Индустриските големи податоци се нов концепт, буквално разбран, индустриските големи податоци се однесуваат на големите податоци генерирани во примената на индустриските информации.
Со длабинската интеграција на информатизацијата и индустријализацијата, информатичката технологија навлезе во сите алки на индустрискиот синџир на индустриски претпријатија, како што се баркодовите, QR-кодовите, RFID, индустриските сензори, индустриските автоматски системи за контрола, индустрискиот Интернет на нештата, ERP, CAD/CAM/CAE/ CAI и други технологии се широко користени во индустриските претпријатија.
Особено со примената на информатичките технологии од новата генерација како што се Интернетот, мобилниот интернет и Интернетот 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 имаат стануваат сè пообилни.
Примената на индустриски големи податоци ќе донесе нова ера на иновации и трансформации во индустриските претпријатија.Преку перцепцијата со ниска цена, мобилната врска со голема брзина, дистрибуираните компјутери и напредните анализи донесени од Интернетот и мобилниот Интернет на нештата, информатичката технологија и глобалните индустриски системи се длабоко интегрирани, носејќи длабоки промени во глобалните индустрии и иновирање на R&D и производство на претпријатија., Работење, маркетинг и методи на управување. Хангао Техника (SEKO Machinery) применува интернет технологија на контролниот систем на интелигентна индустриска индустриска машина за заварување цевки од не'рѓосувачки челик , така што техничките тимови на двете страни можат да ги следат податоците за производството во реално време, да најдат дефекти за време на работата и да спречат исклучување.
Затоа, проблемите и предизвиците со кои се соочуваат индустриските апликации за големи податоци не се помали од оние на интернет индустријата, а во некои случаи се уште покомплицирани.
Овие иновативни индустриски претпријатија во различни индустрии донесоа поголема брзина, поголема ефикасност и поголем увид.
Вообичаените апликации на индустриски големи податоци вклучуваат иновација на производот, дијагноза и предвидување на дефекти на производот, анализа на IoT линијата за индустриско производство, оптимизација на синџирот на снабдување на индустриските претпријатија и прецизен маркетинг на производи.Оваа статија ќе ги среди сценаријата за примена на индустриски големи податоци во производствените претпријатија еден по еден.
1. Забрзајте ја иновативноста на производот
Интеракцијата и трансакциското однесување помеѓу клиентите и индустриските претпријатија ќе генерира голема количина на податоци.Рударството и анализата на овие податоци за динамиката на клиентите може да им помогне на клиентите да учествуваат во анализата на побарувачката на производи и иновативните активности во дизајнот на производите и да дадат придонес за иновациите на производите.
Форд е пример во овој поглед.Тие применија технологија за големи податоци за иновациите на производите и оптимизацијата на електричниот автомобил Ford Focus.Овој автомобил стана вистински „електричен автомобил за големи податоци“. Првата генерација на електрични возила Ford Focus генерираше многу податоци при возење и паркирање.
За време на возењето, возачот постојано ги ажурира информациите за забрзувањето, сопирањето, полнењето на батеријата и локацијата на возилото.Ова е корисно за возачите, но податоците се враќаат и до инженерите на Форд за да ги разберат возачките навики на клиентите, вклучително и како, кога и каде да се полнат.Дури и ако возилото е во мирување, ќе продолжи да пренесува податоци за притисокот во гумите и системот за батерии на возилото до најблискиот паметен телефон.
Ова сценарио за апликации за големи податоци насочено кон клиентите има многу придобивки, бидејќи големите податоци овозможуваат вредни иновации на нови производи и методи на соработка.Возачите добиваат корисни и ажурирани информации, додека инженерите во Детроит собираат информации за однесувањето на возењето за да ги разберат клиентите, да развијат планови за подобрување на производот и да имплементираат нови иновации на производи.
Покрај тоа, компаниите за електрична енергија и другите добавувачи од трети страни можат да анализираат милиони милји податоци за возење за да одредат каде да изградат нови станици за полнење и како да спречат преоптоварување на кревката мрежа.
2. Дијагноза и предвидување на дефекти на производот
Ова може да се користи за услуга по продажбата на производот и подобрување на производот.Воведувањето на сеприсутните сензори и интернет-технологијата ја направија реалност дијагнозата во реално време на дефектите на производите, додека апликациите за големи податоци, технологиите за моделирање и симулација овозможија да се предвиди динамиката.
За време на потрагата по изгубената врска на Malaysia Airlines MH370, податоците за работата на моторот добиени од Боинг одиграа клучна улога во одредувањето на патеката на изгубената врска на авионот.Ајде да го земеме авионскиот систем на Боинг како случај за да видиме како апликациите за големи податоци играат улога во дијагнозата на дефекти на производот.
Во авионите на Боинг, стотици променливи, како што се мотори, системи за гориво, хидраулика и електрични системи, ја сочинуваат состојбата за време на летот.Овие податоци се мерат и испраќаат за помалку од неколку микросекунди.Земајќи го како пример Боинг 737, моторот може да генерира 10 терабајти податоци на секои 30 минути во лет.
Овие податоци не се само податоци за инженерска телеметрија кои можат да се анализираат во одреден момент во иднината, туку и промовираат адаптивна контрола во реално време, користење на гориво, предвидување дефект на компонентите и известување за пилотот, со што може ефективно да се постигне дијагноза и предвидување на дефекти.
Ајде да погледнеме на пример на General Electric (GE).Центарот за мониторинг и дијагностика на енергијата на GE во Атланта, САД, собира податоци за илјадници гасни турбини на GE во повеќе од 50 земји низ светот и може да собира податоци од 10G за клиентите секој ден.Анализирајте го постојаниот проток на големи податоци од сигналите за вибрации и температура на сензорот во системот.Овие анализи на големи податоци ќе обезбедат поддршка за дијагноза на дефекти на гасната турбина и рано предупредување на GE.
Производителот на турбини на ветер Vestas, исто така, го подобри распоредот на турбините на ветер преку вкрстена анализа на временските податоци и податоците од неговите турбински броила, со што го зголеми нивото на излезна моќност на турбините на ветер и го продолжи работниот век.
3. Примена на големи податоци на индустриска производна линија за IoT
Модерните производствени линии за индустриско производство се опремени со илјадници мали сензори за откривање температура, притисок, топлина, вибрации и бучава.
Бидејќи податоците се собираат на секои неколку секунди, многу форми на анализа може да се реализираат со користење на овие податоци, вклучувајќи дијагноза на опрема, анализа на потрошувачката на енергија, анализа на потрошувачката на енергија, анализа на квалитетни несреќи (вклучувајќи прекршување на прописите за производство, дефекти на компоненти) итн.
Како прво, во смисла на подобрување на производниот процес, со користење на овие големи податоци во производниот процес може да се анализира целиот производствен процес и да се 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 и проблемот може полесно да се реши.
Користејќи ја технологијата за големи податоци, исто така е можно да се воспостават виртуелни модели на процесот на производство на индустриски производи, да се симулира и оптимизира процесот на производство.Кога сите податоци за процесот и перформансите можат да се реконструираат во системот, оваа транспарентност ќе им помогне на производителите да ги подобрат своите производни процеси.
На друг пример, во однос на анализата на потрошувачката на енергија, употребата на сензори за централно следење на сите производни процеси за време на процесот на производство на опрема може да открие абнормалности или врвови во потрошувачката на енергија, така што потрошувачката на енергија може да се оптимизира за време на производствениот процес и сите процеси може да се изврши.Анализата во голема мера ќе ја намали потрошувачката на енергија.
4. Анализа и оптимизација на индустрискиот синџир на снабдување
Во моментов, анализата на големи податоци 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 однапред да ја анализира и предвиди побарувачката на стоки на различни места, а со тоа да ја подобри ефикасноста на дистрибуцијата и складирањето и да го обезбеди искуството на клиентите следниот ден.
РФИД и другата технологија за електронска идентификација на производи, технологијата на Интернет на нештата и технологијата на мобилниот интернет може да им помогнат на индустриските претпријатија да добијат големи податоци за комплетниот синџир на снабдување со производи.Користењето на овие податоци за анализа ќе донесе значително зголемување на ефикасноста на складирањето, дистрибуцијата и продажбата и значителен трошок.опаѓање.
Има повеќе од 1.000 големи OEM добавувачи во Соединетите Држави, обезбедувајќи повеќе од 10.000 различни производи за производствените компании.Секој производител се потпира на прогнозите на пазарот и други различни променливи, како што се податоци за продажба, информации за пазарот, изложби, вести и податоци за конкурентите, па дури и временска прогноза за да ги продаде своите производи.
Користејќи ги податоците за продажба, податоците од сензорите за производите и податоците од базите на податоци на добавувачите, индустриските производствени компании можат точно да ја предвидат побарувачката во различни региони во светот.
Бидејќи залихите и продажните цени може да се следат и може да се купат кога цените паѓаат, 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 мера ќе го намали залихите и ќе го оптимизира синџирот на снабдување.
