surfe på Internettet, tage billeder og dele osv. Forbedring af kamerafunktionen af mobiltelefoner er kun en ting. Trend, 4G -mobiltelefoner besætter også en større markedsandel. Gennem big data -analyse af nogle markedsoplysninger kan der findes flere potentielle salgsmuligheder.
6. Produktionsplanlægning og planlægning
Fremstillingsindustrien står over for en multi-variitet og en lille batch-produktionsmodel. Den raffinerede, automatiske, rettidige og praktiske indsamling af data (MES/DCS) og variationen har ført til en dramatisk stigning i data. Derudover kræves mere end ti års informatisering af historiske data for de hurtigt responderende AP'er, det er en enorm udfordring.
Kontrolsystemet af Hangao Tech (Seko Machiner) 's Intelligent rustfrit stål industrielt svejset rørfremstillingsmaskinerlinje kan spore og registrere produktionsdataene for hvert svejset rør, såsom aktuel størrelse, svejsningshastighed, annealingstemperatur osv. På dette grundlag, med indførelsen af internettet af ting teknologi, big data kan give os mere detaljerede dataoplysninger, opdage sandsynligheden for afvigelse mellem historiske forudsigelser og faktiske kapacitetsbegrænsninger, personale færdighedsbegrænsninger, materielle tilgængelighedsgrupper, værktøjet til at dreje værktøjet og muggenheder, Intelligente optimeringsalgoritmer, udvikle forplanlægning og planlægning og overvåge afvigelsen mellem planen og den faktiske på stedet og dynamisk justere planlægningen og planlægningen.
Hjælp os med at undgå manglerne ved 'portræt ' og direkte pålægge gruppegenskaber for enkeltpersoner (arbejdscenterdata ændres direkte til specifikke data, såsom udstyr, personale, forme osv.). Gennem korrelationsanalysen af data og overvågning kan vi planlægge for fremtiden.
Selvom big data er lidt mangelfulde, så længe de anvendes korrekt, vil big data blive et magtfuldt våben for os. Dengang spurgte Ford, hvad Big Data -kunde har brug for? Svaret var 'en hurtigere hest ' i stedet for de biler, der nu er populære.
I verden af big data er kreativitet, intuition, eventyrlig ånd og intellektuel ambition derfor særlig vigtig.
7. Produktkvalitetsstyring og analyse
Den traditionelle fremstillingsindustri står over for virkningen af big data. Med hensyn til produktforskning og -udvikling, procesdesign, kvalitetsstyring, produktion og drift ser vi ivrigt frem til fødslen af innovative metoder til at imødekomme udfordringerne ved big data i den industrielle kontekst.
I halvlederindustrien gennemgår chips for eksempel mange komplekse processer, såsom doping, opbygning, fotolitografi og varmebehandling under produktionsprocessen. Hvert trin skal opfylde ekstremt krævende fysiske egenskaber. Meget automatiseret udstyr bruges til at behandle produkter. På samme tid blev der også genereret enorme testresultater samtidigt.
Er denne enorme mængde data byrden af virksomheden eller virksomhedens guldgruve? Hvis sidstnævnte er tilfældet, hvordan kan vi så hurtigt finde ud af de vigtigste grunde til produktudbytteudsving fra 'Gold Mine '? Dette er det et teknisk problem, der har plaget halvlederingeniører i mange år.
Efter at de skiver, der er produceret af et halvlederteknologiselskab, gennemgår testprocessen, genereres et datasæt, der indeholder mere end hundrede testemner, og flere millioner linjer med testregistre hver dag.
I henhold til de grundlæggende krav til kvalitetsstyring er en uundværlig opgave at udføre en processevneanalyse for mere end hundrede testemner med forskellige tekniske specifikationer.
Hvis vi følger den traditionelle arbejdsmodel, er vi nødt til at beregne mere end hundrede procesfunktionsindekser trin for trin og evaluere hver kvalitetskarakteristik en efter en.
Uanset den enorme og besværlige arbejdsbyrde her, selvom nogen kan løse beregningsproblemet, er det vanskeligt at se sammenhængen mellem dem fra de hundreder af proceskapacitetsindeks, og det er endnu vanskeligere at bestemme den samlede kvalitet af produktet. Der er en omfattende forståelse og resumé af ydeevnen.
Men hvis vi bruger Big Data Quality Management Analysis -platformen, ud over at hurtigt få en lang traditionel enkeltindikatorproces kapacitetsanalyserapport, endnu vigtigere, kan vi også få mange nye analyser fra det samme Big Data -sæt. resultat.
8. Industriel forurening og miljøbeskyttelsestest
Baseret på tingenes internet registreres og overvåges alle data i produktionsprocessen, og big data er af stor værdi for miljøbeskyttelse.
På det kinesiske regerings websted, websteder for forskellige ministerier og provisioner, det officielle websted for Petrochina og Sinopec, det officielle websted for miljøbeskyttelsesorganisationer og nogle specielle agenturer, mere og mere offentlig velfærd og miljøbeskyttelsesdata kan forhøres, herunder nationale luft- og hydrologiske data, meteorologiske data, fabriksdistribution og forureningsafhængighedsoverholdelse status Vent til data og så videre.
Imidlertid er disse data for spredte, for professionelle, manglende analyse og manglende visualisering, og almindelige mennesker kan ikke forstå dem. Hvis du kan forstå og være opmærksom, vil big data blive et vigtigt middel for samfundet til at overvåge miljøbeskyttelse.
Baidus lancering af 'National Pollution Monitoring Map ' er en god måde. Kombineret med åben miljøbeskyttelse Big Data har Baidu Maps tilføjet et forureningsdetekteringslag. Alle kan bruge det til at se landet og provinserne og byerne i deres egen region, alt sammen i miljøbeskyttelse. Placeringsoplysningerne, navnet på organisationen, type emissionskilde og den seneste status for overholdelse af forureningsaflysning, der er annonceret af Miljøbeskyttelsesagenturet (inklusive forskellige termiske kraftværker, statskontrollerede industrielle virksomheder og spildevandsbehandlingsanlæg) under overvågning af bureauet.
Du kan kontrollere forureningskilden, der er tættest på dig, og en påmindelse vises, hvilken af inspektionsartiklerne på overvågningspunktet overstiger standarden, og hvor mange gange den overstiger standarden. Disse oplysninger kan bruges på realtids sociale medieplatforme til at informere venner og minde alle om at være opmærksomme på forureningskilder og personlig sikkerhed og sundhed.
Værdipotentialet for industrielle big data -applikationer er enormt. Der er dog stadig meget arbejde, der skal gøres for at realisere disse værdier.
Den ene er spørgsmålet om oprettelse af big data -opmærksomhed. Tidligere var der så big data, men fordi der ikke var nogen bevidsthed om big data, og dataanalysemetoderne var utilstrækkelige, blev en masse realtidsdata kasseret eller skrinlagt, og den potentielle værdi af en stor mængde data blev begravet.
Et andet vigtigt spørgsmål er spørgsmålet om dataøer. Dataene fra mange industrielle virksomheder distribueres på forskellige øer i virksomheden, især i store multinationale virksomheder. Det er ret vanskeligt at udtrække disse data fra hele virksomheden.
Derfor er et vigtigt emne for industrielle big data -applikationer integrerede applikationer.
