Pramoniniai dideli duomenys yra nauja sąvoka, suprantama pažodžiui, pramoniniai dideli duomenys reiškia didelius duomenis, generuojamus taikant pramoninę informaciją.
Nuodugniai integruojant informatizaciją ir industrializaciją, informacinės technologijos įsiskverbė į visas pramonės įmonių pramonės grandinės grandis, tokias kaip brūkšniniai kodai, QR kodai, RFID, pramoniniai jutikliai, pramoninės automatinės valdymo sistemos, pramoninis daiktų internetas, ERP, CAD/CAM/CAE/ CAI ir kitos technologijos plačiai naudojamos pramonės įmonėse.
Ypač pramonėje pritaikius naujos kartos informacines technologijas, tokias kaip internetas, mobilusis internetas, daiktų internetas, pramonės įmonės taip pat įžengė į naują interneto pramonės raidos etapą, o pramonės įmonių turimi duomenys išaugo. tampa vis gausesni.
Pramoninių didžiųjų duomenų taikymas atneš naują inovacijų ir transformacijos erą pramonės įmonėse.Dėl pigių sąnaudų suvokimo, spartaus mobiliojo ryšio, paskirstyto skaičiavimo ir pažangios analizės, kurią sukuria internetas ir mobilusis daiktų internetas, informacinės technologijos ir pasaulinės pramonės sistemos yra giliai integruojamos, o tai atneša esminių pokyčių pasaulio pramonėje ir diegiant naujoves. Įmonių MTEP ir gamyba., Veiklos, rinkodaros ir valdymo metodai. „Hangao Tech“ (SEKO Machinery) taiko interneto technologiją savo valdymo sistemai Pažangios nerūdijančio plieno pramoninės suvirintų vamzdžių gamybos mašinos , kad abiejų šalių techninės komandos galėtų stebėti gamybos duomenis realiuoju laiku, rasti gedimus veikimo metu ir užkirsti kelią išjungimams.
Todėl problemos ir iššūkiai, su kuriais susiduria pramoninės didelių duomenų taikomosios programos, yra ne mažesni nei interneto pramonės, o kai kuriais atvejais netgi sudėtingesni.
Šios naujoviškos pramonės įmonės įvairiose pramonės šakose padidino greitį, didesnį efektyvumą ir geresnę įžvalgą.
Įprasti pramoninių didelių duomenų pritaikymai apima produktų naujoves, produkto gedimų diagnostiką ir numatymą, pramoninės gamybos linijos IoT analizę, pramonės įmonės tiekimo grandinės optimizavimą ir produkto tikslią rinkodarą.Šiame straipsnyje po vieną bus išnagrinėti pramonės didžiųjų duomenų taikymo scenarijai gamybos įmonėse.
1. Paspartinkite produktų naujoves
Sąveika ir sandorių elgsena tarp klientų ir pramonės įmonių generuos daug duomenų.Šių klientų dinamiškų duomenų gavyba ir analizė gali padėti klientams dalyvauti produktų paklausos analizėje ir produkto dizaino inovacijų veikloje bei prisidėti prie produktų naujovių.
„Ford“ yra pavyzdys šiuo klausimu.Jie pritaikė didžiųjų duomenų technologiją gamindami naujoves ir optimizuodami elektromobilį „Ford Focus“.Šis automobilis tapo tikru 'didžiųjų duomenų elektromobiliu'. Pirmosios kartos Ford Focus elektromobiliai sugeneravo daug duomenų važiuojant ir statant automobilį.
Vairuodamas vairuotojas nuolat atnaujina automobilio greitėjimo, stabdymo, akumuliatoriaus įkrovimo ir vietos informaciją.Tai naudinga vairuotojams, tačiau duomenys taip pat siunčiami atgal „Ford“ inžinieriams, kad jie suprastų kliento vairavimo įpročius, įskaitant tai, kaip, kada ir kur imti mokestį.Net jei transporto priemonė sustoja, ji ir toliau perduos duomenis apie automobilio padangų slėgį ir akumuliatoriaus sistemą į artimiausią išmanųjį telefoną.
Šis į vartotoją orientuotas didelių duomenų taikymo scenarijus turi daug privalumų, nes dideli duomenys įgalina vertingų naujų produktų naujovių ir bendradarbiavimo metodų.Vairuotojai gauna naudingos ir naujausios informacijos, o Detroito inžinieriai kaupia informaciją apie vairavimo elgseną, kad suprastų klientus, parengtų produktų tobulinimo planus ir įdiegtų naujas produktų naujoves.
Be to, energijos įmonės ir kiti trečiųjų šalių tiekėjai gali analizuoti milijonus mylių važiavimo duomenis, kad nustatytų, kur statyti naujas įkrovimo stotis ir kaip išvengti trapios tinklo perkrovos.
2. Gaminio gedimų diagnostika ir numatymas
Tai gali būti naudojama gaminio aptarnavimui po pardavimo ir gaminio tobulinimui.Įdiegus visur esančius jutiklius ir interneto technologijas, gaminių gedimų diagnostika realiuoju laiku tapo realybe, o didelių duomenų programos, modeliavimo ir modeliavimo technologijos leido numatyti dinamiką.
Ieškant nutrūkusio Malaysia Airlines MH370 ryšio, „Boeing“ gauti variklio veikimo duomenys suvaidino pagrindinį vaidmenį nustatant nutrūkusio orlaivio ryšio kelią.Paimkime „Boeing“ orlaivių sistemą kaip pavyzdį, kad pamatytume, kaip didelių duomenų programos atlieka produkto gedimų diagnostiką.
„Boeing“ orlaiviuose skrydžio būseną sudaro šimtai kintamųjų, tokių kaip varikliai, degalų sistemos, hidraulika ir elektros sistemos.Šie duomenys išmatuojami ir išsiunčiami greičiau nei per kelias mikrosekundes.Pavyzdžiui, Boeing 737, variklis gali generuoti 10 terabaitų duomenų kas 30 minučių skrydžio metu.
Šie duomenys yra ne tik inžineriniai telemetrijos duomenys, kuriuos galima analizuoti tam tikru momentu ateityje, bet ir skatina adaptyvųjį valdymą realiuoju laiku, degalų naudojimą, komponentų gedimų numatymą ir piloto pranešimus, kurie gali efektyviai diagnozuoti ir numatyti gedimus.
Pažvelkime į „General Electric“ (GE) pavyzdį.GE Energy Monitoring and Diagnostics (M&D) centras Atlantoje, JAV, renka duomenis apie tūkstančius GE dujų turbinų daugiau nei 50 pasaulio šalių ir kasdien gali rinkti 10G duomenis klientams.Analizuokite nuolatinį didelių duomenų srautą iš jutiklio vibracijos ir temperatūros signalų sistemoje.Ši didelių duomenų analizė padės GE dujų turbinos gedimų diagnostikai ir išankstiniam įspėjimui.
Vėjo turbinų gamintojas „Vestas“ taip pat patobulino vėjo jėgainių išdėstymą kryžminiu būdu analizuodamas oro duomenis ir savo turbinų skaitiklių duomenis, taip padidindamas vėjo jėgainių galios lygį ir pailgindamas jų tarnavimo laiką.
3. Didžiųjų duomenų pritaikymas pramoninei IoT gamybos linijai
Šiuolaikinės pramoninės gamybos gamybos linijos aprūpintos tūkstančiais mažų jutiklių, kurie nustato temperatūrą, slėgį, šilumą, vibraciją ir triukšmą.
Kadangi duomenys renkami kas kelias sekundes, naudojant šiuos duomenis galima atlikti daugybę analizės formų, įskaitant įrangos diagnostiką, energijos suvartojimo analizę, energijos suvartojimo analizę, kokybės nelaimingų atsitikimų analizę (įskaitant gamybos taisyklių pažeidimus, komponentų gedimus) ir kt.
Visų pirma, kalbant apie gamybos proceso tobulinimą, naudojant šiuos didelius duomenis gamybos procese galima išanalizuoti visą gamybos procesą ir suprasti, kaip vykdoma kiekviena grandis.Tam tikram procesui nukrypus nuo standartinio proceso, bus sugeneruotas aliarmo signalas, greičiau randamos klaidos ar kliūtys, o problema bus lengviau išspręsta.
Naudojant didžiųjų duomenų technologiją, taip pat galima nustatyti virtualius pramoninių produktų gamybos proceso modelius, imituoti ir optimizuoti gamybos procesą.Kai sistemoje bus galima atkurti visus proceso ir veikimo duomenis, šis skaidrumas padės gamintojams tobulinti gamybos procesus.
Kitas pavyzdys, kalbant apie energijos suvartojimo analizę, naudojant jutiklius, skirtus centralizuotai stebėti visus gamybos procesus įrangos gamybos proceso metu, galima aptikti energijos suvartojimo nukrypimų arba smailių, kad būtų galima optimizuoti energijos suvartojimą gamybos proceso metu ir visus procesus. būti atliktas.Analizė labai sumažins energijos sąnaudas.
4. Pramonės tiekimo grandinės analizė ir optimizavimas
Šiuo metu didelių duomenų analizė jau yra svarbi priemonė daugeliui elektroninės prekybos įmonių, siekiant padidinti savo tiekimo grandinių konkurencingumą.
Pavyzdžiui, elektroninės prekybos įmonė „Jingdong Mall“ iš anksto analizuoja ir prognozuoja prekių paklausą įvairiose vietose, naudodama didžiuosius duomenis, taip pagerindama paskirstymo ir sandėliavimo efektyvumą bei užtikrindama kitos dienos klientų patirtį.
RFID ir kitų gaminių elektroninio identifikavimo technologija, daiktų interneto technologija ir mobiliojo interneto technologija gali padėti pramonės įmonėms gauti didelius duomenis apie visą produkto tiekimo grandinę.Naudojant šiuos duomenis analizei labai padidės sandėliavimo, paskirstymo ir pardavimo efektyvumas bei didelės išlaidos.nuosmukis.
Jungtinėse Amerikos Valstijose yra daugiau nei 1000 didelių OEM tiekėjų, tiekiančių daugiau nei 10000 skirtingų produktų gamybos įmonėms.Kiekvienas gamintojas, norėdamas parduoti savo produktus, remiasi rinkos prognozėmis ir kitais skirtingais kintamaisiais, tokiais kaip pardavimo duomenys, rinkos informacija, parodos, naujienos, konkurentų duomenys ir net orų prognozės.
Naudodamos pardavimo duomenis, gaminių jutiklių duomenis ir duomenis iš tiekėjų duomenų bazių, pramonės gamybos įmonės gali tiksliai numatyti paklausą skirtinguose pasaulio regionuose.
Kadangi atsargų ir pardavimo kainas galima sekti, o jas įsigyti nukritus kainoms, gamybos įmonės gali sutaupyti daug išlaidų.
Jei pakartotinai naudojate gaminio jutiklių sugeneruotus duomenis, kad sužinotumėte, kas su gaminiu negerai ir kur reikia dalių, jie taip pat gali numatyti, kur ir kada reikia dalių.Tai labai sumažins atsargas ir optimizuos tiekimo grandinę.
