Le big data industriel est un nouveau concept, littéralement compris, le big data industriel fait référence au big data généré dans l'application de l'information industrielle.
Avec l'intégration approfondie de l'informatisation et de l'industrialisation, les technologies de l'information ont pénétré tous les maillons de la chaîne industrielle des entreprises industrielles, tels que les codes-barres, les codes QR, la RFID, les capteurs industriels, les systèmes de contrôle automatique industriels, l'Internet des objets industriel, l'ERP, CAD/CAM/CAE/CAI et d’autres technologies sont largement utilisées dans les entreprises industrielles.
Surtout avec l'application des technologies de l'information de nouvelle génération telles que l'Internet, l'Internet mobile et l'Internet des objets dans le domaine industriel, les entreprises industrielles sont également entrées dans une nouvelle étape de développement dans l'industrie Internet, et les données détenues par les entreprises industrielles ont deviennent de plus en plus abondants.
L'application du Big Data industriel ouvrira une nouvelle ère d'innovation et de transformation dans les entreprises industrielles.Grâce à la perception du faible coût, à la connexion mobile à haut débit, à l'informatique distribuée et à l'analyse avancée induites par l'Internet et l'Internet mobile des objets, les technologies de l'information et les systèmes industriels mondiaux sont profondément intégrés, apportant de profonds changements aux industries mondiales et innovant dans le domaine. R&D et production des entreprises., Méthodes d'exploitation, de commercialisation et de gestion. Hangao Tech (SEKO Machinery) applique la technologie Internet au système de contrôle du machines industrielles intelligentes de fabrication de tubes soudés en acier inoxydable , afin que les équipes techniques des deux parties puissent surveiller les données de production en temps réel, détecter les défauts pendant le fonctionnement et éviter les arrêts.
Par conséquent, les problèmes et les défis auxquels sont confrontées les applications industrielles du Big Data ne sont pas moindres que ceux de l’industrie Internet, et dans certains cas, ils sont encore plus complexes.
Ces entreprises industrielles innovantes dans différents secteurs ont apporté une vitesse plus rapide, une efficacité plus élevée et une meilleure compréhension.
Les applications typiques du Big Data industriel incluent l’innovation de produits, le diagnostic et la prédiction des défauts de produits, l’analyse IoT des lignes de production industrielle, l’optimisation de la chaîne d’approvisionnement des entreprises industrielles et le marketing de précision des produits.Cet article triera un par un les scénarios d’application du Big Data industriel dans les entreprises manufacturières.
1. Accélérer l’innovation produit
L'interaction et le comportement transactionnel entre les clients et les entreprises industrielles généreront une grande quantité de données.L'exploration et l'analyse de ces données dynamiques sur les clients peuvent aider les clients à participer aux activités d'analyse de la demande de produits et d'innovation en matière de conception de produits, et à apporter des contributions à l'innovation de produits.
Ford est un exemple à cet égard.Ils ont appliqué la technologie du Big Data à l’innovation et à l’optimisation des produits de la voiture électrique Ford Focus.Cette voiture est devenue une véritable « voiture électrique big data ». La première génération de véhicules électriques Ford Focus générait de nombreuses données lors de la conduite et du stationnement.
Pendant la conduite, le conducteur met continuellement à jour les informations d’accélération, de freinage, de charge de la batterie et de localisation du véhicule.Ceci est utile pour les conducteurs, mais les données sont également renvoyées aux ingénieurs Ford pour comprendre les habitudes de conduite du client, notamment comment, quand et où recharger.Même si le véhicule est à l'arrêt, il continuera à transmettre des données sur la pression des pneus et le système de batterie du véhicule au téléphone intelligent le plus proche.
Ce scénario d’application Big Data centré sur le client présente de nombreux avantages, car le Big Data permet de nouvelles méthodes d’innovation de produits et de collaboration précieuses.Les conducteurs obtiennent des informations utiles et à jour, tandis que les ingénieurs de Détroit regroupent des informations sur le comportement de conduite pour comprendre les clients, élaborer des plans d'amélioration des produits et mettre en œuvre de nouvelles innovations de produits.
De plus, les compagnies d’électricité et d’autres fournisseurs tiers peuvent analyser des millions de kilomètres de données de conduite pour déterminer où construire de nouvelles bornes de recharge et comment éviter la surcharge du réseau fragile.
2. Diagnostic et prédiction des défauts du produit
Cela peut être utilisé pour le service après-vente des produits et l’amélioration des produits.L'introduction de capteurs omniprésents et de la technologie Internet a fait du diagnostic en temps réel des défauts des produits une réalité, tandis que les applications Big Data, les technologies de modélisation et de simulation ont permis de prédire la dynamique.
Lors de la recherche de la connexion perdue du MH370 de Malaysia Airlines, les données de fonctionnement du moteur obtenues par Boeing ont joué un rôle clé dans la détermination de la trajectoire de la connexion perdue de l'avion.Prenons le cas du système de l'avion Boeing pour voir comment les applications Big Data jouent un rôle dans le diagnostic des défauts des produits.
Sur les avions Boeing, des centaines de variables, telles que les moteurs, les systèmes de carburant, les systèmes hydrauliques et électriques, constituent l'état en vol.Ces données sont mesurées et envoyées en moins de quelques microsecondes.En prenant le Boeing 737 comme exemple, le moteur peut générer 10 téraoctets de données toutes les 30 minutes de vol.
Ces données ne sont pas seulement des données de télémétrie d'ingénierie qui peuvent être analysées à un certain moment dans le futur, mais favorisent également le contrôle adaptatif en temps réel, la consommation de carburant, la prévision des pannes de composants et la notification au pilote, ce qui peut efficacement permettre un diagnostic et une prédiction des pannes.
Prenons l'exemple de General Electric (GE).Le centre GE Energy Monitoring and Diagnostics (M&D) d'Atlanta, aux États-Unis, collecte des données sur des milliers de turbines à gaz GE dans plus de 50 pays à travers le monde et peut collecter 10 G de données pour les clients chaque jour.Analysez le flux constant de données volumineuses provenant des signaux de vibration et de température des capteurs dans le système.Ces analyses de données massives contribueront au diagnostic des pannes des turbines à gaz et à l'alerte précoce de GE.
Le fabricant d'éoliennes Vestas a également amélioré la configuration des éoliennes en analysant de manière croisée les données météorologiques et les données de ses compteurs d'éoliennes, augmentant ainsi le niveau de puissance de sortie des éoliennes et prolongeant leur durée de vie.
3. Application Big Data de la ligne de production industrielle IoT
Les lignes de production industrielles modernes sont équipées de milliers de petits capteurs pour détecter la température, la pression, la chaleur, les vibrations et le bruit.
Étant donné que les données sont collectées toutes les quelques secondes, de nombreuses formes d'analyse peuvent être réalisées en utilisant ces données, notamment le diagnostic des équipements, l'analyse de la consommation électrique, l'analyse de la consommation d'énergie, l'analyse des accidents de qualité (y compris les violations des réglementations de production, les pannes de composants), etc.
Tout d'abord, en termes d'amélioration du processus de production, l'utilisation de ces mégadonnées dans le processus de production permet d'analyser l'ensemble du processus de production et de comprendre comment chaque maillon est exécuté.Lorsqu'un certain processus s'écarte du processus standard, un signal d'alarme est généré, les erreurs ou les goulots d'étranglement peuvent être détectés plus rapidement et le problème peut être résolu plus facilement.
Grâce à la technologie du Big Data, il est également possible d'établir des modèles virtuels du processus de production de produits industriels, de simuler et d'optimiser le processus de production.Lorsque toutes les données de processus et de performances pourront être reconstruites dans le système, cette transparence aidera les fabricants à améliorer leurs processus de production.
Pour un autre exemple, en termes d'analyse de la consommation d'énergie, l'utilisation de capteurs pour surveiller de manière centralisée tous les processus de production pendant le processus de production des équipements peut détecter des anomalies ou des pics de consommation d'énergie, de sorte que la consommation d'énergie puisse être optimisée pendant le processus de production et que tous les processus puissent être effectué.L'analyse réduira considérablement la consommation d'énergie.
4. Analyse et optimisation de la supply chain industrielle
À l’heure actuelle, l’analyse des mégadonnées constitue déjà un moyen important pour de nombreuses entreprises de commerce électronique d’améliorer la compétitivité de leurs chaînes d’approvisionnement.
Par exemple, la société de commerce électronique Jingdong Mall utilise le Big Data pour analyser et prédire à l'avance la demande de marchandises dans divers endroits, améliorant ainsi l'efficacité de la distribution et de l'entreposage et garantissant l'expérience client du lendemain.
La RFID et d'autres technologies d'identification électronique de produits, la technologie de l'Internet des objets et la technologie de l'Internet mobile peuvent aider les entreprises industrielles à obtenir des données volumineuses sur une chaîne d'approvisionnement complète de produits.L’utilisation de ces données à des fins d’analyse entraînera une augmentation significative de l’efficacité de l’entreposage, de la distribution et des ventes, ainsi qu’un coût important.déclin.
Il existe plus de 1 000 grands fournisseurs OEM aux États-Unis, fournissant plus de 10 000 produits différents aux entreprises manufacturières.Chaque fabricant s'appuie sur les prévisions du marché et sur d'autres variables différentes, telles que les données de ventes, les informations sur le marché, les expositions, les actualités et les données sur les concurrents, et même les prévisions météorologiques pour vendre leurs produits.
Grâce aux données de vente, aux données des capteurs de produits et aux données des bases de données de fournisseurs, les entreprises de fabrication industrielle peuvent prédire avec précision la demande dans différentes régions du monde.
Étant donné que les prix des stocks et des ventes peuvent être suivis et achetés lorsque les prix baissent, les entreprises manufacturières peuvent économiser beaucoup de coûts.
Si vous réutilisez les données générées par les capteurs du produit pour savoir ce qui ne va pas avec le produit et où les pièces sont nécessaires, ils peuvent également prédire où et quand les pièces sont nécessaires.Cela réduira considérablement les stocks et optimisera la chaîne d’approvisionnement.
