Ang pang -industriya na malaking data ay isang bagong konsepto, literal na nauunawaan, ang pang -industriya na malaking data ay tumutukoy sa malaking data na nabuo sa aplikasyon ng impormasyong pang -industriya.
Sa pamamagitan ng malalim na pagsasama ng impormasyon at industriyalisasyon, ang teknolohiya ng impormasyon ay tumagos sa lahat ng mga link ng pang-industriya na kadena ng mga pang-industriya na negosyo, tulad ng mga barcode, QR code, RFID, pang-industriya na sensor, pang-industriya na awtomatikong control system, pang-industriya na internet ng mga bagay, ERP, CAD/CAM/CAE/CAI at iba pang mga teknolohiya ay malawakang ginagamit sa mga pang-industriya na negosyo.
Lalo na sa aplikasyon ng mga teknolohiya ng impormasyon ng bagong henerasyon tulad ng Internet, Mobile Internet, at Internet of Things sa larangan ng pang-industriya, ang mga pang-industriya na negosyo ay nagpasok din ng isang bagong yugto ng pag-unlad sa industriya ng Internet, at ang data na hawak ng mga pang-industriya na negosyo ay lalong naging sagana.
Ang aplikasyon ng pang -industriya na malaking data ay magdadala ng isang bagong panahon ng pagbabago at pagbabagong -anyo sa mga pang -industriya na negosyo. Sa pamamagitan ng murang pang-unawa, ang mataas na bilis ng koneksyon sa mobile, na ipinamamahagi ng computing at advanced na pagsusuri na dinala ng Internet at Mobile Internet of Things, Technology Technology at Global Industrial Systems ay malalim na isinama, na nagdadala ng malalim na pagbabago sa mga pandaigdigang industriya, at pagbabago ng R&D at paggawa ng mga negosyo. , Mga Paraan ng Operation, Marketing at Pamamahala. Ang HANGAO TECH (SEKO MACHINERY) ay nag -aaplay ng teknolohiya sa Internet sa control system ng Ang matalinong hindi kinakalawang na asero na pang -industriya na welded pipe na makinarya , upang ang mga teknikal na koponan ng parehong partido ay maaaring masubaybayan ang data ng produksyon sa real time, makahanap ng mga pagkakamali sa panahon ng operasyon, at maiwasan ang mga pag -shutdown.
Samakatuwid, ang mga problema at hamon na kinakaharap ng mga aplikasyon ng pang -industriya na malaking data ay hindi mas mababa kaysa sa mga industriya ng internet, at sa ilang mga kaso mas kumplikado sila.
Ang mga makabagong pang -industriya na negosyo sa iba't ibang mga industriya ay nagdala ng mas mabilis na bilis, mas mataas na kahusayan at mas mataas na pananaw.
Karaniwang mga aplikasyon ng pang -industriya na malaking data ay kasama ang pagbabago ng produkto, diagnosis ng kasalanan ng produkto at hula, pagsusuri ng linya ng pang -industriya na IoT analysis, pag -optimize ng chain chain ng pang -industriya, at marketing ng katumpakan ng produkto. Inaayos ng artikulong ito ang mga senaryo ng aplikasyon ng pang -industriya na malaking data sa paggawa ng mga negosyo nang paisa -isa.
1. Pabilisin ang pagbabago ng produkto
Ang pakikipag -ugnay at pag -uugali ng transaksyon sa pagitan ng mga customer at pang -industriya na negosyo ay bubuo ng isang malaking halaga ng data. Ang pagmimina at pagsusuri ng mga dinamikong data ng customer ay makakatulong sa mga customer na lumahok sa pagsusuri ng demand ng produkto at mga aktibidad sa pagbabago ng produkto ng produkto, at gumawa ng mga kontribusyon sa pagbabago ng produkto.
Ang Ford ay isang halimbawa sa bagay na ito. Inilapat nila ang malaking teknolohiya ng data sa pagbabago ng produkto at pag -optimize ng Ford Focus Electric Car. Ang kotse na ito ay naging isang tunay na 'Big Data Electric Car. ' Ang unang henerasyon ng Ford Focus Electric Vehicles ay nabuo ng maraming data kapag nagmamaneho at paradahan.
Habang nagmamaneho, patuloy na ina -update ng driver ang pagbilis ng sasakyan, pagpepreno, singilin ng baterya at impormasyon sa lokasyon. Ito ay kapaki -pakinabang para sa mga driver, ngunit ang data ay ipinapabalik din sa mga inhinyero ng Ford upang maunawaan ang mga gawi sa pagmamaneho ng customer, kasama na kung paano, kailan at saan sisingilin. Kahit na ang sasakyan ay nasa isang standstill, magpapatuloy itong magpadala ng data sa presyon ng gulong at sistema ng baterya ng sasakyan sa pinakamalapit na matalinong telepono.
Ang senaryo ng application ng Big Data ng Customer-Centric na ito ay maraming mga benepisyo, dahil ang malaking data ay nagbibigay-daan sa mahalagang bagong pagbabago sa produkto at mga pamamaraan ng pakikipagtulungan. Ang mga driver ay nakakakuha ng kapaki-pakinabang at napapanahon na impormasyon, habang ang mga inhinyero sa pinagsama-samang impormasyon ng Detroit tungkol sa pag-uugali sa pagmamaneho upang maunawaan ang mga customer, bumuo ng mga plano sa pagpapabuti ng produkto, at ipatupad ang mga bagong pagbabago sa produkto.
Bukod dito, ang mga kumpanya ng kuryente at iba pang mga supplier ng third-party ay maaaring pag-aralan ang milyun-milyong milya ng data sa pagmamaneho upang matukoy kung saan magtatayo ng mga bagong istasyon ng singilin at kung paano maiwasan ang marupok na grid mula sa labis na karga.
2. Diagnosis ng Fault ng Produkto at Hula
Maaari itong magamit para sa serbisyo pagkatapos ng benta ng serbisyo at pagpapabuti ng produkto. Ang pagpapakilala ng mga ubiquitous sensor at teknolohiya sa Internet ay gumawa ng real-time na diagnosis ng mga pagkakamali ng produkto ng isang katotohanan, habang ang mga aplikasyon ng Big Data, ang mga teknolohiya ng simulation at simulation ay posible upang mahulaan ang mga dinamika.
Sa panahon ng paghahanap para sa nawala na koneksyon ng Malaysia Airlines MH370, ang data ng operating ng engine na nakuha ng Boeing ay gumaganap ng isang pangunahing papel sa pagtukoy ng landas ng nawala na koneksyon ng sasakyang panghimpapawid. Kunin natin ang sistema ng sasakyang panghimpapawid ng Boeing bilang isang kaso upang makita kung paano ang mga malaking aplikasyon ng data ay may papel sa diagnosis ng kasalanan ng produkto.
Sa sasakyang panghimpapawid ng Boeing, daan-daang mga variable, tulad ng mga makina, mga sistema ng gasolina, hydraulics, at mga de-koryenteng sistema, ay bumubuo sa estado ng in-flight. Ang mga data na ito ay sinusukat at ipinadala nang mas mababa sa ilang mga microsecond. Ang pagkuha ng Boeing 737 bilang isang halimbawa, ang makina ay maaaring makabuo ng 10 terabytes ng data tuwing 30 minuto sa paglipad.
Ang mga datos na ito ay hindi lamang data ng telemetry ng engineering na maaaring masuri sa isang tiyak na punto sa hinaharap, ngunit itaguyod din ang real-time na adaptive control, paggamit ng gasolina, paghula ng pagkabigo ng sangkap at abiso sa piloto, na maaaring epektibong makamit ang diagnosis at hula ng kasalanan.
Tingnan natin ang isang halimbawa ng General Electric (GE). Ang GE Energy Monitoring and Diagnostics (M&D) Center sa Atlanta, USA, ay nangongolekta ng data sa libu -libong mga turbin ng GE gas sa higit sa 50 mga bansa sa buong mundo, at maaaring mangolekta ng data ng 10G para sa mga customer araw -araw. Suriin ang patuloy na malaking daloy ng data mula sa panginginig ng boses at mga signal ng temperatura sa system. Ang mga malaking pagsusuri ng data na ito ay magbibigay ng suporta para sa diagnosis ng gas turbine ng gas ng GE at maagang babala.
Pinahusay din ng tagagawa ng turbine ng hangin na si Vestas ang layout ng mga turbin ng hangin sa pamamagitan ng cross-analyzing data ng panahon at ang data ng turbine meter nito, sa gayon ay nadaragdagan ang antas ng output ng kuryente ng mga turbines ng hangin at pagpapalawak ng buhay ng serbisyo.
3. Big Data Application ng Industrial IoT Production Line
Ang mga modernong linya ng paggawa ng pang -industriya ay nilagyan ng libu -libong mga maliliit na sensor upang makita ang temperatura, presyon, init, panginginig ng boses at ingay.
Dahil ang data ay nakolekta bawat ilang segundo, maraming mga anyo ng pagsusuri ang maaaring maisakatuparan sa pamamagitan ng paggamit ng mga data na ito, kabilang ang diagnosis ng kagamitan, pagsusuri ng pagkonsumo ng kuryente, pagsusuri ng pagkonsumo ng enerhiya, pagsusuri ng aksidente sa kalidad (kabilang ang mga paglabag sa mga regulasyon sa produksyon, mga pagkabigo sa sangkap), atbp.
Una sa lahat, sa mga tuntunin ng pagpapabuti ng proseso ng paggawa, gamit ang malaking data na ito sa proseso ng paggawa ay maaaring pag -aralan ang buong proseso ng paggawa at maunawaan kung paano naisakatuparan ang bawat link. Kapag ang isang tiyak na proseso ay lumihis mula sa karaniwang proseso, ang isang signal ng alarma ay bubuo, ang mga error o bottlenecks ay matatagpuan nang mas mabilis, at ang problema ay maaaring malutas nang mas madali.
Gamit ang malaking teknolohiya ng data, posible ring magtatag ng mga virtual na modelo ng proseso ng paggawa ng mga produktong pang -industriya, gayahin at i -optimize ang proseso ng paggawa. Kapag ang lahat ng proseso at data ng pagganap ay maaaring muling maitayo sa system, ang transparency na ito ay makakatulong sa mga tagagawa na mapabuti ang kanilang mga proseso ng paggawa.
Para sa isa pang halimbawa, sa mga tuntunin ng pagsusuri ng pagkonsumo ng enerhiya, ang paggamit ng mga sensor upang masubaybayan ang lahat ng mga proseso ng paggawa sa panahon ng proseso ng paggawa ng kagamitan ay maaaring makahanap ng mga abnormalidad o mga taluktok sa pagkonsumo ng enerhiya, upang ang pagkonsumo ng enerhiya ay maaaring mai -optimize sa panahon ng proseso ng paggawa at ang lahat ng mga proseso ay maaaring isagawa. Ang pagtatasa ay lubos na mabawasan ang pagkonsumo ng enerhiya.
4. Pagtatasa at pag -optimize ng chain ng pang -industriya
Sa kasalukuyan, ang Big Data Analysis ay isang mahalagang paraan para sa maraming mga kumpanya ng e-commerce upang mapahusay ang pagiging mapagkumpitensya ng kanilang mga supply chain.
Halimbawa, ang kumpanya ng e-commerce na si Jingdong Mall ay gumagamit ng malaking data upang pag-aralan at mahulaan ang demand para sa mga kalakal sa iba't ibang lugar nang maaga, sa gayon ay mapapabuti ang kahusayan ng pamamahagi at warehousing, at tinitiyak ang karanasan ng customer sa susunod na araw.
Ang RFID at iba pang teknolohiya ng elektronikong pagkakakilanlan ng produkto, teknolohiya ng Internet of Things, at teknolohiya ng mobile internet ay makakatulong sa mga pang -industriya na negosyo na makakuha ng malaking data ng isang kumpletong kadena ng supply ng produkto. Ang paggamit ng mga data na ito para sa pagsusuri ay magdadala ng isang makabuluhang pagtaas sa warehousing, pamamahagi, at kahusayan sa pagbebenta at isang makabuluhang gastos. pagtanggi.
Mayroong higit sa 1,000 mga malalaking supplier ng OEM sa Estados Unidos, na nagbibigay ng higit sa 10,000 iba't ibang mga produkto sa mga kumpanya ng pagmamanupaktura. Ang bawat tagagawa ay umaasa sa mga pagtataya sa merkado at iba pang iba't ibang mga variable, tulad ng data ng benta, impormasyon sa merkado, mga eksibisyon, balita, at data ng katunggali, at kahit na mga pagtataya ng panahon upang ibenta ang kanilang mga produkto.
Gamit ang data ng benta, data ng sensor ng produkto, at data mula sa mga database ng supplier, ang mga kumpanya ng pang -industriya ay maaaring tumpak na mahulaan ang demand sa iba't ibang mga rehiyon ng mundo.
Dahil ang mga presyo ng imbentaryo at benta ay maaaring masubaybayan, at maaaring mabili kapag bumagsak ang mga presyo, ang mga kumpanya ng pagmamanupaktura ay maaaring makatipid ng maraming gastos.
Kung ginagamit mo muli ang data na nabuo ng mga sensor sa produkto upang malaman kung ano ang mali sa produkto at kung saan kinakailangan ang mga bahagi, maaari rin nilang hulaan kung saan at kailan kinakailangan ang mga bahagi. Ito ay lubos na mabawasan ang imbentaryo at mai -optimize ang supply chain.
