Индустријски велики подаци су нови концепт, буквално схваћени, индустријски велики подаци се односе на велике податке генериране у примени индустријских информација.
Са дубинском интеграцијом информатизације и индустријализације, информационе технологије је продрла у све везе индустријског ланца индустријских предузећа, као што су баркодови, КР кодови, РФИД, индустријски сензори, индустријски аутоматске системе управљања, индустријским интернетским стварима, ЕРП, ЦАД-ом, ЕРП, ЦАД-ом, ЕРП, ЦАД-ом, ЕРП, ЦАД-ом, ЕРП, ЦАД / ЦАЕ / ЦАИ и других технологија.
Посебно са применом ново-генералистичких информационих технологија као што су Интернет, мобилни интернет и интернет ствари у индустријском пољу, индустријска предузећа су такође ушла у нову фазу развоја у Интернет индустрији, а подаци које држе индустријска предузећа постају све обилнији.
Примена индустријских великих података донеће нову еру иновација и трансформације у индустријска предузећа. Кроз опажање нискобуџетне везе, велике брзине, дистрибуирана рачунарска и напредна анализа коју је покренула Интернет и мобилни интернет ствари, информациона технологија и глобални индустријски системи су дубоко интегрисани, доносећи дубоке промене у глобалној индустрији и иновирањем истраживања и израде предузећа. , Рад, маркетинг и методе управљања. ХАНГАО ТЕЦХ (СЕКО Мацхинери) примењује Интернет технологију на контролни систем Интелигентне машине за израду цеви од нехрђајућег челика , тако да техничке тимове обе стране могу да прате податке о производњи у реалном времену, проналазе грешке током рада и спречавају искључивање.
Стога, проблеми и изазови са којима се суочавају индустријске велике апликације нису мањи од оних Интернет индустрије, а у неким су случајевима још сложенији.
Ова иновативна индустријска предузећа у различитим индустријама донијеле су бржу брзину, већу ефикасност и већу увид.
Типичне примене индустријских великих података укључују иновацију производа, дијагнозу и предвиђање грешке производа, индустријска производна линија ИОТ анализа, индустријско предузеће Оптимизација ланца снабдевања и прецизно маркетирање производа. Овај чланак ће сортирати сценарије апликације индустријских великих података у производњи предузећа једна по један.
1. убрзати иновације производа
Понашање интеракције и трансакције између купаца и индустријских предузећа створиће велику количину података. Рударство и анализа ових динамичких података купаца може помоћи купцима да учествују у анализи пондерисања производа и активностима дизајна производа и иновације производа и доприносе иновацијама производа.
Форд је пример у вези с тим. Примењивали су велику технологију података на иновације производа и оптимизацију Форд Фоцус Елецтриц Цар. Овај аутомобил је постао истински електрични аутомобил. 'Прва генерација Форд Фоцус Елецтриенал возила генерирала је много података приликом вожње и паркирања.
Током вожње, возач непрестано ажурира убрзање возила, кочење, пуњење батерије и информације о батерији. Ово је корисно за управљачке програме, али подаци се такође враћају на Фордове инжењере да разумеју возачке навике, укључујући како, када и где да напуне. Чак и ако је возило у застоју, и даље ће преносити податке на притиску у гумама и батерију возила на најближи паметни телефон.
Овај сценариј за пријаву у Центриц Центериц Центер Дата има много користи, јер велики подаци омогућавају драгоцене нове методе иновације производа и сарадње. Возачи добијају корисне и ажурне информације, док инжењери у Детроиту украсне информације о понашању у вожњи да бисте разумели купце, развијање планова за унапређење производа и спровести нове иновације производа.
Штавише, електропривреда и други добављачи трећих страна могу анализирати милионе миља од података о вожњи да би се утврдило где да изграде нове станице за пуњење и како да спрече крхку мрежу да преоптерећује.
2 Дијагноза грешке производа и предвиђање
Ово се може користити за услугу након продаје производа и побољшање производа. Увођење свеприсутних сензора и интернетске технологије направио је дијагнозу производа у реалном времену грешке у реалном времену, док су велике апликације, моделирање и симулационе технологије омогућиле предвиђање динамике.
Током потраге за изгубљеном прикључком Малезије Аирлинес МХ370, пословни подаци мотора добијени Боеинг играли су кључну улогу у одређивању стазе изгубљеног повезивања авиона. Узмимо систем за ваздухоплове за Боеинг као случај да видимо како велике апликације података играју улогу у дијагнози грешке производа.
На Боеинг'с авиону, стотине променљивих, као што су мотори, системи за гориво, хидраулику и електрични системи, чине стање у лету. Ови подаци се мере и шаљу у мање од неколико микросекунди. Узимање Боеинг 737 као пример, мотор може да генерише 10 терабајта података сваких 30 минута у лету.
Ови подаци нису само инжењерски телеметријски подаци који се могу анализирати у одређеној тачки у будућности, али такође промовишу адаптивну контролу у реалном времену, употреба горива, предвиђање компонената предвиђања и пилот обавештења, што може ефикасно да постигне дијагнозу и предвиђање.
Погледајмо пример Генерал Елецтриц (ГЕ). ГЕ Енерги Мониторинг и Диагностицс (М & Д) Центар у Атланти, САД, прикупља податке на хиљаде ГЕ гас турбина у више од 50 земаља широм света и може свакодневно прикупити 10Г података за купце. Анализирајте константне проток података из вибрације сензора и сигнала за температуру у систему. Ове велике анализе података пружиће подршку за ГЕ-ову дијагнозу грешке ГАИ турбина и рано упозорење.
Произвођач ветром турбине Вестас је такође побољшао распоред ветроелектрана унакрсно-анализирањем временских података и његових података са метар турбина, чиме се повећава ниво излаза снаге ветротурбина и продужавајући радни век и продужавајући радни век.
3. Велика примена података о производној линији индустријске иОТ
Модерна индустријска производна производна линија опремљена су хиљадама малих сензора за откривање температуре, притиска, топлоте, вибрације и буке.
Будући да се подаци прикупљају на сваких неколико секунди, многи облици анализе могу се реализовати коришћењем ових података, укључујући дијагнозу опреме, анализу потрошње енергије, анализу потрошње енергије, анализу квалитетне несреће (укључујући кршење прописа о производњи, итд.
Пре свега, у погледу побољшања процеса производње, коришћење ових великих података у производном процесу може анализирати целокупни процес производње и схватити како се свака веза извршава. Једном када одређени процес одступа од стандардног поступка, генерише се сигнал аларма, грешке или уска грла могу се наћи брже, а проблем се може лакше решити.
Користећи велику технологију података, такође је могуће успоставити виртуелне моделе производног процеса индустријских производа, симулирати и оптимизирати производњу производње. Када се у систему могу реконструисати сви процеси и перформанси, ова транспарентност ће помоћи произвођачима да побољшају своје производне процесе.
За још један пример, у погледу анализе потрошње енергије, употреба сензора за централно надгледање свих производних процеса током процеса производње опреме може пронаћи абнормалности или врхове у потрошњи енергије, тако да се потрошња енергије може оптимизирати током процеса производње и сви процеси се могу извршити. Анализа ће значајно смањити потрошњу енергије.
4. Анализа и оптимизација индустријског ланца снабдевања
Тренутно је велика анализа података већ важна средства за многе компаније за е-трговину да побољшају конкурентност својих ланаца снабдевања.
На пример, компанија за е-трговину Јингдонг Малл користи велике податке да анализира и предвиђа потражњу за робом на разним местима, на тај начин побољшава ефикасност дистрибуције и складиштења и обезбеђивањем купца следећег дана.
РФИД и други производ Електронска технологија идентификације, Интернет ствари о стварима и мобилна Интернет технологија могу помоћи индустријским предузећима да добију велике податке о комплетном ланцу снабдевања производа. Користећи ове податке за анализу донијет ће значајно повећање складишта, дистрибуције и ефикасности продаје и значајне трошкове. пад.
У Сједињеним Државама има више од 1.000 великих ОЕМ-а, пружајући више од 10.000 различитих производа производњи компанијама. Сваки произвођач се ослања на прогнозе на тржишту и друге различите променљиве, као што су продајни подаци, информације о тржишту, изложбама, вестима и подацима такмичара, па чак и временске прогнозе за продају њихових производа.
Користећи податке о продаји, подацима о сензору производа и података са база података добављача, индустријске производне компаније могу тачно предвидјети потражњу у различитим регионима света.
Пошто се цене залиха и продаје могу пратити и могу се купити када цене цене, производња компанија могу да уштеде много трошкова.
Ако податке поново постављате у обзир сензори у производу да бисте знали шта није у реду са производом и где су потребни делови, они такође могу предвидјети где и када су потребни делови. То ће увелике смањити инвентар и оптимизовати ланац снабдевања.
