Industriële big data is een nieuw concept, letterlijk begrepen, industriële big data verwijst naar de big data gegenereerd in de toepassing van industriële informatie.
Met de diepgaande integratie van informatisatie en industrialisatie is informatietechnologie binnengedrongen in alle banden van de industriële keten van industriële ondernemingen, zoals barcodes, QR-codes, RFID, industriële sensoren, industriële automatische controlesystemen, industrieel internet van dingen, ERP, CAD/CAE/CAI/CAI en andere technologieën worden breed gebruikt in industriële ondernemingen.
Vooral met de toepassing van informatietechnologieën voor nieuwe generatie, zoals internet, mobiel internet en internet der dingen op industrieel gebied, zijn industriële ondernemingen ook een nieuwe fase van ontwikkeling in de internetindustrie ingegaan, en de gegevens van industriële ondernemingen zijn steeds overvloediger geworden.
De toepassing van industriële big data zal een nieuw tijdperk van innovatie en transformatie in industriële ondernemingen opleveren. Door de goedkope perceptie, worden snelle mobiele verbinding, gedistribueerde computergebruik en geavanceerde analyse veroorzaakt door internet en mobiel internet der dingen, informatietechnologie en wereldwijde industriële systemen diep geïntegreerd, waardoor diepgaande veranderingen in de wereldwijde industrieën worden geïntegreerd en de R&D en productie van ondernemingen innoveren. , Operatie-, marketing- en managementmethoden. Hangao Tech (Seko Machinery) past internettechnologie toe op het besturingssysteem van de Intelligente roestvrijstalen industriële gelaste buis maken machines , zodat de technische teams van beide partijen de productiegegevens in realtime kunnen volgen, fouten kunnen vinden tijdens de werking en uitschakelen.
Daarom zijn de problemen en uitdagingen waarmee industriële big data -applicaties worden geconfronteerd niet minder dan die van de internetindustrie, en in sommige gevallen zijn ze nog gecompliceerder.
Deze innovatieve industriële ondernemingen in verschillende industrieën hebben een hogere snelheid, hogere efficiëntie en hoger inzicht gebracht.
Typische toepassingen van industriële big data zijn onder meer productinnovatie, productfoutdiagnose en voorspelling, industriële productielijn IoT -analyse, industriële enterprise supply chain -optimalisatie en productprecisiemarketing. Dit artikel zal de toepassingsscenario's van industriële big data in de productie van ondernemingen een voor een oplossen.
1. Versnel productinnovatie
De interactie en transactiegedrag tussen klanten en industriële ondernemingen zullen een grote hoeveelheid gegevens genereren. Het mijnen en analyseren van deze dynamische gegevens van de klant kan klanten helpen deel te nemen aan productvraaganalyse en productontwerpinnovatie -activiteiten van productontwerp en bijdragen te leveren aan productinnovatie.
Ford is in dit opzicht een voorbeeld. Ze paste big data -technologie toe op de productinnovatie en optimalisatie van de Ford Focus -elektrische auto. Deze auto is een echte 'big data elektrische auto geworden. ' De eerste generatie Ford Focus -focus elektrische voertuigen genereerde veel gegevens tijdens het rijden en parkeren.
Tijdens het rijden werkt de bestuurder continu de versnelling, remmen, remmen, batterij opladen en locatie -informatie bij. Dit is handig voor stuurprogramma's, maar de gegevens worden ook teruggestuurd naar Ford -ingenieurs om de rijgewoonten van de klant te begrijpen, inclusief hoe, wanneer en waar te laden. Zelfs als het voertuig stilstaat, blijft het gegevens over het bandendruk en het batterijsysteem van het voertuig naar de dichtstbijzijnde smartphone verzenden.
Dit klantgerichte big data-applicatie-scenario heeft veel voordelen, omdat big data waardevolle nieuwe productinnovatie en samenwerkingsmethoden mogelijk maakt. Bestuurders krijgen nuttige en actuele informatie, terwijl ingenieurs in Detroit informatie over het rijgedrag verzamelen om klanten te begrijpen, plannen voor productverbetering te ontwikkelen en nieuwe productinnovaties te implementeren.
Bovendien kunnen energiebedrijven en andere leveranciers van derden miljoenen kilometers rijgegevens analyseren om te bepalen waar nieuwe oplaadstations moeten worden gebouwd en hoe het fragiele rooster te voorkomen dat het overbelasting is.
2.. Productfoutdiagnose en voorspelling
Dit kan worden gebruikt voor productafdeling en productverbetering. De introductie van alomtegenwoordige sensoren en internettechnologie heeft realtime diagnose van productfouten een realiteit gesteld, terwijl big data-toepassingen, modellering en simulatietechnologieën het mogelijk hebben gemaakt om dynamiek te voorspellen.
Tijdens de zoektocht naar de verloren verbinding van de MH370 van Maleisië luchtvaartmaatschappijen, speelden de door Boeing verkregen motorbewerkingsgegevens een sleutelrol bij het bepalen van het pad van de verloren verbinding van het vliegtuig. Laten we het Boeing -vliegtuigsysteem als een geval beschouwen om te zien hoe big data -applicaties een rol spelen bij de diagnose van de productfout.
Op het vliegtuig van Boeing vormen honderden variabelen, zoals motoren, brandstofsystemen, hydraulica en elektrische systemen, de status tijdens de vlucht. Deze gegevens worden gemeten en verzonden in minder dan een paar microseconden. Als ik de Boeing 737 als voorbeeld neemt, kan de motor elke 30 minuten tijdens de vlucht 10 terabytes aan gegevens genereren.
Deze gegevens zijn niet alleen technische telemetriegegevens die op een bepaald punt in de toekomst kunnen worden geanalyseerd, maar ook realtime adaptieve controle, brandstofverbruik, voorspelling van componenten en pilootmelding bevorderen, die effectief foutdiagnose en voorspelling kunnen bereiken.
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 sensortrillingen en temperatuursignalen in het systeem. Deze big data -analyse zal ondersteuning bieden voor de diagnose van Gasturbinefout van GE en vroege waarschuwing.
Windturbinefabrikant Vestas verbeterde ook de lay-out van windturbines door kruisverschillende weergegevens en de gegevens van de turbinemeter, waardoor het vermogensniveau van windturbines wordt verhoogd en de levensduur van de services wordt verlengd.
3. Big data -toepassing van industriële IoT -productielijn
Moderne industriële productielijnen zijn uitgerust met duizenden kleine sensoren om temperatuur, druk, warmte, trillingen en ruis te detecteren.
Omdat gegevens om de paar seconden worden verzameld, kunnen vele vormen van analyse worden gerealiseerd door deze gegevens te gebruiken, waaronder apparatuurdiagnose, analyse van stroomverbruik, analyse van energieverbruik, analyse van kwaliteitsongevallen (inclusief schendingen van productievoorschriften, fouten van componenten), enz.
Allereerst kan het gebruik van deze big data in het productieproces het hele productieproces analyseren in termen van productieprocesverbetering en begrijpen hoe elke link wordt uitgevoerd. Zodra een bepaald proces afwijkt van het standaardproces, wordt een alarmsignaal gegenereerd, fouten of knelpunten kunnen sneller worden gevonden en kan het probleem gemakkelijker worden opgelost.
Met behulp van big data -technologie is het ook mogelijk om virtuele modellen van het productieproces van industriële producten op te zetten, 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.
Voor een ander voorbeeld, in termen van analyse van energieverbruik, kan het gebruik van sensoren om alle productieprocessen tijdens het productieproces van het apparatuur centraal te controleren, afwijkingen of pieken in energieverbruik vinden, zodat energieverbruik kan worden geoptimaliseerd tijdens het productieproces en alle processen kunnen worden uitgevoerd. Analyse zal het energieverbruik aanzienlijk verminderen.
4. Analyse en optimalisatie van industriële supply chain
Momenteel is Big Data-analyse al een belangrijk middel voor veel e-commercebedrijven om het concurrentievermogen van hun toeleveringsketens te verbeteren.
Het e-commercebedrijf Jingdong Mall gebruikt bijvoorbeeld big data om de vraag naar goederen op verschillende plaatsen vooraf te analyseren en te voorspellen, waardoor de efficiëntie van distributie en opslag wordt verbeterd, en de klantervaring van de volgende dag te waarborgen.
RFID en andere producttechnologie voor product elektronische identificatietechnologie, Internet of Things -technologie en mobiele internettechnologie kunnen industriële ondernemingen helpen om big data van een complete productketen van product te verkrijgen. Het gebruik van deze gegevens voor analyse zal een aanzienlijke toename van opslag-, distributie- en verkoopefficiëntie en een aanzienlijke kosten bewerkstelligen. afwijzen.
Er zijn meer dan 1.000 grote OEM -leveranciers in de Verenigde Staten en bieden meer dan 10.000 verschillende producten aan productiebedrijven. Elke fabrikant vertrouwt op marktprognoses en andere verschillende variabelen, zoals verkoopgegevens, marktinformatie, tentoonstellingen, nieuws en concurrentengegevens en zelfs weersvoorspellingen om hun producten te verkopen.
Met behulp van verkoopgegevens, productsensorgegevens en gegevens uit leveranciersdatabases kunnen industriële productiebedrijven de vraag in verschillende regio's van de wereld nauwkeurig voorspellen.
Omdat inventaris- en verkoopprijzen kunnen worden gevolgd en kunnen worden gekocht wanneer de prijzen dalen, kunnen productiebedrijven veel kosten besparen.
Als u de gegevens die door de sensoren in het product worden gegenereerd, 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 inventaris aanzienlijk verminderen en de supply chain optimaliseren.
