Industrijski veliki podaci novi su koncept, doslovno shvaćen, industrijski veliki podaci odnose se na velike podatke generirane primjenom industrijskih informacija.
Uz dubinsku integraciju informatizacije i industrijalizacije, informacijska tehnologija prodrla je u sve karike industrijskog lanca industrijskih poduzeća, poput barkodova, QR kodova, RFID-a, industrijskih senzora, industrijskih automatskih sustava upravljanja, industrijskog Interneta stvari, ERP-a, CAD/CAM/CAE/CAI i druge tehnologije naširoko se koriste u industrijskim poduzećima.
Osobito s primjenom informacijskih tehnologija nove generacije kao što su Internet, mobilni Internet i Internet stvari u industrijskom području, industrijska poduzeća također su ušla u novu fazu razvoja internetske industrije, a podaci koje posjeduju industrijska poduzeća su postaju sve obilniji.
Primjena industrijskih velikih podataka donijet će novu eru inovacija i transformacije u industrijska poduzeća.Kroz percepciju niske cijene, mobilnu vezu velike brzine, distribuirano računalstvo i naprednu analizu koju donose Internet i mobilni Internet stvari, informacijska tehnologija i globalni industrijski sustavi duboko su integrirani, donoseći duboke promjene globalnim industrijama i inovirajući Istraživanje i razvoj i proizvodnja poduzeća., Metode rada, marketinga i upravljanja. Hangao Tech (SEKO Machinery) primjenjuje internetsku tehnologiju na sustav upravljanja inteligentni strojevi za izradu industrijskih zavarenih cijevi od nehrđajućeg čelika , tako da tehnički timovi obiju strana mogu pratiti proizvodne podatke u stvarnom vremenu, pronaći greške tijekom rada i spriječiti gašenja.
Stoga problemi i izazovi s kojima se susreću industrijske velike podatkovne aplikacije nisu manji od onih u internetskoj industriji, au nekim su slučajevima čak i kompliciraniji.
Ova inovativna industrijska poduzeća u različitim industrijama donijela su veću brzinu, veću učinkovitost i bolji uvid.
Tipične primjene industrijskih velikih podataka uključuju inovacije proizvoda, dijagnozu i predviđanje grešaka proizvoda, IoT analizu industrijske proizvodne linije, optimizaciju opskrbnog lanca industrijskih poduzeća i marketing preciznosti proizvoda.Ovaj će članak razvrstati scenarije primjene industrijskih velikih podataka u proizvodnim poduzećima jedan po jedan.
1. Ubrzajte inovacije proizvoda
Interakcija i transakcijsko ponašanje između kupaca i industrijskih poduzeća generirat će veliku količinu podataka.Iskopavanje i analiza ovih dinamičkih podataka o kupcima može pomoći korisnicima da sudjeluju u analizi potražnje proizvoda i aktivnostima inovacije dizajna proizvoda te daju doprinos inovacijama proizvoda.
Ford je primjer u tom pogledu.Primijenili su tehnologiju velikih podataka na inovaciju proizvoda i optimizaciju električnog automobila Ford Focus.Ovaj je automobil postao pravi 'električni automobil s velikim podacima'. Prva generacija električnih vozila Ford Focus generirala je mnogo podataka tijekom vožnje i parkiranja.
Tijekom vožnje vozač kontinuirano ažurira informacije o ubrzanju, kočenju, punjenju baterije i lokaciji vozila.Ovo je korisno za vozače, ali se podaci također šalju natrag Fordovim inženjerima kako bi razumjeli vozačke navike korisnika, uključujući kako, kada i gdje puniti.Čak i ako vozilo miruje, nastavit će slati podatke o tlaku u gumama i sustavu akumulatora vozila na najbliži pametni telefon.
Ovaj scenarij primjene velikih podataka usmjeren na korisnika ima mnoge prednosti, jer veliki podaci omogućuju vrijedne nove inovacije proizvoda i metode suradnje.Vozači dobivaju korisne i ažurne informacije, dok inženjeri u Detroitu skupljaju informacije o ponašanju u vožnji kako bi razumjeli kupce, razvili planove poboljšanja proizvoda i implementirali inovacije novih proizvoda.
Štoviše, elektroenergetske tvrtke i drugi dobavljači trećih strana mogu analizirati milijune milja podataka o vožnji kako bi odredili gdje izgraditi nove stanice za punjenje i kako spriječiti preopterećenje osjetljive mreže.
2. Dijagnoza i predviđanje grešaka proizvoda
To se može koristiti za postprodajnu uslugu i poboljšanje proizvoda.Uvođenje sveprisutnih senzora i internetske tehnologije učinilo je dijagnozu grešaka proizvoda u stvarnom vremenu stvarnošću, dok su velike podatkovne aplikacije, modeliranje i simulacijske tehnologije omogućile predviđanje dinamike.
Tijekom potrage za izgubljenom vezom Malaysia Airlinesa MH370 podaci o radu motora do kojih je došao Boeing odigrali su ključnu ulogu u određivanju putanje izgubljene veze zrakoplova.Uzmimo Boeingov zrakoplovni sustav kao slučaj da vidimo kakvu ulogu imaju velike podatkovne aplikacije u dijagnozi grešaka proizvoda.
Na Boeingovim zrakoplovima stotine varijabli, poput motora, sustava goriva, hidraulike i električnih sustava, čine stanje u letu.Ti se podaci mjere i šalju za manje od nekoliko mikrosekundi.Uzimajući za primjer Boeing 737, motor može generirati 10 terabajta podataka svakih 30 minuta leta.
Ovi podaci nisu samo inženjerski telemetrijski podaci koji se mogu analizirati u određenom trenutku u budućnosti, već također promiču prilagodljivu kontrolu u stvarnom vremenu, potrošnju goriva, predviđanje kvara komponenti i obavještavanje pilota, čime se može učinkovito postići dijagnoza i predviđanje greške.
Pogledajmo primjer General Electrica (GE).Centar GE Energy Monitoring and Diagnostics (M&D) u Atlanti, SAD, prikuplja podatke o tisućama GE plinskih turbina u više od 50 zemalja diljem svijeta i može prikupljati 10G podatke za kupce svaki dan.Analizirajte stalni veliki protok podataka iz signala vibracija senzora i temperature u sustavu.Ove velike analize podataka pružit će podršku za dijagnozu i rano upozorenje plinskih turbina tvrtke GE.
Proizvođač vjetroturbina Vestas također je poboljšao raspored vjetroturbina unakrsnom analizom vremenskih podataka i podataka svojih turbina, čime je povećao razinu izlazne snage vjetroturbina i produžio vijek trajanja.
3. Primjena velikih podataka industrijske IoT proizvodne linije
Suvremene proizvodne linije industrijske proizvodnje opremljene su tisućama malih senzora za detekciju temperature, tlaka, topline, vibracija i buke.
Budući da se podaci prikupljaju svakih nekoliko sekundi, korištenjem ovih podataka mogu se realizirati mnogi oblici analize, uključujući dijagnozu opreme, analizu potrošnje energije, analizu potrošnje energije, kvalitetnu analizu nezgoda (uključujući kršenja proizvodnih propisa, kvarove komponenti), itd.
Prije svega, u smislu poboljšanja proizvodnog procesa, korištenje ovih velikih podataka u proizvodnom procesu može analizirati cijeli proizvodni proces i razumjeti kako se svaka veza izvodi.Nakon što određeni proces odstupi od standardnog procesa, generira se alarmni signal, greške ili uska grla mogu se brže pronaći i problem se može lakše riješiti.
Korištenjem big data tehnologije također je moguće uspostaviti virtualne modele proizvodnog procesa industrijskih proizvoda, simulirati i optimizirati proizvodni proces.Kada se svi podaci o procesu i performansama mogu rekonstruirati u sustavu, ova će transparentnost pomoći proizvođačima da poboljšaju svoje proizvodne procese.
Za drugi primjer, u smislu analize potrošnje energije, upotreba senzora za središnje praćenje svih proizvodnih procesa tijekom procesa proizvodnje opreme može pronaći abnormalnosti ili vrhunce u potrošnji energije, tako da se potrošnja energije može optimizirati tijekom proizvodnog procesa i svi procesi mogu biti izvedena.Analiza će uvelike smanjiti potrošnju energije.
4. Analiza i optimizacija industrijskog opskrbnog lanca
Trenutno je analiza velikih podataka već važno sredstvo za mnoge tvrtke u e-trgovini da poboljšaju konkurentnost svojih opskrbnih lanaca.
Na primjer, tvrtka za e-trgovinu Jingdong Mall koristi velike podatke za analizu i predviđanje potražnje za robom na različitim mjestima unaprijed, čime se poboljšava učinkovitost distribucije i skladištenja te osigurava korisničko iskustvo sljedećeg dana.
RFID i druge tehnologije elektroničke identifikacije proizvoda, tehnologija Interneta stvari i mobilna internetska tehnologija mogu pomoći industrijskim poduzećima da dobiju velike podatke o cjelokupnom lancu opskrbe proizvoda.Korištenje ovih podataka za analizu dovest će do značajnog povećanja učinkovitosti skladištenja, distribucije i prodaje te značajnog troška.odbiti.
Postoji više od 1.000 velikih OEM dobavljača u Sjedinjenim Državama, koji proizvođačima isporučuju više od 10.000 različitih proizvoda.Svaki se proizvođač oslanja na tržišne prognoze i druge različite varijable, kao što su podaci o prodaji, informacije o tržištu, izložbe, vijesti i podaci o konkurenciji, pa čak i vremenske prognoze kako bi prodao svoje proizvode.
Koristeći podatke o prodaji, podatke senzora proizvoda i podatke iz baza podataka dobavljača, industrijske proizvodne tvrtke mogu točno predvidjeti potražnju u različitim regijama svijeta.
Budući da se zalihe i prodajne cijene mogu pratiti i mogu kupiti kada cijene padnu, proizvodne tvrtke mogu uštedjeti mnogo troškova.
Ako ponovno upotrijebite podatke koje generiraju senzori u proizvodu kako biste znali što nije u redu s proizvodom i gdje su dijelovi potrebni, oni također mogu predvidjeti gdje i kada su dijelovi potrebni.To će uvelike smanjiti zalihe i optimizirati opskrbni lanac.
