Industrial Big Data es un nuevo concepto, literalmente entendido, industrial Big Data se refiere a los big data generados en la aplicación de información industrial.
Con la profunda integración de la informatización e industrialización, la tecnología de la información ha penetrado en todos los enlaces de la cadena industrial de empresas industriales, como códigos de barras, códigos QR, RFID, sensores industriales, sistemas de control automático industrial, Internet industrial de cosas, ERP, CAD/CAM/CAE/CAI y otras tecnologías se utilizan ampliamente en las empresas industriales.
Especialmente con la aplicación de tecnologías de información de nueva generación, como Internet, Internet móvil e Internet de las cosas en el campo industrial, las empresas industriales también han entrado en una nueva etapa de desarrollo en la industria de Internet, y los datos de las empresas industriales se han vuelto cada vez más abundantes.
La aplicación de grandes datos industriales traerá una nueva era de innovación y transformación en empresas industriales. A través de la percepción de bajo costo, la conexión móvil de alta velocidad, la computación distribuida y el análisis avanzado provocado por Internet e Internet de las cosas móviles de las cosas, la tecnología de la información y los sistemas industriales globales están profundamente integrados, lo que aporta cambios profundos a las industrias globales e innovando la I + D y la producción de empresas. , Métodos de operación, marketing y gestión. Hangao Tech (SEKO Machinery) aplica tecnología de Internet al sistema de control del La maquinaria inteligente de fabricación de tuberías soldadas industriales de acero inoxidable , para que los equipos técnicos de ambas partes puedan monitorear los datos de producción en tiempo real, encontrar fallas durante la operación y evitar los apagados.
Por lo tanto, los problemas y los desafíos que enfrentan las aplicaciones industriales de big data no son menores que los de la industria de Internet, y en algunos casos son aún más complicados.
Estas innovadoras empresas industriales en diferentes industrias han traído una velocidad más rápida, una mayor eficiencia y una mayor visión.
Las aplicaciones típicas de los grandes datos industriales incluyen innovación de productos, diagnóstico y predicción de fallas de productos, análisis de IoT de línea de producción industrial, optimización de la cadena de suministro de la empresa industrial y marketing de precisión de productos. Este artículo resolverá los escenarios de aplicación de los grandes datos industriales en las empresas de fabricación uno por uno.
1. Acelerar la innovación de productos
La interacción y el comportamiento de transacción entre los clientes y las empresas industriales generarán una gran cantidad de datos. La minería y el análisis de estos datos dinámicos del cliente pueden ayudar a los clientes a participar en el análisis de la demanda de productos y las actividades de innovación de diseño de productos, y hacer contribuciones a la innovación de productos.
Ford es un ejemplo a este respecto. Aplicaron tecnología de big data a la innovación y optimización del producto del automóvil eléctrico Ford Focus. Este automóvil se ha convertido en un verdadero 'automóvil eléctrico de big data. ' La primera generación de vehículos eléctricos Ford Focus generó muchos datos al conducir y estacionarse.
Mientras conduce, el conductor actualiza continuamente la aceleración del vehículo, el frenado, la carga de la batería y la información de ubicación. Esto es útil para los conductores, pero los datos también se devuelven a los ingenieros de Ford para comprender los hábitos de conducción del cliente, incluidos cómo, cuándo y dónde cargar. Incluso si el vehículo está paralizado, continuará transmitiendo datos sobre la presión de los neumáticos y el sistema de batería del vehículo al teléfono inteligente más cercano.
Este escenario de aplicación Big Data centrado en el cliente tiene muchos beneficios, porque Big Data permite valiosos métodos valiosos de innovación y colaboración de nuevos productos. Los conductores obtienen información útil y actualizada, mientras que los ingenieros en Detroit agregan información sobre el comportamiento de conducción para comprender a los clientes, desarrollar planes de mejora de productos e implementar nuevas innovaciones de productos.
Además, las compañías eléctricas y otros proveedores de terceros pueden analizar millones de millas de datos de conducción para determinar dónde construir nuevas estaciones de carga y cómo evitar que la red frágil se sobrecarga.
2. Diagnóstico y predicción de fallas del producto
Esto se puede utilizar para el servicio postventa de productos y la mejora del producto. La introducción de sensores ubicuos y tecnología de Internet ha hecho realidad el diagnóstico en tiempo real de fallas de productos, mientras que las aplicaciones de big data, el modelado y las tecnologías de simulación han permitido predecir la dinámica.
Durante la búsqueda de la conexión perdida de Malaysia Airlines MH370, los datos operativos del motor obtenidos por Boeing jugaron un papel clave en la determinación del camino de la conexión perdida de la aeronave. Tomemos el sistema de aviones Boeing como un caso para ver cómo las aplicaciones de Big Data juegan un papel en el diagnóstico de fallas del producto.
En los aviones de Boeing, cientos de variables, como motores, sistemas de combustible, hidráulica y sistemas eléctricos, constituyen el estado de vuelo. Estos datos se miden y se envían en menos de unos pocos microsegundos. Tomando el Boeing 737 como ejemplo, el motor puede generar 10 terabytes de datos cada 30 minutos en vuelo.
Estos datos no son solo datos de ingeniería de telemetría que se pueden analizar en un momento determinado en el futuro, sino que también promueven el control adaptativo en tiempo real, el uso del combustible, la predicción de falla de los componentes y la notificación piloto, lo que puede lograr efectivamente el diagnóstico y la predicción de fallas.
Veamos un ejemplo de General Electric (GE). El Centro de Diagnóstico y Monitoreo de Energía GE (M&D) en Atlanta, EE. UU., Recopila datos sobre miles de turbinas de gas GE en más de 50 países de todo el mundo, y puede recopilar datos 10G para los clientes todos los días. Analice el flujo constante de big data desde las señales de vibración y temperatura del sensor en el sistema. Este análisis de big data brindará apoyo para el diagnóstico de fallas de turbina de gas de GE y la advertencia temprana.
El fabricante de turbinas eólicas Vestas también mejoró el diseño de las turbinas eólicas al analizar los datos meteorológicos y sus datos de medidores de turbina, aumentando así el nivel de potencia de salida de las turbinas eólicas y la vida útil de la vida.
3. Aplicación de big data de la línea de producción industrial de IoT
Las líneas de producción de fabricación industrial modernas están equipadas con miles de pequeños sensores para detectar la temperatura, la presión, el calor, la vibración y el ruido.
Debido a que los datos se recopilan cada pocos segundos, se pueden realizar muchas formas de análisis utilizando estos datos, incluido el diagnóstico de equipos, análisis de consumo de energía, análisis de consumo de energía, análisis de accidentes de calidad (incluidas las violaciones de las regulaciones de producción, las fallas de los componentes), etc.
En primer lugar, en términos de mejora del proceso de producción, el uso de estos grandes datos en el proceso de producción puede analizar todo el proceso de producción y comprender cómo se ejecuta cada enlace. Una vez que un cierto proceso se desvía del proceso estándar, se generará una señal de alarma, se pueden encontrar errores o cuellos de botella más rápidamente, y el problema se puede resolver más fácilmente.
Utilizando la tecnología Big Data, también es posible establecer modelos virtuales del proceso de producción de productos industriales, simular y optimizar el proceso de producción. Cuando todos los datos de proceso y rendimiento se pueden reconstruir en el sistema, esta transparencia ayudará a los fabricantes a mejorar sus procesos de producción.
Para otro ejemplo, en términos de análisis de consumo de energía, el uso de sensores para monitorear centralmente todos los procesos de producción durante el proceso de producción del equipo puede encontrar anormalidades o picos en el consumo de energía, por lo que el consumo de energía puede optimizarse durante el proceso de producción y se pueden realizar todos los procesos. El análisis reducirá en gran medida el consumo de energía.
4. Análisis y optimización de la cadena de suministro industrial
En la actualidad, el análisis de Big Data ya es un medio importante para que muchas compañías de comercio electrónico mejoren la competitividad de sus cadenas de suministro.
Por ejemplo, la compañía de comercio electrónico Jingdong Mall utiliza Big Data para analizar y predecir la demanda de bienes en varios lugares por adelantado, mejorando así la eficiencia de la distribución y el almacenamiento, y garantizando la experiencia del cliente del día siguiente.
RFID y otras tecnologías de identificación electrónica de productos, tecnología de Internet de las cosas y tecnología de Internet móvil pueden ayudar a las empresas industriales a obtener grandes datos de una cadena de suministro completa de productos. El uso de estos datos para el análisis provocará un aumento significativo en el almacenamiento, la distribución y la eficiencia de ventas y un costo significativo. rechazar.
Hay más de 1,000 grandes proveedores OEM en los Estados Unidos, que proporcionan más de 10,000 productos diferentes a las empresas manufactureras. Cada fabricante se basa en pronósticos del mercado y otras variables diferentes, como datos de ventas, información del mercado, exposiciones, noticias y datos de la competencia, e incluso pronósticos meteorológicos para vender sus productos.
Utilizando datos de ventas, datos del sensor de productos y datos de bases de datos de proveedores, las empresas de fabricación industrial pueden predecir con precisión la demanda en diferentes regiones del mundo.
Dado que el inventario y los precios de venta se pueden rastrear, y se pueden comprar cuando los precios caen, las empresas manufactureras pueden ahorrar muchos costos.
Si reutiliza los datos generados por los sensores en el producto para saber qué está mal con el producto y dónde se necesitan piezas, también pueden predecir dónde y cuándo se necesitan piezas. Esto reducirá en gran medida el inventario y optimizará la cadena de suministro.
