Big Data Industrial to nowa koncepcja, dosłownie rozumiana, przemysłowe duże zbiory danych odnoszą się do dużych zbiorów danych generowanych w stosowaniu informacji przemysłowych.
Dzięki dogłębnej integracji informatyzacji i uprzemysłowieniach technologia informacyjna przeniknęła do wszystkich linków łańcucha przemysłowego przedsiębiorstw przemysłowych, takich jak kody kreskowe, kody QR, RFID, czujniki przemysłowe, przemysłowe systemy kontroli automatycznej, przemysłowy Internet rzeczy, ERP, CAD/CAM/CAE/CAI i inne technologie są szeroko wykorzystywane w przedsiębiorstwie przemysłowych.
Zwłaszcza przy zastosowaniu technologii informacyjnych nowej generacji, takich jak Internet, Internet mobilny i Internet przedmiotów w dziedzinie przemysłowej, przedsiębiorstwa przemysłowe również wprowadziły nowy etap rozwoju w branży internetowej, a dane posiadane przez przedsiębiorstwa przemysłowe stały się coraz obfite.
Zastosowanie dużych zbiorów danych przemysłowych przyniesie nową erę innowacji i transformacji w przedsiębiorstwach przemysłowych. Dzięki taniej percepcji szybkie połączenie mobilne, rozproszone obliczenia i zaawansowane analizy, które powstają w Internecie i mobilnym Internecie rzeczy, technologie informacyjne i globalne systemy przemysłowe są głęboko zintegrowane, wprowadzając głębokie zmiany w globalnych branżach oraz wprowadzanie innowacji w zakresie badań i rozwoju oraz produkcji przedsiębiorstw. , Metody operacji, marketingu i zarządzania. Hangao Tech (SEKO Machinery) stosuje technologię internetową do systemu sterowania Inteligentne maszyny do tworzenia rur spawanych rur spawanych ze stali nierdzewnej , dzięki czemu zespoły techniczne obu stron mogły monitorować dane produkcyjne w czasie rzeczywistym, znajdować usterki podczas pracy i zapobiegać wyłączaniu.
Dlatego problemy i wyzwania, przed którymi stoją aplikacje przemysłowe dużych zbiorów danych, są nie mniejsze niż problemy z branży internetowej, aw niektórych przypadkach są jeszcze bardziej skomplikowane.
Te innowacyjne przedsiębiorstwa przemysłowe w różnych branżach przyniosły szybszą szybkość, wyższą wydajność i wyższy wgląd.
Typowe zastosowania dużych zbiorów danych przemysłowych obejmują innowacje produktu, diagnozę i prognozę błędów produktu, analiza IoT produkcji przemysłowej, optymalizację łańcucha dostaw przedsiębiorstwa przemysłowego i marketing precyzyjny produktu. W tym artykule rozwiązuje scenariusze aplikacji dużych danych przemysłowych w przedsiębiorstwach produkcyjnych jeden po drugim.
1. Przyspiesz innowacje produktowe
Zachowanie interakcji i transakcji między klientami a przedsiębiorstwami przemysłowymi wygenerują dużą ilość danych. Wydobywanie i analiza tych dynamicznych danych klientów może pomóc klientom w analizie popytu i innowacji w zakresie projektowania produktu oraz wniesienia wkładu w innowacje produktu.
Ford jest pod tym względem przykładem. Zastosowali technologię Big Data do innowacji produktu i optymalizacji samochodu elektrycznego Forda Focus. Ten samochód stał się prawdziwym samochodem elektrycznym Big Data. ”Pierwsza generacja pojazdów elektrycznych Ford Focus wygenerowała wiele danych podczas jazdy i parkowania.
Podczas jazdy kierowca nieustannie aktualizuje przyspieszenie, hamowanie, ładowanie akumulatora i informacje o lokalizacji. Jest to przydatne dla sterowników, ale dane są również wysyłane z powrotem do inżynierów Forda, aby zrozumieć nawyki jazdy klienta, w tym jak, kiedy i gdzie pobierać. Nawet jeśli pojazd jest w stanie, będzie nadal transmitować dane dotyczące ciśnienia w oponach i systemie akumulatorów pojazdu do najbliższego smartfona.
Ten scenariusz aplikacji Big Data zorientowany na klienta ma wiele zalet, ponieważ duże zbiory danych umożliwiają cenne nowe metody innowacji i współpracy. Kierowcy uzyskują przydatne i aktualne informacje, podczas gdy inżynierowie w Detroit agregują informacje na temat zachowań związanych z pojazdem w celu zrozumienia klientów, opracowywania planów poprawy produktu i wdrażania nowych innowacji produktów.
Ponadto firmy energetyczne i inni dostawcy stron trzecich mogą analizować miliony mil danych z jazdy, aby ustalić, gdzie budować nowe stacje ładowania i jak zapobiec przeciążeniu kruchej siatki.
2. Diagnoza i przewidywanie błędów produktu
Można to wykorzystać do usług po sprzedaży produktów i poprawy produktu. Wprowadzenie wszechobecnych czujników i technologii internetowej urzeczywistniło diagnozę usterki produktu w czasie rzeczywistym, podczas gdy aplikacje Big Data, technologie modelowania i symulacji umożliwiły przewidywanie dynamiki.
Podczas poszukiwania utraconego połączenia Malaysia Airlines MH370 dane operacyjne silnika uzyskane przez Boeinga odegrały kluczową rolę w określaniu ścieżki utraconego połączenia samolotu. Weźmy system samolotów Boeinga jako przypadek, aby zobaczyć, jak aplikacje dużych zbiorów danych odgrywają rolę w diagnozie błędów produktu.
Na samolotach Boeinga setki zmiennych, takich jak silniki, systemy paliwowe, hydraulika i systemy elektryczne, stanowią stan lotu. Dane te są mierzone i wysyłane w mniej niż kilku mikrosekundach. Biorąc na przykład Boeing 737, silnik może generować 10 terabajtów danych co 30 minut w locie.
Dane te są nie tylko inżynierii danych telemetrycznych, które można analizować w pewnym momencie w przyszłości, ale także promują kontrolę adaptacyjną w czasie rzeczywistym, zużycie paliwa, prognozę awarii komponentów i powiadomienie pilotażowe, które mogą skutecznie osiągnąć diagnozę i przewidywanie uszkodzeń.
Spójrzmy na przykład General Electric (GE). Centrum monitorowania i diagnostyki GE Energy (M&D) w Atlancie w USA gromadzi dane dotyczące tysięcy turbin GE Gas w ponad 50 krajach na całym świecie i może codziennie zbierać 10 g danych dla klientów. Przeanalizuj stały przepływ dużych danych z sygnałów wibracji i temperatury czujnika w systemie. Ta analiza dużych zbiorów danych zapewni obsługę diagnozy uszkodzenia turbiny gazowej GE i wczesnego ostrzeżenia.
Producent turbin wiatrowych Vestas poprawił również układ turbin wiatrowych poprzez analizację danych pogodowych i ich danych miernika turbiny, zwiększając w ten sposób poziom mocy turbiny wiatrowej i rozszerzając żywotność usług.
3. Zastosowanie dużych zbiorów danych przemysłowej linii produkcyjnej IoT
Nowoczesne linie produkcyjne produkcji przemysłowej są wyposażone w tysiące małych czujników do wykrywania temperatury, ciśnienia, ciepła, wibracji i hałasu.
Ponieważ dane są gromadzone co kilka sekund, można zrealizować wiele form analizy przy użyciu tych danych, w tym diagnozy sprzętu, analizy zużycia energii, analizy zużycia energii, analizy wypadków jakości (w tym naruszenia przepisów produkcyjnych, awarii komponentów) itp.
Po pierwsze, pod względem poprawy procesu produkcji, wykorzystanie tych dużych zbiorów danych w procesie produkcyjnym może analizować cały proces produkcji i zrozumieć, w jaki sposób każdy link jest wykonywany. Gdy określony proces odbiega od standardowego procesu, zostanie wygenerowany sygnał alarmowy, błędy lub wąskie gardła można znaleźć szybciej, a problem można łatwiej rozwiązać.
Korzystając z technologii Big Data, można również ustanowić wirtualne modele procesu produkcji produktów przemysłowych, symulować i optymalizować proces produkcyjny. Gdy w systemie można odtworzyć wszystkie dane dotyczące procesu i wydajności, przejrzystość ta pomoże producentom ulepszyć ich procesy produkcyjne.
Innym przykładem, pod względem analizy zużycia energii, wykorzystanie czujników do centralnego monitorowania wszystkich procesów produkcyjnych podczas procesu produkcji sprzętu może znaleźć nieprawidłowości lub szczyty zużycia energii, aby zużycie energii można zoptymalizować podczas procesu produkcyjnego i można wykonać wszystkie procesy. Analiza znacznie zmniejszy zużycie energii.
4. Analiza i optymalizacja przemysłowego łańcucha dostaw
Obecnie analiza dużych zbiorów danych jest już ważnym sposobem dla wielu firm e-commerce w celu zwiększenia konkurencyjności ich łańcuchów dostaw.
Na przykład firma e-commerce Jingdong Mall wykorzystuje duże zbiory danych do analizy i przewidywania popytu na towary w różnych miejscach z wyprzedzeniem, poprawiając w ten sposób wydajność dystrybucji i magazynowania oraz zapewniając obsługę klienta następnego dnia.
RFID i inne technologie identyfikacji elektronicznej, technologii Internetu przedmiotów i technologii internetowej mobilnej mogą pomóc przedsiębiorstwom przemysłowym w uzyskaniu dużych zbiorów danych kompletnego łańcucha dostaw produktów. Wykorzystanie tych danych do analizy przyniesie znaczny wzrost magazynowania, dystrybucji i wydajności sprzedaży oraz znaczny koszt. spadek.
W Stanach Zjednoczonych jest ponad 1000 dużych dostawców OEM, zapewniając ponad 10 000 różnych produktów dla firm produkcyjnych. Każdy producent opiera się na prognozach rynkowych i innych różnych zmiennych, takich jak dane sprzedaży, informacje rynkowe, wystawy, wiadomości i dane konkurencyjne, a nawet prognozy pogody sprzedają swoje produkty.
Korzystając z danych sprzedaży, danych czujnika produktu i danych z baz danych dostawców, firmy produkcyjne przemysłowe mogą dokładnie przewidzieć popyt w różnych regionach świata.
Ponieważ ceny zapasów i sprzedaży można śledzić i można je kupić, gdy ceny spadną, firmy produkcyjne mogą zaoszczędzić wiele kosztów.
Jeśli ponownie wykorzystasz dane generowane przez czujniki w produkcie, aby wiedzieć, co jest nie tak z produktem i gdzie są potrzebne części, mogą również przewidzieć, gdzie i kiedy są potrzebne części. To znacznie zmniejszy zapasy i zoptymalizuje łańcuch dostaw.
