I big data industriali sono un nuovo concetto, letteralmente inteso, i big data industriali si riferiscono ai big data generati nell'applicazione di informazioni industriali.
Con l'integrazione approfondita dell'informatizzazione e dell'industrializzazione, la tecnologia dell'informazione è penetrata in tutti i collegamenti della catena industriale di imprese industriali, come codici a barre, codici QR, RFID, sensori industriali, sistemi di controllo automatico industriale, Internet industriale delle cose, ERP, CAD/CAE/CAI e altre tecnologie sono ampiamente utilizzate nelle imprese industriali.
Soprattutto con l'applicazione di tecnologie di informazione di nuova generazione come Internet, Internet mobile e Internet of Things nel campo industriale, anche le imprese industriali sono entrate in una nuova fase di sviluppo nel settore di Internet e i dati detenuti dalle imprese industriali sono diventati sempre più abbondanti.
L'applicazione dei big data industriali porterà una nuova era di innovazione e trasformazione nelle imprese industriali. Attraverso la percezione a basso costo, la connessione mobile ad alta velocità, il calcolo distribuito e l'analisi avanzata provocate da Internet e Internet delle cose mobili, la tecnologia dell'informazione e i sistemi industriali globali sono profondamente integrati, portando profondi cambiamenti alle industrie globali e innovando la R&S e la produzione di imprese. , Metodi di funzionamento, marketing e gestione. Hangao Tech (Seko Machinery) applica la tecnologia Internet al sistema di controllo del Macchinari di creazione di tubi industriali in acciaio inossidabile intelligente , in modo che i team tecnici di entrambe le parti possano monitorare i dati di produzione in tempo reale, trovare guasti durante il funzionamento e prevenire arresti.
Pertanto, i problemi e le sfide affrontate dalle applicazioni industriali di big data non sono inferiori a quelli dell'industria Internet e in alcuni casi sono ancora più complicati.
Queste imprese industriali innovative in diversi settori hanno portato a velocità, maggiore efficienza e approfondimenti più elevati.
Le applicazioni tipiche dei big data industriali includono l'innovazione del prodotto, la diagnosi di guasti del prodotto e la previsione, l'analisi della linea di produzione industriale, l'ottimizzazione della catena di approvvigionamento delle imprese industriali e il marketing di precisione del prodotto. Questo articolo risolverà gli scenari di applicazione dei big data industriali nelle imprese manifatturiere uno per uno.
1. Accelerare l'innovazione del prodotto
L'interazione e il comportamento delle transazioni tra clienti e imprese industriali genereranno una grande quantità di dati. Il mining e l'analisi di questi dati dinamici dei clienti possono aiutare i clienti a partecipare all'analisi della domanda di prodotto e alle attività di innovazione della progettazione del prodotto e a dare 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 un'auto elettrica in vere Big Data. 'La prima generazione di veicoli elettrici Ford Focus ha generato molti 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 i conducenti, ma i dati vengono anche inviati agli ingegneri Ford per comprendere le abitudini di guida del cliente, incluso come, quando e dove addebitare. Anche se il veicolo si ferma, continuerà a trasmettere dati sulla pressione dei pneumatici e sul sistema della batteria del veicolo allo smartphone più vicino.
Questo scenario di applicazione dei big data incentrato sul cliente ha molti vantaggi, perché i big data consentono preziosi nuovi metodi di innovazione e collaborazione di nuovi prodotti. I conducenti ottengono informazioni utili e aggiornate, mentre gli ingegneri di Detroit aggregano informazioni sul comportamento di guida per comprendere i clienti, sviluppare piani di miglioramento del prodotto e implementare nuove innovazioni di prodotti.
Inoltre, le compagnie elettriche e altri fornitori di terze parti possono analizzare milioni di miglia di dati di guida per determinare dove costruire nuove stazioni di ricarica e come impedire il sovraccarico della fragile griglia.
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 tecnologia Internet ha reso la diagnosi in tempo reale dei guasti del prodotto in realtà, mentre le applicazioni di big data, le tecnologie di modellazione e simulazione hanno permesso di prevedere le dinamiche.
Durante la ricerca della connessione persa della Malesia Airlines MH370, i dati operativi del motore ottenuti da Boeing hanno svolto un ruolo chiave nel determinare il percorso della connessione perduta dell'aeromobile. Prendiamo il sistema di aeromobili Boeing come caso per vedere come le applicazioni di big data svolgono un ruolo nella diagnosi dei guasti del prodotto.
Sull'aereo di Boeing, centinaia di variabili, come motori, sistemi di carburante, idraulica e sistemi elettrici, costituiscono lo stato in volo. Questi dati vengono misurati e inviati in meno di pochi microsecondi. Prendendo il Boeing 737 come esempio, il motore può generare 10 terabyte di dati ogni 30 minuti in volo.
Questi dati non sono solo dati di telemetria ingegneristica che possono essere analizzati in un certo punto in futuro, ma promuovono anche il controllo adattivo in tempo reale, l'utilizzo del carburante, la previsione del fallimento dei componenti e la notifica pilota, che possono effettivamente raggiungere la diagnosi e la previsione dei guasti.
Diamo un'occhiata a un esempio di General Electric (GE). Il centro di monitoraggio e diagnostica dell'energia GE (M&D) di Atlanta, USA, raccoglie dati su migliaia di turbine a gas GE in oltre 50 paesi in tutto il mondo e può raccogliere dati 10G per i clienti ogni giorno. Analizzare il flusso costante dei big data dai segnali di vibrazione e temperatura del sensore nel sistema. Queste analisi dei Big Data forniranno supporto per la diagnosi di guasti della turbina a gas di GE e l'avvertimento precoce.
Il produttore di turbine eoliche Vestas ha anche migliorato il layout delle turbine eoliche mediante i dati meteorologici analizzati e i suoi dati del contatore della turbina, aumentando così il livello di potenza delle turbine eoliche e estendendo la durata di servizio.
3. Big Data Applicazione della linea di produzione IoT industriale
Le moderne linee di produzione di produzione industriale sono dotate di migliaia di piccoli sensori per rilevare temperatura, pressione, calore, vibrazione e rumore.
Poiché i dati vengono raccolti ogni pochi secondi, molte forme di analisi possono essere realizzate utilizzando questi dati, tra cui la diagnosi delle apparecchiature, l'analisi del consumo di energia, l'analisi del consumo di energia, l'analisi degli incidenti di qualità (comprese le violazioni delle norme di produzione, i guasti dei componenti), ecc.
Innanzitutto, in termini di miglioramento del processo di produzione, l'utilizzo di questi big data nel processo di produzione può analizzare l'intero processo di produzione e comprendere come viene eseguito ciascun collegamento. Una volta che un determinato processo si discosta dal processo standard, verrà generato un segnale di allarme, gli errori o i colli di bottiglia possono essere trovati più rapidamente e il problema può essere risolto più facilmente.
Utilizzando la tecnologia dei big data, è anche possibile stabilire modelli virtuali del processo di produzione dei prodotti industriali, simulare e ottimizzare il processo di produzione. Quando tutti i dati di processo e prestazioni possono essere ricostruiti nel sistema, questa trasparenza aiuterà i produttori a migliorare i loro processi di produzione.
Per un altro esempio, in termini di analisi del consumo di energia, l'uso di sensori per monitorare centralmente tutti i processi di produzione durante il processo di produzione dell'attrezzatura può trovare anomalie o picchi nel consumo di energia, in modo che il consumo di energia possa essere ottimizzato durante il processo di produzione e tutti i processi possono essere eseguiti. L'analisi ridurrà notevolmente il consumo di energia.
4. Analisi e ottimizzazione della catena di approvvigionamento industriale
Al momento, 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 merci in vari luoghi, migliorando così l'efficienza della distribuzione e del deposito e garantendo l'esperienza del cliente del giorno successivo.
La tecnologia di identificazione elettronica RFID e altri prodotti, la tecnologia Internet of Things e la tecnologia Internet mobile possono aiutare le imprese industriali a ottenere i big data di una catena di fornitura completa del prodotto. L'uso di questi dati per l'analisi porterà un aumento significativo del deposito, della distribuzione e dell'efficienza delle vendite e un costo significativo. declino.
Ci sono più di 1.000 grandi fornitori OEM negli Stati Uniti, che forniscono oltre 10.000 prodotti diversi alle aziende manifatturiere. Ogni produttore si basa su previsioni di mercato e altre diverse variabili, come dati di vendita, informazioni di mercato, mostre, notizie e dati concorrenti e persino previsioni meteorologiche per vendere i loro prodotti.
Utilizzando i dati di vendita, i dati del sensore di prodotto e i dati dei database dei fornitori, le aziende manifatturiere industriali possono prevedere accuratamente la domanda in diverse regioni del mondo.
Poiché i prezzi dell'inventario e delle vendite possono essere monitorati e possono essere acquistati quando i prezzi diminuiscono, le aziende manifatturiere possono risparmiare molti costi.
Se si riutilizzano i dati generati dai sensori nel prodotto per sapere cosa c'è di sbagliato nel prodotto e dove sono necessarie parti, possono anche prevedere dove e quando sono necessarie parti. Ciò ridurrà notevolmente l'inventario e ottimizzerà la catena di approvvigionamento.
