Industriaj Big Data estas nova koncepto, laŭvorte komprenita, industriaj grandaj datumoj rilatas al la grandaj datumoj generitaj en la apliko de industriaj informoj.
Kun la profunda integriĝo de informado kaj industriigo, informa teknologio penetris en ĉiujn ligojn de la industria ĉeno de industriaj entreprenoj, kiel barkodoj, QR-kodoj, RFID, industriaj sensiloj, industriaj aŭtomataj kontrolaj sistemoj, industriaj interretoj, ERP, CAD/CAM/CAE/CAI kaj aliaj teknologioj estas larĝaj.
Precipe kun la apliko de nov-generaciaj informaj teknologioj kiel interreto, movebla interreto kaj interreto de aferoj en la industria kampo, industriaj entreprenoj ankaŭ eniris novan etapon de disvolviĝo en la interreta industrio, kaj la datumoj tenitaj de industriaj entreprenoj fariĝis ĉiam pli abundaj.
La apliko de industriaj grandaj datumoj alportos novan epokon de novigado kaj transformo en industriaj entreprenoj. Per la malmultekosta percepto, altrapida movebla konekto, distribuita komputado kaj altnivela analizo provokita de interreto kaj movebla interreto de aferoj, informa teknologio kaj tutmondaj industriaj sistemoj estas profunde integritaj, alportante profundajn ŝanĝojn al tutmondaj industrioj kaj novigante la R&D kaj produktadon de entreprenoj. , Operacio, merkatado kaj administrado -metodoj. Hangao Tech (Seko Machinery) aplikas interretan teknologion al la kontrolsistemo de la Inteligenta neoksidebla ŝtala industria veldita tubo fabrikanta maŝinaron , tiel ke la teknikaj teamoj de ambaŭ partioj povas monitori produktajn datumojn en reala tempo, trovi misfunkciadojn dum operacio kaj malhelpi haltojn.
Tial la problemoj kaj defioj alfrontitaj de industriaj grandaj datumaj aplikoj estas ne malpli ol tiuj de la interreta industrio, kaj en iuj kazoj ili estas eĉ pli komplikaj.
Ĉi tiuj novigaj industriaj entreprenoj en malsamaj industrioj alportis pli rapidan rapidecon, pli altan efikecon kaj pli altan komprenon.
Tipaj aplikoj de industriaj grandaj datumoj inkluzivas produktan novigon, produktan misfunkciadon kaj antaŭdiron, industrian produktadan linion IoT -analizo, industria entreprena provizoĉeno -optimumigo, kaj produkta preciza merkatado. Ĉi tiu artikolo ordigos la aplikajn scenarojn de industriaj grandaj datumoj en fabrikado de entreprenoj unu post unu.
1. Akceli Produktan Novigon
La interagado kaj transakcia konduto inter klientoj kaj industriaj entreprenoj generos grandan kvanton da datumoj. Minado kaj analizado de ĉi tiuj klientaj dinamikaj datumoj povas helpi klientojn partopreni en produkta peto -analizo kaj produktaj projektaj novigaj agadoj, kaj fari kontribuojn al produkta novigado.
Ford estas ekzemplo tiurilate. Ili aplikis grandajn datumajn teknologiojn al la produkta novigado kaj optimumigo de la Ford Focus Electric Car. Ĉi tiu aŭto fariĝis vera elektra aŭto 'Big Data. ' La unua generacio de elektraj veturiloj Ford Focus generis multajn datumojn dum veturado kaj parkado.
Dum veturado, la ŝoforo kontinue ĝisdatigas la akcelon, bremsadon, bremsadon, baterian ŝarĝon kaj lokajn informojn. Ĉi tio utilas por ŝoforoj, sed la datumoj ankaŭ estas resenditaj al Ford -inĝenieroj por kompreni la veturajn kutimojn de la kliento, inkluzive kiel, kiam kaj kie ŝarĝi. Eĉ se la veturilo haltas, ĝi daŭre transdonos datumojn pri la pneŭa premo kaj bateria sistemo de la veturilo al la plej proksima inteligenta telefono.
Ĉi tiu scenaro pri klient-centraj grandaj datumoj havas multajn avantaĝojn, ĉar Big Data ebligas valorajn novajn produktajn novigajn kaj kunlaborajn metodojn. Ŝoforoj ricevas utilajn kaj ĝisdatigitajn informojn, dum inĝenieroj en Detroit agregas informojn pri veturanta konduto por kompreni klientojn, disvolvi planojn pri plibonigo de produktoj kaj efektivigi novajn produktajn novigojn.
Plie, elektro-kompanioj kaj aliaj triaj provizantoj povas analizi milionojn da mejloj da veturantaj datumoj por determini kie konstrui novajn ŝarĝajn staciojn kaj kiel malebligi la fragilan kradon superŝarĝi.
2. Produkta Faŭlta Diagnozo kaj Antaŭdiro
Ĉi tio povas esti uzata por produkta post-venda servo kaj produkta plibonigo. La enkonduko de ĉiopovaj sensiloj kaj interreta teknologio realigis realtempan diagnozon de produktaj misfunkciadoj, dum grandaj datumaj aplikoj, modeligaj kaj simuladaj teknologioj ebligis antaŭdiri dinamikon.
Dum la serĉado de la perdita ligo de Malajziaj Flugkompanioj MH370, la funkciigaj datumoj de la motoro akiritaj de Boeing ludis ŝlosilan rolon por determini la vojon de la perdita ligo de la aviadilo. Ni prenu la Boeing -aviadilan sistemon kiel kazon por vidi kiom grandaj datumaj aplikoj ludas rolon en produkta misfunkciado.
Sur la aviadiloj de Boeing, centoj da variabloj, kiel motoroj, fuelaj sistemoj, hidraŭlikaĵoj kaj elektraj sistemoj, konsistigas la en-flugan staton. Ĉi tiuj datumoj estas mezuritaj kaj senditaj en malpli ol kelkaj mikrosekundoj. Prenante la Boeing 737 kiel ekzemplon, la motoro povas generi 10 terabytes da datumoj ĉiun 30 minutojn dumfluge.
Ĉi tiuj datumoj ne nur estas inĝenieristikaj telemetriaj datumoj, kiuj povas esti analizitaj ĉe certa punkto en la estonteco, sed ankaŭ antaŭenigas realtempan adaptan kontrolon, uzadon de brulaĵo, prognozado de komponento-fiasko kaj piloto-sciigo, kiu povas efike atingi misfunkciadon kaj antaŭdiron.
Ni rigardu ekzemplon de General Electric (GE). La centro de GE Energy Monitoring and Diagnostics (M&D) en Atlanta, Usono, kolektas datumojn pri miloj da GE -gasaj turbinoj en pli ol 50 landoj tra la mondo, kaj povas kolekti 10G -datumojn por klientoj ĉiutage. Analizu la konstantan grandan datuman fluon de la sensora vibrado kaj temperaturaj signaloj en la sistemo. Ĉi tiuj Big Data Analysis provizos subtenon por la Gas -Turbina Faŭlta Diagnozo kaj Frua Averto de GE.
Vest-turbina fabrikanto Vestas ankaŭ plibonigis la aranĝon de ventomuelejoj per inter-analizaj veteraj datumoj kaj ĝiaj turbinoj-metroj, tiel pliigante la potencan produktan nivelon de ventomuelejoj kaj plilongigante servan vivon.
3. Big Data Application of Industrial IoT Production Line
Modernaj industriaj fabrikadaj linioj estas ekipitaj per miloj da malgrandaj sensiloj por detekti temperaturon, premon, varmon, vibron kaj bruon.
Ĉar datumoj estas kolektitaj ĉiun malmultan sekundon, multaj formoj de analizo realiĝas per uzado de ĉi tiuj datumoj, inkluzive de ekipaĵa diagnozo, analizo de konsumado de energio, analizo de energikonsumo, analizo de kvalita akcidento (inkluzive de malobservoj de produktadaj regularoj, misfunkciadoj de komponentoj), ktp.
Unue, koncerne produktadprocezan plibonigon, uzi ĉi tiujn grandajn datumojn en la produktada procezo povas analizi la tutan produktadan procezon kaj kompreni kiel ĉiu ligo estas ekzekutita. Post kiam certa procezo devias de la norma procezo, alarma signalo estos generita, eraroj aŭ boteloj troveblas pli rapide, kaj la problemo povas esti solvita pli facile.
Uzante grandajn datumajn teknologiojn, eblas ankaŭ establi virtualajn modelojn de la produktada procezo de industriaj produktoj, simuli kaj optimumigi la produktadan procezon. Kiam ĉiuj procezaj kaj rendimentaj datumoj povas esti rekonstruitaj en la sistemo, ĉi tiu travidebleco helpos fabrikantojn plibonigi siajn produktadajn procezojn.
Por alia ekzemplo, rilate al analizo de energikonsumo, la uzo de sensiloj por centre monitori ĉiujn produktadajn procezojn dum la procezo de produktado de ekipaĵoj povas trovi eksternormojn aŭ pintojn en energikonsumo, tiel ke energikonsumo povas esti optimumigita dum la produktada procezo kaj ĉiuj procezoj povas esti realigitaj. Analizo multe reduktos energian konsumon.
4. Analizo kaj optimumigo de industria provizoĉeno
Nuntempe, Big Data-analizo jam estas grava rimedo por multaj e-komercaj kompanioj por plibonigi la konkurencivon de siaj provizaj ĉenoj.
Ekzemple, la komerca kompanio Jingdong Mall uzas grandajn datumojn por analizi kaj antaŭdiri la postulon je varoj en diversaj lokoj anticipe, tiel plibonigante la efikecon de distribuo kaj magazeno, kaj certigante la klientan sperton de la sekva tago.
RFID kaj alia produkta elektronika identiga teknologio, Interreto de Aĵoj -teknologio kaj movebla interreta teknologio povas helpi industriajn entreprenojn akiri grandajn datumojn de kompleta produkta provizoĉeno. Uzi ĉi tiujn datumojn por analizo provokos signifan kreskon de magazeno, distribuo kaj venda efikeco kaj signifa kosto. malkresko.
Estas pli ol 1,000 grandaj OEM -provizantoj en Usono, provizante pli ol 10.000 malsamajn produktojn al fabrikaj kompanioj. Ĉiu fabrikanto dependas de merkataj antaŭvidoj kaj aliaj malsamaj variabloj, kiel vendaj datumoj, merkataj informoj, ekspozicioj, novaĵoj kaj konkurantaj datumoj, kaj eĉ veterprognozoj por vendi siajn produktojn.
Uzante vendajn datumojn, produktajn sensilajn datumojn kaj datumojn de provizantaj datumbazoj, industriaj fabrikaj kompanioj povas precize antaŭdiri postulon en malsamaj regionoj de la mondo.
Ĉar inventaro kaj vendaj prezoj povas esti spuritaj, kaj aĉeteblas kiam prezoj falas, fabrikaj kompanioj povas ŝpari multajn kostojn.
Se vi reuzas la datumojn generitajn de la sensiloj en la produkto por scii, kio estas malĝusta kun la produkto kaj kie necesas partoj, ili ankaŭ povas antaŭdiri kie kaj kiam necesas partoj. Ĉi tio multe reduktos inventaron kaj optimumigos la provizan ĉenon.
