කාර්මික විශාල දත්ත යනු නව සංකල්පයකි, වචනාර්ථයෙන් තේරුම් ගත්, කාර්මික විශාල දත්ත යනු කාර්මික තොරතුරු යෙදීමේදී ජනනය වන විශාල දත්ත වේ.
තොරතුරු හා කාර්මීකරණයේ ගැඹුරින් ඒකාබද්ධ වීමත් සමඟ තොරතුරු තාක්ෂණය බාර්කෝඩ්, QR කේත, RFID, කාර්මික සංවේදක, කාර්මික ස්වයංක්‍රීය පාලන පද්ධති, කාර්මික අන්තර්ජාලය, ERP වැනි කාර්මික ව්‍යවසායන්හි කාර්මික දාමයේ සියලුම සබැඳිවලට විනිවිද ගොස් ඇත. CAD/CAM/CAE/ CAI සහ අනෙකුත් තාක්ෂණයන් කාර්මික ව්යවසායන් තුළ බහුලව භාවිතා වේ.
විශේෂයෙන් කාර්මික ක්ෂේත්‍රයේ අන්තර්ජාලය, ජංගම අන්තර්ජාලය සහ අන්තර්ජාලය වැනි නව පරම්පරාවේ තොරතුරු තාක්ෂණයන් යෙදීමත් සමඟ කාර්මික ව්යවසායන් ද අන්තර්ජාල කර්මාන්තයේ නව සංවර්ධන අවධියකට පිවිස ඇති අතර කාර්මික ව්යවසායන් සතුව ඇති දත්ත වැඩි වැඩියෙන් බහුල වේ.
කාර්මික විශාල දත්ත භාවිතය කාර්මික ව්‍යවසායන්හි නවෝත්පාදන සහ පරිවර්තනයේ නව යුගයක් ගෙන එනු ඇත.අඩු වියදම් සංජානනය, අධිවේගී ජංගම සම්බන්ධතාවය, බෙදා හරින ලද පරිගණකකරණය සහ උසස් විශ්ලේෂණයන් හරහා අන්තර්ජාලය සහ ජංගම අන්තර්ජාලය හරහා ගෙන එන ලද තොරතුරු තාක්ෂණය සහ ගෝලීය කාර්මික පද්ධති ගැඹුරින් ඒකාබද්ධ වෙමින්, ගෝලීය කර්මාන්තවලට ගැඹුරු වෙනස්කම් ගෙන ඒම සහ නව්‍යකරණය කරමින් සිටී. පර්යේෂණ සහ සංවර්ධන සහ ව්යවසායන් නිෂ්පාදනය., මෙහෙයුම්, අලෙවිකරණ සහ කළමනාකරණ ක්‍රම. Hangao Tech (SEKO Machinery) හි පාලන පද්ධතියට අන්තර්ජාල තාක්ෂණය යොදවයි බුද්ධිමත් මල නොබැඳෙන වානේ කාර්මික වෑල්ඩින් කරන ලද පයිප්ප සෑදීමේ යන්ත්‍රෝපකරණ , එවිට දෙපාර්ශවයේම තාක්ෂණික කණ්ඩායම්වලට නිෂ්පාදන දත්ත තත්‍ය කාලීනව නිරීක්ෂණය කිරීමට, ක්‍රියාත්මක වන විට දෝෂ සොයා ගැනීමට සහ වසා දැමීම් වළක්වා ගත හැකිය.
එබැවින්, කාර්මික විශාල දත්ත යෙදුම් මුහුණ දෙන ගැටළු සහ අභියෝග අන්තර්ජාල කර්මාන්තයට වඩා අඩු නොවන අතර සමහර අවස්ථාවලදී ඒවා වඩාත් සංකීර්ණ වේ.
විවිධ කර්මාන්තවල මෙම නව්‍ය කාර්මික ව්යවසායන් වේගවත් වේගයක්, ඉහළ කාර්යක්ෂමතාවයක් සහ ඉහළ අවබෝධයක් ගෙන දී ඇත.
කාර්මික විශාල දත්තවල සාමාන්‍ය යෙදුම් අතර නිෂ්පාදන නවෝත්පාදනය, නිෂ්පාදන දෝෂ නිර්ණය සහ අනාවැකි, කාර්මික නිෂ්පාදන රේඛා IoT විශ්ලේෂණය, කාර්මික ව්‍යවසාය සැපයුම් දාම ප්රශස්තකරණය සහ නිෂ්පාදන නිරවද්‍ය අලෙවිකරණය ඇතුළත් වේ.මෙම ලිපියෙන් නිෂ්පාදන ව්‍යවසායන්හි කාර්මික විශාල දත්තවල යෙදුම් අවස්ථා එකින් එක වර්ග කරනු ඇත.
1. නිෂ්පාදන නවෝත්පාදනය වේගවත් කිරීම
පාරිභෝගිකයින් සහ කාර්මික ව්යවසායන් අතර අන්තර්ක්‍රියා සහ ගනුදෙනු හැසිරීම විශාල දත්ත ප්‍රමාණයක් ජනනය කරනු ඇත.මෙම පාරිභෝගික ගතික දත්ත කැණීම සහ විශ්ලේෂණය කිරීම පාරිභෝගිකයින්ට නිෂ්පාදන ඉල්ලුම විශ්ලේෂණයට සහ නිෂ්පාදන සැලසුම් නවෝත්පාදන ක්‍රියාකාරකම්වලට සහභාගී වීමට සහ නිෂ්පාදන නවෝත්පාදනයට දායක වීමට උපකාරී වේ.
Ford මේ සම්බන්ධයෙන් උදාහරණයක්.ඔවුන් ෆෝඩ් ෆෝකස් විදුලි මෝටර් රථයේ නිෂ්පාදන නවෝත්පාදනය සහ ප්රශස්තකරණය සඳහා විශාල දත්ත තාක්ෂණය යොදා ගත්හ.මෙම මෝටර් රථය සත්‍ය 'විශාල දත්ත විද්‍යුත් මෝටර් රථයක් බවට පත්ව ඇත.' පළමු පරම්පරාවේ ෆෝඩ් ෆෝකස් විදුළි වාහන රිය පැදවීමේදී සහ වාහන නැවැත්වීමේදී බොහෝ දත්ත ජනනය කළේය.
රිය පැදවීමේදී, රියදුරු වාහනයේ ත්වරණය, තිරිංග, බැටරි ආරෝපණය සහ ස්ථාන තොරතුරු අඛණ්ඩව යාවත්කාලීන කරයි.මෙය රියදුරන්ට ප්‍රයෝජනවත් වේ, නමුත් ආරෝපණය කරන්නේ කෙසේද, කවදාද සහ කොතැනද යන්න ඇතුළුව පාරිභෝගිකයාගේ රිය පැදවීමේ පුරුදු තේරුම් ගැනීමට දත්ත Ford ඉංජිනේරුවන් වෙත ආපසු යවනු ලැබේ.වාහනය නවතා තිබුණද වාහනයේ ටයර් පීඩනය සහ බැටරි පද්ධතියේ දත්ත ළඟම ඇති ස්මාර්ට් දුරකථනය වෙත සම්ප්‍රේෂණය කිරීම දිගටම සිදුවේ.
මෙම පාරිභෝගික කේන්ද්‍රීය විශාල දත්ත යෙදුම් දර්ශනයට බොහෝ ප්‍රතිලාභ ඇත, මන්ද විශාල දත්ත මගින් වටිනා නව නිෂ්පාදන නවෝත්පාදන සහ සහයෝගීතා ක්‍රම සක්‍රීය කරයි.රියදුරන්ට ප්‍රයෝජනවත් සහ යාවත්කාලීන තොරතුරු ලැබෙන අතර ඩිට්‍රොයිට් හි ඉංජිනේරුවන් පාරිභෝගිකයන් තේරුම් ගැනීමට, නිෂ්පාදන වැඩිදියුණු කිරීමේ සැලසුම් සංවර්ධනය කිරීමට සහ නව නිෂ්පාදන නවෝත්පාදන ක්‍රියාත්මක කිරීමට රිය පැදවීමේ හැසිරීම පිළිබඳ තොරතුරු එකතු කරයි.
එපමනක් නොව, නව ආරෝපණ මධ්‍යස්ථාන තැනිය යුත්තේ කොතැනද යන්න සහ බිඳෙනසුලු ජාලකය අධික ලෙස පැටවීමෙන් වළක්වා ගන්නේ කෙසේද යන්න තීරණය කිරීමට බලශක්ති සමාගම් සහ අනෙකුත් තෙවන පාර්ශවීය සැපයුම්කරුවන්ට සැතපුම් මිලියන ගණනක රියදුරු දත්ත විශ්ලේෂණය කළ හැකිය.
2. නිෂ්පාදන දෝෂ නිර්ණය සහ අනාවැකි
නිෂ්පාදන අලෙවියෙන් පසු සේවාව සහ නිෂ්පාදන වැඩිදියුණු කිරීම සඳහා මෙය භාවිතා කළ හැකිය.සර්වසම්පූර්ණ සංවේදක සහ අන්තර්ජාල තාක්ෂණය හඳුන්වාදීම මඟින් නිෂ්පාදන දෝෂ පිළිබඳ තත්‍ය කාලීන රෝග විනිශ්චය යථාර්ථයක් බවට පත් කර ඇති අතර විශාල දත්ත යෙදුම්, ආකෘති නිර්මාණය සහ සමාකරණ තාක්ෂණයන් ගතිකත්වය පුරෝකථනය කිරීමට හැකි වී ඇත.
මැලේසියානු ගුවන් සේවයේ MH370 යානයේ නැතිවූ සබඳතාව සෙවීමේදී බෝයිං විසින් ලබාගත් එන්ජින් මෙහෙයුම් දත්ත යානයේ නැතිවූ සම්බන්ධතාවයේ මාර්ගය තීරණය කිරීමේදී ප්‍රධාන කාර්යභාරයක් ඉටු කළේය.නිෂ්පාදන දෝෂ හඳුනාගැනීමේදී විශාල දත්ත යෙදුම් භූමිකාවක් ඉටු කරන්නේ කෙසේදැයි බැලීමට අපි Boeing ගුවන් යානා පද්ධතිය ගනිමු.
බෝයිං ගුවන් යානයේ, එන්ජින්, ඉන්ධන පද්ධති, හයිඩ්‍රොලික් සහ විදුලි පද්ධති වැනි විචල්‍ය සිය ගණනක්, පියාසර තත්ත්‍වය සාදයි.මෙම දත්ත මනිනු ලබන අතර මයික්‍රො තත්පර කිහිපයකට වඩා අඩු කාලයකදී යවනු ලැබේ.Boeing 737 උදාහරණයක් ලෙස ගතහොත්, එන්ජිමට පියාසර කිරීමේදී සෑම විනාඩි 30කටම ටෙරාබයිට් 10ක දත්ත ජනනය කළ හැක.
මෙම දත්ත අනාගතයේ යම් අවස්ථාවක විශ්ලේෂණය කළ හැකි ඉංජිනේරු ටෙලිමෙට්‍රි දත්ත පමණක් නොව, තත්‍ය කාලීන අනුවර්තන පාලනය, ඉන්ධන භාවිතය, සංරචක අසාර්ථක පුරෝකථනය සහ නියමු දැනුම්දීම ප්‍රවර්ධනය කිරීම ද වන අතර එමඟින් ඵලදායි ලෙස දෝෂ හඳුනා ගැනීම සහ අනාවැකි ලබා ගත හැකිය.
අපි බලමු General Electric (GE) හි උදාහරණයක්.ඇමරිකා එක්සත් ජනපදයේ ඇට්ලන්ටා හි පිහිටි GE Energy Monitoring and Diagnostics (M&D) මධ්‍යස්ථානය ලොව පුරා රටවල් 50කට වැඩි ගණනක GE ගෑස් ටර්බයින දහස් ගණනක දත්ත රැස් කරන අතර සෑම දිනකම පාරිභෝගිකයන් සඳහා 10G දත්ත රැස් කළ හැක.පද්ධතියේ සංවේදක කම්පනය සහ උෂ්ණත්ව සංඥා වලින් නිරන්තර විශාල දත්ත ප්රවාහය විශ්ලේෂණය කරන්න.මෙම විශාල දත්ත විශ්ලේෂණය GE හි ගෑස් ටර්බයින දෝෂ හඳුනා ගැනීම සහ පූර්ව අනතුරු ඇඟවීම සඳහා සහාය ලබා දෙනු ඇත.
සුළං ටර්බයින නිෂ්පාදක වෙස්ටාස් විසින් කාලගුණ දත්ත සහ එහි ටර්බයින මීටර දත්ත හරස් විශ්ලේෂණ මගින් සුළං ටර්බයිනවල පිරිසැලසුම වැඩිදියුණු කරන ලද අතර එමඟින් සුළං ටර්බයිනවල බල නිමැවුම් මට්ටම ඉහළ නැංවීම සහ සේවා කාලය දීර්ඝ කිරීම.
3. කාර්මික IoT නිෂ්පාදන රේඛාවේ විශාල දත්ත යෙදුම
නවීන කාර්මික නිෂ්පාදන රේඛා උෂ්ණත්වය, පීඩනය, තාපය, කම්පනය සහ ශබ්දය හඳුනා ගැනීමට කුඩා සංවේදක දහස් ගණනකින් සමන්විත වේ.
සෑම තත්පර කීපයකටම වරක් දත්ත එක්රැස් කරන බැවින්, උපකරණ රෝග විනිශ්චය, බලශක්ති පරිභෝජන විශ්ලේෂණය, බලශක්ති පරිභෝජන විශ්ලේෂණය, තත්ත්ව අනතුරු විශ්ලේෂණය (නිෂ්පාදන රෙගුලාසි උල්ලංඝනය කිරීම්, සංරචක අසමත්වීම් ඇතුළුව) ඇතුළුව මෙම දත්ත භාවිතා කිරීමෙන් බොහෝ ආකාරයේ විශ්ලේෂණ සාක්ෂාත් කරගත හැකිය.
පළමුවෙන්ම, නිෂ්පාදන ක්රියාවලිය වැඩිදියුණු කිරීම සම්බන්ධයෙන්, නිෂ්පාදන ක්‍රියාවලියේදී මෙම විශාල දත්ත භාවිතා කිරීමෙන් සමස්ත නිෂ්පාදන ක්රියාවලිය විශ්ලේෂණය කර එක් එක් සබැඳිය ක්‍රියාත්මක වන ආකාරය තේරුම් ගත හැකිය.යම් ක්‍රියාවලියක් සම්මත ක්‍රියාවලියෙන් බැහැර වූ පසු, අනතුරු ඇඟවීමේ සංඥාවක් ජනනය වනු ඇත, දෝෂ හෝ බාධක වඩාත් ඉක්මනින් සොයා ගත හැකි අතර ගැටළුව වඩාත් පහසුවෙන් විසඳා ගත හැකිය.
විශාල දත්ත තාක්ෂණය භාවිතා කරමින්, කාර්මික නිෂ්පාදනවල නිෂ්පාදන ක්‍රියාවලියේ අතථ්‍ය ආකෘති ස්ථාපනය කිරීම, නිෂ්පාදන ක්රියාවලිය අනුකරණය කිරීම සහ ප්‍රශස්ත කිරීම ද කළ හැකිය.සියලුම ක්‍රියාවලි සහ කාර්ය සාධන දත්ත පද්ධතිය තුළ ප්‍රතිනිර්මාණය කළ හැකි විට, මෙම විනිවිදභාවය නිෂ්පාදකයින්ට ඔවුන්ගේ නිෂ්පාදන ක්‍රියාවලීන් වැඩිදියුණු කිරීමට උපකාරී වේ.
තවත් උදාහරණයක් ලෙස, බලශක්ති පරිභෝජන විශ්ලේෂණයට අනුව, උපකරණ නිෂ්පාදන ක්‍රියාවලියේදී සියලුම නිෂ්පාදන ක්‍රියාවලීන් මධ්‍යගතව අධීක්ෂණය කිරීම සඳහා සංවේදක භාවිතා කිරීමෙන් බලශක්ති පරිභෝජනයේ අසාමාන්‍යතා හෝ උච්චතම අවස්ථාවන් සොයාගත හැකිය, එවිට නිෂ්පාදන ක්‍රියාවලියේදී බලශක්ති පරිභෝජනය ප්‍රශස්ත කළ හැකි අතර සියලු ක්‍රියාවලීන්ට හැකිය. ඉටු කළ යුතුය.විශ්ලේෂණය බලශක්ති පරිභෝජනය බෙහෙවින් අඩු කරනු ඇත.
4. කාර්මික සැපයුම් දාමයේ විශ්ලේෂණය සහ ප්රශස්තකරණය
වර්තමානයේ, විශාල දත්ත විශ්ලේෂණය බොහෝ ඊ-වාණිජ්‍ය සමාගම් සඳහා ඔවුන්ගේ සැපයුම් දාමයේ තරඟකාරිත්වය වැඩි දියුණු කිරීම සඳහා දැනටමත් වැදගත් මාධ්‍යයකි.
උදාහරණයක් ලෙස, ඊ-වාණිජ්‍යය සමාගමක් වන Jingdong Mall විවිධ ස්ථානවල භාණ්ඩ සඳහා ඇති ඉල්ලුම කල්තියා විශ්ලේෂණය කිරීමට සහ පුරෝකථනය කිරීමට විශාල දත්ත භාවිතා කරයි, එමඟින් බෙදා හැරීමේ සහ ගබඩා කිරීමේ කාර්යක්ෂමතාව වැඩි දියුණු කරයි, සහ ඊළඟ දවසේ පාරිභෝගික අත්දැකීම සහතික කරයි.
RFID සහ අනෙකුත් නිෂ්පාදන ඉලෙක්ට්‍රොනික හඳුනාගැනීමේ තාක්ෂණය, ඉන්ටර්නෙට් ඔෆ් තින්ග්ස් තාක්ෂණය සහ ජංගම අන්තර්ජාල තාක්ෂණය කාර්මික ව්‍යවසායන්ට සම්පූර්ණ නිෂ්පාදන සැපයුම් දාමයක විශාල දත්ත ලබා ගැනීමට උපකාරී වේ.විශ්ලේෂණය සඳහා මෙම දත්ත භාවිතා කිරීම ගබඩා කිරීම, බෙදා හැරීම සහ විකුණුම් කාර්යක්ෂමතාවයේ සැලකිය යුතු වැඩි වීමක් සහ සැලකිය යුතු පිරිවැයක් ගෙන එනු ඇත.පහත වැටීම.
එක්සත් ජනපදයේ විශාල OEM සැපයුම්කරුවන් 1,000 කට වඩා ඇත, නිෂ්පාදන සමාගම් සඳහා විවිධ නිෂ්පාදන 10,000 කට වඩා සපයයි.සෑම නිෂ්පාදකයෙක්ම වෙළඳපල අනාවැකි සහ විකුණුම් දත්ත, වෙළඳපල තොරතුරු, ප්‍රදර්ශන, ප්‍රවෘත්ති සහ තරඟකරුවන්ගේ දත්ත වැනි විවිධ විචල්‍යයන් මත රඳා පවතී, සහ ඔවුන්ගේ නිෂ්පාදන විකිණීම සඳහා කාලගුණ අනාවැකි පවා.
විකුණුම් දත්ත, නිෂ්පාදන සංවේදක දත්ත සහ සැපයුම්කරුවන්ගේ දත්ත සමුදායේ දත්ත භාවිතා කරමින්, කාර්මික නිෂ්පාදන සමාගම්වලට ලෝකයේ විවිධ කලාපවල ඉල්ලුම නිවැරදිව පුරෝකථනය කළ හැකිය.
ඉන්වෙන්ටරි සහ විකුණුම් මිල නිරීක්ෂණය කළ හැකි අතර, මිල පහත වැටෙන විට මිලදී ගත හැකි බැවින්, නිෂ්පාදන සමාගම්වලට විශාල පිරිවැයක් ඉතිරි කර ගත හැකිය.
නිෂ්පාදනයේ ඇති සෙන්සර් මගින් ජනනය කරන ලද දත්ත නැවත භාවිතා කර නිෂ්පාදනයේ ඇති වරද කුමක්ද සහ කොටස් අවශ්‍ය වන්නේ කොතැනද යන්න දැන ගැනීමට නම්, කොටස් අවශ්‍ය වන්නේ කොතැනද සහ කවදාද යන්න අනාවැකි කිව හැකිය.මෙය ඉන්වෙන්ටරි විශාල වශයෙන් අඩු කරන අතර සැපයුම් දාමය ප්‍රශස්ත කරයි.
