Industriell big data er et nytt konsept, bokstavelig talt forstått, industriell big data refererer til de store dataene som genereres ved anvendelse av industriell informasjon.
Med den dyptgående integrasjonen av informatisering og industrialisering, har informasjonsteknologi trengt inn i alle ledd i industrikjeden av industribedrifter, som strekkoder, QR-koder, RFID, industrielle sensorer, industrielle automatiske kontrollsystemer, industrielle tingenes internett, ERP, CAD/CAM/CAE/CAI og andre teknologier er mye brukt i industribedrifter.
Spesielt med anvendelsen av ny generasjons informasjonsteknologier som Internett, mobilt Internett og tingenes internett i industrifeltet, har industribedrifter også gått inn i et nytt utviklingsstadium i internettindustrien, og dataene som er lagret av industribedrifter har blir stadig rikere.
Anvendelsen av industriell stordata vil bringe en ny æra av innovasjon og transformasjon i industrielle virksomheter.Gjennom lavkostnadsoppfatningen, høyhastighets mobilforbindelse, distribuert databehandling og avansert analyse forårsaket av Internett og mobilt tingenes internett, blir informasjonsteknologi og globale industrielle systemer dypt integrert, og bringer dyptgripende endringer til globale industrier, og innoverer FoU og produksjon av bedrifter., Drift, markedsføring og ledelsesmetoder. Hangao Tech (SEKO Machinery) bruker Internett-teknologi til kontrollsystemet til Intelligent industrielt sveiset rørfremstillingsmaskineri i rustfritt stål , slik at de tekniske teamene til begge parter kan overvåke produksjonsdata i sanntid, finne feil under drift og forhindre driftsstans.
Derfor er problemene og utfordringene for industrielle big data-applikasjoner ikke mindre enn internettindustriens, og i noen tilfeller er de enda mer kompliserte.
Disse innovative industribedriftene i forskjellige bransjer har brakt raskere hastighet, høyere effektivitet og høyere innsikt.
Typiske anvendelser av industrielle big data inkluderer produktinnovasjon, produktfeildiagnose og -prediksjon, industriell produksjonslinje IoT-analyse, industriell forsyningskjedeoptimalisering og produktpresisjonsmarkedsføring.Denne artikkelen vil sortere ut applikasjonsscenariene for industriell stordata i produksjonsbedrifter én etter én.
1. Fremskynde produktinnovasjon
Samspillet og transaksjonsatferden mellom kunder og industribedrifter vil generere en stor mengde data.Utvinning og analyse av disse kundedynamiske dataene kan hjelpe kundene med å delta i produktetterspørselsanalyse og produktdesigninnovasjonsaktiviteter, og gi bidrag til produktinnovasjon.
Ford er et eksempel i denne forbindelse.De brukte stordatateknologi til produktinnovasjon og optimalisering av elbilen Ford Focus.Denne bilen har blitt en veritabel 'big data-elbil.' Den første generasjonen av Ford Focus-elbiler genererte mye data under kjøring og parkering.
Under kjøring oppdaterer sjåføren kontinuerlig kjøretøyets akselerasjon, bremsing, batterilading og plasseringsinformasjon.Dette er nyttig for sjåfører, men dataene sendes også tilbake til Ford-ingeniører for å forstå kundens kjørevaner, inkludert hvordan, når og hvor de skal lade.Selv om kjøretøyet står stille, vil det fortsette å overføre data om dekktrykket og batterisystemet til kjøretøyet til nærmeste smarttelefon.
Dette kundesentrerte big data-applikasjonsscenarioet har mange fordeler, fordi big data muliggjør verdifulle nye produktinnovasjoner og samarbeidsmetoder.Sjåfører får nyttig og oppdatert informasjon, mens ingeniører i Detroit samler informasjon om kjøreatferd for å forstå kunder, utvikle produktforbedringsplaner og implementere nye produktinnovasjoner.
Dessuten kan kraftselskaper og andre tredjepartsleverandører analysere millioner av mil med kjøredata for å finne ut hvor nye ladestasjoner skal bygges og hvordan man kan forhindre at det skjøre nettet overbelastes.
2. Produktfeildiagnose og prediksjon
Dette kan brukes til produktettersalgsservice og produktforbedring.Introduksjonen av allestedsnærværende sensorer og Internett-teknologi har gjort sanntidsdiagnose av produktfeil til en realitet, mens big data-applikasjoner, modellerings- og simuleringsteknologier har gjort det mulig å forutsi dynamikk.
Under søket etter den tapte forbindelsen til Malaysia Airlines MH370, spilte motordriftsdata innhentet av Boeing en nøkkelrolle i å bestemme banen for den tapte forbindelsen til flyet.La oss ta Boeing-flysystemet som et eksempel for å se hvordan store dataapplikasjoner spiller en rolle i produktfeildiagnose.
På Boeings fly utgjør hundrevis av variabler, som motorer, drivstoffsystemer, hydraulikk og elektriske systemer, tilstanden under flyging.Disse dataene måles og sendes på mindre enn noen få mikrosekunder.Med Boeing 737 som eksempel, kan motoren generere 10 terabyte med data hvert 30. minutt under flyturen.
Disse dataene er ikke bare tekniske telemetridata som kan analyseres på et bestemt tidspunkt i fremtiden, men fremmer også sanntids adaptiv kontroll, drivstoffbruk, prediksjon av komponentfeil og pilotvarsling, som effektivt kan oppnå feildiagnose og prediksjon.
La oss se på et eksempel på General Electric (GE).GE Energy Monitoring and Diagnostics (M&D) Center i Atlanta, USA, samler inn data om tusenvis av GE gassturbiner i mer enn 50 land rundt om i verden, og kan samle inn 10G-data for kunder hver dag.Analyser den konstante store datastrømmen fra sensorvibrasjonen og temperatursignalene i systemet.Disse store dataanalysene vil gi støtte for GEs gassturbinfeildiagnose og tidlig varsling.
Vindturbinprodusenten Vestas forbedret også utformingen av vindturbiner ved å kryssanalysere værdata og deres turbinmålerdata, og derved øke effektnivået til vindturbiner og forlenge levetiden.
3. Big data-applikasjon av industriell IoT-produksjonslinje
Moderne produksjonslinjer for industriell produksjon er utstyrt med tusenvis av små sensorer for å oppdage temperatur, trykk, varme, vibrasjoner og støy.
Fordi data samles inn med noen få sekunders mellomrom, kan mange former for analyser realiseres ved å bruke disse dataene, inkludert utstyrsdiagnose, strømforbruksanalyse, energiforbruksanalyse, kvalitetsulykkesanalyse (inkludert brudd på produksjonsforskrifter, komponentfeil), etc.
Først av alt, når det gjelder forbedring av produksjonsprosessen, kan bruk av disse store dataene i produksjonsprosessen analysere hele produksjonsprosessen og forstå hvordan hver kobling utføres.Når en bestemt prosess avviker fra standardprosessen, vil det genereres et alarmsignal, feil eller flaskehalser kan oppdages raskere, og problemet kan løses lettere.
Ved hjelp av big data-teknologi er det også mulig å etablere virtuelle modeller av produksjonsprosessen til industrielle produkter, simulere og optimalisere produksjonsprosessen.Når alle prosess- og ytelsesdata kan rekonstrueres i systemet, vil denne åpenheten hjelpe produsenter med å forbedre sine produksjonsprosesser.
For et annet eksempel, når det gjelder energiforbruksanalyse, kan bruk av sensorer for sentral overvåking av alle produksjonsprosesser under utstyrsproduksjonsprosessen finne abnormiteter eller topper i energiforbruket, slik at energiforbruket kan optimaliseres under produksjonsprosessen og alle prosesser kan utføres.Analyse vil i stor grad redusere energiforbruket.
4. Analyse og optimalisering av industriell forsyningskjede
For tiden er big data-analyse allerede et viktig middel for mange e-handelsbedrifter for å forbedre konkurranseevnen til leverandørkjedene deres.
For eksempel bruker e-handelsselskapet Jingdong Mall big data til å analysere og forutsi etterspørselen etter varer på ulike steder på forhånd, og dermed forbedre effektiviteten av distribusjon og lager, og sikre kundeopplevelsen neste dag.
RFID og annen elektronisk identifiseringsteknologi for produkter, Internet of Things-teknologi og mobil Internett-teknologi kan hjelpe industribedrifter med å skaffe store data fra en komplett produktforsyningskjede.Bruk av disse dataene til analyse vil gi en betydelig økning i lager-, distribusjons- og salgseffektivitet og en betydelig kostnad.avslå.
Det er mer enn 1 000 store OEM-leverandører i USA, som leverer mer enn 10 000 forskjellige produkter til produksjonsbedrifter.Hver produsent er avhengig av markedsprognoser og andre forskjellige variabler, for eksempel salgsdata, markedsinformasjon, utstillinger, nyheter og konkurrentdata, og til og med værmeldinger for å selge produktene sine.
Ved å bruke salgsdata, produktsensordata og data fra leverandørdatabaser kan industrielle produksjonsbedrifter forutsi etterspørselen nøyaktig i forskjellige regioner i verden.
Siden lager- og salgspriser kan spores, og kan kjøpes når prisene faller, kan produksjonsbedrifter spare mye kostnader.
Hvis du gjenbruker dataene generert av sensorene i produktet for å vite hva som er galt med produktet og hvor deler er nødvendig, kan de også forutsi hvor og når deler er nødvendig.Dette vil i stor grad redusere varelageret og optimalisere forsyningskjeden.
