Industrijski veliki podaci novi su koncept, doslovno razumljivi, industrijski veliki podaci odnose se na velike podatke generirane u primjeni industrijskih informacija.
S dubinskom integracijom informatizacije i industrijalizacije, informacijska tehnologija prodirala je u sve veze industrijskog lanca industrijskih poduzeća, poput barkodova, QR kodova, RFID-a, industrijskih senzora, industrijskih automatskih kontrolnih sustava, industrijskih interneta, ERP, CAD/CAE/CAE/CAI INSTURUSISE INSTURISTILNO.
Osobito s primjenom informacijskih tehnologija nove generacije kao što su Internet, mobilni internet i Internet stvari u industrijskom polju, Industrijska poduzeća su također ušla u novu fazu razvoja u internetskoj industriji, a podaci koje imaju industrijska poduzeća postaju sve u izobiljnijim.
Primjena industrijskih velikih podataka donijet će novu eru inovacija i transformacije u industrijskim poduzećima. Kroz jeftinu percepciju, brza mobilna veza, distribuirano računanje i naprednu analizu koju su donijeli internet i mobilni Internet stvari, informacijska tehnologija i globalni industrijski sustavi duboko su integrirani, donoseći duboke promjene u globalnoj industriji i inovirajući istraživanje i razvoj poduzeća. , Metode rada, marketinga i upravljanja. Hangao Tech (Seko Machinery) primjenjuje internetsku tehnologiju na upravljački sustav Inteligentni industrijski zavareni strojevi za izradu cijevi od nehrđajućeg čelika , tako da tehnički timovi obje strane mogu nadzirati proizvodne podatke u stvarnom vremenu, pronaći greške tijekom rada i spriječiti gašenje.
Stoga, problemi i izazovi s kojima se suočavaju industrijske aplikacije velikih podataka nisu manji od one u internetskoj industriji, a u nekim su slučajevima još složeniji.
Ova inovativna industrijska poduzeća u različitim industrijama donijela su bržu brzinu, veću učinkovitost i veći uvid.
Tipične primjene industrijskih velikih podataka uključuju inovaciju proizvoda, dijagnozu i predviđanje grešaka proizvoda, IoT analizu industrijske proizvodnje, optimizaciju industrijskog poduzeća optimizacije lanca opskrbe i precizni marketing proizvoda. Ovaj će članak razvrstati scenarije aplikacije industrijskih velikih podataka u proizvodnim poduzećima jedan po jedan.
1. Ubrzajte inovaciju proizvoda
Ponašanje interakcije i transakcije između kupaca i industrijskih poduzeća stvorit će veliku količinu podataka. Rudarstvo i analiza ovih dinamičnih podataka korisnika mogu pomoći kupcima da sudjeluju u analizi potražnje proizvoda i inovacijskim aktivnostima dizajna proizvoda i doprinosu 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 istinski 'Big Data Električni automobil.
Tijekom vožnje vozač kontinuirano ažurira ubrzanje, kočenje, punjenje baterije i podatke o lokaciji. Ovo je korisno za vozače, ali podaci se također šalju natrag u Fordove inženjere kako bi razumjeli kupčeve vozačke navike, uključujući kako, kada i gdje napuniti. Čak i ako se vozilo zaustavi, nastavit će prenositi podatke na tlaku guma i baterijskog sustava vozila na najbliži pametni telefon.
Ovaj scenarij aplikacije velikih podataka usmjeren na kupca ima mnogo prednosti, jer veliki podaci omogućuju vrijedne inovacije i suradnje novih proizvoda. Vozači dobivaju korisne i ažurirane informacije, dok inženjeri u Detroitu skupljaju informacije o ponašanju u vožnji kako bi razumjeli kupce, razvili planove poboljšanja proizvoda i implementirali nove inovacije proizvoda.
Nadalje, elektroenergetske tvrtke i drugi dobavljači trećih strana mogu analizirati milijune kilometara podataka o vožnji kako bi utvrdili gdje izgraditi nove stanice za punjenje i kako spriječiti da krhka mreža preopterećuje.
2. Dijagnoza i predviđanje grešaka proizvoda
To se može koristiti za uslugu i poboljšanje proizvoda nakon prodaje proizvoda. Uvođenje sveprisutnih senzora i internetske tehnologije učinilo je dijagnozu grešaka u stvarnom vremenu stvarnost, dok su aplikacije velikih podataka, tehnologije modeliranja i simulacije omogućile predviđanje dinamike.
Tijekom potrage za izgubljenom vezom Malaysia Airlines MH370, podaci o radu motora dobiveni od Boeing -a igrali su ključnu ulogu u određivanju puta izgubljene veze zrakoplova. Uzmimo sustav zrakoplova Boeing kao slučaj da vidimo kako velike aplikacije podataka igraju ulogu u dijagnozi grešaka proizvoda.
Na Boeingovim zrakoplovima stotine varijabli, poput motora, sustava za gorivo, hidraulike i električnih sustava, čine stanje u letu. Ti se podaci mjere i šalju u manje od nekoliko mikrosekundi. Uzimajući primjer Boeing 737, motor može generirati 10 terabajta podataka svakih 30 minuta u letu.
Ovi podaci nisu samo podaci o inženjerskoj telemetriji koji se u budućnosti mogu analizirati u određenom trenutku, već i promiču adaptivnu kontrolu u stvarnom vremenu, korištenje goriva, predviđanje neuspjeha komponenata i obavijest pilota, što može učinkovito postići dijagnozu i predviđanje grešaka.
Pogledajmo primjer General Electric (GE). Centar za nadzor i dijagnostiku energije GE (M&D) u Atlanti u SAD -u prikuplja podatke o tisućama GE plinskih turbina u više od 50 zemalja svijeta i može prikupiti 10 g podataka za kupce svaki dan. Analizirajte konstantni veliki protok podataka iz vibracija senzora i temperaturnih signala u sustavu. Ove velike analize podataka pružit će potporu dijagnozi GE -ove plinske turbine i rano upozorenje.
Proizvođač vjetroagregata Vestas također je poboljšao izgled vjetroagregata unakrsnim analizirajućim vremenskim podacima i njegovim podacima o mjeraču turbine, povećavajući tako razinu izlazne snage vjetroagregata i produžujući radni vijek.
3. Primjena velikih podataka industrijske IoT proizvodne linije
Suvremene industrijske proizvodne linije opremljene su tisućama malih senzora za otkrivanje temperature, tlaka, topline, vibracija i buke.
Budući da se podaci prikupljaju svakih nekoliko sekundi, mnogi se oblici analize mogu realizirati korištenjem ovih podataka, uključujući dijagnozu opreme, analizu potrošnje energije, analizu potrošnje energije, analizu nesreća u kvaliteti (uključujući kršenje proizvodnih propisa, kvarove komponenti), itd.
Prije svega, u smislu poboljšanja procesa proizvodnje, korištenje ovih velikih podataka u proizvodnom procesu može analizirati cjelokupni proizvodni proces i razumjeti kako se svaka veza izvršava. Jednom kada određeni postupak odstupi od standardnog postupka, generirat će se alarmni signal, pogreške ili uska grla mogu se brže pronaći, a problem se može lakše riješiti.
Koristeći tehnologiju velikih podataka, također je moguće uspostaviti virtualne modele proizvodnog procesa industrijskih proizvoda, simulirati i optimizirati proizvodni proces. Kad se svi podaci o procesima i performansi mogu rekonstruirati u sustavu, ta će transparentnost pomoći proizvođačima da poboljšaju svoje proizvodne procese.
Za drugi primjer, u smislu analize potrošnje energije, upotreba senzora za centralno nadgledanje svih proizvodnih procesa tijekom procesa proizvodnje opreme može pronaći abnormalnosti ili vrhove u potrošnji energije, tako da se potrošnja energije može optimizirati tijekom proizvodnog procesa i svi procesi se mogu izvesti. Analiza će uvelike smanjiti potrošnju energije.
4. Analiza i optimizacija industrijskog lanca opskrbe
Trenutno je analiza velikih podataka već važno sredstvo za mnoge tvrtke za e-trgovinu kako bi poboljšale konkurentnost svojih lanaca opskrbe.
Na primjer, tvrtka za e-trgovinu Jingdong Mall koristi velike podatke za analizu i predviđanje potražnje za robom na različitim mjestima unaprijed, poboljšavajući na taj način učinkovitost distribucije i skladišta, te osiguravanje korisničkog iskustva od sljedećeg dana.
RFID i drugi proizvod elektroničke identifikacijske tehnologije, tehnologija Internet of Things i tehnologija mobilnog interneta mogu pomoći industrijskim poduzećima u dobivanju velikih podataka o cjelovitom lancu opskrbe proizvoda. Korištenje ovih podataka za analizu dovet će do značajnog porasta učinkovitosti skladištenja, distribucije i prodaje i značajnih troškova. pad.
U Sjedinjenim Državama postoji više od 1.000 velikih dobavljača OEM -a, što proizvodnim kompanijama pruža više od 10 000 različitih proizvoda. Svaki se proizvođač oslanja na prognoze tržišta i druge različite varijable, poput podataka o prodaji, tržišnih informacija, izložbi, vijesti i podataka o konkurenciji, pa čak i vremenske prognoze za prodaju svojih proizvoda.
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, a mogu se kupiti kada cijene padnu, proizvodne tvrtke mogu uštedjeti puno 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 su i kada dijelovi potrebni. To će uvelike smanjiti zalihe i optimizirati opskrbni lanac.
