산업 빅 데이터는 문자 그대로 이해되는 새로운 개념으로, 산업 빅 데이터는 산업 정보의 적용에서 생성 된 빅 데이터를 나타냅니다.
정보화 및 산업화의 심층적 인 통합으로 정보 기술은 바코드, QR 코드, RFID, 산업용 센서, 산업 자동 제어 시스템, 산업용 사물 인터넷, CAD/CAM/CAE/CAI 및 기타 기술과 같은 산업 기업 체인의 모든 링크에 침투했습니다.
특히 산업 분야의 인터넷, 모바일 인터넷 및 사물 인터넷과 같은 새로운 세대 정보 기술을 적용함으로써 산업 기업은 인터넷 산업의 새로운 개발 단계에 들어갔고 산업 기업이 보유한 데이터는 점점 더 풍부 해졌습니다.
산업 빅 데이터의 적용은 산업 기업에서 새로운 혁신과 변화의 시대를 가져올 것입니다. 인터넷 및 모바일 사물 인터넷에 의해 제기 된 고속 모바일 연결, 분산 컴퓨팅 및 고급 분석을 통해 정보 기술 및 글로벌 산업 시스템이 깊이 통합되어 글로벌 산업에 심각한 변화를 가져오고 R & D 및 기업 생산을 혁신하고 있습니다. , 운영, 마케팅 및 관리 방법. Hangao Tech (Seko Machinery)는 인터넷 기술을 제어 시스템에 적용합니다. 지능형 스테인레스 스틸 산업용 용접 파이프 제작 기계를 만들어 양 당사자의 기술 팀이 생산 데이터를 실시간으로 모니터링하고 운영 중 결함을 찾고 셧다운을 방지 할 수 있습니다.
따라서 산업 빅 데이터 애플리케이션이 직면 한 문제와 과제는 인터넷 산업의 문제보다 적지 않으며 경우에 따라 더욱 복잡합니다.
다양한 산업 분야의 이러한 혁신적인 산업 기업은 더 빠른 속도, 더 높은 효율성 및 더 높은 통찰력을 가져 왔습니다.
산업 빅 데이터의 일반적인 응용 프로그램에는 제품 혁신, 제품 결함 진단 및 예측, 산업 생산 라인 IoT 분석, 산업용 기업 공급망 최적화 및 제품 정밀 마케팅이 포함됩니다. 이 기사는 제조 기업의 산업 빅 데이터의 응용 프로그램 시나리오를 하나씩 분류합니다.
1. 제품 혁신을 가속화합니다
고객과 산업 기업 간의 상호 작용 및 거래 행동은 많은 양의 데이터를 생성 할 것입니다. 이러한 고객 동적 데이터를 채굴하고 분석하면 고객이 제품 수요 분석 및 제품 설계 혁신 활동에 참여하고 제품 혁신에 기여할 수 있습니다.
포드는 이와 관련하여 예입니다. 그들은 빅 데이터 기술을 제품 혁신과 포드 포커스 전기 자동차의 최적화에 적용했습니다. 이 자동차는 진정한 '빅 데이터 전기 자동차가되었습니다. '1 세대 포드 포커스 전기 자동차는 운전 및 주차 할 때 많은 데이터를 생성했습니다.
운전 중에 운전자는 차량의 가속, 제동, 배터리 충전 및 위치 정보를 지속적으로 업데이트합니다. 이는 운전자에게 유용하지만 데이터는 포드 엔지니어에게 다시 전송되어 고객의 운전 습관을 이해하는 방법,시기 및 요금을 포함하여 고객의 운전 습관을 이해합니다. 차량이 정지 상태이더라도 차량의 타이어 압력 및 배터리 시스템에 대한 데이터를 가장 가까운 스마트 폰으로 계속 전송합니다.
이 고객 중심의 빅 데이터 애플리케이션 시나리오는 빅 데이터가 귀중한 신제품 혁신 및 협업 방법을 가능하게하기 때문에 많은 이점이 있습니다. 운전자는 유용하고 최신 정보를 얻는 반면 디트로이트의 엔지니어는 고객을 이해하고 제품 개선 계획을 개발하며 새로운 제품 혁신을 구현하기위한 행동 운전에 대한 정보를 집계합니다.
또한 전력 회사 및 기타 타사 공급 업체는 수백만 마일의 운전 데이터를 분석하여 새로운 충전소를 구축 할 위치와 연약한 그리드가 과부하를 방지하는 방법을 결정할 수 있습니다.
2. 제품 고장 진단 및 예측
이는 제품 후 판매 서비스 및 제품 개선에 사용할 수 있습니다. 유비쿼터스 센서와 인터넷 기술의 도입은 제품 결함에 대한 실시간 진단을 현실로 만들었으며, 빅 데이터 애플리케이션, 모델링 및 시뮬레이션 기술로 인해 역학을 예측할 수있었습니다.
말레이시아 항공 MH370의 연결 손실을 찾는 동안 Boeing이 얻은 엔진 작동 데이터는 항공기의 연결 손실 경로를 결정하는 데 중요한 역할을했습니다. 보잉 항공기 시스템을 빅 데이터 응용 프로그램이 제품 결함 진단에서 어떻게 중요한 역할을하는지 확인합시다.
Boeing의 항공기에서 엔진, 연료 시스템, 유압 및 전기 시스템과 같은 수백 가지 변수가 기내 상태를 구성합니다. 이 데이터는 몇 마이크로 초 미만으로 측정되어 전송됩니다. 보잉 737을 예로 들어, 엔진은 비행 중 30 분마다 10 테라 바이트의 데이터를 생성 할 수 있습니다.
이러한 데이터는 향후 특정 시점에서 분석 할 수있는 엔지니어링 원격 측정 데이터 일뿐 만 아니라 실시간 적응 제어, 연료 사용량, 구성 요소 고장 예측 및 파일럿 알림을 촉진하여 결함 진단 및 예측을 효과적으로 달성 할 수 있습니다.
General Electric (GE)의 예를 살펴 보겠습니다. 미국 애틀랜타에있는 GE 에너지 모니터링 및 진단 (M & D) 센터는 전 세계 50 개 이상의 국가에서 수천 개의 GE 가스 터빈에 대한 데이터를 수집하고 매일 고객을위한 10G 데이터를 수집 할 수 있습니다. 시스템의 센서 진동 및 온도 신호에서 일정한 빅 데이터 흐름을 분석하십시오. 이 빅 데이터 분석은 GE의 가스 터빈 결함 진단 및 조기 경고를 지원할 것입니다.
풍력 터빈 제조업체 인 Vestas는 또한 날씨 데이터와 터빈 미터 데이터를 교차 분석하여 풍력 터빈의 레이아웃을 개선하여 풍력 터빈의 전력 출력 수준을 높이고 서비스 수명을 확장했습니다.
3. 산업 IoT 생산 라인의 빅 데이터 응용
현대 산업 제조 생산 라인에는 온도, 압력, 열, 진동 및 소음을 감지하기 위해 수천 개의 작은 센서가 장착되어 있습니다.
몇 초마다 데이터가 수집되므로 장비 진단, 전력 소비 분석, 에너지 소비 분석, 품질 사고 분석 (생산 규정 위반, 구성 요소 실패 등)을 포함하여 이러한 데이터를 사용하여 여러 형태의 분석을 실현할 수 있습니다.
우선, 생산 공정 개선 측면에서 생산 공정에서 이러한 빅 데이터를 사용하면 전체 생산 공정을 분석하고 각 링크가 어떻게 실행되는지 이해할 수 있습니다. 특정 프로세스가 표준 프로세스에서 벗어나면 경보 신호가 생성되고 오류 또는 병목 현상을 더 빨리 찾을 수 있으며 문제를보다 쉽게 해결할 수 있습니다.
빅 데이터 기술을 사용하여 산업 제품 생산 공정의 가상 모델을 설정하고 생산 공정을 시뮬레이션하고 최적화 할 수도 있습니다. 시스템에서 모든 프로세스 및 성능 데이터를 재구성 할 수있는 경우이 투명성은 제조업체가 생산 공정을 개선하는 데 도움이됩니다.
다른 예를 들어, 에너지 소비 분석 측면에서, 장비 생산 공정에서 모든 생산 공정을 중앙에서 모니터링하기 위해 센서를 사용하면 에너지 소비의 이상 또는 피크를 찾을 수 있으므로 생산 공정 중에 에너지 소비를 최적화하고 모든 공정을 수행 할 수 있습니다. 분석은 에너지 소비를 크게 줄입니다.
4. 산업 공급망의 분석 및 최적화
현재 빅 데이터 분석은 이미 많은 전자 상거래 회사가 공급망의 경쟁력을 향상시키는 데 중요한 수단입니다.
예를 들어, 전자 상거래 회사 인 Jingdong Mall은 빅 데이터를 사용하여 다양한 장소의 상품 수요를 미리 분석하고 예측하여 유통 및 창고의 효율성을 향상시키고 다음 날의 고객 경험을 보장합니다.
RFID 및 기타 제품 전자 식별 기술, 사물 인터넷 기술 및 모바일 인터넷 기술은 산업 기업이 완벽한 제품 공급망의 빅 데이터를 얻는 데 도움이 될 수 있습니다. 이 데이터를 분석에 사용하면 창고, 유통 및 판매 효율성과 상당한 비용이 크게 증가합니다. 감소.
미국에는 1,000 개 이상의 대형 OEM 공급 업체가 있으며 제조 회사에 10,000 개 이상의 다른 제품을 제공합니다. 각 제조업체는 판매 데이터, 시장 정보, 전시회, 뉴스 및 경쟁자 데이터와 같은 시장 예측 및 기타 다양한 변수, 심지어 제품 판매를위한 일기 예보에 의존합니다.
산업 제조 회사는 판매 데이터, 제품 센서 데이터 및 공급 업체 데이터베이스의 데이터를 사용하여 세계의 여러 지역에서 수요를 정확하게 예측할 수 있습니다.
재고 및 판매 가격을 추적 할 수 있고 가격이 하락할 때 구매할 수 있으므로 제조 회사는 많은 비용을 절약 할 수 있습니다.
제품의 센서에서 생성 된 데이터를 재사용하여 제품에 무엇이 잘못되었는지 및 부품이 필요한 위치를 알면 부품이 언제 어디서 필요한지 예측할 수 있습니다. 이는 재고를 크게 줄이고 공급망을 최적화합니다.
