Industriële big data is een nieuw concept, letterlijk begrepen, industriële big data verwijst naar de big data die worden gegenereerd bij de toepassing van industriële informatie.
Met de diepgaande integratie van informatisering en industrialisatie is informatietechnologie doorgedrongen tot alle schakels van de industriële keten van industriële ondernemingen, zoals barcodes, QR-codes, RFID, industriële sensoren, industriële automatische controlesystemen, het industriële internet der dingen, ERP, CAD/CAM/CAE/CAI en andere technologieën worden veel gebruikt in industriële ondernemingen.
Vooral met de toepassing van informatietechnologieën van de nieuwe generatie, zoals het internet, het mobiele internet en het internet der dingen op industrieel gebied, zijn industriële ondernemingen ook een nieuwe ontwikkelingsfase in de internetindustrie ingegaan, en zijn de gegevens waarover industriële ondernemingen beschikken steeds overvloediger worden.
De toepassing van industriële big data zal een nieuw tijdperk van innovatie en transformatie in industriële ondernemingen inluiden.Door de lage kostenperceptie, snelle mobiele verbindingen, gedistribueerd computergebruik en geavanceerde analyses die het internet en het mobiele internet der dingen teweegbrengen, worden informatietechnologie en mondiale industriële systemen diep geïntegreerd, wat diepgaande veranderingen teweegbrengt in de mondiale industrieën en de innovatie van de mondiale industrie bevordert. R&D en productie van ondernemingen., Exploitatie-, marketing- en managementmethoden. Hangao Tech (SEKO Machinery) past internettechnologie toe op het besturingssysteem van de intelligente roestvrijstalen industriële machines voor het maken van gelaste buizen , zodat de technische teams van beide partijen de productiegegevens in realtime kunnen monitoren, fouten kunnen opsporen tijdens het bedrijf en stilstanden kunnen voorkomen.
Daarom zijn de problemen en uitdagingen waarmee industriële big data-toepassingen worden geconfronteerd niet minder dan die van de internetindustrie, en in sommige gevallen zijn ze zelfs nog ingewikkelder.
Deze innovatieve industriële ondernemingen in verschillende industrieën hebben geleid tot hogere snelheid, hogere efficiëntie en meer inzicht.
Typische toepassingen van industriële big data zijn onder meer productinnovatie, diagnose en voorspelling van productfouten, IoT-analyse van industriële productielijnen, optimalisatie van de supply chain van industriële ondernemingen en marketing van productprecisie.In dit artikel worden de toepassingsscenario’s van industriële big data in productiebedrijven één voor één op een rij gezet.
1. Versnel productinnovatie
De interactie en het transactiegedrag tussen klanten en industriële ondernemingen zullen een grote hoeveelheid gegevens genereren.Het verzamelen en analyseren van deze klantdynamische gegevens kan klanten helpen deel te nemen aan productvraaganalyse en productontwerpinnovatieactiviteiten, en bijdragen te leveren aan productinnovatie.
Ford is in dit opzicht een voorbeeld.Ze pasten big data-technologie toe op de productinnovatie en optimalisatie van de elektrische auto Ford Focus.Deze auto is een echte 'big data elektrische auto' geworden. De eerste generatie elektrische Ford Focus-voertuigen genereerde veel gegevens tijdens het rijden en parkeren.
Tijdens het rijden werkt de bestuurder voortdurend de acceleratie-, rem-, batterijoplaad- en locatie-informatie van het voertuig bij.Dit is handig voor chauffeurs, maar de gegevens worden ook teruggestuurd naar Ford-ingenieurs om inzicht te krijgen in het rijgedrag van de klant, inclusief hoe, wanneer en waar moet worden opgeladen.Zelfs als het voertuig stilstaat, blijft het gegevens over de bandenspanning en het accusysteem van het voertuig naar de dichtstbijzijnde smartphone verzenden.
Dit klantgerichte big data-toepassingsscenario heeft veel voordelen, omdat big data waardevolle nieuwe productinnovatie en samenwerkingsmethoden mogelijk maakt.Chauffeurs krijgen nuttige en actuele informatie, terwijl ingenieurs in Detroit informatie over rijgedrag verzamelen om klanten te begrijpen, productverbeteringsplannen te ontwikkelen en nieuwe productinnovaties te implementeren.
Bovendien kunnen energiebedrijven en andere externe leveranciers miljoenen kilometers aan rijgegevens analyseren om te bepalen waar nieuwe laadstations moeten worden gebouwd en hoe kan worden voorkomen dat het kwetsbare elektriciteitsnet overbelast raakt.
2. Diagnose en voorspelling van productfouten
Dit kan worden gebruikt voor product-na-verkoopservice en productverbetering.De introductie van alomtegenwoordige sensoren en internettechnologie heeft de real-time diagnose van productfouten werkelijkheid gemaakt, terwijl big data-toepassingen, modellering en simulatietechnologieën het mogelijk hebben gemaakt om de dynamiek te voorspellen.
Tijdens de zoektocht naar de verloren verbinding van Malaysia Airlines MH370 speelden de door Boeing verkregen motorgegevens een sleutelrol bij het bepalen van het traject van de verloren verbinding van het vliegtuig.Laten we het vliegtuigsysteem van Boeing als voorbeeld nemen om te zien hoe big data-applicaties een rol spelen bij de diagnose van productfouten.
Op de vliegtuigen van Boeing vormen honderden variabelen, zoals motoren, brandstofsystemen, hydraulica en elektrische systemen, de toestand tijdens de vlucht.Deze gegevens worden in minder dan enkele microseconden gemeten en verzonden.Als we de Boeing 737 als voorbeeld nemen, kan de motor tijdens de vlucht elke 30 minuten 10 terabyte aan gegevens genereren.
Deze gegevens zijn niet alleen technische telemetriegegevens die op een bepaald punt in de toekomst kunnen worden geanalyseerd, maar bevorderen ook realtime adaptieve controle, brandstofverbruik, voorspelling van defecten aan componenten en pilootmeldingen, waardoor foutdiagnose en -voorspelling effectief kan worden bereikt.
Laten we eens kijken naar een voorbeeld van General Electric (GE).Het GE Energy Monitoring and Diagnostics (M&D) Center in Atlanta, VS, verzamelt gegevens over duizenden GE-gasturbines in meer dan 50 landen over de hele wereld en kan elke dag 10G-gegevens voor klanten verzamelen.Analyseer de constante big data-stroom van de sensortrilling en temperatuursignalen in het systeem.Deze big data-analyse zal ondersteuning bieden voor GE's gasturbinefoutdiagnose en vroegtijdige waarschuwing.
Windturbinefabrikant Vestas verbeterde ook de lay-out van windturbines door de weersgegevens en de turbinemetergegevens kruislings te analyseren, waardoor het vermogensniveau van windturbines werd verhoogd en de levensduur werd verlengd.
3. Big data-toepassing van industriële IoT-productielijn
Moderne industriële productielijnen zijn uitgerust met duizenden kleine sensoren om temperatuur, druk, hitte, trillingen en geluid te detecteren.
Omdat gegevens elke paar seconden worden verzameld, kunnen met behulp van deze gegevens vele vormen van analyse worden gerealiseerd, waaronder apparatuurdiagnose, analyse van energieverbruik, analyse van energieverbruik, analyse van kwaliteitsongevallen (inclusief overtredingen van productievoorschriften, defecten aan componenten), enz.
In de eerste plaats kan het gebruik van deze big data in het productieproces, in termen van verbetering van het productieproces, het hele productieproces analyseren en begrijpen hoe elke schakel wordt uitgevoerd.Zodra een bepaald proces afwijkt van het standaardproces, wordt er een alarmsignaal gegenereerd, kunnen fouten of knelpunten sneller worden opgespoord en kan het probleem eenvoudiger worden opgelost.
Met behulp van big data-technologie is het ook mogelijk om virtuele modellen van het productieproces van industriële producten op te stellen, het productieproces te simuleren en te optimaliseren.Wanneer alle proces- en prestatiegegevens in het systeem kunnen worden gereconstrueerd, zal deze transparantie fabrikanten helpen hun productieprocessen te verbeteren.
Een ander voorbeeld: in termen van energieverbruikanalyse kan het gebruik van sensoren om alle productieprocessen tijdens het productieproces van apparatuur centraal te monitoren afwijkingen of pieken in het energieverbruik opsporen, zodat het energieverbruik tijdens het productieproces kan worden geoptimaliseerd en alle processen kunnen worden geoptimaliseerd. is uitgevoerd.Analyse zal het energieverbruik aanzienlijk verminderen.
4. Analyse en optimalisatie van de industriële supply chain
Op dit moment is big data-analyse voor veel e-commercebedrijven al een belangrijk middel om de concurrentiekracht van hun toeleveringsketens te vergroten.
Het e-commercebedrijf Jingdong Mall gebruikt bijvoorbeeld big data om de vraag naar goederen op verschillende plaatsen vooraf te analyseren en voorspellen, waardoor de efficiëntie van distributie en opslag wordt verbeterd en de klantervaring van de volgende dag wordt gewaarborgd.
RFID en andere elektronische productidentificatietechnologie, Internet of Things-technologie en mobiele internettechnologie kunnen industriële ondernemingen helpen big data te verkrijgen van een volledige producttoeleveringsketen.Het gebruik van deze gegevens voor analyse zal een aanzienlijke toename van de opslag-, distributie- en verkoopefficiëntie met zich meebrengen, en aanzienlijke kosten met zich meebrengen.afwijzen.
Er zijn meer dan 1.000 grote OEM-leveranciers in de Verenigde Staten, die meer dan 10.000 verschillende producten aan productiebedrijven leveren.Elke fabrikant vertrouwt op marktvoorspellingen en andere verschillende variabelen, zoals verkoopgegevens, marktinformatie, tentoonstellingen, nieuws en gegevens van concurrenten, en zelfs op weersvoorspellingen om hun producten te verkopen.
Met behulp van verkoopgegevens, productsensorgegevens en gegevens uit leveranciersdatabases kunnen industriële productiebedrijven de vraag in verschillende delen van de wereld nauwkeurig voorspellen.
Omdat voorraad- en verkoopprijzen kunnen worden gevolgd en kunnen worden gekocht als de prijzen dalen, kunnen productiebedrijven veel kosten besparen.
Als je de data die de sensoren genereren in het product hergebruikt om te weten wat er mis is met het product en waar onderdelen nodig zijn, kunnen ze ook voorspellen waar en wanneer onderdelen nodig zijn.Dit zal de voorraad aanzienlijk verminderen en de supply chain optimaliseren.
