Большие промышленные данные — это новая концепция, которую в буквальном смысле понимают под «большими промышленными данными» — это большие данные, генерируемые в результате применения промышленной информации.
С глубокой интеграцией информатизации и индустриализации информационные технологии проникли во все звенья производственной цепочки промышленных предприятий, такие как штрих-коды, QR-коды, RFID, промышленные датчики, промышленные автоматические системы управления, промышленный Интернет вещей, ERP, CAD/CAM/CAE/CAI и другие технологии широко используются на промышленных предприятиях.
В частности, благодаря применению информационных технологий нового поколения, таких как Интернет, мобильный Интернет и Интернет вещей, в промышленной сфере, промышленные предприятия также вступили в новый этап развития интернет-индустрии, и данные, хранящиеся промышленными предприятиями, изменились. становятся все более обильными.
Применение больших промышленных данных откроет новую эру инноваций и преобразований на промышленных предприятиях.Благодаря низкозатратному восприятию, высокоскоростному мобильному соединению, распределенным вычислениям и расширенному анализу, обеспечиваемому Интернетом и мобильным Интернетом вещей, информационные технологии и глобальные промышленные системы глубоко интегрируются, внося глубокие изменения в глобальные отрасли и создавая инновации. НИОКР и производство предприятий., Эксплуатация, методы маркетинга и управления. Hangao Tech (SEKO Machinery) применяет интернет-технологии к системе управления интеллектуальное оборудование для производства промышленных сварных труб из нержавеющей стали , позволяющее техническим командам обеих сторон отслеживать производственные данные в режиме реального времени, находить неисправности во время работы и предотвращать простои.
Таким образом, проблемы и задачи, с которыми сталкиваются промышленные приложения больших данных, не меньше, чем в интернет-индустрии, а в некоторых случаях даже сложнее.
Эти инновационные промышленные предприятия в различных отраслях обеспечили более высокую скорость, более высокую эффективность и более глубокое понимание.
Типичные применения больших промышленных данных включают инновации в продуктах, диагностику и прогнозирование неисправностей продуктов, анализ IoT промышленных производственных линий, оптимизацию цепочки поставок промышленных предприятий и прецизионный маркетинг продукции.В этой статье будут последовательно разобраны сценарии применения промышленных больших данных на производственных предприятиях.
1. Ускорение инноваций в продуктах
Взаимодействие и транзакционное поведение между клиентами и промышленными предприятиями будут генерировать большой объем данных.Извлечение и анализ этих динамических данных о клиентах может помочь клиентам участвовать в анализе спроса на продукцию и инновационной деятельности в области дизайна продуктов, а также вносить вклад в инновации продуктов.
Форд в этом отношении является примером.Они применили технологию больших данных для разработки инноваций и оптимизации электромобиля Ford Focus.Этот автомобиль стал настоящим «электромобилем с большими данными». Первое поколение электромобилей Ford Focus генерировало большое количество данных во время вождения и парковки.
Во время вождения водитель постоянно обновляет информацию об ускорении, торможении, зарядке аккумулятора и местоположении автомобиля.Это полезно для водителей, но данные также отправляются обратно инженерам Ford, чтобы понять привычки вождения клиента, в том числе, как, когда и где взимать плату.Даже если автомобиль стоит, он продолжит передавать данные о давлении в шинах и аккумуляторной системе автомобиля на ближайший смартфон.
Этот сценарий применения больших данных, ориентированный на клиента, имеет множество преимуществ, поскольку большие данные позволяют создавать ценные новые продукты и методы совместной работы.Водители получают полезную и актуальную информацию, а инженеры в Детройте собирают информацию о поведении водителей, чтобы понимать клиентов, разрабатывать планы улучшения продуктов и внедрять новые инновации.
Более того, энергетические компании и другие сторонние поставщики могут анализировать миллионы миль данных о движении, чтобы определить, где построить новые зарядные станции и как предотвратить перегрузку хрупкой сети.
2. Диагностика и прогнозирование неисправностей продукта.
Это можно использовать для послепродажного обслуживания и улучшения продукта.Внедрение повсеместных датчиков и интернет-технологий сделало диагностику неисправностей продукции в режиме реального времени реальностью, а приложения больших данных, технологии моделирования и симуляции сделали возможным прогнозирование динамики.
При поиске потерянного соединения малайзийских авиалиний MH370 ключевую роль в определении пути потерянного соединения самолета сыграли данные о работе двигателя, полученные компанией Boeing.Давайте возьмем в качестве примера авиационную систему Boeing и посмотрим, какую роль приложения больших данных играют в диагностике неисправностей продукта.
На самолетах Boeing сотни переменных, таких как двигатели, топливные системы, гидравлика и электрические системы, определяют состояние полета.Эти данные измеряются и отправляются менее чем за несколько микросекунд.Если взять в качестве примера Боинг 737, двигатель может генерировать 10 терабайт данных каждые 30 минут полета.
Эти данные представляют собой не только данные инженерной телеметрии, которые можно проанализировать в определенный момент в будущем, но также способствуют адаптивному управлению в реальном времени, расходу топлива, прогнозированию отказов компонентов и уведомлению пилота, что может эффективно обеспечить диагностику и прогнозирование неисправностей.
Давайте посмотрим на пример General Electric (GE).Центр мониторинга и диагностики GE Energy (M&D) в Атланте, США, собирает данные о тысячах газовых турбин GE в более чем 50 странах мира и может собирать данные 10G для клиентов каждый день.Анализируйте постоянный поток больших данных от датчиков вибрации и сигналов температуры в системе.Этот анализ больших данных обеспечит поддержку диагностики и раннего предупреждения неисправностей газовых турбин GE.
Производитель ветряных турбин Vestas также улучшил компоновку ветряных турбин путем перекрестного анализа погодных данных и данных счетчиков турбин, тем самым увеличив уровень выходной мощности ветряных турбин и продлив срок их службы.
3. Применение больших данных на промышленной производственной линии IoT
Современные промышленные производственные линии оснащены тысячами небольших датчиков для определения температуры, давления, тепла, вибрации и шума.
Поскольку данные собираются каждые несколько секунд, с использованием этих данных можно реализовать многие формы анализа, включая диагностику оборудования, анализ энергопотребления, анализ энергопотребления, анализ аварий качества (включая нарушения производственных регламентов, отказы компонентов) и т. д.
Прежде всего, с точки зрения улучшения производственного процесса, использование этих больших данных в производственном процессе позволяет проанализировать весь производственный процесс и понять, как выполняется каждое звено.Как только определенный процесс отклоняется от стандартного процесса, генерируется сигнал тревоги, ошибки или узкие места можно найти быстрее, а проблему можно решить проще.
Используя технологии больших данных, также можно создавать виртуальные модели процесса производства промышленной продукции, моделировать и оптимизировать производственный процесс.Когда все данные о процессах и производительности можно будет восстановить в системе, эта прозрачность поможет производителям улучшить свои производственные процессы.
Другой пример: с точки зрения анализа энергопотребления, использование датчиков для централизованного мониторинга всех производственных процессов в процессе производства оборудования позволяет выявить отклонения или пики энергопотребления, что позволяет оптимизировать энергопотребление в ходе производственного процесса и все процессы можно быть выполнено.Анализ позволит значительно снизить потребление энергии.
4. Анализ и оптимизация производственной цепочки поставок
В настоящее время анализ больших данных уже является для многих компаний электронной коммерции важным средством повышения конкурентоспособности своих цепочек поставок.
Например, компания электронной коммерции Jingdong Mall использует большие данные для предварительного анализа и прогнозирования спроса на товары в различных местах, тем самым повышая эффективность дистрибуции и складирования, а также обеспечивая качество обслуживания клиентов на следующий день.
RFID и другие технологии электронной идентификации продуктов, технологии Интернета вещей и технологии мобильного Интернета могут помочь промышленным предприятиям получать большие данные по всей цепочке поставок продукции.Использование этих данных для анализа приведет к значительному повышению эффективности складирования, распределения и продаж, а также к значительным затратам.отклонить.
В США имеется более 1000 крупных OEM-поставщиков, которые поставляют компаниям-производителям более 10 000 различных продуктов.Каждый производитель полагается на рыночные прогнозы и другие переменные, такие как данные о продажах, рыночная информация, выставки, новости и данные о конкурентах, и даже прогнозы погоды, чтобы продавать свою продукцию.
Используя данные о продажах, данные датчиков продукта и данные из баз данных поставщиков, промышленные производственные компании могут точно прогнозировать спрос в различных регионах мира.
Поскольку запасы и цены продаж можно отслеживать и покупать, когда цены падают, производственные компании могут сэкономить много средств.
Если вы повторно используете данные, генерируемые датчиками продукта, чтобы узнать, что с продуктом не так и где необходимы детали, они также могут предсказать, где и когда потребуются детали.Это позволит значительно сократить запасы и оптимизировать цепочку поставок.
