Industrial Big Data ist ein neues Konzept, das buchstäblich verstanden wird. Industrielle Big Data bezieht sich auf die Big Data, die bei der Anwendung von industriellen Informationen generiert werden.
Mit der detaillierten Integration von Informatisierung und Industrialisierung hat sich die Informationstechnologie in alle Verbindungen der industriellen Kette von Industrieunternehmen wie Barcodes, QR-Codes, RFID, Industriesensoren, industriellen automatischen Kontrollsystemen, industriellem Internet der Dinge, ERP, CAD/CAE/CAE/CAI und anderen Technologien durchdrungen.
Insbesondere bei der Anwendung von Informationstechnologien für die neue Generation wie Internet, mobiles Internet und Internet der Dinge im industriellen Bereich haben Industrieunternehmen auch eine neue Entwicklungsphase in der Internetbranche eingetreten, und die Daten von Industrieunternehmen sind zunehmend reichlich vorhanden geworden.
Die Anwendung industrieller Big Data wird eine neue Ära der Innovation und Transformation in Industrieunternehmen bringen. Durch die kostengünstige Wahrnehmung, die mobile Hochgeschwindigkeits-Verbindung, die verteilte Computing und die fortschrittliche Analyse des Internets und des mobilen Internets der Dinge werden Informationstechnologie und globale industrielle Systeme zutiefst integriert, wodurch tiefgreifende Veränderungen in die globalen Branchen und die Innovation der F & E und die Produktion von Unternehmen innovieren. , Betriebs-, Marketing- und Managementmethoden. Hangao Tech (Seko Machinery) wendet Internet -Technologie auf das Steuerungssystem der Intelligent aus Edelstahl Industrial Wweied Pipe Machinery Machinery , so dass die technischen Teams beider Parteien die Produktionsdaten in Echtzeit überwachen, während des Betriebs Fehler finden und Abschaltungen verhindern können.
Daher sind die Probleme und Herausforderungen der industriellen Big -Data -Anwendungen nicht geringer als die der Internetbranche, und in einigen Fällen sind sie noch komplizierter.
Diese innovativen Industrieunternehmen in verschiedenen Branchen haben eine schnellere Geschwindigkeit, höhere Effizienz und höhere Erkenntnisse gebracht.
Typische Anwendungen industrieller Big -Data umfassen Produktinnovationen, Produktfehlerdiagnose und Vorhersage, IoT -Analyse der industriellen Produktionslinie, die Optimierung der Lieferkette in der industriellen Unternehmen für Lieferketten und Produktgenauigkeitsmarketing. In diesem Artikel werden die Anwendungsszenarien der industriellen Big -Data in Fertigungsunternehmen nacheinander aussortiert.
1. Produktinnovation beschleunigen
Das Interaktions- und Transaktionsverhalten zwischen Kunden und Industrieunternehmen generiert eine große Datenmenge. Das Bergbau und die Analyse dieser kundendynamischen Daten können Kunden helfen, an der Produktnachfrageanalyse und der Produktdesign -Innovationsaktivitäten teilzunehmen und Beiträge zur Produktinnovation zu leisten.
Ford ist in dieser Hinsicht ein Beispiel. Sie verwendeten Big -Data -Technologie auf die Produktinnovation und Optimierung des Ford Focus Electric Car. Dieses Auto ist zu einem wahren 'Big Data Electric Car geworden. ' Die erste Generation von Ford Focus -Elektrofahrzeugen hat beim Fahren und Parken viele Daten erzeugt.
Während des Fahrens aktualisiert der Fahrer kontinuierlich die Beschleunigung, Bremsen des Fahrzeugs, die Lade- und Standortinformationen des Fahrzeugs. Dies ist für Fahrer nützlich, aber die Daten werden auch an Ford -Ingenieure zurückgesandt, um die Fahrgewohnheiten des Kunden zu verstehen, einschließlich der Art und Weise, wie, wann und wo sie berechnet werden sollen. Selbst wenn sich das Fahrzeug im Stillstand befindet, überträgt es weiterhin Daten über den Reifendruck und das Batteriesystem des Fahrzeugs an das nächste Smartphone.
Dieses kundenorientierte Big-Data-Anwendungsszenario hat viele Vorteile, da Big Data wertvolle Methoden für neue Produktinnovationen und Zusammenarbeit ermöglicht. Fahrer erhalten nützliche und aktuelle Informationen, während Ingenieure in Detroit Informationen über das Fahrverhalten zum Verständnis von Kunden, die Entwicklung von Produktverbesserungsplänen und die Umsetzung neuer Produktinnovationen.
Darüber hinaus können Stromversorgungsunternehmen und andere Lieferanten von Drittanbietern Millionen von Kilometern von Fahrdaten analysieren, um festzustellen, wo neue Ladestationen errichtet werden sollen und wie das fragile Netz überlastet werden kann.
2. Produktfehlerdiagnose und Vorhersage
Dies kann für Produkte nach dem Verkauf von Produkten und Produktverbesserungen verwendet werden. Die Einführung von allgegenwärtigen Sensoren und Internet-Technologie hat die Echtzeitdiagnose von Produktfehlern Wirklichkeit werden lassen, während Big-Data-Anwendungen, Modellierungs- und Simulationstechnologien es ermöglicht haben, die Dynamik vorherzusagen.
Während der Suche nach dem verlorenen Anschluss von Malaysia Airlines MH370 spielte die durch Boeing erhaltenen Motorbetriebsdaten eine Schlüsselrolle bei der Bestimmung des Weges der verlorenen Verbindung des Flugzeugs. Nehmen wir das Boeing -Flugzeugsystem als Fall, um zu sehen, wie Big Data -Anwendungen eine Rolle bei der Produktfehlerdiagnose spielen.
In Boeings Flugzeugen bilden Hunderte von Variablen wie Motoren, Kraftstoffsystemen, Hydraulik und elektrische Systeme den Zustand während des Fluges. Diese Daten werden gemessen und in weniger als wenigen Mikrosekunden gesendet. Wenn der Motor als Beispiel das Boeing 737 einnimmt, kann er alle 30 Minuten im Flug 10 Terabyte Daten erzeugen.
Diese Daten sind nicht nur technische Telemetriedaten, die in Zukunft zu einem bestimmten Zeitpunkt analysiert werden können, sondern auch die Echtzeit-adaptive Kontrolle, den Kraftstoffverbrauch, die Vorhersage von Komponentenversagen und eine Pilotbenachrichtigung fördern, die effektiv die Fehlerdiagnose und Vorhersage erreichen können.
Schauen wir uns ein Beispiel von General Electric (GE) an. Das GE Energy Monitoring and Diagnostics (M & D) Center in Atlanta, USA, sammelt Daten zu Tausenden von GE -Gasturbinen in mehr als 50 Ländern auf der ganzen Welt und kann täglich 10G -Daten für Kunden sammeln. Analysieren Sie den konstanten Big -Data -Fluss aus den Sensorschwingungs- und Temperatursignalen im System. Diese Big -Data -Analyse unterstützt die GE -Ga -Turbinen -Verwerfungsdiagnose und die frühe Warnung.
Der Windturbinenhersteller Vestas verbesserte auch das Layout von Windkraftanlagen durch Kreuzanalyse-Wetterdaten und ihre Turbinenmesserdaten, wodurch das Leistungsniveau der Windturbinen erhöht und die Lebensdauer verlängert.
3.. Big Data Application der industriellen IoT -Produktionslinie
Moderne Produktionslinien der industriellen Herstellung sind mit Tausenden von kleinen Sensoren ausgestattet, um Temperatur, Druck, Wärme, Vibration und Rauschen zu erkennen.
Da Daten alle paar Sekunden gesammelt werden, können viele Analyseformen durch die Verwendung dieser Daten realisiert werden, einschließlich Gerätediagnose, Stromverbrauchsanalyse, Energieverbrauchsanalyse, Qualitätsunfallanalyse (einschließlich Verstößen gegen Produktionsvorschriften, Komponentenversagen) usw.
In Bezug auf die Verbesserung des Produktionsprozesses kann die Verwendung dieser Big -Data im Produktionsprozess den gesamten Produktionsprozess analysieren und verstehen, wie jeder Link ausgeführt wird. Sobald ein bestimmter Prozess vom Standardvorgang abweicht, wird ein Alarmsignal generiert, Fehler oder Engpässe schneller gefunden und das Problem leichter gelöst werden.
Mithilfe der Big -Data -Technologie ist es auch möglich, virtuelle Modelle des Produktionsprozesses von industriellen Produkten zu etablieren, den Produktionsprozess zu simulieren und zu optimieren. Wenn alle Prozess- und Leistungsdaten im System rekonstruiert werden können, hilft diese Transparenz den Herstellern, ihre Produktionsprozesse zu verbessern.
In einem anderen Beispiel kann die Verwendung von Sensoren zur zentralen Überwachung aller Produktionsprozesse während des Produktionsprozesses des Geräts Anomalien oder Peaks im Energieverbrauch ergeben, sodass der Energieverbrauch während des Produktionsprozesses optimiert und alle Prozesse durchgeführt werden können. Die Analyse wird den Energieverbrauch erheblich verringern.
4. Analyse und Optimierung der industriellen Lieferkette
Derzeit ist die Big-Data-Analyse für viele E-Commerce-Unternehmen bereits ein wichtiges Mittel, um die Wettbewerbsfähigkeit ihrer Lieferketten zu verbessern.
Zum Beispiel verwendet die E-Commerce-Firma Jingdong Mall Big Data, um die Nachfrage nach Waren an verschiedenen Orten im Voraus zu analysieren und vorherzusagen, wodurch die Effizienz von Vertrieb und Lagerung verbessert und die Kundenerfahrung des nächsten Tages gewährleistet ist.
RFID- und andere produkte elektronische Identifikationstechnologie, Internet der Dinge und mobile Internet -Technologie können Industrieunternehmen helfen, Big -Data einer vollständigen Produktversorgungskette zu erhalten. Die Verwendung dieser Daten zur Analyse führt zu einem signifikanten Anstieg der Lagerhaltung, der Verteilung und des Umsatzeffizienz sowie der erheblichen Kosten. Abfall.
In den USA gibt es mehr als 1.000 große OEM -Lieferanten, die Fertigungsunternehmen mehr als 10.000 verschiedene Produkte zur Verfügung stellen. Jeder Hersteller stützt sich auf Marktprognosen und andere verschiedene Variablen wie Verkaufsdaten, Marktinformationen, Ausstellungen, Nachrichten und Wettbewerberdaten sowie Wettervorhersagen für den Verkauf seiner Produkte.
Mithilfe von Verkaufsdaten, Produktsensordaten und Daten aus Lieferantendatenbanken können industrielle Fertigungsunternehmen die Nachfrage in verschiedenen Regionen der Welt genau vorhersagen.
Da Inventar- und Verkaufspreise nachverfolgt werden können und wenn die Preise sinken, können Produktionsunternehmen eine Menge Kosten einsparen.
Wenn Sie die von den Sensoren im Produkt generierten Daten wiederverwenden, um zu wissen, was mit dem Produkt falsch ist und wo Teile benötigt werden, können sie auch vorhersagen, wo und wann Teile benötigt werden. Dies wird das Inventar erheblich reduzieren und die Lieferkette optimieren.
