5. Прогноз продаж продукции и управление спросом
Используйте большие данные для анализа текущих изменений спроса и комбинаций.
Большие данные - хороший инструмент анализа продаж. Благодаря многомерной комбинации исторических данных мы можем увидеть долю и изменение регионального спроса, популярность рынка категорий продуктов, наиболее распространенные комбинированные формы и уровень потребителей. Чтобы скорректировать стратегию продукта и стратегию распространения.
В некотором анализе мы можем обнаружить, что спрос на канцелярские товары в городах с большим количеством колледжей и университетов в начале школьного сезона будет намного выше, так что мы можем увеличить продвижение дилеров в этих городах, чтобы привлечь их для упорядочения в начале школьного сезона и в то же время в начале школьного сезона. Планирование производственных мощностей было начато один или два месяца назад для удовлетворения спроса на повышение.
С точки зрения разработки продукта, функции продукта и производительность корректируются на основе фокуса группы потребителей. Например, несколько лет назад всем нравилось использовать музыкальные телефоны, но теперь все более склонны использовать мобильные телефоны для серфинга в Интернете, сфотографироваться и делиться и т. Д. Улучшение функции камеры мобильных телефонов - это лишь одно. Тенденция, мобильные телефоны 4G также занимают большую долю рынка. Благодаря анализу больших данных некоторых деталей рынка можно найти больше потенциальных возможностей продаж.
6. Планирование и планирование производства
Производственная промышленность сталкивается с многоэтажной моделью производства и малой партии. Уточненный, автоматический, своевременный и удобный сбор данных (MES/DC) и изменчивость привели к резкому увеличению данных. Кроме того, для быстро отвечающих APS более десяти лет информационных данных требуются для быстро отвечающих APS, это огромная задача.
Система управления Hangao Tech (Seko Machinery ) Интеллектуальная промышленная сварная сварная сварная труба из нержавеющей стали может отслеживать и записывать производственные данные каждой сварной трубы, такие как размер текущего, скорость сварки, температура отжига и т. Д. На этом основании, с внедрением технологии Интернета вещей, большие данные могут дать нам более подробную информацию о данных, обнаруженные конфигурации, конфигурационные конструкции, конструкции, конфигурации, конфигурации, конструкции, конфигурации, конструкции, конфигурации, и для создания Алгоритмы оптимизации, разработка предварительного планирования и планирования, а также следить за отклонением между планом и фактическим на месте, а также динамически корректируйте планирование и планирование.
Помогите нам избежать дефектов 'Portrait ' и непосредственно навязывать характеристики группы на отдельных лиц (данные рабочего центра напрямую изменяются на конкретные данные, такие как оборудование, персонал, плесени и т. Д.). Через корреляционный анализ данных и мониторинг их, мы можем спланировать на будущее.
Хотя большие данные слегка ошибочны, если они должным образом применяются, большие данные станут для нас мощным оружием. Тогда Форд спросил, что нужно большим данным, нуждается в клиенте? Ответ был «Более быстрая лошадь » вместо автомобилей, которые сейчас популярны.
Следовательно, в мире больших данных, творчество, интуиция, авантюрный дух и интеллектуальные амбиции особенно важны.
7. Управление качеством продукта и анализ
Традиционная производственная отрасль сталкивается с влиянием больших данных. С точки зрения исследования и разработки продуктов, разработки процессов, управления качеством, производства и эксплуатации, мы с нетерпением ожидаем рождения инновационных методов для решения проблем больших данных в промышленном контексте.
Например, в полупроводниковой промышленности чипы подвергаются многим сложным процессам, таким как допинг, наращивание, фотолитография и термообработка в процессе производства. Каждый шаг должен соответствовать чрезвычайно требовательным физическим характеристикам. Высоко автоматизированное оборудование используется для обработки продуктов. В то же время, огромные результаты испытаний также были получены одновременно.
Является ли это огромное количество данных - бремя предприятия или золотого рудника предприятия? Если последнее имеет место, то как мы можем быстро узнать ключевые причины колебаний доходности продукта от 'Золотой рудники '? Это техническая проблема, которая мучила инженеров полупроводников в течение многих лет.
После того, как пластины, произведенные компанией по полупроводниковой технологии, пройдут процесс тестирования, набор данных, содержащий более ста тестовых элементов и несколько миллионов строк тестовых записей, генерируется каждый день.
Согласно основным требованиям управления качеством, незаменимой задачей является проведение анализа возможностей процесса для более чем сто тестовых элементов с различными техническими характеристиками.
Если мы следуем традиционной рабочей модели, нам необходимо вычислить более ста индексов возможностей процесса шаг за шагом и оценить каждую качественную характеристику один за другим.
Независимо от огромной и громоздкой рабочей нагрузки, даже если кто -то может решить проблему расчета, трудно увидеть корреляцию между ними из сотен индексов возможностей процесса, и еще сложнее определить общее качество продукта. Существует полное понимание и краткое изложение производительности.
Однако, если мы используем платформу анализа качества больших данных, в дополнение к быстрому получению длительного отчета об анализе возможностей для процессов отдельных индикаторов, что, что более важно, мы также можем получить много новых анализов из одного и того же большого набора данных. результат.
8. Промышленное загрязнение и испытания на охрану окружающей среды
Основываясь на Интернете вещей, все данные в производственном процессе регистрируются и контролируются, а большие данные имеют большое значение для защиты окружающей среды.
На веб -сайте правительства Китая, веб -сайты различных министерств и комиссий, официальный веб -сайт Petrochina и Sinopec, официальный веб -сайт организаций по охране окружающей среды, и некоторые специальные агентства, все больше и больше данных общественного благосостояния и охраны окружающей среды могут быть расследованы, включая национальные воздушные и гидрологические данные, метеорологические данные, заводские распределения и статус соответствия выписки по загрязнению.
Тем не менее, эти данные слишком разбросаны, слишком профессиональны, не хватает анализа и отсутствия визуализации, и обычные люди не могут этого понять. Если вы сможете понять и обратить внимание, большие данные станут важным средством для общества для мониторинга защиты окружающей среды.
Запуск Baidu «Национальная карта мониторинга загрязнения » - хороший способ. В сочетании с большими данными Baidu Maps в сочетании с открытой защитой окружающей среды добавил уровень обнаружения загрязнения. Любой может использовать его, чтобы просмотреть страну и провинции и города в своем регионе, все в защите окружающей среды. Информация о местоположении, название организации, тип источника выбросов и последний статус соответствия выбросам загрязнения, объявленный Агентством по охране окружающей среды (включая различные тепловые электростанции, контролируемые государством промышленные предприятия и очистные сооружения) под надзором Бюро.
Вы можете проверить источник загрязнения, ближайший к вам, и появится напоминание о том, какие из элементов проверки в точке мониторинга превышают стандарт, и сколько раз он превышает стандарт. Эта информация может быть использована на платформах социальных сетей в реальном времени, чтобы информировать друзей и напомнить всем, чтобы они обратили внимание на источники загрязнения и личную безопасность и здоровье.
Потенциал стоимости промышленных приложений больших данных огромный. Тем не менее, еще предстоит проделать много работы, чтобы реализовать эти ценности.
Одним из них является вопрос создания осознания больших данных. В прошлом были такие большие данные, но, поскольку не было никакого осознания больших данных, и методы анализа данных были недостаточными, многие данные в реальном времени были отброшены или отложены, а потенциальная стоимость большого количества данных была похоронена.
Другим важным вопросом является вопрос о островах данных. Данные многих промышленных предприятий распределены на различных островах на предприятии, особенно в крупных многонациональных компаниях. Довольно сложно извлечь эти данные с всего предприятия.
Таким образом, важной проблемой для промышленных приложений больших данных является интегрированные приложения.
