5. Produktsalgsprognose og etterspørselsstyring
Bruk big data til å analysere gjeldende etterspørselsendringer og kombinasjoner.
Big data er et godt salgsanalyseverktøy. Gjennom den flerdimensjonale kombinasjonen av historiske data, kan vi se andelen og endringen av regional etterspørsel, markedets popularitet av produktkategorier, de vanligste kombinasjonsformene og forbrukernivået. For å justere produktstrategien og distribusjonsstrategien.
I noen analyser kan vi finne at etterspørselen etter skrivesaker i byer med flere høyskoler og universiteter i begynnelsen av skolesesongen vil være mye høyere, slik at vi kan øke promoteringen av forhandlere i disse byene for å tiltrekke dem å bestille mer i begynnelsen av skolesesongen, og samtidig i begynnelsen av skolesesongen. Produksjonskapasitetsplanleggingen ble startet for en eller to måneder siden for å imøtekomme etterspørselen etter promotering.
Når det gjelder produktutvikling, justeres produktfunksjoner og ytelse basert på forbrukergruppens fokus. For eksempel, for noen år siden, likte alle å bruke musikktelefoner, men nå er alle mer tilbøyelige til å bruke mobiltelefoner til å surfe på internett, ta bilder og dele osv. Forbedringen av kamerafunksjonen til mobiltelefoner er bare en ting. Trend, 4G mobiltelefoner okkuperer også en større markedsandel. Gjennom Big Data -analyse av noen markedsdetaljer kan det bli funnet flere potensielle salgsmuligheter.
6. Produksjonsplanlegging og planlegging
Produksjonsindustrien blir møtt med en produksjonsmodell med flere variasjoner og småbatch. Den raffinerte, automatiske, betimelige og praktiske innsamlingen av data (MES/DC) og variasjonen har ført til en dramatisk økning i data. I tillegg er det nødvendig med mer enn ti år med informasjon om historiske data for de raskt responderende AP-ene, det er en enorm utfordring.
Kontrollsystemet til Hangao Tech (Seko Machinery) ' Intelligent rustfritt stål industriell sveiset rørmakende maskinlinje kan spore og registrere produksjonsdataene til hvert sveiset rør, for eksempel strømstørrelse, sveisehastighet, annealingstemperatur, etc. På dette grunnlaget, med introduksjonen av tingenes teknologi, big data, kan gi oss mer detaljert datainformasjon, sannsynligheten for avvik mellom historisk prediksjon og faktisk betraktning kapasitetsbegrensning, personlig sannsynlighet for avvik mellom historisk prediksjon og faktisk betraktning kapasitetsbaserte datainformasjon, og gjennom intelligent optimaliseringsalgoritmer, utvikle forhåndsplanlegging og planlegging, og overvåke avviket mellom planen og den faktiske på stedet, og justere planleggingen og planleggingen dynamisk.
Hjelp oss med å unngå manglene ved 'portrett ' og pålegges direkte gruppeegenskaper på enkeltpersoner (arbeidssenterdata blir direkte endret til spesifikke data som utstyr, personell, muggsopp, etc.). Gjennom korrelasjonsanalysen av data og overvåking av dem, kan vi planlegge for fremtiden.
Selv om big data er litt feil, vil så lenge de brukes på riktig måte bli et kraftig våpen for oss. Da spurte Ford hva kundebehovene var? Svaret var 'en raskere hest ' i stedet for bilene som nå er populære.
Derfor, i verden av big data, er kreativitet, intuisjon, eventyrlig ånd og intellektuell ambisjon spesielt viktig.
7. Produktkvalitetsstyring og analyse
Den tradisjonelle produksjonsindustrien står overfor virkningen av big data. Når det gjelder produktforskning og utvikling, prosessdesign, kvalitetsstyring, produksjon og drift, ser vi ivrig frem til fødselen av innovative metoder for å møte utfordringene med big data i industriell sammenheng.
For eksempel, i halvlederindustrien, gjennomgår brikker mange komplekse prosesser som doping, oppbygging, fotolitografi og varmebehandling under produksjonsprosessen. Hvert trinn må oppfylle ekstremt krevende fysiske egenskaper. Svært automatisert utstyr brukes til å behandle produkter. Samtidig ble også enorme testresultater generert samtidig.
Er denne enorme datamengden byrden for bedriften eller gullgruven i bedriften? Hvis sistnevnte er tilfelle, hvordan kan vi raskt finne ut de viktigste årsakene til svingninger i produktutbyttet fra 'Gold Mine '? Dette er et teknisk problem som har plaget halvlederingeniører i mange år.
Etter at skivene som er produsert av et halvlederteknologiselskap, gikk gjennom testprosessen, genereres et datasett som inneholder mer enn hundre testelementer og flere millioner linjer med testposter hver dag.
I henhold til de grunnleggende kravene til kvalitetsstyring, er en uunnværlig oppgave å utføre en prosessfunksjonsanalyse for mer enn hundre testelementer med forskjellige tekniske spesifikasjoner.
Hvis vi følger den tradisjonelle arbeidsmodellen, må vi beregne mer enn hundre prosessfunksjonsindekser trinn for trinn, og evaluere hver kvalitetskarakteristikk en etter en.
Uansett den enorme og tungvint arbeidsmengden her, selv om noen kan løse problemet med beregning, er det vanskelig å se sammenhengen mellom dem fra hundrevis av prosessfunksjonsindekser, og det er enda vanskeligere å bestemme den generelle kvaliteten på produktet. Det er en omfattende forståelse og sammendrag av ytelsen.
Imidlertid, hvis vi bruker analyseplattformen Big Data Quality Management, i tillegg til å raskt få en lang tradisjonell analyse -rapport for enkeltindikatorprosesser, enda viktigere, kan vi også få mange nye analyser fra det samme store datasettet. resultat.
8. Industriell forurensning og miljøvernstesting
Basert på tingenes internett blir alle data i produksjonsprosessen registrert og overvåket, og Big Data er av stor verdi for miljøvern.
På den kinesiske regjeringsnettstedet kan nettstedene til forskjellige departementer og kommisjoner, det offisielle nettstedet til Petrochina og Sineopec, det offisielle nettstedet til miljøvernorganisasjoner og noen spesielle byråer, flere og mer offentlige velferds- og miljøverndata spørres, inkludert nasjonal luft og hydrologiske data, meteorologiske data, fabrikkfordeling og forurensning av forurensning av forurensning av data og slik.
Imidlertid er disse dataene for spredte, for profesjonelle, mangel på analyse og mangel på visualisering, og vanlige mennesker kan ikke forstå det. Hvis du kan forstå og ta hensyn, vil Big Data bli et viktig middel for samfunnet for å overvåke miljøvern.
Baidus lansering av 'National Pollution Monitoring Map ' er en god måte. Kombinert med Open Environmental Protection Big Data, har Baidu Maps lagt til et forurensningsdeteksjonslag. Hvem som helst kan bruke den til å se landet og provinsene og byene i sin egen region, alt i miljøvern. Plasseringsinformasjonen, navnet på organisasjonen, typen utslippskilde og den siste status for forurensningsutslipp som er kunngjort av Environmental Protection Agency (inkludert forskjellige termiske kraftverk, statskontrollerte industrielle foretak og avløpsbehandlingsanlegg) under tilsyn av byrået.
Du kan sjekke forurensningskilden nærmest deg, og en påminnelse vil vises, hvilke av inspeksjonselementene på overvåkningspunktet som overstiger standarden, og hvor mange ganger den overstiger standarden. Denne informasjonen kan brukes på sanntids sosiale medieplattformer for å informere venner og minne alle om å ta hensyn til forurensningskilder og personlig sikkerhet og helse.
Verdipotensialet til industrielle Big Data -applikasjoner er stort. Imidlertid er det fortsatt mye arbeid som skal gjøres for å realisere disse verdiene.
Den ene er spørsmålet om etablering av Big Data -bevissthet. I det siste var det så store data, men fordi det ikke var noen bevissthet om big data, og dataanalysemetodene var utilstrekkelige, ble det kassert mange sanntidsdata eller skrinlagt, og den potensielle verdien av en stor mengde data ble begravet.
En annen viktig sak er spørsmålet om dataøyer. Dataene fra mange industrielle foretak distribueres på forskjellige øyer i bedriften, spesielt i store multinasjonale selskaper. Det er ganske vanskelig å trekke ut disse dataene fra hele foretaket.
Derfor er en viktig sak for industrielle Big Data -applikasjoner integrerte applikasjoner.
