വ്യാവസായിക വലിയ ഡാറ്റ ഒരു പുതിയ ആശയമാണ്, അക്ഷരാർത്ഥത്തിൽ മനസ്സിലാക്കി, വ്യാവസായിക വലിയ ഡാറ്റ വ്യാവസായിക വിവരങ്ങൾ പ്രയോഗിച്ച വലിയ ഡാറ്റയെ സൂചിപ്പിക്കുന്നു.
ഇൻഫോർനേജുകളുടെയും വ്യവസായവൽക്കരണത്തിന്റെയും ആഴത്തിലുള്ള സംയോജനത്തോടെ, ബാർകോഡുകൾ, ക്യുആർ കോഡുകൾ, ആർഎഫ്ഐഎസ്, ഇൻഡസ്ട്രിയൽ ഓട്ടോമാറ്റിക് കൺട്രോൾ സിസ്റ്റം, വ്യവസായ ഇന്റർനെറ്റ്, വ്യവസായ ഇന്റർനെറ്റ്, വ്യാവസായിക സംരംഭങ്ങൾ എന്നിവയുടെ എല്ലാ ലിങ്കുകളിലും ഇൻഫർമേഷൻ ടെക്നോളജിയിൽ വ്യാവസായിക സംരംഭങ്ങളിൽ വ്യാപൃതരായി ഉപയോഗിക്കുന്നു.
പ്രത്യേകിച്ചും, വ്യാവസായിക മേഖലയിലെ ഇൻറർനെറ്റ്, മൊബൈൽ ഇന്റർനെറ്റ്, മെറ്റമെന്റ് ഓഫ് കാര്യങ്ങളുടെ ഇന്റർനെറ്റ് എന്നിവ പോലുള്ള പുതുതലമുറ വിവര സാങ്കേതികവിദ്യകളും വ്യാവസായിക മേഖലയിലെ ഒരു പുതിയ ഘട്ടത്തിൽ നൽകിയിട്ടുണ്ട്, വ്യാവസായിക സംരംഭങ്ങളുടെ പുതിയ ഘട്ടത്തിൽ പ്രവേശിച്ചു.
വ്യാവസായിക ബിഗ് ഡാറ്റയുടെ പ്രയോഗം വ്യാവസായിക സംരംഭങ്ങളിൽ പുതുമയുടെയും പരിവർത്തനത്തിന്റെയും പുതിയ യുഗം കൊണ്ടുവരും. കുറഞ്ഞ ചെലവിലുള്ള ധാരണയിലൂടെ, അതിവേഗ മൊബൈൽ കണക്ഷൻ, ഡിജർ, മൊബൈൽ ഇന്റർനെറ്റ് എന്നിവയിലൂടെ, ഇൻഫർമേഷൻ ടെക്നോളജി, ആഗോള വ്യാവസായിക സംവിധാനങ്ങൾ ആഴത്തിൽ സംയോജിപ്പിച്ചുകൊണ്ടിരിക്കുകയാണ്, ആഗോള വ്യവസായങ്ങളിൽ ആഗോള വ്യവസായങ്ങളിൽ അഗാധമായ മാറ്റങ്ങൾ, സംരംഭങ്ങളുടെ ഉൽപാദനം എന്നിവ നൽകുന്നു. , ഓപ്പറേഷൻ, മാർക്കറ്റിംഗ്, മാനേജ്മെന്റ് രീതികൾ. ഹാംഗാവോ ടെക് (സെക്കോ യന്ത്രങ്ങൾ) കൺട്രോൾ സിസ്റ്റത്തിലേക്ക് ഇന്റർനെറ്റ് സാങ്കേതികവിദ്യ ഇന്റലിജന്റ് സ്റ്റെയിൻലെസ് സ്റ്റീൽ ഇൻഡസ്ട്രിയൽ വെൽഡഡ് പൈപ്പ് ഇഷ്ഡ് ചെയ്ത പൈപ്പ് , അതിനാൽ രണ്ട് പാർട്ടികളുടെയും സാങ്കേതിക ടീമറികൾ, അതിനാൽ രണ്ട് പാർട്ടികളുടെയും സാങ്കേതിക ടീമറികൾക്ക് തത്സമയം ഉൽപാദന ഡാറ്റ നിരീക്ഷിക്കാൻ കഴിയും, ആക്റ്റിവിറ്റി സമയത്ത് പിശകുകൾ കണ്ടെത്തുക, ഒപ്പം ഷട്ട്ഡ s ൺസ് തടയാം.
അതിനാൽ, വ്യാവസായിക ബിഗ് ഡാറ്റ അപേക്ഷകൾ നേരിടുന്ന പ്രശ്നങ്ങളും വെല്ലുവിളികളും ഇന്റർനെറ്റ് വ്യവസായത്തിൽ കുറവല്ല, ചില സന്ദർഭങ്ങളിൽ അവ കൂടുതൽ സങ്കീർണ്ണമാണ്.
വിവിധ വ്യവസായങ്ങളിലെ ഈ നൂതന വ്യാവസായിക സംരംഭങ്ങൾ വേഗത്തിൽ വേഗത്തിൽ കൊണ്ടുവന്നു, ഉയർന്ന കാര്യക്ഷമതയും ഉയർന്ന ഉൾക്കാഴ്ചയും കൊണ്ടുവന്നു.
വ്യാവസായിക വലിയ ഡാറ്റയുടെ സാധാരണ ആപ്ലിക്കേഷനുകൾ, ഉൽപ്പന്ന വികസന, പ്രവചനം, വ്യാവസായിക ഉൽപാദന പാത ഐഒടി വിശകലനം, വ്യാവസായിക ഉൽപാദന പാത ശൃംഖല, ഉൽപ്പന്ന കൃത്യതയുടെ മാർക്കറ്റിംഗ് എന്നിവ ഉൾപ്പെടുന്നു. ഈ ലേഖനം വ്യാവസായിക ബിരുദാനന്തര ആപ്ലിക്കേഷൻ സാഹചര്യങ്ങൾ ഒന്ന് തരംതിരിക്കപ്പെടുന്നു.
1. ഉൽപ്പന്ന നവീകരണം ത്വരിതപ്പെടുത്തുക
ഉപഭോക്താക്കളും വ്യാവസായിക സംരംഭങ്ങളും തമ്മിലുള്ള ആശയവിനിമയവും ഇടപാട് പെരുമാറ്റവും ഒരു വലിയ അളവിലുള്ള ഡാറ്റ സൃഷ്ടിക്കും. ഈ ഉപഭോക്തൃ ചലനാത്മക ഡാറ്റ മൈനിംഗ് കൂടാതെ വിശകലനം ചെയ്യാനും ഉൽപ്പന്ന ഡിമാൻഡ് വിശകലനത്തിലും ഉൽപ്പന്ന രൂപകൽപ്പന നവീകരണ പ്രവർത്തനങ്ങളിലും പങ്കെടുക്കാൻ ഉപഭോക്താക്കളെ സഹായിക്കുകയും ഉൽപ്പന്ന നവീകരണത്തിനായി സംഭാവനകൾ നൽകുകയും ചെയ്യും.
ഇക്കാര്യത്തിൽ ഫോർഡ് ഒരു ഉദാഹരണമാണ്. ഫോർഡ് ഫോക്കസ് ഇലക്ട്രിക് കാറിന്റെ ഉൽപ്പന്ന നവീകരണത്തിനും ഒപ്റ്റിമൈസേഷനും അവർ വലിയ ഡാറ്റ സാങ്കേതികവിദ്യയും പ്രയോഗിച്ചു. ഈ കാർ ഒരു വെറികാരാകേറ്റീവ് 'ബിഗ് ഡാറ്റ ഇലക്ട്രിക് കാർ ആയി മാറിയിരിക്കുന്നു. ' ഡ്രൈവിംഗ്, പാർക്കിംഗിൽ ഒരുപാട് ഡാറ്റ സൃഷ്ടിച്ചു.
വാഹനമോടിക്കുമ്പോൾ ഡ്രൈവർ വാഹനത്തിന്റെ ആക്സിലറേഷൻ, ബ്രേക്കിംഗ്, ബാറ്ററി ചാർജിംഗ്, ലൊക്കേഷൻ വിവരങ്ങൾ തുടർച്ചയായി അപ്ഡേറ്റ് ചെയ്യുന്നു. ഇത് ഡ്രൈവർമാർക്ക് ഉപയോഗപ്രദമാണ്, പക്ഷേ ഉപഭോക്താവിന്റെ ഡ്രൈവിംഗ് ശീലങ്ങൾ മനസിലാക്കാൻ ഡാറ്റ ഫോർഡ് എഞ്ചിനീയർമാർക്കും തിരികെ അയയ്ക്കും, അവ ഉൾപ്പെടെ, എപ്പോൾ, എവിടെയും ഈടാക്കണം. വാഹനം ഒരു ഇടപഴകുന്തോറും, ഏറ്റവും അടുത്തുള്ള സ്മാർട്ട് ഫോണിലേക്ക് വാഹനത്തിന്റെ ടയർ മർദ്ദം, ബാറ്ററി സിസ്റ്റത്തിൽ ഡാറ്റ കൈമാറുന്നത് തുടരും.
ഈ ഉപഭോക്തൃ കേന്ദ്രീകൃത വലിയ ഡാറ്റ ആപ്ലിക്കേഷൻ സാഹചര്യത്തിന് നിരവധി ആനുകൂല്യങ്ങളുണ്ട്, കാരണം വലിയ ഡാറ്റ വിലയേറിയ പുതിയ ഉൽപ്പന്ന നവീകരണവും സഹകരണ രീതികളും പ്രാപ്തമാക്കുന്നു. ഡ്രൈവർമാർക്ക് ഉപയോഗപ്രദവും കാലികവുമായ വിവരങ്ങൾ ലഭിക്കുന്നു, അതേസമയം, ഉപഭോക്താക്കളെ മനസിലാക്കാൻ ഡ്രൈവിംഗ് സ്വഭാവത്തെക്കുറിച്ചുള്ള എഞ്ചിനീയർമാരെ സഹായിക്കുന്നു, കൂടാതെ ഉൽപ്പന്ന മെച്ചപ്പെടുത്തൽ പദ്ധതികൾ വികസിപ്പിക്കുക, കൂടാതെ പുതിയ ഉൽപ്പന്ന പുതുമകൾ നടപ്പിലാക്കുക.
മാത്രമല്ല, പുതിയ ചാർജിംഗ് സ്റ്റേഷനുകൾ എവിടെ നിർമ്മിക്കണമെന്ന് നിർണ്ണയിക്കാൻ വൈദ്യുതി കമ്പനികൾക്കും മറ്റ് മൂന്നാം കക്ഷി വിതരണക്കാർക്കും കൂടുതൽ ഡ്രൈവിംഗ് ഡാറ്റ വിശകലനം ചെയ്യാനും ഓവർലോഡിംഗിൽ നിന്ന് എങ്ങനെ തടയാം.
2. ഉൽപ്പന്ന തെറ്റായ രോഗനിർണയവും പ്രവചനവും
വിൽപ്പനയ്ക്ക് ശേഷമുള്ള സേവനത്തിനും ഉൽപ്പന്ന മെച്ചപ്പെടുത്തലിനും ഇത് ഉപയോഗിക്കാം. ബിഗ് ഡാറ്റ ആപ്ലിക്കേഷനുകൾ, മോഡലിംഗ്, സിമുലേഷൻ ടെക്നോളജീസ് എന്നിവയുടെ യഥാർത്ഥ രോഗനിർണയത്തിന്റെ കാര്യത്തിൽ യുബിസിറ്റൂസ് സെൻസറുകളും ഇന്റർനെറ്റ് സാങ്കേതികവിദ്യയും അവതരിപ്പിച്ചു.
മലേഷ്യ എയർലൈൻസ് ന്റെ നഷ്ടപ്പെട്ട കണക്കിലെടുക്കുമ്പോൾ, വിമാനത്തിന്റെ നഷ്ടപ്പെട്ട കണക്ഷൻ നിർണ്ണയിക്കുന്നതിൽ ബോയിംഗ് ലഭിച്ച എഞ്ചിൻ ഓപ്പറേറ്റിംഗ് ഡാറ്റ ഒരു പ്രധാന പങ്ക് വഹിച്ചു. ഉൽപ്പന്ന തെറ്റായ രോഗനിർണയത്തിൽ വലിയ ഡാറ്റ ആപ്ലിക്കേഷനുകൾ എങ്ങനെ ഒരു പങ്ക് വഹിക്കുന്നുവെന്ന് കാണാൻ ബോയിംഗ് എയർക്രാവ് സിസ്റ്റം ഒരു കേസ് എടുക്കുക.
ബോയിംഗിന്റെ വിമാനത്തിൽ, എഞ്ചിനുകൾ, ഇന്ധന സംവിധാനങ്ങൾ, ഹൈഡ്രലിക്സ്, ഇലക്ട്രിക്കൽ സിസ്റ്റങ്ങൾ എന്നിവ പോലുള്ള നൂറുകണക്കിന് വേരിയബിളുകൾ ഈ ഡാറ്റ അളക്കുകയും കുറച്ച് മൈക്രോസെക്കൻഡ്സിനേക്കാൾ കുറവ് അയയ്ക്കുകയും ചെയ്യുന്നു. ബോയിംഗ് 737 എടുക്കുന്ന ഒരു ഉദാഹരണമായി, ഓരോ 30 മിനിറ്റിലും എഞ്ചിന് ഓരോ 30 മിനിറ്റിലും 10 ടെറാബൈറ്റുകൾ സൃഷ്ടിക്കാൻ കഴിയും.
ഈ ഡാറ്റ എഞ്ചിനീയറിംഗ് ടെലിമെട്രി ഡാറ്റ മാത്രമല്ല, ഭാവിയിൽ ഒരു നിശ്ചിത ഘട്ടത്തിൽ വിശകലനം ചെയ്യാൻ കഴിയുന്നതും എന്നാൽ ഗ്രാം അഡാപ്റ്റീവ് നിയന്ത്രണവും, ഘടകത്തിന്റെ ഉപയോഗ പ്രവചനാത്മകവും പൈലറ്റ് അറിയിപ്പും പ്രോത്സാഹിപ്പിക്കുകയും അത്.
ജനറൽ ഇലക്ട്രിയുടെ (ജിഇ) ഒരു ഉദാഹരണം നോക്കാം. യുഎസ്എയിലെ അറ്റ്ലാന്റയിലെ ജിയു എനർജി ഫോർസിറ്റർ (എം ആന്റ് ഡി) സെന്റർ ലോകമെമ്പാടുമുള്ള 50 ലധികം രാജ്യങ്ങളിൽ ഡാറ്റ ശേഖരിക്കുന്നു, കൂടാതെ എല്ലാ ദിവസവും ഉപഭോക്താക്കൾക്കായി 10 ജി ഡാറ്റ ശേഖരിക്കാം. സിസ്റ്റത്തിലെ സെൻസർ വൈബ്രേഷൻ, താപനില സിഗ്നലുകളിൽ നിന്നുള്ള നിരന്തരമായ വലിയ ഡാറ്റ പ്രവാഹം വിശകലനം ചെയ്യുക. ഈ ബിഗ് ഡാറ്റ വിശകലനം ജിഇയുടെ ഗ്യാസ് ടർബൈൻ ഫാൽസിലോസിസിനും നേരത്തെയുള്ള മുന്നറിയിപ്പിനും പിന്തുണ നൽകും.
വിൻഡ് ടർബൈൻ നിർമ്മാതാവ് വെസ്റ്റസ് ക്രോസ് വിശകലനം ചെയ്യുന്ന കാലാവസ്ഥാ ഡാറ്റയും അതിന്റെ ടർബൈൻ മീറ്റർ ഡാറ്റയും ഉപയോഗിച്ച് വിൻഡ് ടർബൈനുകളുടെ ലേ layout ട്ട് മെച്ചപ്പെടുത്തി, അതുവഴി വൈദ്യുതി ഉൽപാദന നിലവാരം വർദ്ധിപ്പിക്കുകയും സേവന ജീവിതം വിപുലീകരിക്കുകയും ചെയ്യുന്നു.
3. വ്യാവസായിക ഐഒടി പ്രൊഡക്ഷൻ ലൈനിന്റെ വലിയ ഡാറ്റ പ്രയോഗം
ആധുനിക വ്യാവസായിക ഉൽപാദന ഉൽപാദന ലൈനുകൾ ആയിരക്കണക്കിന് ചെറിയ സെൻസറുകൾ സജ്ജീകരിച്ചിരിക്കുന്നു താപനില, മർദ്ദം, ചൂട്, വൈബ്രേഷൻ, ശബ്ദം എന്നിവ കണ്ടെത്തുന്നതിന് ആയിരക്കണക്കിന് ചെറിയ സെൻസറുകൾ സജ്ജീകരിച്ചിരിക്കുന്നു.
കുറച്ച് നിമിഷങ്ങൾക്കുള്ള ഡാറ്റ ശേഖരിച്ചതിനാൽ, ഉപകരണ ഡയഗ്നോസിസ് ഉൾപ്പെടെ, വൈദ്യുതി ഉപഭോഗ വിശകലനം, energy ർജ്ജ ഉപഭോഗ വിശകലനം, ഗുണനിലവാര അപകട വിശകലനം (ഉൽപാദന നിയന്ത്രണങ്ങൾ, ഘടകങ്ങളുടെ അനായാസം) എന്നിവ ഉപയോഗിച്ച് നിരവധി തരത്തിലുള്ള വിശകലനത്തിന് സാക്ഷാത്കരിക്കപ്പെടാൻ കഴിയും (ഉൽപാദന നിയന്ത്രണങ്ങൾ, ഘടകങ്ങളുടെ ലംഘനങ്ങൾ ഉൾപ്പെടെ)
ഒന്നാമതായി, ഉൽപാദന പ്രക്രിയയിലെ ഈ വലിയ ഡാറ്റ ഉപയോഗിച്ച്, ഉൽപാദന പ്രക്രിയയിൽ ഈ വലിയ ഡാറ്റ ഉപയോഗിക്കുന്നത് മുഴുവൻ ഉൽപാദന പ്രക്രിയ വിശകലനം ചെയ്ത് ഓരോ ലിങ്കും എങ്ങനെ നടപ്പിലാക്കുന്നുവെന്ന് മനസിലാക്കാൻ കഴിയും. ഒരു നിശ്ചിത പ്രോസസ്സ് സ്റ്റാൻഡേർഡ് പ്രക്രിയയിൽ നിന്ന് വ്യതിചലിച്ചുകഴിഞ്ഞാൽ, ഒരു അലാറം സിഗ്നൽ ഉൽപാദിപ്പിക്കും, പിശകുകൾ അല്ലെങ്കിൽ തടസ്സങ്ങൾ കൂടുതൽ വേഗത്തിൽ കണ്ടെത്താൻ കഴിയും, മാത്രമല്ല പ്രശ്നം കൂടുതൽ എളുപ്പത്തിൽ പരിഹരിക്കാൻ കഴിയും.
വലിയ ഡാറ്റ സാങ്കേതികവിദ്യ ഉപയോഗിച്ച്, വ്യാവസായിക ഉൽപ്പന്നങ്ങളുടെ ഉൽപാദന പ്രക്രിയയുടെ വെർച്വൽ മോഡലുകൾ സ്ഥാപിക്കാനും ഉൽപാദന പ്രക്രിയയെ അനുകരിക്കുകയും ഒപ്റ്റിമൈസ് ചെയ്യുകയും ചെയ്യാനും കഴിയും. എല്ലാ പ്രക്രിയയും പ്രകടന ഡാറ്റ സിസ്റ്റത്തിൽ പുനർനിർമ്മിക്കാൻ കഴിയുമ്പോൾ, ഈ സുതാര്യത നിർമ്മാതാക്കളോട് അവരുടെ ഉൽപാദന പ്രക്രിയകൾ മെച്ചപ്പെടുത്താൻ സഹായിക്കും.
മറ്റൊരു ഉദാഹരണത്തിന്, energy ർജ്ജ ഉപഭോഗ വിശകലനത്തിന്റെ കാര്യത്തിൽ, ഉപകരണങ്ങളുടെ പ്രവർത്തനത്തെ കേന്ദ്രീകൃതമായി സെൻസറുകളുടെ ഉപയോഗം energy ർജ്ജ ഉപഭോഗത്തിൽ അസാധാരണതകളോ കൊടുമുടികളോ കണ്ടെത്താൻ കഴിയും, അതിനാൽ ഉൽപാദന പ്രക്രിയയിൽ energy ർജ്ജ ഉപഭോഗം ഒപ്റ്റിമൈസ് ചെയ്യാം, മാത്രമല്ല എല്ലാ പ്രോസസ്സുകളും നടത്താം. വിശകലനം energy ർജ്ജ ഉപഭോഗം വളരെയധികം കുറയ്ക്കും.
4. വ്യാവസായിക വിതരണ ശൃംഖലയുടെ വിശകലനവും ഒപ്റ്റിമൈസേഷനും
നിലവിൽ, വലിയ ഡാറ്റ വിശകലനം ഇതിനകം തന്നെ അവരുടെ വിതരണ ശൃംഖലയുടെ മത്സരം വർദ്ധിപ്പിക്കുന്നതിനുള്ള ഒരു പ്രധാന മാർഗമാണ്.
ഉദാഹരണത്തിന്, വിവിധ സ്ഥലങ്ങളിൽ സാധനങ്ങളുടെ ആവശ്യം വിശകലനം ചെയ്യുന്നതിനും പ്രവചിക്കുന്നതിനും ഇ-കൊമേഴ്സ് കമ്പനി വലിയ ഡാറ്റ ഉപയോഗിക്കുന്നു, അവ വിതരണത്തിന്റെയും വെയർഹൗസിംഗിന്റെയും കാര്യക്ഷമത മെച്ചപ്പെടുത്തുകയും അടുത്ത ദിവസത്തെ ഉപഭോക്തൃ അനുഭവം ഉറപ്പാക്കുകയും ചെയ്യുന്നു.
Rfid, മറ്റ് ഉൽപ്പന്ന ഇലക്ട്രോണിക് ഐഡന്റിഫിക്കേഷൻ ടെക്നോളജി, ഇന്റർനെറ്റ് ടെക്നോളജി ടെക്നോളജി, മൊബൈൽ ഇന്റർനെറ്റ് സാങ്കേതികവിദ്യ എന്നിവ വ്യാവസായിക സംരംഭങ്ങളെ സഹായിക്കാൻ കഴിയും പൂർണ്ണമായ ഉൽപ്പന്ന വിതരണ ശൃംഖലയുടെ വലിയ ഡാറ്റ നേടുന്നു. വിശകലനത്തിനായി ഈ ഡാറ്റ ഉപയോഗിക്കുന്നത് വെയർഹൗസിംഗ്, വിതരണം, സെയിൽസ് കാര്യക്ഷമത, ഗണ്യമായ ചിലവ് എന്നിവയിൽ ഗണ്യമായ വർധനയുണ്ടാകും. നിരസിക്കുക.
മാനുഫാക്ചറിംഗ് കമ്പനികൾക്ക് പതിനായിരത്തിലധികം വ്യത്യസ്ത ഉൽപ്പന്നങ്ങൾക്കായി അമേരിക്കയിൽ ആയിരത്തിലധികം വലിയ ഒഇഎം വിതരണക്കാരുണ്ട്. ഓരോ നിർമ്മാതാവിനെയും വിൽപ്പന ഡാറ്റ, മാർക്കറ്റ് വിവരങ്ങൾ, എക്സിബിഷനുകൾ, വാർത്തകൾ, എതിരാളി ഡാറ്റ എന്നിവ പോലുള്ള മറ്റ് വ്യത്യസ്ത വേരിയബിളുകളെയും ആശ്രയിക്കുന്നു, ഒപ്പം അവരുടെ ഉൽപ്പന്നങ്ങൾ വിൽക്കാൻ കാലാവസ്ഥാ പ്രവചനങ്ങൾ പോലും.
സെയിൽസ് ഡാറ്റ, ഉൽപ്പന്ന സെൻസർ ഡാറ്റ, വിതരണക്കാരായ ഡാറ്റാബേസുകളിൽ നിന്നുള്ള ഡാറ്റ എന്നിവ ഉപയോഗിച്ച് വ്യാവസായിക നിർമാണ കമ്പനികൾക്ക് ലോകത്തിലെ വിവിധ പ്രദേശങ്ങളിൽ ആവശ്യപ്പെടാൻ കഴിയും.
ഇൻവെന്ററി, സെയിൽസ് വില എന്നിവ ട്രാക്കുചെയ്യാനാകുമെന്നതിനാൽ, വില കുറയുമ്പോൾ വാങ്ങാം, നിർമ്മാണ കമ്പനികൾക്ക് ധാരാളം ചെലവുകൾ സംരക്ഷിക്കാൻ കഴിയും.
ഉൽപ്പന്നത്തിലെ സെൻസറുകൾ സൃഷ്ടിച്ച ഡാറ്റ നിങ്ങൾ വീണ്ടും ഉപയോഗിക്കുകയാണെങ്കിൽ, ഇടങ്ങളിൽ എന്താണ് ആവശ്യമുള്ളത്, അവ എവിടെ, ഇടം ആവശ്യമായി വരുമെന്ന് അവർക്ക് കഴിയും. ഇത് ഇൻവെന്ററിയെ വളരെയധികം കുറയ്ക്കുകയും സപ്ലൈ ചെയിൻ ഒപ്റ്റിമൈസ് ചെയ്യുകയും ചെയ്യും.
