5. toote müügiprognoos ja nõudluse haldamine
Kasutage suurandmeid, et analüüsida praeguste nõudluse muutusi ja kombinatsioone.
Big Data on hea müügianalüüsi tööriist. Ajalooliste andmete mitmemõõtmelise kombinatsiooni kaudu näeme piirkondliku nõudluse osakaalu ja muutumist, tootekategooriate turu populaarsust, kõige tavalisemaid kombinatsioonivorme ja tarbijate taset. Tootestrateegia ja jaotusstrateegia kohandamiseks.
Mõnes analüüsis võime leida, et nõudlus koolihooaja alguses rohkem kolledžite ja ülikoolidega linnades on palju suurem, et saaksime suurendada nende linnade edasimüüjate edutamist, et meelitada neid koolihooaja alguses rohkem tellima ja samal ajal koolihooaja alguses. Tootmisvõimsuse kavandamist alustati üks või kaks kuud tagasi edutamisnõudluse rahuldamiseks.
Tootearenduse osas kohandatakse tootefunktsioone ja jõudlust tarbijagrupi fookuse põhjal. Näiteks mõni aasta tagasi meeldis kõigile muusikatelefonide kasutamine, kuid nüüd on kõik rohkem valmis kasutama mobiiltelefone Internetis surfamiseks, piltide tegemiseks ja jagamiseks jne. Mobiiltelefonide kaamera funktsiooni parandamine on vaid üks asi. Trend, 4G mobiiltelefonid võtavad ka suuremat turuosa. Mõne turu üksikasjade suurandmete analüüsi kaudu võib leida rohkem potentsiaalseid müügivõimalusi.
6. tootmise kavandamine ja ajakava koostamine
Töötlevas tööstuses seisab silmitsi mitme eriala ja väikese partii tootmismudeliga. Andmete (MES/DC) ja varieeruvuse rafineeritud, automaatne, õigeaegne ja mugav kogumine on andmete dramaatilise suurenemiseni. Lisaks on kiirelt reageerivate AP-de jaoks vaja rohkem kui kümme aastat informatsiooni ajaloolisi andmeid, see on tohutu väljakutse.
Juhtimissüsteem Hangao Tech (Seko masinad ) Intelligentne roostevabast terasest tööstuslik keevitatud torude valmistamine masinate joon saab jälgida ja salvestada iga keevitatud toru tootmisandmeid, näiteks praegune suurus, keevituskiirus, lõõmutamise temperatuur jne Optimeerimise algoritmid, arendavad eelplaneerimise ja ajakava koostamist ning jälgige plaani ja tegeliku kohapealse kõrvalekalde kõrvalekallet ning kohandage dünaamiliselt planeerimist ja ajakava.
Aidake meil vältida portree 'defekte ja kehtestada otseselt rühmaomadused üksikisikutele (töökeskuse andmed muudetakse otse konkreetsete andmete jaoks, näiteks seadmed, personal, vormid jne). Andmete korrelatsioonianalüüsi ja selle jälgimise kaudu saame kavandada tulevikku.
Ehkki suurandmed on pisut puudulikud, kuni need on korralikult rakendatud, muutuvad suurandmed meie jaoks võimsaks relvaks. Toona küsis Ford, mis on Big Data kliendi vajadused? Vastus oli nüüd populaarsete autode asemel 'kiirem hobune'.
Seetõttu on suurte andmete maailmas eriti olulised suurandmete maailmas, loovus, intuitsioon, seikluslik vaim ja intellektuaalsed ambitsioonid.
7. Toote kvaliteedijuhtimine ja analüüs
Traditsiooniline töötlev tööstus seisab silmitsi suurandmete mõjuga. Tooteuuringute ja arendustegevuse, protsesside kavandamise, kvaliteedijuhtimise, tootmise ja toimimise osas ootame innukalt uuenduslike meetodite sündi, et vastata suurandmete väljakutsetele tööstuslikus kontekstis.
Näiteks pooljuhtide tööstuses läbivad kiibid tootmisprotsessi ajal palju keerulisi protsesse, näiteks doping, ehitamine, fotolitograafia ja kuumtöötlus. Iga samm peab vastama äärmiselt nõudlikele füüsilistele omadustele. Toodete töötlemiseks kasutatakse kõrgelt automatiseeritud seadmeid. Samal ajal genereeriti samaaegselt ka tohutud testi tulemused.
Kas see tohutu hulk andmeid on ettevõtte koormus või ettevõtte kuldkaevandus? Kui viimane on nii, siis kuidas saaksime kiiresti teada toote saagikuse kõikumise peamised põhjused 'kuldkaevandusest'? See on tehniline probleem, mis on aastaid vaevanud pooljuhtide insenere.
Pärast seda, kui pooljuhtide tehnoloogiaettevõtte toodetud vahvlid läbivad testimisprotsessi, genereeritakse iga päev enam kui sada testiüksust ja mitu miljonit testi kirjet.
Kvaliteedinõuete põhinõuete kohaselt on hädavajalik ülesanne läbi viia protsessivõime analüüs enam kui saja erineva tehnilise spetsifikatsiooniga testiüksuse jaoks.
Kui järgime traditsioonilist töömudelit, peame samm -sammult arvutama rohkem kui sada protsessi võimekuse indeksi ja hindama iga kvaliteediomadust ükshaaval.
Sõltumata siin tohutust ja kohmakast töökoormusest, isegi kui keegi suudab arvutusprobleemi lahendada, on keeruline näha nendevahelist seost sadade protsesside võimekuse indeksite põhjal ja toote üldise kvaliteedi määramine on veelgi keerulisem. Tulemuslikkuse mõistmine ja kokkuvõte on olemas.
Kui aga kasutame Big Data kvaliteedihalduse analüüsi platvormi, lisaks pika traditsioonilise ühe indikaatori protsesside võimekuse aruande saamiseks, mis veelgi olulisem, saame ka palju uusi analüüse samast suurtest andmekogumist. tulemus.
8. Tööstusreostus ja keskkonnakaitse testimine
Asjade Interneti põhjal registreeritakse ja jälgitakse kõiki tootmisprotsessi andmeid ning suurandmed on keskkonnakaitse jaoks väga väärtuslikud.
Hiina valitsuse veebisaidil võib küsida erinevate ministeeriumide ja komisjonitasude veebisaite, Petrochina ja Sinopeci ametlikku veebisaiti, keskkonnakaitseorganisatsioonide ametlikku veebisaiti ning mõned erilised agentuurid, rohkem ja rohkem avaliku hoolekande- ja keskkonnakaitseandmeid, sealhulgas riiklikke õhu- ja hüdroloogilisi andmeid, tehase levitamist ja restete levitamist ja reste väljastamisstaatuse täitmist.
Need andmed on aga liiga hajutatud, liiga professionaalsed, analüüsi puudumine ja visualiseerimise puudumine ning tavalised inimesed ei saa sellest aru. Kui saate aru ja pöörata tähelepanu, muutuvad suured andmed ühiskonna jaoks oluliseks vahendiks keskkonnakaitse jälgimiseks.
Baidu 'Riikliku reostuse jälgimiskaardi' käivitamine on hea viis. Koos avatud keskkonnakaitse suurandmetega on Baidu Maps lisanud reostuse tuvastamise kihi. Igaüks saab seda kasutada riigi ning oma piirkonna provintside ja linnade vaatamiseks, kõik keskkonnakaitses. Asukohateave, organisatsiooni nimi, heiteallikate tüüp ja keskkonnakaitseagentuuri (sealhulgas erinevad soojuselektrijaamad, riigi kontrollitud tööstusettevõtted ja kanalisatsiooniravijaamad) välja kuulutatud uusim reostuse täitmise vastavuse staatus.
Saate kontrollida teile kõige lähemal asuvat reostusallikat ja ilmub meeldetuletus, milline seirepunkti kontrollrühmadest ületab standardit ja mitu korda see ületab standardit. Seda teavet saab kasutada reaalajas sotsiaalmeedia platvormidel, et teavitada sõpru ja tuletada kõigile meelde, et nad pööraksid tähelepanu saasteallikatele ning isiklikule ohutusele ja tervisele.
Tööstuslike suurandmete rakenduste väärtuspotentsiaal on tohutu. Nende väärtuste realiseerimiseks on siiski veel palju tööd teha.
Üks on suurandmete teadlikkuse loomise küsimus. Varem oli selliseid suurandmeid, kuid kuna suurandmetest ei olnud teadlikkust ja andmete analüüsi meetodid ei olnud ebapiisavad, jäeti palju reaalajas andmeid ära või riiulisse ning maeti suure hulga andmete potentsiaalne väärtus.
Teine oluline küsimus on andmesaarte küsimus. Paljude tööstusettevõtete andmeid levitatakse ettevõtte erinevatel saartel, eriti suurtes rahvusvahelistes ettevõtetes. Neid andmeid kogu ettevõttest on üsna keeruline kaevandada.
Seetõttu on integreeritud rakenduste oluline probleem tööstuslike suurandmete rakenduste jaoks.
