Industriaj grandaj datumoj 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 informadigo kaj industriigo, informa teknologio penetris en ĉiujn ligilojn de la industria ĉeno de industriaj entreprenoj, kiel strekkodoj, QR-kodoj, RFID, industriaj sensiloj, industriaj aŭtomataj kontrolsistemoj, industria Interreto de Aĵoj, ERP, CAD/CAM/CAE/CAI kaj aliaj teknologioj estas vaste uzataj en industriaj entreprenoj.
Precipe kun la aplikado de novgeneraciaj informaj teknologioj kiel Interreto, movebla Interreto kaj Interreto de Aĵoj en la industria kampo, industriaj entreprenoj ankaŭ eniris novan etapon de disvolviĝo en la interreta industrio, kaj la datumoj tenitaj de industriaj entreprenoj havas fariĝas ĉiam pli abunda.
La aplikado de industriaj grandaj datumoj alportos novan epokon de novigo kaj transformo en industriaj entreprenoj.Per la malaltkosta percepto, altrapida poŝtelefona konekto, distribuita komputado kaj altnivela analizo kaŭzitaj de Interreto kaj movebla Interreto de Aĵoj, informa teknologio kaj tutmondaj industriaj sistemoj estas profunde integritaj, alportante profundajn ŝanĝojn al tutmondaj industrioj, kaj novigante la R&D kaj produktado de entreprenoj., Operaciaj, merkataj kaj administradaj metodoj. Hangao Tech (SEKO Maŝinaro) aplikas Interretan teknologion al la kontrolsistemo de la inteligenta neoksidebla ŝtalo industria veldita tubo faranta maŝinaron , por ke la teknikaj teamoj de ambaŭ partioj povas kontroli produktadajn datumojn en reala tempo, trovi misfunkciadojn dum operacio, kaj malhelpi haltigojn.
Sekve, la problemoj kaj defioj alfrontataj de industriaj grandaj datumoj aplikoj ne estas 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 diagnozon kaj prognozon, industrian produktan linion IoT-analizon, industrian entreprenan provizoĉen-optimumigon kaj produktan precizecan merkatadon.Ĉi tiu artikolo ordigos la aplikajn scenarojn de industriaj grandaj datumoj en fabrikaj entreprenoj unu post alia.
1. Akceli produktan novigon
La interago kaj transakcia konduto inter klientoj kaj industriaj entreprenoj generos grandan kvanton da datumoj.Minado kaj analizo de ĉi tiuj klientaj dinamikaj datumoj povas helpi klientojn partopreni en produkta postulanalizo kaj produkt-dezajnaj novigaj agadoj, kaj fari kontribuojn al produkta novigado.
Ford estas ekzemplo ĉi-rilate.Ili aplikis teknologion de granda datumoj al la produktnovigado kaj optimumigo de la elektra aŭto Ford Focus.Ĉi tiu aŭto fariĝis vera 'elektra aŭto de granda datumoj.' La unua generacio de elektraj veturiloj Ford Focus generis multajn datumojn dum veturado kaj parkado.
Dum veturado, la ŝoforo kontinue ĝisdatigas la akcelon, bremsadon, baterioŝargadon kaj lokan informon de la veturilo.Ĉi tio estas utila por ŝoforoj, sed la datumoj ankaŭ estas resenditaj al Ford-inĝenieroj por kompreni la veturkutimojn de la kliento, inkluzive de kiel, kiam kaj kie ŝargi.Eĉ se la veturilo estas ĉe stagno, ĝi daŭre elsendos datumojn pri la pneŭpremo kaj bateriosistemo de la veturilo al la plej proksima inteligenta telefono.
Ĉi tiu klient-centra granda datuma aplikaĵo-scenaro havas multajn avantaĝojn, ĉar grandaj datumoj ebligas valorajn novajn produktajn novigojn kaj kunlaborajn metodojn.Ŝoforoj ricevas utilajn kaj ĝisdatajn informojn, dum inĝenieroj en Detrojto agregas informojn pri veturkonduto por kompreni klientojn, evoluigi produktajn plibonigajn planojn kaj efektivigi novajn produktajn novigojn.
Plie, elektrokompanioj kaj aliaj triaj provizantoj povas analizi milionojn da mejloj da veturdatumoj por determini kie konstrui novajn ŝargajn staciojn kaj kiel malhelpi la delikatan kradon troŝarĝi.
2. Diagnozo kaj antaŭdiro de produkta misfunkciado
Ĉi tio povas esti uzata por produkta post-venda servo kaj produkta plibonigo.La enkonduko de ĉieaj sensiloj kaj interreta teknologio faris realtempan diagnozon de produktaj misfunkciadoj realaĵo, dum granddatumaj aplikaĵoj, modeligado kaj simulado teknologioj ebligis antaŭdiri dinamikon.
Dum la serĉo pri la perdita konekto de Malaysia Airlines MH370, la motoro-operaciaj datumoj akiritaj de Boeing ludis ŝlosilan rolon por determini la vojon de la perdita konekto de la aviadilo.Ni prenu la aviadilan sistemon de Boeing kiel kazon por vidi kiel grandaj datum-aplikoj ludas rolon en diagnozo de produkta misfunkciado.
Sur la aviadiloj de Boeing, centoj da variabloj, kiel ekzemple motoroj, fuelsistemoj, hidraŭliko kaj elektraj sistemoj, konsistigas la dumflugan staton.Ĉi tiuj datumoj estas mezuritaj kaj sendataj en malpli ol kelkaj mikrosekundoj.Prenante la Boeing 737 kiel ekzemplon, la motoro povas generi 10 terabajtojn da datumoj ĉiujn 30 minutojn dumfluge.
Ĉi tiuj datumoj ne nur estas inĝenieraj telemetriaj datumoj, kiuj povas esti analizitaj je certa punkto en la estonteco, sed ankaŭ antaŭenigas realtempan adaptan kontrolon, fueluzadon, antaŭdiron de fiasko de komponantoj kaj sciigon de piloto, kiuj povas efike atingi diagnozon kaj antaŭdiron de misfunkciado.
Ni rigardu ekzemplon de General Electric (GE).La GE Energy Monitoring and Diagnostics (M&D) Center en Atlanta, Usono, kolektas datumojn pri miloj da GE-gasturbinoj en pli ol 50 landoj tra la mondo, kaj povas kolekti 10G-datumojn por klientoj ĉiutage.Analizu la konstantan grandan datumfluon de la sensilvibradoj kaj temperatursignaloj en la sistemo.Ĉi tiuj analizoj de granda datumo provizos subtenon por la diagnozo kaj frua averto de la gasturbina faŭlto de GE.
Ventoturbinproduktanto Vestas ankaŭ plibonigis la aranĝon de ventomuelejoj kruc-analizante veterdatenojn kaj ĝiajn turbinmezurildatenojn, tiel pliigante la potenco-produktadnivelon de ventoturbinoj kaj plilongigante funkcidaŭron.
3. Apliko de grandaj datumoj de industria linio de produktado de IoT
Modernaj industriaj produktadlinioj estas ekipitaj per miloj da malgrandaj sensiloj por detekti temperaturon, premon, varmon, vibradon kaj bruon.
Ĉar datumoj estas kolektitaj ĉiujn kelkajn sekundojn, multaj formoj de analizo povas esti realigitaj uzante ĉi tiujn datumojn, inkluzive de ekipaĵa diagnozo, elektrokonsumanalizo, energikonsumanalizo, kvalita akcidento-analizo (inkluzive de malobservoj de produktadregularoj, komponentofiaskoj), ktp.
Antaŭ ĉio, koncerne produktadprocezan plibonigon, uzi ĉi tiujn grandajn datumojn en la produktadprocezo povas analizi la tutan produktadprocezon kaj kompreni kiel ĉiu ligo estas ekzekutita.Post kiam certa procezo devias de la norma procezo, alarmsignalo estos generita, eraroj aŭ botelpunktoj povas esti trovitaj pli rapide, kaj la problemo povas esti solvita pli facile.
Uzante teknologion de granda datumo, ankaŭ eblas establi virtualajn modelojn de la produktada procezo de industriaj produktoj, simuli kaj optimumigi la produktadprocezon.Kiam ĉiuj procezaj kaj rendimentaj datumoj povas esti rekonstruitaj en la sistemo, ĉi tiu travidebleco helpos fabrikistojn plibonigi siajn produktadajn procezojn.
Por alia ekzemplo, koncerne energikonsumannalizon, la uzo de sensiloj por centre monitori ĉiujn produktadajn procezojn dum la ekipaĵproduktadprocezo povas trovi anomaliojn aŭ pintojn en energikonsumo, tiel ke energikonsumo povas esti optimumigita dum la produktada procezo kaj ĉiuj procezoj povas. estu plenumita.Analizo multe reduktos energikonsumon.
4. Analizo kaj optimumigo de industria provizoĉeno
Nuntempe, analizo de grandaj datumoj jam estas grava rimedo por multaj e-komercaj kompanioj por plibonigi la konkurencivon de siaj provizoĉenoj.
Ekzemple, la elektronika komerca kompanio Jingdong Mall uzas grandajn datumojn por analizi kaj antaŭdiri la postulon de varoj en diversaj lokoj anticipe, tiel plibonigante la efikecon de distribuado kaj stokado, 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.Uzado de ĉi tiuj datumoj por analizo provos signifan pliiĝon en stokado, distribuo kaj venda efikeco kaj grava kosto.malkresko.
Estas pli ol 1,000 grandaj OEM-provizantoj en Usono, provizante pli ol 10,000 malsamajn produktojn al produktaj kompanioj.Ĉiu fabrikanto dependas de merkataj prognozoj 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 vendoprezoj povas esti spuritaj, kaj povas esti aĉetitaj 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 malbona kun la produkto kaj kie partoj estas necesaj, ili ankaŭ povas antaŭdiri kie kaj kiam partoj estas necesaj.Ĉi tio multe reduktos inventaron kaj optimumigos la provizoĉenon.
