I big data industriali sono un concetto nuovo, letteralmente inteso, i big data industriali si riferiscono ai big data generati nell'applicazione delle informazioni industriali.
Con l'integrazione approfondita dell'informatizzazione e dell'industrializzazione, la tecnologia dell'informazione è penetrata in tutti gli anelli della catena industriale delle imprese industriali, come codici a barre, codici QR, RFID, sensori industriali, sistemi di controllo automatico industriale, Internet of Things industriale, ERP, CAD/CAM/CAE/CAI e altre tecnologie sono ampiamente utilizzate nelle imprese industriali.
Soprattutto con l’applicazione delle tecnologie dell’informazione di nuova generazione come Internet, Internet mobile e Internet delle cose nel settore industriale, anche le imprese industriali sono entrate in una nuova fase di sviluppo nel settore Internet e i dati in loro possesso sono aumentati diventare sempre più abbondanti.
L’applicazione dei big data industriali porterà una nuova era di innovazione e trasformazione nelle imprese industriali.Attraverso la percezione del basso costo, la connessione mobile ad alta velocità, il calcolo distribuito e l’analisi avanzata introdotti da Internet e dall’Internet mobile delle cose, la tecnologia dell’informazione e i sistemi industriali globali vengono profondamente integrati, apportando profondi cambiamenti alle industrie globali e innovando il sistema produttivo. R&S e produzione delle imprese., Modalità operative, di marketing e di gestione. Hangao Tech (SEKO Machinery) applica la tecnologia Internet al sistema di controllo del macchinari intelligenti per la produzione di tubi saldati industriali in acciaio inossidabile , in modo che i team tecnici di entrambe le parti possano monitorare i dati di produzione in tempo reale, individuare guasti durante il funzionamento e prevenire arresti.
Pertanto, i problemi e le sfide affrontate dalle applicazioni industriali dei big data non sono inferiori a quelli del settore Internet, e in alcuni casi sono anche più complicati.
Queste imprese industriali innovative in diversi settori hanno portato maggiore velocità, maggiore efficienza e maggiore comprensione.
Le applicazioni tipiche dei big data industriali includono l'innovazione dei prodotti, la diagnosi e la previsione dei guasti dei prodotti, l'analisi IoT delle linee di produzione industriale, l'ottimizzazione della catena di fornitura delle imprese industriali e il marketing di precisione dei prodotti.In questo articolo verranno illustrati uno per uno gli scenari applicativi dei big data industriali nelle imprese manifatturiere.
1. Accelerare l'innovazione dei prodotti
L’interazione e il comportamento delle transazioni tra clienti e imprese industriali genererà una grande quantità di dati.L'estrazione e l'analisi di questi dati dinamici dei clienti può aiutare i clienti a partecipare all'analisi della domanda di prodotto e alle attività di innovazione della progettazione del prodotto e a fornire contributi all'innovazione del prodotto.
Ford è un esempio in questo senso.Hanno applicato la tecnologia dei big data all'innovazione e all'ottimizzazione del prodotto dell'auto elettrica Ford Focus.Questa vettura è diventata una vera e propria 'auto elettrica big data'. La prima generazione di veicoli elettrici Ford Focus generava moltissimi dati durante la guida e il parcheggio.
Durante la guida, il conducente aggiorna continuamente l'accelerazione, la frenata, la ricarica della batteria e le informazioni sulla posizione del veicolo.Ciò è utile per gli automobilisti, ma i dati vengono anche inviati agli ingegneri Ford per comprendere le abitudini di guida del cliente, compreso come, quando e dove effettuare la ricarica.Anche se il veicolo è fermo, continuerà a trasmettere i dati sulla pressione dei pneumatici e sul sistema batteria del veicolo allo smartphone più vicino.
Questo scenario di applicazione Big Data incentrato sul cliente presenta numerosi vantaggi, poiché i Big Data consentono nuovi preziosi metodi di innovazione e collaborazione dei prodotti.Gli automobilisti ottengono informazioni utili e aggiornate, mentre gli ingegneri di Detroit aggregano informazioni sul comportamento di guida per comprendere i clienti, sviluppare piani di miglioramento dei prodotti e implementare nuove innovazioni di prodotto.
Inoltre, le società elettriche e altri fornitori terzi possono analizzare milioni di chilometri di dati di guida per determinare dove costruire nuove stazioni di ricarica e come evitare il sovraccarico della fragile rete.
2. Diagnosi e previsione dei guasti del prodotto
Questo può essere utilizzato per il servizio post-vendita e il miglioramento del prodotto.L’introduzione di sensori onnipresenti e della tecnologia Internet ha reso la diagnosi in tempo reale dei guasti dei prodotti una realtà, mentre le applicazioni di big data e le tecnologie di modellazione e simulazione hanno reso possibile prevederne le dinamiche.
Durante la ricerca della connessione persa dell'MH370 della Malaysia Airlines, i dati operativi del motore ottenuti da Boeing hanno svolto un ruolo chiave nel determinare il percorso della connessione persa dell'aereo.Prendiamo come esempio il sistema aereo Boeing per vedere come le applicazioni Big Data svolgono un ruolo nella diagnosi dei guasti del prodotto.
Sull'aereo Boeing, centinaia di variabili, come motori, sistemi di alimentazione, sistemi idraulici ed elettrici, costituiscono lo stato in volo.Questi dati vengono misurati e inviati in meno di pochi microsecondi.Prendendo ad esempio il Boeing 737, il motore può generare 10 terabyte di dati ogni 30 minuti di volo.
Questi dati non sono solo dati di telemetria ingegneristica che possono essere analizzati in un certo momento in futuro, ma promuovono anche il controllo adattivo in tempo reale, l'utilizzo di carburante, la previsione dei guasti dei componenti e la notifica al pilota, che possono ottenere efficacemente la diagnosi e la previsione dei guasti.
Diamo un'occhiata ad un esempio di General Electric (GE).Il Centro GE Energy Monitoring and Diagnostics (M&D) di Atlanta, negli Stati Uniti, raccoglie dati su migliaia di turbine a gas GE in più di 50 paesi in tutto il mondo ed è in grado di raccogliere dati 10G per i clienti ogni giorno.Analizza il flusso costante di big data proveniente dai segnali di vibrazione e temperatura del sensore nel sistema.Questa analisi dei big data fornirà supporto per la diagnosi e l'allarme tempestivo dei guasti delle turbine a gas di GE.
Il produttore di turbine eoliche Vestas ha anche migliorato la disposizione delle turbine eoliche analizzando in modo incrociato i dati meteorologici e i dati dei contatori delle turbine, aumentando così il livello di potenza in uscita delle turbine eoliche e prolungandone la durata.
3. Applicazione Big Data della linea di produzione IoT industriale
Le moderne linee di produzione industriale sono dotate di migliaia di piccoli sensori per rilevare temperatura, pressione, calore, vibrazioni e rumore.
Poiché i dati vengono raccolti ogni pochi secondi, è possibile realizzare molte forme di analisi utilizzando questi dati, tra cui diagnosi delle apparecchiature, analisi del consumo energetico, analisi del consumo energetico, analisi degli incidenti di qualità (comprese violazioni delle normative di produzione, guasti dei componenti), ecc.
Innanzitutto, in termini di miglioramento del processo produttivo, l’utilizzo di questi big data nel processo produttivo può analizzare l’intero processo produttivo e comprendere come viene eseguito ciascun collegamento.Se un determinato processo si discosta dal processo standard, verrà generato un segnale di allarme, errori o colli di bottiglia potranno essere individuati più rapidamente e il problema potrà essere risolto più facilmente.
Utilizzando la tecnologia dei big data è anche possibile stabilire modelli virtuali del processo di produzione di prodotti industriali, simulare e ottimizzare il processo di produzione.Quando tutti i dati relativi ai processi e alle prestazioni potranno essere ricostruiti nel sistema, questa trasparenza aiuterà i produttori a migliorare i loro processi produttivi.
Per un altro esempio, in termini di analisi del consumo energetico, l'uso di sensori per monitorare centralmente tutti i processi produttivi durante il processo di produzione delle apparecchiature può rilevare anomalie o picchi nel consumo energetico, in modo che il consumo energetico possa essere ottimizzato durante il processo produttivo e tutti i processi possano essere eseguito.L'analisi ridurrà notevolmente il consumo energetico.
4. Analisi e ottimizzazione della filiera industriale
Allo stato attuale, l’analisi dei big data è già un mezzo importante per molte aziende di e-commerce per migliorare la competitività delle loro catene di approvvigionamento.
Ad esempio, la società di e-commerce Jingdong Mall utilizza i big data per analizzare e prevedere in anticipo la domanda di beni in vari luoghi, migliorando così l’efficienza della distribuzione e dello stoccaggio e garantendo l’esperienza del cliente il giorno successivo.
L'RFID e altre tecnologie di identificazione elettronica dei prodotti, la tecnologia Internet of Things e la tecnologia Internet mobile possono aiutare le imprese industriali a ottenere big data di una catena di fornitura di prodotti completa.L'utilizzo di questi dati per l'analisi comporterà un aumento significativo dell'efficienza di stoccaggio, distribuzione e vendita e un costo significativo.declino.
Negli Stati Uniti esistono più di 1.000 grandi fornitori OEM, che forniscono più di 10.000 prodotti diversi alle aziende manifatturiere.Ogni produttore fa affidamento sulle previsioni di mercato e su altre variabili diverse, come dati di vendita, informazioni di mercato, fiere, notizie e dati sulla concorrenza e persino sulle previsioni meteorologiche per vendere i propri prodotti.
Utilizzando i dati di vendita, i dati dei sensori di prodotto e i dati dei database dei fornitori, le aziende manifatturiere industriali possono prevedere con precisione la domanda in diverse regioni del mondo.
Poiché le scorte e i prezzi di vendita possono essere monitorati e possono essere acquistati quando i prezzi scendono, le aziende manifatturiere possono risparmiare molti costi.
Se riutilizzi i dati generati dai sensori nel prodotto per sapere cosa c'è che non va nel prodotto e dove sono necessarie le parti, possono anche prevedere dove e quando sono necessarie le parti.Ciò ridurrà notevolmente le scorte e ottimizzerà la catena di approvvigionamento.
