5. Prognoza vânzărilor de produse și gestionarea cererii
Utilizați date mari pentru a analiza modificările și combinațiile curente ale cererii.
Big Data este un instrument bun de analiză a vânzărilor. Prin combinația multidimensională de date istorice, putem vedea proporția și schimbarea cererii regionale, popularitatea pieței categoriilor de produse, cele mai frecvente forme de combinație și nivelul consumatorilor. Pentru a ajusta strategia produsului și strategia de distribuție.
Într -o anumită analiză, putem constata că cererea de papetărie în orașe cu mai multe colegii și universități la începutul sezonului școlar va fi mult mai mare, astfel încât să putem crește promovarea dealerilor din aceste orașe pentru a le atrage pentru a comanda mai mult la începutul sezonului școlar și, în același timp, la începutul sezonului școlar. Planificarea capacității de producție a fost începută acum una sau două luni pentru a răspunde cererii de promovare.
În ceea ce privește dezvoltarea produsului, funcțiile produsului și performanța sunt ajustate pe baza focusului grupului de consum. De exemplu, în urmă cu câțiva ani, tuturor le -a plăcut să folosească telefoane muzicale, dar acum toată lumea este mai înclinată să folosească telefoane mobile pentru a naviga pe internet, a face poze și a împărtăși, etc. Îmbunătățirea funcției camerei de telefoane mobile este doar un lucru. Tendința, telefoanele mobile 4G ocupă, de asemenea, o cotă de piață mai mare. Prin analiza de date mari a unor detalii despre piață, se pot găsi mai multe oportunități potențiale de vânzare.
6. Planificarea și programarea producției
Industria producției se confruntă cu un model de producție cu mai multe vieți și cu loturi mici. Colecția rafinată, automată, în timp util și convenabilă de date (MES/DC) și variabilitatea au dus la o creștere dramatică a datelor. În plus, mai mult de zece ani de informare este necesară date istorice pentru informare pentru AP-urile care răspund rapid, este o provocare uriașă.
Sistemul de control al Hangao Tech (Seko Machinery ) 's intelligent stainless steel industrial welded pipe making machinery line can track and record the production data of each welded pipe, such as current size, welding speed, annealing temperature, etc. On this basis, with the introduction of Internet of Things technology, big data can give us more detailed data information, discover the probability of deviation between historical predictions and actual, consider capacity constraints, personnel skill constraints, material availability constraints, tooling and mold constraints, and through intelligent Algoritmi de optimizare, dezvoltați pre-planificare și programare și monitorizați abaterea dintre plan și la fața locului și ajustați dinamic planificarea și programarea.
Ajută -ne să evităm defectele 'portret ' și impune direct caracteristicile grupului persoanelor (datele centrului de lucru sunt schimbate direct în date specifice, cum ar fi echipamente, personal, matrițe etc.). Prin analiza corelației a datelor și monitorizarea acestora, putem planifica pentru viitor.
Deși datele mari sunt ușor defecte, atât timp cât sunt aplicate în mod corespunzător, Big Data vor deveni o armă puternică pentru noi. Pe atunci, Ford a întrebat care sunt nevoile clienților mari de date? Răspunsul a fost 'un cal mai rapid ' în loc de mașinile care sunt acum populare.
Prin urmare, în lumea datelor mari, creativitatea, intuiția, spiritul aventuros și ambiția intelectuală sunt deosebit de importante.
7. Managementul și analiza calității produsului
Industria tradițională de fabricație se confruntă cu impactul datelor mari. În ceea ce privește cercetarea și dezvoltarea produselor, proiectarea proceselor, managementul calității, producția și operațiunea, așteptăm cu nerăbdare să naștem metode inovatoare pentru a face față provocărilor datelor mari în contextul industrial.
De exemplu, în industria semiconductorilor, jetoanele suferă multe procese complexe, cum ar fi doparea, acumularea, fotolitografia și tratamentul termic în timpul procesului de producție. Fiecare pas trebuie să îndeplinească caracteristici fizice extrem de solicitante. Echipamentele foarte automatizate sunt utilizate pentru procesarea produselor. În același timp, rezultatele uriașe ale testelor au fost, de asemenea, generate simultan.
Este această cantitate masivă de date sarcina întreprinderii sau a minei de aur a întreprinderii? Dacă acesta din urmă este cazul, atunci cum putem afla rapid motivele cheie ale fluctuațiilor randamentului produsului din 'Gold Mine '? Aceasta este o problemă tehnică care a afectat inginerii semiconductori de mai mulți ani.
După ce napolitane produse de o companie de tehnologie semiconductoare parcurg procesul de testare, un set de date care conține peste o sută de articole de testare și câteva milioane de linii de înregistrări de testare este generat în fiecare zi.
Conform cerințelor de bază ale managementului calității, o sarcină indispensabilă este realizarea unei analize a capacității de proces pentru mai mult de o sută de elemente de testare cu specificații tehnice diferite.
Dacă urmăm modelul tradițional de lucru, trebuie să calculăm mai mult de o sută de indexuri de capacitate de proces pas cu pas și să evaluăm fiecare caracteristică de calitate una câte una.
Indiferent de volumul de muncă uriaș și greoi de aici, chiar dacă cineva poate rezolva problema calculului, este dificil să vezi corelația dintre ei din sutele de indici de capacitate de proces și este și mai dificil să se stabilească calitatea generală a produsului. Există o înțelegere cuprinzătoare și un rezumat al performanței.
Cu toate acestea, dacă folosim platforma de analiză a calității datelor mari, pe lângă obținerea rapidă a unui raport lung tradițional de analiză a capacității procesului unic, mai important, putem obține, de asemenea, multe analize noi din același set de date mari. rezultat.
8. Poluarea industrială și testarea protecției mediului
Pe baza Internet of Things, toate datele din procesul de producție sunt înregistrate și monitorizate, iar datele mari sunt de mare valoare pentru protecția mediului.
Pe site -ul guvernului chinez, site -urile web ale diferitelor ministere și comisii, site -ul oficial al Petrochina și Sinopec, site -ul oficial al organizațiilor de protecție a mediului și unele agenții speciale, din ce în ce mai multe date publice de asistență publică și de protecție a mediului, inclusiv date naționale aeriene și hidrologice, date meteorologice, distribuirea din fabrică și distribuirea poluării de conformitate cu condiția de conformitate pentru date pentru date și altele.
Cu toate acestea, aceste date sunt prea împrăștiate, prea profesionale, lipsa de analiză și lipsa de vizualizare, iar oamenii obișnuiți nu o pot înțelege. Dacă puteți înțelege și acorda atenție, datele mari vor deveni un mijloc important pentru societate pentru a monitoriza protecția mediului.
Lansarea lui Baidu a lui „Național de monitorizare a poluării ” este o modalitate bună. În combinație cu protecția mediului deschisă date mari, Baidu Maps a adăugat un strat de detectare a poluării. Oricine îl poate folosi pentru a vedea țara și provinciile și orașele din propria regiune, toate în protecția mediului. Informațiile despre locație, numele organizației, tipul sursei de emisii și cea mai recentă statut de conformitate cu descărcarea de descărcare de poluare anunțat de Agenția pentru Protecția Mediului (inclusiv diverse centrale termice, întreprinderi industriale controlate de stat și stații de epurare) sub supravegherea biroului.
Puteți verifica sursa de poluare cea mai apropiată de dvs. și va apărea un memento, care dintre elementele de inspecție din punctul de monitorizare depășește standardul și de câte ori depășește standardul. Aceste informații pot fi utilizate pe platformele de socializare în timp real pentru a informa prietenii și a reaminti tuturor să acorde atenție surselor de poluare și siguranței personale și sănătății.
Potențialul valoric al aplicațiilor industriale de date mari este uriaș. Cu toate acestea, mai sunt încă multă muncă pentru a realiza aceste valori.
Unul este problema stabilirii conștientizării datelor mari. În trecut, au existat date atât de mari, dar pentru că nu existau conștientizarea datelor mari, iar metodele de analiză a datelor au fost insuficiente, o mulțime de date în timp real au fost aruncate sau păstrate, iar valoarea potențială a unei cantități mari de date a fost îngropată.
O altă problemă importantă este problema insulelor de date. Datele multor întreprinderi industriale sunt distribuite în diferite insule din întreprindere, în special în companiile multinaționale mari. Este destul de dificil să extrageți aceste date din întreaga întreprindere.
Prin urmare, o problemă importantă pentru aplicațiile industriale de date mari sunt aplicațiile integrate.
