Big data industrială este un concept nou, înțeles literal, big data industrială se referă la datele mari generate în aplicarea informațiilor industriale.
Odată cu integrarea în profunzime a informatizării și industrializării, tehnologia informației a pătruns în toate verigile lanțului industrial al întreprinderilor industriale, cum ar fi coduri de bare, coduri QR, RFID, senzori industriali, sisteme industriale automate de control, Internet industrial al obiectelor, ERP, CAD/CAM/CAE/CAI și alte tehnologii sunt utilizate pe scară largă în întreprinderile industriale.
În special odată cu aplicarea tehnologiilor informaționale de nouă generație, cum ar fi Internetul, Internetul mobil și Internetul lucrurilor în domeniul industrial, întreprinderile industriale au intrat, de asemenea, într-o nouă etapă de dezvoltare în industria Internetului, iar datele deținute de întreprinderile industriale au devin din ce în ce mai abundente.
Aplicarea datelor industriale mari va aduce o nouă eră de inovare și transformare în întreprinderile industriale.Prin percepția la costuri reduse, conexiunea mobilă de mare viteză, calculul distribuit și analiza avansată aduse de Internet și Internetul mobil al obiectelor, tehnologia informației și sistemele industriale globale sunt profund integrate, aducând schimbări profunde industriilor globale și inovând Cercetare și dezvoltare și producție de întreprinderi., Metode de operare, marketing și management. Hangao Tech (SEKO Machinery) aplică tehnologia Internet sistemului de control al Mașini inteligente de fabricare a țevilor sudate industriale din oțel inoxidabil , astfel încât echipele tehnice ale ambelor părți să poată monitoriza datele de producție în timp real, să găsească defecțiuni în timpul funcționării și să prevină opririle.
Prin urmare, problemele și provocările cu care se confruntă aplicațiile industriale de big data nu sunt mai puține decât cele ale industriei Internetului, iar în unele cazuri sunt chiar mai complicate.
Aceste întreprinderi industriale inovatoare din diferite industrii au adus o viteză mai rapidă, o eficiență mai mare și o perspectivă mai bună.
Aplicațiile tipice ale datelor industriale mari includ inovarea produselor, diagnosticarea și predicția defecțiunilor produsului, analiza IoT a liniilor de producție industrială, optimizarea lanțului de aprovizionare a întreprinderilor industriale și marketingul cu precizie a produsului.Acest articol va rezolva unul câte unul scenariile de aplicare a datelor mari industriale în întreprinderile de producție.
1. Accelerați inovarea produselor
Interacțiunea și comportamentul tranzacțiilor dintre clienți și întreprinderile industriale va genera o cantitate mare de date.Exploatarea și analiza acestor date dinamice ale clienților poate ajuta clienții să participe la activitățile de analiză a cererii de produse și de inovare a designului de produse și să contribuie la inovarea produsului.
Ford este un exemplu în acest sens.Ei au aplicat tehnologia big data la inovarea și optimizarea produsului pentru mașina electrică Ford Focus.Această mașină a devenit o adevărată „mașină electrică pentru date mari.” Prima generație de vehicule electrice Ford Focus a generat o mulțime de date la conducere și la parcare.
În timpul conducerii, șoferul actualizează continuu informațiile privind accelerația, frânarea, încărcarea bateriei și locația vehiculului.Acest lucru este util pentru șoferi, dar datele sunt trimise și înapoi inginerilor Ford pentru a înțelege obiceiurile de conducere ale clientului, inclusiv cum, când și unde să încarce.Chiar dacă vehiculul este oprit, acesta va continua să transmită date despre presiunea în anvelope și sistemul de baterie al vehiculului către cel mai apropiat telefon inteligent.
Acest scenariu de aplicație de date mari, centrat pe client, are multe beneficii, deoarece datele mari permit inovații valoroase de produse noi și metode de colaborare.Șoferii obțin informații utile și actualizate, în timp ce inginerii din Detroit adună informații despre comportamentul de conducere pentru a înțelege clienții, pentru a dezvolta planuri de îmbunătățire a produselor și pentru a implementa noi inovații de produs.
În plus, companiile de energie și alți furnizori terți pot analiza milioane de kilometri de date de conducere pentru a determina unde să construiască noi stații de încărcare și cum să prevină supraîncărcarea rețelei fragile.
2. Diagnosticarea și predicția defecțiunilor produsului
Acesta poate fi folosit pentru serviciul post-vânzare și îmbunătățirea produsului.Introducerea senzorilor omniprezent și a tehnologiei Internet a făcut ca diagnosticarea în timp real a defecțiunilor produsului să devină realitate, în timp ce aplicațiile de date mari, tehnologiile de modelare și simulare au făcut posibilă prezicerea dinamicii.
În timpul căutării conexiunii pierdute a Malaysia Airlines MH370, datele de funcționare a motorului obținute de Boeing au jucat un rol cheie în determinarea traseului conexiunii pierdute a aeronavei.Să luăm sistemul de aeronave Boeing ca un caz pentru a vedea modul în care aplicațiile de date mari joacă un rol în diagnosticarea defecțiunilor produsului.
Pe aeronavele Boeing, sute de variabile, cum ar fi motoarele, sistemele de combustibil, hidraulice și sistemele electrice, alcătuiesc starea în zbor.Aceste date sunt măsurate și trimise în mai puțin de câteva microsecunde.Luând ca exemplu Boeing 737, motorul poate genera 10 teraocteți de date la fiecare 30 de minute în zbor.
Aceste date nu sunt doar date de telemetrie de inginerie care pot fi analizate la un anumit moment în viitor, dar promovează și controlul adaptiv în timp real, utilizarea combustibilului, predicția defecțiunilor componentelor și notificarea pilotului, ceea ce poate realiza în mod eficient diagnosticarea și predicția defecțiunilor.
Să ne uităm la un exemplu de General Electric (GE).Centrul GE de monitorizare și diagnosticare a energiei (M&D) din Atlanta, SUA, colectează date despre mii de turbine cu gaz GE din peste 50 de țări din întreaga lume și poate colecta date 10G pentru clienți în fiecare zi.Analizați fluxul constant de date mari de la vibrația senzorului și semnalele de temperatură din sistem.Aceste analize de date mari vor oferi suport pentru diagnosticarea defecțiunilor turbinei cu gaz GE și avertizarea timpurie.
Producătorul de turbine eoliene Vestas a îmbunătățit, de asemenea, aspectul turbinelor eoliene prin analiza încrucișată a datelor meteorologice și a datelor contoarelor sale, crescând astfel nivelul de putere de ieșire a turbinelor eoliene și prelungind durata de viață.
3. Aplicarea datelor mari a liniei de producție IoT industriale
Liniile de producție moderne de producție industrială sunt echipate cu mii de senzori mici pentru a detecta temperatura, presiunea, căldura, vibrațiile și zgomotul.
Deoarece datele sunt colectate la fiecare câteva secunde, pot fi realizate multe forme de analiză prin utilizarea acestor date, inclusiv diagnosticarea echipamentelor, analiza consumului de energie, analiza consumului de energie, analiza calității accidentelor (inclusiv încălcări ale reglementărilor de producție, defecțiuni ale componentelor) etc.
În primul rând, în ceea ce privește îmbunătățirea procesului de producție, utilizarea acestor date mari în procesul de producție poate analiza întregul proces de producție și înțelege modul în care este executată fiecare legătură.Odată ce un anumit proces se abate de la procesul standard, va fi generat un semnal de alarmă, erorile sau blocajele pot fi găsite mai rapid, iar problema poate fi rezolvată mai ușor.
Folosind tehnologia big data, este de asemenea posibilă stabilirea modelelor virtuale ale procesului de producție a produselor industriale, simularea și optimizarea procesului de producție.Când toate datele de proces și de performanță pot fi reconstruite în sistem, această transparență va ajuta producătorii să-și îmbunătățească procesele de producție.
Pentru un alt exemplu, în ceea ce privește analiza consumului de energie, utilizarea senzorilor pentru monitorizarea centrală a tuturor proceselor de producție în timpul procesului de producție a echipamentelor poate găsi anomalii sau vârfuri în consumul de energie, astfel încât consumul de energie să poată fi optimizat în timpul procesului de producție și toate procesele pot fi optimizate. fi efectuat.Analiza va reduce foarte mult consumul de energie.
4. Analiza și optimizarea lanțului de aprovizionare industrial
În prezent, analiza datelor mari este deja un mijloc important pentru multe companii de comerț electronic de a spori competitivitatea lanțurilor lor de aprovizionare.
De exemplu, compania de comerț electronic Jingdong Mall utilizează date mari pentru a analiza și a prezice în avans cererea de mărfuri în diferite locuri, îmbunătățind astfel eficiența distribuției și depozitării și asigurând experiența clienților a doua zi.
RFID și alte tehnologii de identificare electronică a produselor, tehnologia Internet of Things și tehnologia Internet mobil pot ajuta întreprinderile industriale să obțină date mari ale unui lanț complet de aprovizionare cu produse.Utilizarea acestor date pentru analiză va aduce o creștere semnificativă a eficienței depozitării, distribuției și vânzărilor și un cost semnificativ.declin.
Există mai mult de 1.000 de furnizori OEM mari în Statele Unite, care furnizează peste 10.000 de produse diferite companiilor de producție.Fiecare producător se bazează pe prognozele pieței și pe alte variabile diferite, cum ar fi datele vânzărilor, informațiile despre piață, expozițiile, știrile și datele concurenților și chiar prognozele meteo pentru a-și vinde produsele.
Folosind datele de vânzări, datele senzorilor de produs și datele din bazele de date ale furnizorilor, companiile de producție industrială pot prezice cu exactitate cererea în diferite regiuni ale lumii.
Deoarece prețurile de stoc și de vânzare pot fi urmărite și pot fi cumpărate atunci când prețurile scad, companiile producătoare pot economisi o mulțime de costuri.
Dacă reutilizați datele generate de senzorii din produs pentru a afla ce este în neregulă cu produsul și unde sunt necesare piese, aceștia pot, de asemenea, prezice unde și când sunt necesare piese.Acest lucru va reduce foarte mult stocul și va optimiza lanțul de aprovizionare.
