Przemysłowe duże zbiory danych to nowa koncepcja, rozumiana dosłownie. Przemysłowe duże zbiory danych odnoszą się do dużych zbiorów danych generowanych w wyniku zastosowania informacji przemysłowych.
Dzięki dogłębnej integracji informatyzacji i industrializacji technologia informacyjna przeniknęła do wszystkich ogniw łańcucha przemysłowego przedsiębiorstw przemysłowych, takich jak kody kreskowe, kody QR, RFID, czujniki przemysłowe, przemysłowe systemy automatycznego sterowania, przemysłowy Internet rzeczy, ERP, CAD/CAM/CAE/CAI i inne technologie są szeroko stosowane w przedsiębiorstwach przemysłowych.
Zwłaszcza dzięki zastosowaniu technologii informatycznych nowej generacji, takich jak Internet, Internet mobilny i Internet rzeczy w przemyśle, przedsiębiorstwa przemysłowe weszły w nowy etap rozwoju również w branży internetowej, a dane będące w posiadaniu przedsiębiorstw przemysłowych stają się coraz liczniejsze.
Zastosowanie przemysłowego big data przyniesie nową erę innowacji i transformacji w przedsiębiorstwach przemysłowych.Dzięki postrzeganiu niskich kosztów, szybkim połączeniom mobilnym, przetwarzaniu rozproszonemu i zaawansowanej analizie zapewnianej przez Internet i mobilny Internet rzeczy, technologia informacyjna i globalne systemy przemysłowe ulegają głębokiej integracji, przynosząc głębokie zmiany w światowym przemyśle i wprowadzając innowacje Badania i rozwój oraz produkcja przedsiębiorstw., Metody działania, marketingu i zarządzania. Hangao Tech (SEKO Machinery) stosuje technologię internetową w systemie sterowania inteligentne maszyny do produkcji przemysłowych rur spawanych ze stali nierdzewnej , dzięki którym zespoły techniczne obu stron mogą monitorować dane produkcyjne w czasie rzeczywistym, znajdować usterki podczas pracy i zapobiegać przestojom.
Dlatego problemy i wyzwania stojące przed przemysłowymi zastosowaniami Big Data są nie mniejsze niż w branży internetowej, a w niektórych przypadkach są nawet bardziej skomplikowane.
Te innowacyjne przedsiębiorstwa przemysłowe z różnych branż przyniosły większą prędkość, wyższą wydajność i lepszy wgląd.
Typowe zastosowania przemysłowych dużych zbiorów danych obejmują innowacje produktowe, diagnostykę i przewidywanie usterek produktów, analizę IoT przemysłowych linii produkcyjnych, optymalizację łańcucha dostaw przedsiębiorstw przemysłowych oraz precyzyjny marketing produktów.W tym artykule szczegółowo omówimy scenariusze zastosowań przemysłowych dużych zbiorów danych w przedsiębiorstwach produkcyjnych.
1. Przyspiesz innowacje produktowe
Interakcje i zachowania transakcyjne pomiędzy klientami a przedsiębiorstwami przemysłowymi będą generować dużą ilość danych.Wydobywanie i analizowanie dynamicznych danych klientów może pomóc klientom uczestniczyć w analizie popytu na produkty i działaniach związanych z innowacjami w projektowaniu produktów, a także wnosić wkład w innowacje produktowe.
Ford jest pod tym względem przykładem.Zastosowali technologię dużych zbiorów danych do innowacji produktowych i optymalizacji samochodu elektrycznego Ford Focus.Ten samochód stał się prawdziwym „samochodem elektrycznym wykorzystującym duże zbiory danych”. Pierwsza generacja pojazdów elektrycznych Ford Focus generowała wiele danych podczas jazdy i parkowania.
Podczas jazdy kierowca na bieżąco aktualizuje informacje o przyspieszeniu, hamowaniu, ładowaniu akumulatora i lokalizacji pojazdu.Jest to przydatne dla kierowców, ale dane są również przesyłane z powrotem do inżynierów Forda, aby zrozumieć nawyki klienta dotyczące jazdy, w tym sposób, czas i miejsce ładowania.Nawet jeśli pojazd się zatrzyma, będzie nadal przesyłał dane dotyczące ciśnienia w oponach i układu akumulatora pojazdu do najbliższego smartfona.
Ten scenariusz aplikacji Big Data zorientowany na klienta ma wiele zalet, ponieważ Big Data umożliwia wprowadzenie nowych, cennych innowacji produktowych i metod współpracy.Kierowcy otrzymują przydatne i aktualne informacje, podczas gdy inżynierowie w Detroit gromadzą informacje na temat zachowań kierowców, aby zrozumieć klientów, opracować plany ulepszenia produktów i wdrożyć nowe innowacje produktowe.
Co więcej, przedsiębiorstwa energetyczne i inni zewnętrzni dostawcy mogą analizować dane dotyczące milionów kilometrów przejechanych tras, aby określić, gdzie zbudować nowe stacje ładowania i jak zapobiec przeciążeniu delikatnej sieci.
2. Diagnozowanie i przewidywanie usterek produktu
Można to wykorzystać do obsługi posprzedażnej produktu i ulepszania produktu.Wprowadzenie wszechobecnych czujników i technologii internetowej sprawiło, że diagnostyka usterek produktów w czasie rzeczywistym stała się rzeczywistością, a aplikacje Big Data, technologie modelowania i symulacji umożliwiły przewidywanie dynamiki.
Podczas poszukiwań utraconego połączenia Malaysia Airlines MH370, dane eksploatacyjne silnika uzyskane przez Boeinga odegrały kluczową rolę w ustaleniu trasy utraconego połączenia samolotu.Weźmy na przykład system samolotu Boeing, aby zobaczyć, jaką rolę w diagnostyce usterek produktów odgrywają aplikacje big data.
W samolocie Boeinga na stan lotu składają się setki zmiennych, takich jak silniki, układy paliwowe, hydraulika i układy elektryczne.Dane te są mierzone i wysyłane w czasie krótszym niż kilka mikrosekund.Biorąc za przykład Boeinga 737, silnik może generować 10 terabajtów danych co 30 minut lotu.
Dane te to nie tylko inżynierskie dane telemetryczne, które można przeanalizować w określonym momencie w przyszłości, ale także promują sterowanie adaptacyjne w czasie rzeczywistym, zużycie paliwa, przewidywanie awarii podzespołów i powiadamianie pilota, co może skutecznie diagnozować i przewidywać usterki.
Spójrzmy na przykład General Electric (GE).Centrum monitorowania i diagnostyki energii GE (M&D) w Atlancie w USA gromadzi dane o tysiącach turbin gazowych GE w ponad 50 krajach na całym świecie i może codziennie gromadzić dane 10G dla klientów.Analizuj stały przepływ dużych danych z sygnałów wibracji czujników i temperatury w systemie.Te analizy dużych zbiorów danych zapewnią wsparcie w diagnostyce usterek turbin gazowych i wczesnym ostrzeganiu GE.
Producent turbin wiatrowych Vestas ulepszył także rozmieszczenie turbin wiatrowych, analizując dane pogodowe i dane z liczników turbin, zwiększając w ten sposób poziom mocy wyjściowej turbin wiatrowych i wydłużając ich żywotność.
3. Zastosowanie Big Data w przemysłowej linii produkcyjnej IoT
Nowoczesne przemysłowe linie produkcyjne są wyposażone w tysiące małych czujników wykrywających temperaturę, ciśnienie, ciepło, wibracje i hałas.
Ponieważ dane są zbierane co kilka sekund, przy ich użyciu można przeprowadzić wiele analiz, w tym diagnostykę sprzętu, analizę zużycia energii, analizę zużycia energii, analizę wypadków jakościowych (w tym naruszeń przepisów produkcyjnych, awarii komponentów) itp.
Po pierwsze, jeśli chodzi o doskonalenie procesu produkcyjnego, wykorzystanie tych dużych zbiorów danych w procesie produkcyjnym pozwala przeanalizować cały proces produkcyjny i zrozumieć, w jaki sposób wykonywane jest każde ogniwo.Gdy jakiś proces odbiega od standardowego, generowany jest sygnał alarmowy, dzięki czemu można szybciej wykryć błędy i wąskie gardła, a problem można łatwiej rozwiązać.
Wykorzystując technologię Big Data możliwe jest także tworzenie wirtualnych modeli procesu produkcyjnego wyrobów przemysłowych, symulowanie i optymalizacja procesu produkcyjnego.Gdy w systemie będzie można zrekonstruować wszystkie dane dotyczące procesów i wydajności, ta przejrzystość pomoże producentom ulepszyć procesy produkcyjne.
Inny przykład, jeśli chodzi o analizę zużycia energii, to zastosowanie czujników do centralnego monitorowania wszystkich procesów produkcyjnych podczas procesu produkcji sprzętu może wykryć nieprawidłowości lub wartości szczytowe w zużyciu energii, dzięki czemu można zoptymalizować zużycie energii w procesie produkcyjnym, a wszystkie procesy mogą wejść na afisz.Analiza znacznie zmniejszy zużycie energii.
4. Analiza i optymalizacja przemysłowego łańcucha dostaw
Obecnie analiza dużych zbiorów danych jest już dla wielu firm z branży e-commerce ważnym środkiem zwiększania konkurencyjności ich łańcuchów dostaw.
Na przykład firma zajmująca się handlem elektronicznym Jingdong Mall wykorzystuje duże zbiory danych do analizy i przewidywania zapotrzebowania na towary w różnych miejscach z wyprzedzeniem, poprawiając w ten sposób efektywność dystrybucji i magazynowania oraz zapewniając satysfakcję klienta następnego dnia.
RFID i inne technologie elektronicznej identyfikacji produktów, technologia Internetu rzeczy i technologia mobilnego Internetu mogą pomóc przedsiębiorstwom przemysłowym w uzyskaniu dużych zbiorów danych na temat całego łańcucha dostaw produktów.Wykorzystanie tych danych do analizy spowoduje znaczny wzrost efektywności magazynowania, dystrybucji i sprzedaży, a także znaczne koszty.spadek.
W Stanach Zjednoczonych działa ponad 1000 dużych dostawców OEM, dostarczających firmom produkcyjnym ponad 10 000 różnych produktów.Każdy producent opiera się na prognozach rynkowych i innych zmiennych, takich jak dane dotyczące sprzedaży, informacje rynkowe, wystawy, aktualności i dane konkurencji, a nawet prognozy pogody, aby sprzedawać swoje produkty.
Wykorzystując dane dotyczące sprzedaży, dane z czujników produktów oraz dane z baz danych dostawców, firmy zajmujące się produkcją przemysłową mogą dokładnie przewidzieć popyt w różnych regionach świata.
Ponieważ można śledzić ceny zapasów i sprzedaży oraz kupować, gdy ceny spadną, firmy produkcyjne mogą zaoszczędzić wiele kosztów.
Jeśli ponownie wykorzystasz dane wygenerowane przez czujniki w produkcie, aby dowiedzieć się, co jest nie tak z produktem i gdzie potrzebne są części, będą one również w stanie przewidzieć, gdzie i kiedy części będą potrzebne.To znacznie zmniejszy zapasy i zoptymalizuje łańcuch dostaw.
