ઔદ્યોગિક બિગ ડેટા એ એક નવો ખ્યાલ છે, શાબ્દિક રીતે સમજી શકાય છે, ઔદ્યોગિક મોટા ડેટા ઔદ્યોગિક માહિતીના એપ્લિકેશનમાં જનરેટ થયેલા મોટા ડેટાનો સંદર્ભ આપે છે.
ઇન્ફોર્મેશન અને ઔદ્યોગિકીકરણના ઊંડાણપૂર્વકના એકીકરણ સાથે, માહિતી ટેકનોલોજી ઔદ્યોગિક સાહસોની ઔદ્યોગિક સાંકળની તમામ લિંક્સમાં પ્રવેશી ગઈ છે, જેમ કે બારકોડ, QR કોડ, RFID, ઔદ્યોગિક સેન્સર્સ, ઔદ્યોગિક સ્વચાલિત નિયંત્રણ સિસ્ટમ્સ, ઔદ્યોગિક ઇન્ટરનેટ ઑફ થિંગ્સ, ERP, CAD/CAM/CAE/CAI અને અન્ય તકનીકોનો ઔદ્યોગિક સાહસોમાં વ્યાપકપણે ઉપયોગ થાય છે.
ખાસ કરીને ઔદ્યોગિક ક્ષેત્રમાં ઈન્ટરનેટ, મોબાઈલ ઈન્ટરનેટ અને ઈન્ટરનેટ ઓફ થિંગ્સ જેવી નવી પેઢીની ઈન્ફોર્મેશન ટેક્નોલોજીના ઉપયોગથી ઈન્ટરનેટ ઈન્ડસ્ટ્રીમાં ઈન્ટરનેટ ઈન્ડસ્ટ્રીએ પણ વિકાસના નવા તબક્કામાં પ્રવેશ કર્યો છે અને ઔદ્યોગિક સાહસો દ્વારા રાખવામાં આવેલ ડેટા વધુને વધુ વિપુલ બનવું.
ઔદ્યોગિક મોટા ડેટાનો ઉપયોગ ઔદ્યોગિક સાહસોમાં નવીનતા અને પરિવર્તનનો નવો યુગ લાવશે.ઈન્ટરનેટ અને મોબાઈલ ઈન્ટરનેટ ઓફ થિંગ્સ દ્વારા લો-કોસ્ટ પર્સેપ્શન, હાઈ-સ્પીડ મોબાઈલ કનેક્શન, ડિસ્ટ્રિબ્યુટેડ કમ્પ્યુટિંગ અને અદ્યતન વિશ્લેષણ દ્વારા ઈન્ફોર્મેશન ટેક્નોલોજી અને વૈશ્વિક ઔદ્યોગિક પ્રણાલીઓને ઊંડાણપૂર્વક સંકલિત કરવામાં આવી રહી છે, જે વૈશ્વિક ઉદ્યોગોમાં ગહન ફેરફારો લાવી રહી છે અને નવીનતા લાવી રહી છે. આર એન્ડ ડી અને સાહસોનું ઉત્પાદન., ઓપરેશન, માર્કેટિંગ અને મેનેજમેન્ટ પદ્ધતિઓ. હંગાઓ ટેક (SEKO મશીનરી) ની કંટ્રોલ સિસ્ટમમાં ઈન્ટરનેટ ટેકનોલોજી લાગુ કરે છે ઈન્ટેલિજન્ટ સ્ટેઈનલેસ સ્ટીલ ઈન્ડસ્ટ્રીયલ વેલ્ડેડ પાઈપ મેકિંગ મશીનરી , જેથી બંને પક્ષોની ટેકનિકલ ટીમો રીઅલ ટાઈમમાં પ્રોડક્શન ડેટા મોનિટર કરી શકે, ઓપરેશન દરમિયાન ખામી શોધી શકે અને શટડાઉન અટકાવી શકે.
તેથી, ઔદ્યોગિક બિગ ડેટા એપ્લિકેશન્સ દ્વારા સામનો કરવામાં આવતી સમસ્યાઓ અને પડકારો ઇન્ટરનેટ ઉદ્યોગ કરતા ઓછા નથી, અને કેટલાક કિસ્સાઓમાં તે વધુ જટિલ છે.
વિવિધ ઉદ્યોગોમાં આ નવીન ઔદ્યોગિક સાહસો ઝડપી ગતિ, ઉચ્ચ કાર્યક્ષમતા અને ઉચ્ચ સૂઝ લાવ્યા છે.
ઔદ્યોગિક મોટા ડેટાની લાક્ષણિક એપ્લિકેશન્સમાં પ્રોડક્ટ ઇનોવેશન, પ્રોડક્ટ ફોલ્ટ ડાયગ્નોસિસ અને અનુમાન, ઔદ્યોગિક ઉત્પાદન લાઇન IoT વિશ્લેષણ, ઔદ્યોગિક એન્ટરપ્રાઇઝ સપ્લાય ચેઇન ઑપ્ટિમાઇઝેશન અને પ્રોડક્ટ પ્રિસિઝન માર્કેટિંગનો સમાવેશ થાય છે.આ લેખ એક પછી એક મેન્યુફેક્ચરિંગ એન્ટરપ્રાઇઝમાં ઔદ્યોગિક મોટા ડેટાના એપ્લિકેશન દૃશ્યોને સૉર્ટ કરશે.
1. ઉત્પાદન નવીનતાને વેગ આપો
ગ્રાહકો અને ઔદ્યોગિક સાહસો વચ્ચેની ક્રિયાપ્રતિક્રિયા અને વ્યવહારની વર્તણૂક મોટી માત્રામાં ડેટા જનરેટ કરશે.આ ગ્રાહક ગતિશીલ ડેટાનું માઇનિંગ અને વિશ્લેષણ ગ્રાહકોને ઉત્પાદન માંગ વિશ્લેષણ અને ઉત્પાદન ડિઝાઇન નવીનતા પ્રવૃત્તિઓમાં ભાગ લેવામાં મદદ કરી શકે છે અને ઉત્પાદન નવીનતામાં યોગદાન આપી શકે છે.
ફોર્ડ આ સંદર્ભમાં એક ઉદાહરણ છે.તેઓએ ફોર્ડ ફોકસ ઈલેક્ટ્રીક કારના ઉત્પાદન ઈનોવેશન અને ઓપ્ટિમાઈઝેશન માટે મોટી ડેટા ટેકનોલોજીનો ઉપયોગ કર્યો.આ કાર સાક્ષાત્ 'બિગ ડેટા ઇલેક્ટ્રિક કાર' બની ગઈ છે. ફોર્ડ ફોકસ ઇલેક્ટ્રિક વાહનોની પ્રથમ પેઢીએ ડ્રાઇવિંગ અને પાર્કિંગ વખતે ઘણો ડેટા જનરેટ કર્યો હતો.
ડ્રાઇવિંગ કરતી વખતે, ડ્રાઇવર વાહનના પ્રવેગક, બ્રેકિંગ, બેટરી ચાર્જિંગ અને સ્થાનની માહિતીને સતત અપડેટ કરે છે.આ ડ્રાઇવરો માટે ઉપયોગી છે, પરંતુ કેવી રીતે, ક્યારે અને ક્યાં ચાર્જ કરવો તે સહિત ગ્રાહકની ડ્રાઇવિંગની આદતોને સમજવા માટે ડેટા ફોર્ડ એન્જિનિયરોને પાછો મોકલવામાં આવે છે.જો વાહન અટકી ગયું હોય તો પણ તે વાહનના ટાયર પ્રેશર અને બેટરી સિસ્ટમ પરના ડેટાને નજીકના સ્માર્ટ ફોનમાં ટ્રાન્સમિટ કરવાનું ચાલુ રાખશે.
આ ગ્રાહક-કેન્દ્રિત મોટા ડેટા એપ્લિકેશન દૃશ્યમાં ઘણા ફાયદા છે, કારણ કે મોટો ડેટા મૂલ્યવાન નવી પ્રોડક્ટ ઇનોવેશન અને સહયોગ પદ્ધતિઓને સક્ષમ કરે છે.ડ્રાઇવરો ઉપયોગી અને અદ્યતન માહિતી મેળવે છે, જ્યારે ડેટ્રોઇટમાં એન્જિનિયરો ગ્રાહકોને સમજવા, ઉત્પાદન સુધારણા યોજનાઓ વિકસાવવા અને નવી ઉત્પાદન નવીનતાઓને અમલમાં મૂકવા માટે ડ્રાઇવિંગ વર્તન વિશે એકંદર માહિતી મેળવે છે.
તદુપરાંત, પાવર કંપનીઓ અને અન્ય તૃતીય-પક્ષ સપ્લાયર્સ નવા ચાર્જિંગ સ્ટેશનો ક્યાં બાંધવા અને નાજુક ગ્રીડને ઓવરલોડિંગથી કેવી રીતે અટકાવવા તે નિર્ધારિત કરવા લાખો માઇલ ડ્રાઇવિંગ ડેટાનું વિશ્લેષણ કરી શકે છે.
2. ઉત્પાદન ખામી નિદાન અને આગાહી
આનો ઉપયોગ ઉત્પાદન પછીની સેવા અને ઉત્પાદન સુધારણા માટે થઈ શકે છે.સર્વવ્યાપક સેન્સર્સ અને ઈન્ટરનેટ ટેક્નોલૉજીના પરિચયએ ઉત્પાદનની ખામીના વાસ્તવિક સમયના નિદાનને વાસ્તવિકતા બનાવી છે, જ્યારે મોટા ડેટા એપ્લિકેશન્સ, મોડેલિંગ અને સિમ્યુલેશન તકનીકોએ ગતિશીલતાની આગાહી કરવાનું શક્ય બનાવ્યું છે.
મલેશિયા એરલાઇન્સ MH370 ના ખોવાયેલા કનેક્શનની શોધ દરમિયાન, બોઇંગ દ્વારા મેળવેલા એન્જિન ઓપરેટિંગ ડેટાએ એરક્રાફ્ટના ખોવાયેલા જોડાણનો માર્ગ નક્કી કરવામાં મુખ્ય ભૂમિકા ભજવી હતી.ઉત્પાદન ખામી નિદાનમાં મોટી ડેટા એપ્લિકેશનો કેવી ભૂમિકા ભજવે છે તે જોવા માટે ચાલો બોઇંગ એરક્રાફ્ટ સિસ્ટમને એક કેસ તરીકે લઈએ.
બોઇંગના એરક્રાફ્ટમાં સેંકડો વેરિયેબલ્સ, જેમ કે એન્જિન, ફ્યુઅલ સિસ્ટમ્સ, હાઇડ્રોલિક્સ અને ઇલેક્ટ્રિકલ સિસ્ટમ્સ, ઇન-ફ્લાઇટ સ્ટેટ બનાવે છે.આ ડેટાને માપવામાં આવે છે અને થોડા માઇક્રોસેકન્ડ કરતાં ઓછા સમયમાં મોકલવામાં આવે છે.બોઇંગ 737ને ઉદાહરણ તરીકે લઈએ તો, એન્જિન ફ્લાઇટમાં દર 30 મિનિટે 10 ટેરાબાઇટ ડેટા જનરેટ કરી શકે છે.
આ ડેટા માત્ર એન્જિનિયરિંગ ટેલિમેટ્રી ડેટા જ નથી જેનું ભવિષ્યમાં ચોક્કસ બિંદુએ વિશ્લેષણ કરી શકાય છે, પરંતુ વાસ્તવિક સમયના અનુકૂલનશીલ નિયંત્રણ, બળતણ વપરાશ, ઘટક નિષ્ફળતાની આગાહી અને પાયલોટ સૂચનાને પણ પ્રોત્સાહન આપે છે, જે ખામી નિદાન અને આગાહીને અસરકારક રીતે પ્રાપ્ત કરી શકે છે.
ચાલો જનરલ ઈલેક્ટ્રીક (GE)નું ઉદાહરણ જોઈએ.એટલાન્ટા, યુએસએમાં GE એનર્જી મોનિટરિંગ એન્ડ ડાયગ્નોસ્ટિક્સ (M&D) સેન્ટર, વિશ્વના 50 થી વધુ દેશોમાં હજારો GE ગેસ ટર્બાઇનનો ડેટા એકત્રિત કરે છે અને દરરોજ ગ્રાહકો માટે 10G ડેટા એકત્રિત કરી શકે છે.સિસ્ટમમાં સેન્સર વાઇબ્રેશન અને તાપમાનના સંકેતોમાંથી સતત મોટા ડેટા પ્રવાહનું વિશ્લેષણ કરો.આ મોટા ડેટા વિશ્લેષણો GE ના ગેસ ટર્બાઇન ફોલ્ટ નિદાન અને પ્રારંભિક ચેતવણી માટે સમર્થન પ્રદાન કરશે.
વિન્ડ ટર્બાઇન ઉત્પાદક વેસ્ટાસે પણ હવામાન ડેટા અને તેના ટર્બાઇન મીટરના ડેટાનું ક્રોસ-વિશ્લેષણ કરીને વિન્ડ ટર્બાઇનના લેઆઉટમાં સુધારો કર્યો છે, જેનાથી વિન્ડ ટર્બાઇનના પાવર આઉટપુટ સ્તરમાં વધારો થયો છે અને સર્વિસ લાઇફમાં વધારો થયો છે.
3. ઔદ્યોગિક IoT ઉત્પાદન લાઇનની મોટી ડેટા એપ્લિકેશન
આધુનિક ઔદ્યોગિક ઉત્પાદન ઉત્પાદન રેખાઓ તાપમાન, દબાણ, ગરમી, કંપન અને અવાજને શોધવા માટે હજારો નાના સેન્સરથી સજ્જ છે.
કારણ કે દર થોડીક સેકંડમાં ડેટા એકત્રિત કરવામાં આવે છે, આ ડેટાનો ઉપયોગ કરીને વિશ્લેષણના ઘણા સ્વરૂપો સાકાર કરી શકાય છે, જેમાં સાધનસામગ્રીનું નિદાન, પાવર વપરાશ વિશ્લેષણ, ઉર્જા વપરાશ વિશ્લેષણ, ગુણવત્તા અકસ્માત વિશ્લેષણ (ઉત્પાદન નિયમોના ઉલ્લંઘનો, ઘટકોની નિષ્ફળતાઓ સહિત) વગેરેનો સમાવેશ થાય છે.
સૌ પ્રથમ, ઉત્પાદન પ્રક્રિયા સુધારણાના સંદર્ભમાં, ઉત્પાદન પ્રક્રિયામાં આ મોટા ડેટાનો ઉપયોગ કરીને સમગ્ર ઉત્પાદન પ્રક્રિયાનું વિશ્લેષણ કરી શકાય છે અને દરેક લિંકને કેવી રીતે ચલાવવામાં આવે છે તે સમજી શકાય છે.એકવાર ચોક્કસ પ્રક્રિયા પ્રમાણભૂત પ્રક્રિયામાંથી વિચલિત થઈ જાય પછી, એલાર્મ સિગ્નલ જનરેટ થશે, ભૂલો અથવા અવરોધો વધુ ઝડપથી શોધી શકાય છે, અને સમસ્યા વધુ સરળતાથી ઉકેલી શકાય છે.
મોટા ડેટા ટેક્નોલોજીનો ઉપયોગ કરીને, ઔદ્યોગિક ઉત્પાદનોની ઉત્પાદન પ્રક્રિયાના વર્ચ્યુઅલ મોડલ સ્થાપિત કરવા, ઉત્પાદન પ્રક્રિયાનું અનુકરણ અને ઑપ્ટિમાઇઝ કરવું પણ શક્ય છે.જ્યારે સિસ્ટમમાં તમામ પ્રક્રિયા અને પ્રદર્શન ડેટાનું પુનઃનિર્માણ થઈ શકે છે, ત્યારે આ પારદર્શિતા ઉત્પાદકોને તેમની ઉત્પાદન પ્રક્રિયાઓને સુધારવામાં મદદ કરશે.
અન્ય ઉદાહરણ તરીકે, ઉર્જા વપરાશ વિશ્લેષણની દ્રષ્ટિએ, સાધન ઉત્પાદન પ્રક્રિયા દરમિયાન તમામ ઉત્પાદન પ્રક્રિયાઓનું કેન્દ્રિય રીતે નિરીક્ષણ કરવા માટે સેન્સરનો ઉપયોગ ઊર્જા વપરાશમાં અસાધારણતા અથવા શિખરો શોધી શકે છે, જેથી ઉત્પાદન પ્રક્રિયા દરમિયાન ઉર્જા વપરાશને ઑપ્ટિમાઇઝ કરી શકાય અને બધી પ્રક્રિયાઓ ઉર્જા વપરાશમાં વધારો કરી શકે. કરવામાં આવશે.વિશ્લેષણ મોટા પ્રમાણમાં ઊર્જા વપરાશ ઘટાડશે.
4. ઔદ્યોગિક પુરવઠા શૃંખલાનું વિશ્લેષણ અને ઑપ્ટિમાઇઝેશન
હાલમાં, ઘણી ઈ-કોમર્સ કંપનીઓ માટે તેમની સપ્લાય ચેઈન્સની સ્પર્ધાત્મકતા વધારવા માટે બિગ ડેટા એનાલિસિસ પહેલેથી જ એક મહત્વપૂર્ણ માધ્યમ છે.
ઉદાહરણ તરીકે, ઈ-કોમર્સ કંપની જિંગડોંગ મોલ અગાઉથી વિવિધ સ્થળોએ માલની માંગનું પૃથ્થકરણ અને અનુમાન કરવા માટે મોટા ડેટાનો ઉપયોગ કરે છે, જેનાથી વિતરણ અને વેરહાઉસિંગની કાર્યક્ષમતામાં સુધારો થાય છે અને બીજા દિવસનો ગ્રાહક અનુભવ સુનિશ્ચિત કરે છે.
RFID અને અન્ય પ્રોડક્ટ ઈલેક્ટ્રોનિક આઈડેન્ટિફિકેશન ટેક્નોલોજી, ઈન્ટરનેટ ઓફ થિંગ્સ ટેકનોલોજી અને મોબાઈલ ઈન્ટરનેટ ટેક્નોલોજી ઔદ્યોગિક સાહસોને સંપૂર્ણ પ્રોડક્ટ સપ્લાય ચેઈનનો મોટો ડેટા મેળવવામાં મદદ કરી શકે છે.વિશ્લેષણ માટે આ ડેટાનો ઉપયોગ કરવાથી વેરહાઉસિંગ, વિતરણ અને વેચાણ કાર્યક્ષમતામાં નોંધપાત્ર વધારો થશે અને નોંધપાત્ર ખર્ચ થશે.ઘટાડો
યુનાઇટેડ સ્ટેટ્સમાં 1,000 થી વધુ મોટા OEM સપ્લાયર્સ છે, જે મેન્યુફેક્ચરિંગ કંપનીઓને 10,000 થી વધુ વિવિધ ઉત્પાદનો પ્રદાન કરે છે.દરેક ઉત્પાદક બજારની આગાહીઓ અને અન્ય વિવિધ ચલો પર આધાર રાખે છે, જેમ કે વેચાણ ડેટા, બજાર માહિતી, પ્રદર્શનો, સમાચાર અને પ્રતિસ્પર્ધી ડેટા , અને તેમના ઉત્પાદનો વેચવા માટે હવામાનની આગાહીઓ પણ.
વેચાણ ડેટા, ઉત્પાદન સેન્સર ડેટા અને સપ્લાયર ડેટાબેઝના ડેટાનો ઉપયોગ કરીને, ઔદ્યોગિક ઉત્પાદન કંપનીઓ વિશ્વના વિવિધ પ્રદેશોમાં માંગની ચોક્કસ આગાહી કરી શકે છે.
કારણ કે ઇન્વેન્ટરી અને વેચાણ કિંમતો ટ્રેક કરી શકાય છે, અને જ્યારે ભાવ ઘટે છે ત્યારે ખરીદી શકાય છે, ઉત્પાદન કંપનીઓ ઘણો ખર્ચ બચાવી શકે છે.
જો તમે ઉત્પાદનમાં શું ખોટું છે અને ક્યાં ભાગોની જરૂર છે તે જાણવા માટે ઉત્પાદનમાં સેન્સર દ્વારા જનરેટ કરાયેલ ડેટાનો પુનઃઉપયોગ કરો છો, તો તેઓ એ પણ અનુમાન કરી શકે છે કે ક્યાં અને ક્યારે ભાગોની જરૂર છે.આ ઇન્વેન્ટરીમાં મોટા પ્રમાણમાં ઘટાડો કરશે અને સપ્લાય ચેઇનને ઑપ્ટિમાઇઝ કરશે.
