औद्योगिक बिग डेटा ही एक नवीन संकल्पना आहे, अक्षरशः समजली गेली आहे, औद्योगिक बिग डेटा म्हणजे औद्योगिक माहितीच्या अनुप्रयोगात व्युत्पन्न केलेल्या मोठ्या डेटाचा संदर्भ आहे.
माहिती आणि औद्योगिकीकरणाच्या सखोल एकत्रिकरणासह, माहिती तंत्रज्ञान औद्योगिक उद्योगांच्या औद्योगिक साखळीच्या सर्व दुव्यांमध्ये प्रवेश केला आहे, जसे की बारकोड्स, क्यूआर कोड, आरएफआयडी, औद्योगिक सेन्सर, औद्योगिक स्वयंचलित नियंत्रण प्रणाली, औद्योगिक इंटरनेट ऑफ थिंग्ज, ईआरपी, सीएडी/सीएई/सीएआय आणि इतर तंत्रज्ञान मोठ्या प्रमाणात वापरले गेले आहेत.
विशेषत: औद्योगिक क्षेत्रातील इंटरनेट, मोबाइल इंटरनेट आणि इंटरनेट ऑफ थिंग्ज यासारख्या नवीन पिढीच्या माहिती तंत्रज्ञानाच्या अनुप्रयोगासह, औद्योगिक उद्योगांनीही इंटरनेट उद्योगातील विकासाच्या नवीन टप्प्यात प्रवेश केला आहे आणि औद्योगिक उपक्रमांद्वारे आयोजित केलेला डेटा वाढत्या प्रमाणात वाढला आहे.
औद्योगिक बिग डेटाचा अनुप्रयोग औद्योगिक उपक्रमांमध्ये नाविन्यपूर्ण आणि परिवर्तनाचा एक नवीन युग आणेल. कमी किमतीच्या समजुतीद्वारे, हाय-स्पीड मोबाइल कनेक्शन, इंटरनेट आणि मोबाइल इंटरनेट ऑफ थिंग्ज, माहिती तंत्रज्ञान आणि जागतिक औद्योगिक प्रणालींद्वारे आणलेल्या वितरित संगणन आणि प्रगत विश्लेषणाद्वारे, जागतिक उद्योगांमध्ये गहन बदल घडवून आणले आहेत आणि आर अँड डी आणि उद्योगांचे उत्पादन नवीन केले आहे. , ऑपरेशन, विपणन आणि व्यवस्थापन पद्धती. हांगाओ टेक (सेको मशिनरी) च्या नियंत्रण प्रणालीवर इंटरनेट तंत्रज्ञान लागू करते इंटेलिजेंट स्टेनलेस स्टील औद्योगिक वेल्डेड पाईप मेकिंग मशीनरी , जेणेकरून दोन्ही पक्षांचे तांत्रिक कार्यसंघ रिअल टाइममध्ये उत्पादन डेटाचे परीक्षण करू शकतील, ऑपरेशन दरम्यान दोष शोधू शकतील आणि शटडाउनला प्रतिबंधित करू शकतील.
म्हणूनच, औद्योगिक मोठ्या डेटा अनुप्रयोगांना भेडसावणा problems ्या समस्या आणि आव्हाने इंटरनेट उद्योगाच्या तुलनेत कमी नाहीत आणि काही प्रकरणांमध्ये ते अधिक क्लिष्ट आहेत.
वेगवेगळ्या उद्योगांमधील या नाविन्यपूर्ण औद्योगिक उद्योगांनी वेगवान वेग, उच्च कार्यक्षमता आणि उच्च अंतर्दृष्टी आणली आहे.
औद्योगिक बिग डेटाच्या ठराविक अनुप्रयोगांमध्ये उत्पादनाचे नाविन्य, उत्पादन फॉल्ट निदान आणि भविष्यवाणी, औद्योगिक उत्पादन लाइन आयओटी विश्लेषण, औद्योगिक एंटरप्राइझ सप्लाय चेन ऑप्टिमायझेशन आणि उत्पादन अचूक विपणन यांचा समावेश आहे. हा लेख एक -एक करून मॅन्युफॅक्चरिंग एंटरप्राइजेसमधील औद्योगिक मोठ्या डेटाच्या अनुप्रयोग परिस्थितीची क्रमवारी लावेल.
1. उत्पादनाच्या नाविन्यास गती द्या
ग्राहक आणि औद्योगिक उपक्रमांमधील परस्परसंवाद आणि व्यवहाराचे वर्तन मोठ्या प्रमाणात डेटा तयार करेल. या ग्राहकांच्या डायनॅमिक डेटाचे खाण आणि विश्लेषण करणे ग्राहकांना उत्पादन मागणी विश्लेषण आणि उत्पादन डिझाइन नाविन्यपूर्ण क्रियाकलापांमध्ये भाग घेण्यास आणि उत्पादनाच्या नाविन्यपूर्णतेसाठी योगदान देण्यास मदत करू शकते.
फोर्ड हे या संदर्भात एक उदाहरण आहे. त्यांनी फोर्ड फोकस इलेक्ट्रिक कारच्या उत्पादनाच्या नाविन्यपूर्णतेवर आणि ऑप्टिमायझेशनवर मोठे डेटा तंत्रज्ञान लागू केले. ही कार एक सत्यापित केली गेली आहे 'बिग डेटा इलेक्ट्रिक कार. ' फोर्ड फोकस इलेक्ट्रिक वाहनांच्या पहिल्या पिढीने ड्रायव्हिंग आणि पार्किंग करताना बरेच डेटा तयार केले.
ड्रायव्हिंग करताना, ड्रायव्हर सतत वाहनाचे प्रवेग, ब्रेकिंग, बॅटरी चार्जिंग आणि स्थान माहिती अद्यतनित करते. हे ड्रायव्हर्ससाठी उपयुक्त आहे, परंतु ग्राहकांच्या ड्रायव्हिंगच्या सवयी समजण्यासाठी डेटा फोर्ड अभियंत्यांकडे परत पाठविला जातो, त्यामध्ये कसे, केव्हा आणि कोठे शुल्क आकारायचे यासह. जरी वाहन थांबले असले तरीही, ते वाहनच्या टायर प्रेशर आणि बॅटरी सिस्टमवरील डेटा जवळच्या स्मार्ट फोनवर प्रसारित करत राहील.
या ग्राहक-केंद्रित बिग डेटा अनुप्रयोग परिस्थितीचे बरेच फायदे आहेत, कारण मोठा डेटा मौल्यवान नवीन उत्पादन नावीन्य आणि सहयोग पद्धती सक्षम करतो. ड्रायव्हर्सना उपयुक्त आणि अद्ययावत माहिती मिळते, तर डेट्रॉईटमधील अभियंते ग्राहकांना समजून घेण्यासाठी, उत्पादन सुधारणे योजना विकसित करण्यासाठी आणि नवीन उत्पादनांच्या नवकल्पना अंमलात आणण्यासाठी ड्रायव्हिंग वर्तनबद्दलच्या वर्तनाबद्दलच्या एकत्रित माहितीमध्ये.
शिवाय, नवीन चार्जिंग स्टेशन कोठे तयार करावे आणि नाजूक ग्रीडला ओव्हरलोडिंगपासून कसे रोखता येईल हे निर्धारित करण्यासाठी पॉवर कंपन्या आणि इतर तृतीय-पक्षाचे पुरवठादार कोट्यावधी मैल ड्रायव्हिंग डेटाचे विश्लेषण करू शकतात.
2. उत्पादन फॉल्ट निदान आणि भविष्यवाणी
हे विक्रीनंतरची सेवा आणि उत्पादन सुधारण्यासाठी वापरली जाऊ शकते. सर्वव्यापी सेन्सर आणि इंटरनेट तंत्रज्ञानाच्या परिचयामुळे उत्पादनातील दोषांचे वास्तविक-वेळ निदान एक वास्तविकता बनले आहे, तर मोठे डेटा अनुप्रयोग, मॉडेलिंग आणि सिम्युलेशन तंत्रज्ञानामुळे गतिशीलतेचा अंदाज करणे शक्य झाले आहे.
मलेशिया एअरलाइन्स एमएच 370 च्या हरवलेल्या कनेक्शनच्या शोधादरम्यान, बोईंगने प्राप्त केलेल्या इंजिन ऑपरेटिंग डेटाने विमानाच्या हरवलेल्या कनेक्शनचा मार्ग निश्चित करण्यात महत्त्वपूर्ण भूमिका बजावली. प्रॉडक्ट फॉल्ट निदानात मोठे डेटा अनुप्रयोग कसे भूमिका बजावतात हे पाहण्यासाठी बोईंग एअरक्राफ्ट सिस्टमला एक प्रकरण म्हणून घेऊया.
बोईंगच्या विमानावर, इंजिन, इंधन प्रणाली, हायड्रॉलिक्स आणि इलेक्ट्रिकल सिस्टम सारख्या शेकडो चल फ्लाइटमध्ये असतात. हे डेटा मोजले जातात आणि काही मायक्रोसेकंदांपेक्षा कमी पाठविले जातात. बोईंग 737 उदाहरण म्हणून घेतल्यास, इंजिन दर 30 मिनिटांत फ्लाइटमध्ये 10 टेराबाइट डेटा तयार करू शकते.
हे डेटा केवळ अभियांत्रिकी टेलिमेट्री डेटा नाहीत ज्याचे भविष्यात एका विशिष्ट बिंदूवर विश्लेषण केले जाऊ शकते, परंतु रीअल-टाइम अ‍ॅडॉप्टिव्ह कंट्रोल, इंधन वापर, घटक अपयशाचा अंदाज आणि पायलट सूचना देखील प्रोत्साहित करतात, जे फॉल्ट निदान आणि अंदाज प्रभावीपणे साध्य करू शकतात.
चला जनरल इलेक्ट्रिक (जीई) चे उदाहरण पाहूया. अटलांटा, यूएसए मधील जीई एनर्जी मॉनिटरिंग अँड डायग्नोस्टिक्स (एम अँड डी) केंद्र, जगभरातील 50 हून अधिक देशांमध्ये हजारो जीई गॅस टर्बाइनचा डेटा गोळा करते आणि दररोज ग्राहकांसाठी 10 जी डेटा गोळा करू शकते. सिस्टममधील सेन्सर कंपन आणि तापमान सिग्नलमधून सतत मोठ्या डेटा प्रवाहाचे विश्लेषण करा. हे मोठे डेटा विश्लेषण जीईच्या गॅस टर्बाइन फॉल्ट निदान आणि लवकर चेतावणीसाठी समर्थन प्रदान करेल.
पवन टर्बाइन निर्माता वेस्टासने हवामान डेटा आणि त्याच्या टर्बाइन मीटर डेटाद्वारे पवन टर्बाइनच्या लेआउटमध्ये सुधारणा केली, ज्यामुळे पवन टर्बाइन्सची उर्जा उत्पादन पातळी वाढली आणि सेवा जीवन वाढविले.
3. औद्योगिक आयओटी उत्पादन लाइनचा मोठा डेटा अनुप्रयोग
तापमान, दबाव, उष्णता, कंप आणि आवाज शोधण्यासाठी आधुनिक औद्योगिक उत्पादन उत्पादन रेषा हजारो लहान सेन्सरसह सुसज्ज आहेत.
दर काही सेकंदात डेटा गोळा केल्यामुळे, उपकरणे निदान, उर्जा वापराचे विश्लेषण, उर्जा वापराचे विश्लेषण, गुणवत्ता अपघात विश्लेषण (उत्पादन नियमांचे उल्लंघन, घटक अपयशासह) इत्यादी या डेटाचा वापर करून विश्लेषणाचे बरेच प्रकार साकारले जाऊ शकतात.
सर्व प्रथम, उत्पादन प्रक्रियेच्या सुधारणांच्या बाबतीत, उत्पादन प्रक्रियेमध्ये हा मोठा डेटा वापरणे संपूर्ण उत्पादन प्रक्रियेचे विश्लेषण करू शकते आणि प्रत्येक दुवा कसा चालविला जातो हे समजू शकतो. एकदा एखादी विशिष्ट प्रक्रिया मानक प्रक्रियेपासून दूर झाली की अलार्म सिग्नल व्युत्पन्न केला जाईल, त्रुटी किंवा अडथळे अधिक द्रुतपणे आढळू शकतात आणि समस्या अधिक सहजपणे सोडविली जाऊ शकते.
बिग डेटा तंत्रज्ञानाचा वापर करून, औद्योगिक उत्पादनांच्या उत्पादन प्रक्रियेचे आभासी मॉडेल स्थापित करणे, उत्पादन प्रक्रियेचे अनुकरण करणे आणि अनुकूल करणे देखील शक्य आहे. जेव्हा सिस्टममध्ये सर्व प्रक्रिया आणि कार्यप्रदर्शन डेटाची पुनर्रचना केली जाऊ शकते, तेव्हा ही पारदर्शकता उत्पादकांना त्यांच्या उत्पादन प्रक्रिया सुधारण्यास मदत करेल.
दुसर्‍या उदाहरणासाठी, उर्जा वापराच्या विश्लेषणाच्या दृष्टीने, उपकरणे उत्पादन प्रक्रियेदरम्यान सर्व उत्पादन प्रक्रियेचे केंद्रबिंदू देखरेख करण्यासाठी सेन्सरच्या वापरामुळे उर्जा वापरामध्ये विकृती किंवा शिखरे मिळू शकतात, जेणेकरून उत्पादन प्रक्रियेदरम्यान उर्जेचा वापर अनुकूलित केला जाऊ शकतो आणि सर्व प्रक्रिया केल्या जाऊ शकतात. विश्लेषणामुळे उर्जेचा वापर मोठ्या प्रमाणात कमी होईल.
4. औद्योगिक पुरवठा साखळीचे विश्लेषण आणि ऑप्टिमायझेशन
सध्या बर्‍याच ई-कॉमर्स कंपन्यांना त्यांच्या पुरवठा साखळ्यांची स्पर्धात्मकता वाढविण्यासाठी बिग डेटा विश्लेषण आधीच एक महत्त्वाचे साधन आहे.
उदाहरणार्थ, ई-कॉमर्स कंपनी जिंगडोंग मॉल विविध ठिकाणी वस्तूंच्या मागणीचे विश्लेषण आणि अंदाज लावण्यासाठी मोठा डेटा वापरते, ज्यामुळे वितरण आणि गोदामांची कार्यक्षमता सुधारते आणि दुसर्‍या दिवसाचा ग्राहक अनुभव सुनिश्चित होतो.
आरएफआयडी आणि इतर उत्पादन इलेक्ट्रॉनिक ओळख तंत्रज्ञान, इंटरनेट ऑफ थिंग्ज तंत्रज्ञान आणि मोबाइल इंटरनेट तंत्रज्ञान औद्योगिक उपक्रमांना संपूर्ण उत्पादन पुरवठा साखळीचा मोठा डेटा मिळविण्यात मदत करू शकते. विश्लेषणासाठी या डेटाचा वापर केल्यास गोदाम, वितरण आणि विक्री कार्यक्षमता आणि महत्त्वपूर्ण खर्चात लक्षणीय वाढ होईल. नाकारणे.
अमेरिकेत 1000 हून अधिक ओईएम पुरवठादार आहेत, जे उत्पादन कंपन्यांना 10,000 हून अधिक भिन्न उत्पादने प्रदान करतात. प्रत्येक निर्माता बाजार अंदाज आणि इतर भिन्न चलांवर अवलंबून असतो, जसे की विक्री डेटा, बाजाराची माहिती, प्रदर्शन, बातम्या आणि प्रतिस्पर्धी डेटा आणि अगदी त्यांची उत्पादने विकण्यासाठी हवामानाचा अंदाज.
विक्री डेटा, उत्पादन सेन्सर डेटा आणि पुरवठादार डेटाबेसमधील डेटा वापरुन, औद्योगिक उत्पादन कंपन्या जगाच्या वेगवेगळ्या प्रदेशात मागणीचा अचूक अंदाज लावू शकतात.
यादी आणि विक्रीच्या किंमतींचा मागोवा घेतला जाऊ शकतो आणि जेव्हा किंमती घसरतात तेव्हा खरेदी करता येतात, उत्पादन कंपन्या बर्‍याच खर्चाची बचत करू शकतात.
जर आपण उत्पादनामध्ये सेन्सरद्वारे व्युत्पन्न केलेल्या डेटाचा पुन्हा वापर केला तर उत्पादनामध्ये काय चूक आहे आणि भाग कोठे आवश्यक आहेत हे जाणून घेण्यासाठी ते भाग कोठे आणि केव्हा आवश्यक आहेत याचा अंदाज देखील करू शकतात. हे यादी मोठ्या प्रमाणात कमी करेल आणि पुरवठा साखळी ऑप्टिमाइझ करेल.
