Big data industrial es un concepto nuevo, entendido literalmente, big data industrial se refiere a los big data generados en la aplicación de información industrial.
Con la profunda integración de la informatización y la industrialización, la tecnología de la información ha penetrado en todos los eslabones de la cadena industrial de las empresas industriales, como códigos de barras, códigos QR, RFID, sensores industriales, sistemas de control automático industrial, Internet industrial de las cosas, ERP, CAD/CAM/CAE/CAI y otras tecnologías se utilizan ampliamente en empresas industriales.
Especialmente con la aplicación de tecnologías de la 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 en poder de las empresas industriales han hacerse cada vez más abundantes.
La aplicación de big data industrial traerá una nueva era de innovación y transformación en las empresas industriales.A través de la percepción de bajo costo, la conexión móvil de alta velocidad, la computación distribuida y el análisis avanzado generados por Internet y el Internet de las cosas móvil, la tecnología de la información y los sistemas industriales globales se están integrando profundamente, trayendo cambios profundos a las industrias globales e innovando el I+D y producción de empresas., Métodos de operación, marketing y gestión. Hangao Tech (SEKO Machinery) aplica la tecnología de Internet al sistema de control del Maquinaria inteligente para la fabricación de tubos soldados 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 paradas.
Por lo tanto, los problemas y desafíos que enfrentan las aplicaciones industriales de big data no son menores que los de la industria de Internet y, en algunos casos, son incluso más complicados.
Estas empresas industriales innovadoras en diferentes industrias han aportado mayor velocidad, mayor eficiencia y mayor conocimiento.
Las aplicaciones típicas del big data industrial incluyen innovación de productos, diagnóstico y predicción de fallas de productos, análisis de IoT de líneas de producción industrial, optimización de la cadena de suministro de empresas industriales y marketing de precisión de productos.Este artículo clasificará uno por uno los escenarios de aplicación de big data industrial en empresas manufactureras.
1. Acelerar la innovación de productos
La interacción y el comportamiento de transacciones entre clientes y empresas industriales generarán una gran cantidad de datos.La extracción y el análisis de estos datos dinámicos de los clientes pueden ayudar a los clientes a participar en el análisis de la demanda de productos y en las actividades de innovación del diseño de productos, y a hacer contribuciones a la innovación de productos.
Ford es un ejemplo en este sentido.Aplicaron tecnología de big data a la innovación y optimización de productos del automóvil eléctrico Ford Focus.Este automóvil se ha convertido en un verdadero 'coche eléctrico de big data'. La primera generación de vehículos eléctricos Ford Focus generó una gran cantidad de datos al conducir y estacionar.
Mientras conduce, el conductor actualiza continuamente la información de aceleración, frenado, carga de la batería y ubicación del vehículo.Esto es útil para los conductores, pero los datos también se envían a los ingenieros de Ford para comprender los hábitos de conducción del cliente, incluido cómo, cuándo y dónde cargar.Incluso si el vehículo está parado, seguirá transmitiendo datos sobre la presión de los neumáticos y el sistema de batería del vehículo al teléfono inteligente más cercano.
Este escenario de aplicación de big data centrado en el cliente tiene muchos beneficios, porque el big data permite valiosos métodos de colaboración e innovación de nuevos productos.Los conductores obtienen información útil y actualizada, mientras que los ingenieros de 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 externos pueden analizar millones de kilómetros de datos de conducción para determinar dónde construir nuevas estaciones de carga y cómo evitar que la frágil red se sobrecargue.
2. Diagnóstico y predicción de fallas del producto.
Esto se puede utilizar para el servicio posventa del producto y para mejorarlo.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, tecnologías de modelado y simulación han hecho posible predecir la dinámica.
Durante la búsqueda de la conexión perdida del MH370 de Malaysia Airlines, los datos de funcionamiento del motor obtenidos por Boeing desempeñaron un papel clave a la hora de determinar la trayectoria de la conexión perdida del avión.Tomemos como caso el sistema de la aeronave Boeing para ver cómo las aplicaciones de big data desempeñan un papel en el diagnóstico de fallas del producto.
En los aviones de Boeing, cientos de variables, como motores, sistemas de combustible, sistemas hidráulicos y eléctricos, conforman el estado en vuelo.Estos datos se miden y envían en menos de unos pocos microsegundos.Tomando como ejemplo el Boeing 737, el motor puede generar 10 terabytes de datos cada 30 minutos en vuelo.
Estos datos no son solo datos de telemetría de ingeniería que pueden analizarse en un momento determinado en el futuro, sino que también promueven el control adaptativo en tiempo real, el uso de combustible, la predicción de fallas de componentes y la notificación al piloto, que pueden lograr de manera efectiva el diagnóstico y la predicción de fallas.
Veamos un ejemplo de General Electric (GE).El Centro de Diagnóstico y Monitoreo de Energía (M&D) de GE en Atlanta, EE. UU., recopila datos sobre miles de turbinas de gas de GE en más de 50 países de todo el mundo y puede recopilar datos de 10G para los clientes todos los días.Analice el flujo constante de big data de las señales de vibración y temperatura del sensor en el sistema.Estos análisis de big data brindarán soporte para el diagnóstico y la alerta temprana de fallas de las turbinas de gas de GE.
El fabricante de turbinas eólicas Vestas también mejoró el diseño de las turbinas eólicas mediante el análisis cruzado de los datos meteorológicos y los datos de los medidores de las turbinas, aumentando así el nivel de producción de energía de las turbinas eólicas y extendiendo la vida útil.
3. Aplicación de big data de la línea de producción industrial de IoT
Las líneas de producción industriales modernas están equipadas con miles de pequeños sensores para detectar temperatura, presión, calor, vibración y 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 violaciones de las regulaciones de producción, fallas de componentes), etc.
En primer lugar, en términos de mejora del proceso de producción, el uso de estos big data en el proceso de producción puede analizar todo el proceso de producción y comprender cómo se ejecuta cada enlace.Una vez que un determinado proceso se desvía del proceso estándar, se generará una señal de alarma, los errores o cuellos de botella se podrán encontrar más rápidamente y el problema se podrá 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 puedan reconstruirse en el sistema, esta transparencia ayudará a los fabricantes a mejorar sus procesos de producción.
Para otro ejemplo, en términos de análisis del 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, de modo que el consumo de energía se pueda optimizar durante el proceso de producción y todos los procesos puedan realizarse.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 empresas de comercio electrónico mejoren la competitividad de sus cadenas de suministro.
Por ejemplo, la empresa de comercio electrónico Jingdong Mall utiliza big data para analizar y predecir de antemano la demanda de productos en varios lugares, 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 de productos completa.El uso de estos datos para el análisis generará un aumento significativo en la eficiencia del almacenamiento, la distribución y las ventas y un costo significativo.rechazar.
Hay más de 1.000 grandes proveedores OEM en Estados Unidos, que ofrecen más de 10.000 productos diferentes a empresas manufactureras.Cada fabricante se basa en previsiones de mercado y otras variables diferentes, como datos de ventas, información de mercado, exposiciones, noticias y datos de la competencia, e incluso previsiones meteorológicas para vender sus productos.
Utilizando datos de ventas, datos de sensores 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 se puede realizar un seguimiento de los precios de inventario y de venta y se pueden comprar cuando los precios bajan, las empresas manufactureras pueden ahorrar muchos costos.
Si reutiliza los datos generados por los sensores del producto para saber qué está mal en 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.
