Tööstuslikud suurandmed on uus mõiste, sõna otseses mõttes, tööstuslikud suurandmed viitavad tööstusliku teabe rakendamisel genereeritud suurtele andmetele.
Informatiseerimise ja industrialiseerimise põhjaliku integreerimisega on infotehnoloogia tunginud tööstusettevõtete tööstusahela kõikidesse lülidesse, nagu vöötkoodid, QR-koodid, RFID, tööstuslikud andurid, tööstuslikud automaatjuhtimissüsteemid, tööstuslik asjade internet, ERP, CAD/CAM/CAE/ CAI ja muud tehnoloogiad on tööstusettevõtetes laialdaselt kasutusel.
Eriti uue põlvkonna infotehnoloogiate nagu Internet, mobiilne internet ja asjade internet tööstusvaldkonnas rakendamisega on tööstusettevõtted jõudnud ka Interneti-tööstuse uude arenguetappi ning tööstusettevõtete valduses olevad andmed on muutuda üha rikkalikumaks.
Tööstuslike suurandmete rakendamine toob tööstusettevõtetes kaasa uue innovatsiooni ja transformatsiooni ajastu.Tänu odavale tajule, kiirele mobiilsideühendusele, hajutatud andmetöötlusele ja täiustatud analüüsidele, mille on kaasa toonud Internet ja mobiilne asjade internet, integreeritakse infotehnoloogia ja ülemaailmsed tööstussüsteemid sügavalt, tuues kaasa põhjalikud muutused ülemaailmsetesse tööstusharudesse ja uuendusi. Ettevõtete teadus- ja arendustegevus ning tootmine., Toimimis-, turundus- ja juhtimismeetodid. Hangao Tech (SEKO Machinery) rakendab oma juhtimissüsteemis Interneti-tehnoloogiat intelligentsed roostevabast terasest tööstuslikud keevitatud torude valmistamise masinad , et mõlema poole tehnilised meeskonnad saaksid tootmisandmeid reaalajas jälgida, töö käigus vigu leida ja seiskamisi vältida.
Seetõttu ei ole tööstuslike suurandmete rakenduste probleemid ja väljakutsed väiksemad kui Interneti-tööstuse omad ja mõnel juhul on need veelgi keerulisemad.
Need uuenduslikud tööstusettevõtted erinevates tööstusharudes on toonud kaasa kiirema kiiruse, suurema efektiivsuse ja parema ülevaate.
Tööstuslike suurandmete tüüpilisteks rakendusteks on tooteinnovatsioon, toote rikete diagnostika ja prognoosimine, tööstusliku tootmisliini asjade Interneti analüüs, tööstusettevõtte tarneahela optimeerimine ja toote täppisturundus.See artikkel selgitab ükshaaval välja tööstuslike suurandmete rakendusstsenaariumid tootmisettevõtetes.
1. Kiirendada tooteinnovatsiooni
Klientide ja tööstusettevõtete vaheline suhtlus ja tehingukäitumine tekitab suure hulga andmeid.Nende klientide dünaamiliste andmete kaevandamine ja analüüsimine võib aidata klientidel osaleda tootenõudluse analüüsis ja tootekujunduse uuendustegevuses ning aidata kaasa tooteuuendusele.
Ford on selles osas eeskujuks.Nad rakendasid suurandmetehnoloogiat Ford Focus elektriauto tooteuuendusel ja optimeerimisel.Sellest autost on saanud tõeline 'suurte andmetega elektriauto'. Ford Focuse elektrisõidukite esimene põlvkond genereeris sõidul ja parkimisel palju andmeid.
Sõidu ajal uuendab juht pidevalt sõiduki kiirenduse, pidurdamise, aku laadimise ja asukohateavet.See on autojuhtidele kasulik, kuid andmed saadetakse tagasi ka Fordi inseneridele, et mõista kliendi sõiduharjumusi, sealhulgas seda, kuidas, millal ja kus laadida.Isegi kui sõiduk seisab, jätkab see sõiduki rehvirõhu ja akusüsteemi andmete edastamist lähimasse nutitelefoni.
Sellel kliendikesksel suurandmete rakenduse stsenaariumil on palju eeliseid, sest suurandmed võimaldavad väärtuslikke uusi tooteinnovatsiooni ja koostöömeetodeid.Autojuhid saavad kasulikku ja ajakohast teavet, samas kui Detroidi insenerid koondavad teavet sõidukäitumise kohta, et mõista kliente, töötada välja tootearenduse plaane ja rakendada uusi tooteuuendusi.
Lisaks saavad elektriettevõtted ja muud kolmandatest osapooltest tarnijad analüüsida miljoneid miile sõiduandmeid, et teha kindlaks, kuhu ehitada uusi laadimisjaamu ja kuidas vältida habrast võrgu ülekoormamist.
2. Toote rikete diagnostika ja prognoosimine
Seda saab kasutada toote müügijärgseks teeninduseks ja toote täiustamiseks.Üldlevinud andurite ja Interneti-tehnoloogia kasutuselevõtt on muutnud toote rikete reaalajas diagnoosimise reaalsuseks, samas kui suurandmete rakendused, modelleerimis- ja simulatsioonitehnoloogiad on võimaldanud ennustada dünaamikat.
Malaysia Airlinesi MH370 katkenud ühenduse otsimisel mängisid Boeingu saadud mootori tööandmed võtmerolli lennuki ühenduse katkemise tee kindlaksmääramisel.Võtame näiteks Boeingi lennukisüsteemi, et näha, kuidas suurandmete rakendused mängivad rolli toote rikete diagnoosimisel.
Boeingu lennukitel moodustavad lennu ajal oleku sadu muutujaid, nagu mootorid, kütusesüsteemid, hüdraulika ja elektrisüsteemid.Need andmed mõõdetakse ja saadetakse vähem kui mõne mikrosekundi jooksul.Võttes näiteks Boeing 737, suudab mootor lennu ajal iga 30 minuti järel genereerida 10 terabaiti andmeid.
Need andmed ei ole mitte ainult tehnilised telemeetriaandmed, mida saab tulevikus teatud ajahetkel analüüsida, vaid edendavad ka reaalajas adaptiivset juhtimist, kütusekasutust, komponentide rikke ennustamist ja pilootteavitamist, mis võimaldab tõhusalt tõrkediagnoosi ja -ennustust saavutada.
Vaatame General Electricu (GE) näidet.USA-s Atlantas asuv GE Energy Monitoring and Diagnostics (M&D) keskus kogub andmeid tuhandete GE gaasiturbiinide kohta enam kui 50 riigis üle maailma ning suudab iga päev koguda klientide kohta 10G andmeid.Analüüsige anduri vibratsiooni- ja temperatuurisignaalide pidevat suurt andmevoogu süsteemis.Need suurandmete analüüsid pakuvad tuge GE gaasiturbiini rikete diagnoosimiseks ja varajaseks hoiatamiseks.
Tuuleturbiinide tootja Vestas täiustas ka tuulikute paigutust ilmastikuandmete ja oma turbiinimõõturite andmete ristanalüüsi abil, suurendades seeläbi tuulikute väljundvõimsust ja pikendades nende kasutusiga.
3. Tööstusliku IoT tootmisliini suurandmete rakendus
Kaasaegsed tööstusliku tootmise tootmisliinid on varustatud tuhandete väikeste anduritega temperatuuri, rõhu, kuumuse, vibratsiooni ja müra tuvastamiseks.
Kuna andmeid kogutakse iga paari sekundi tagant, saab nende andmete abil teostada mitmeid analüüsivorme, sealhulgas seadmete diagnostika, voolutarbimise analüüs, energiatarbimise analüüs, kvaliteediõnnetuste analüüs (sh tootmisreeglite rikkumised, komponentide rikked) jne.
Esiteks, tootmisprotsessi täiustamise seisukohalt saab neid suurandmeid tootmisprotsessis kasutades analüüsida kogu tootmisprotsessi ja mõista, kuidas iga linki täidetakse.Kui teatud protsess erineb standardsest protsessist, genereeritakse häiresignaal, vead või kitsaskohad leitakse kiiremini ja probleem on lihtsamini lahendatav.
Suurandmete tehnoloogia abil on võimalik luua ka tööstustoodete tootmisprotsessi virtuaalseid mudeleid, simuleerida ja optimeerida tootmisprotsessi.Kui kõik protsessi- ja toimivusandmed on süsteemis taastatavad, aitab see läbipaistvus tootjatel oma tootmisprotsesse täiustada.
Teiseks näiteks energiatarbimise analüüsi osas võib andurite kasutamine kõigi tootmisprotsesside tsentraalseks jälgimiseks seadmete tootmisprotsessi ajal leida energiatarbimises kõrvalekaldeid või tippe, nii et energiatarbimist saab tootmisprotsessi käigus optimeerida ja kõiki protsesse sooritada.Analüüs vähendab oluliselt energiatarbimist.
4. Tööstusliku tarneahela analüüs ja optimeerimine
Suurandmete analüüs on juba praegu paljude e-kaubandusega tegelevate ettevõtete jaoks oluline vahend oma tarneahelate konkurentsivõime tõstmiseks.
Näiteks e-kaubandusettevõte Jingdong Mall kasutab suurandmeid, et eelnevalt analüüsida ja ennustada kaupade nõudlust erinevates kohtades, parandades seeläbi jaotamise ja laonduse efektiivsust ning tagades järgmise päeva kliendikogemuse.
RFID ja muu toodete elektrooniline identifitseerimistehnoloogia, asjade Interneti tehnoloogia ja mobiilse Interneti tehnoloogia võivad aidata tööstusettevõtetel hankida kogu toote tarneahela suurandmeid.Nende andmete kasutamine analüüsiks toob kaasa olulise tõusu lao-, turustus- ja müügiefektiivsuses ning märkimisväärseid kulusid.langus.
Ameerika Ühendriikides on üle 1000 suure originaalseadmete valmistaja tarnija, kes pakuvad tootmisettevõtetele üle 10 000 erineva toote.Iga tootja tugineb oma toodete müümisel turuprognoosidele ja muudele erinevatele muutujatele, nagu müügiandmed, turuteave, näitused, uudised ja konkurentide andmed ning isegi ilmaennustused.
Kasutades müügiandmeid, tooteandurite andmeid ja tarnijate andmebaaside andmeid, saavad tööstuslikud tootmisettevõtted täpselt prognoosida nõudlust maailma eri piirkondades.
Kuna laoseisu ja müügihindu saab jälgida ning neid saab osta hindade langemisel, saavad tootmisettevõtted palju kulusid kokku hoida.
Kui kasutate tootes olevate andurite genereeritud andmeid uuesti, et teada saada, mis tootel viga on ja kus osi vaja on, saavad nad ka ennustada, kus ja millal osi vaja on.See vähendab oluliselt laoseisu ja optimeerib tarneahelat.
