Индустриските големи податоци се нов концепт, буквално разбрано, индустриските големи податоци се однесуваат на големите податоци генерирани во примената на индустриските информации.
Со деталната интеграција на информатизацијата и индустријализацијата, информатичката технологија навлезе во сите врски на индустрискиот ланец на индустриски претпријатија, како што се баркодови, QR кодови, РФИД, индустриски сензори, индустриски системи за автоматска контрола, индустриски Интернет на нештата, ERP, CAD/CAM/CAE/CAI и други технологии се широко користени во индустриските претпријатија.
Особено со примената на информативните технологии за нова генерација, како што се Интернет, мобилен интернет и Интернет на нештата во индустриското поле, индустриските претпријатија исто така влегоа во нова фаза на развој во Интернет-индустријата, а податоците што ги чуваат индустриските претпријатија станаа сè пообилни.
Примената на индустриските големи податоци ќе донесе нова ера на иновации и трансформација во индустриските претпријатија. Преку ниската цена на перцепцијата, брзата мобилна врска, дистрибуираната компјутерска и напредната анализа донесена од Интернет и мобилниот интернет на нештата, информатичката технологија и глобалните индустриски системи се длабоко интегрирани, носат длабоки промени во глобалните индустрии и иновации на R&D и производство на претпријатија. , Операција, маркетинг и управување со методи. Hangao Tech (SEKO Machinery) ја применува интернет -технологијата на контролниот систем на Интелигентни машини за правење цевки со интелигентни не'рѓосувачки челик , така што техничките тимови на обете страни можат да ги следат податоците за производство во реално време, да најдат грешки за време на работата и да спречат исклучување.
Затоа, проблемите и предизвиците со кои се соочуваат индустриските апликации за големи податоци не се помалку од оние на Интернет -индустријата, а во некои случаи и тие се уште покомплицирани.
Овие иновативни индустриски претпријатија во различни индустрии донесоа побрза брзина, поголема ефикасност и повисок увид.
Типични апликации на индустриски големи податоци вклучуваат иновации на производи, дијагностицирање и предвидување на дефекти на производи, линија за индустриско производство IoT, оптимизација на синџирот на снабдување со индустриски претпријатија и маркетинг на прецизност на производот. Оваа статија ќе ги среди сценаријата на апликации на индустриските големи податоци во производствените претпријатија еден по еден.
1. Забрзајте ја иновацијата на производот
Интеракцијата и однесувањето на трансакцијата помеѓу клиентите и индустриските претпријатија ќе генерира голема количина на податоци. Рударството и анализирањето на овие динамични податоци на клиентите може да им помогне на клиентите да учествуваат во анализа на побарувачката на производи и активности за иновации во дизајнот на производи и да дадат придонеси за иновациите на производите.
Форд е пример во овој поглед. Тие применија голема технологија на податоци за иновациите на производот и оптимизацијата на електричниот автомобил Ford Focus. Овој автомобил стана вистински 'Big Data Electric.
Додека возите, возачот постојано го ажурира забрзувањето на возилото, сопирањето, полнењето на батеријата и информациите за локацијата. Ова е корисно за возачите, но податоците се испраќаат и до инженерите на Форд за да ги разберат навиките за возење на клиентот, вклучително и како, кога и каде да наплатат. Дури и ако возилото е во застој, тоа ќе продолжи да пренесува податоци на притисокот на гумите и системот за батерии на возилото до најблискиот паметен телефон.
Ова сценарио за апликација за големи податоци со клиенти има многу придобивки, затоа што големите податоци овозможуваат вредни методи за иновации и соработка на нови производи. Возачите добиваат корисни и ажурирани информации, додека инженерите во Детроит агрегат информации за однесувањето на возењето за да ги разберат клиентите, да развиваат планови за подобрување на производите и имплементираат нови иновации на производи.
Покрај тоа, енергетските компании и другите добавувачи на трети страни можат да анализираат милиони милји податоци за возење за да утврдат каде да изградат нови станици за полнење и како да спречат преоптоварување на кревката мрежа.
2. Дијагноза на дефект на производот и предвидување
Ова може да се користи за услуги и подобрување на производот по продажбата и подобрувањето на производот. Воведувањето на сеприсутни сензори и Интернет технологија направи реалност во реално време на грешки во производот, додека големите апликации за податоци, моделирањето и симулационите технологии овозможија да се предвиди динамиката.
За време на потрагата по изгубената врска на Малезија ерлајнс MH370, податоците за работа на моторот добиени од Боинг одиграа клучна улога во одредувањето на патот на изгубената врска на авионот. Ајде да го земеме системот за авиони „Боинг“ како случај за да видиме како големите апликации за податоци играат улога во дијагностицирање на дефект на производот.
На авионите на Боинг, стотици променливи, како што се мотори, системи за гориво, хидраулика и електрични системи, ја сочинуваат состојбата во летот. Овие податоци се мерат и се испраќаат во помалку од неколку микросекунди. Земајќи го Боинг 737 како пример, моторот може да генерира 10 терабајти на податоци на секои 30 минути во лет.
Овие податоци не се само податоци за инженерска телеметрија што можат да се анализираат во одреден момент во иднина, туку и да промовираат адаптивна контрола во реално време, употреба на гориво, предвидување на неуспехот на компонентите и пилот-известување, што може ефикасно да постигне дијагностицирање и предвидување на дефекти.
Ајде да разгледаме пример на General Electric (GE). Центарот за мониторинг и дијагностика на енергијата GE (М & Д) во Атланта, САД, собира податоци за илјадници турбини со гас во повеќе од 50 земји низ целиот свет и може да собира 10G податоци за клиенти секој ден. Анализирајте го постојаниот голем проток на податоци од вибрациите на сензорот и температурните сигнали во системот. Овие големи анализи на податоците ќе обезбедат поддршка за дијагностицирање на дефект на турбините на ГЕ на ГЕ и рано предупредување.
Производителот на ветерни турбини, Вестас, исто така, го подобри изгледот на ветерните турбини со вкрстено анализирање на податоците за временските услови и неговите податоци за мерачот на турбините, со што се зголеми нивото на излез на моќност на турбините на ветер и да се прошири животниот век.
3 Апликација за голема податоци на индустриска линија за производство на IoT
Современите индустриски производствени линии за производство се опремени со илјадници мали сензори за откривање на температурата, притисокот, топлината, вибрациите и бучавата.
Бидејќи податоците се собираат на секои неколку секунди, многу форми на анализа можат да се реализираат со употреба на овие податоци, вклучително и дијагностицирање на опрема, анализа на потрошувачка на енергија, анализа на потрошувачка на енергија, анализа на квалитетни несреќи (вклучително и прекршувања на регулативите за производство, неуспеси на компонентите), итн.
Како прво, во однос на подобрувањето на процесот на производство, користењето на овие големи податоци во процесот на производство може да го анализира целиот процес на производство и да разбере како се извршува секоја врска. Откако одреден процес ќе отстапи од стандардниот процес, ќе се генерира алармен сигнал, грешките или тесните грла може да се најдат побрзо, а проблемот може полесно да се реши.
Користејќи голема технологија на податоци, исто така е можно да се воспостават виртуелни модели на процесот на производство на индустриски производи, симулирање и оптимизирање на процесот на производство. Кога сите податоци за процесите и перформансите можат да се реконструираат во системот, оваа транспарентност ќе им помогне на производителите да ги подобрат своите процеси на производство.
За друг пример, во однос на анализата на потрошувачката на енергија, употребата на сензори за централно следење на сите процеси на производство за време на процесот на производство на опрема може да најде абнормалности или врвови во потрошувачката на енергија, така што потрошувачката на енергија може да се оптимизира во текот на процесот на производство и да може да се извршат сите процеси. Анализата во голема мерка ќе ја намали потрошувачката на енергија.
4. Анализа и оптимизација на индустрискиот синџир на снабдување
Во моментов, големата анализа на податоците е веќе важно средство за многу компании за е-трговија да ја подобрат конкурентноста на нивните синџири на снабдување.
На пример, компанијата за е-трговија Jingdong Mall користи големи податоци за да ги анализира и предвиди побарувачката за стоки на различни места однапред, а со тоа ја подобрува ефикасноста на дистрибуцијата и складирањето и обезбедување на искуство на клиентите од следниот ден.
Технологијата за електронска идентификација на РФИД и други производи, технологијата на Интернет на нештата и технологијата на мобилна интернет можат да им помогнат на индустриските претпријатија да добијат големи податоци за целосен ланец на снабдување на производи. Користењето на овие податоци за анализа ќе донесе значително зголемување на складирањето, дистрибуцијата и ефикасноста на продажбата и значителна цена. пад.
Постојат повеќе од 1.000 големи добавувачи на ОЕМ во САД, обезбедувајќи повеќе од 10,000 различни производи на производствените компании. Секој производител се потпира на предвидувањата на пазарот и други различни варијабли, како што се податоци за продажба, информации за пазарот, изложби, вести и податоци за конкурентот, па дури и временски прогнози за продажба на своите производи.
Користејќи ги податоците за продажба, податоците за сензорот за производи и податоците од базите на податоци на добавувачите, компаниите за индустриско производство можат точно да ја предвидат побарувачката во различни региони во светот.
Бидејќи цените на инвентарот и продажбата можат да се следат и може да се купат кога паѓаат цените, производствените компании можат да заштедат многу трошоци.
Ако повторно ги користите податоците генерирани од сензорите во производот за да знаете што не е во ред со производот и каде се потребни делови, тие исто така можат да предвидат каде и кога се потребни делови. Ова во голема мерка ќе го намали инвентарот и ќе го оптимизира синџирот на снабдување.
