5. Produktförsäljningsprognos och efterfråganhantering
Använd big data för att analysera aktuella efterfråganförändringar och kombinationer.
Big Data är ett bra försäljningsanalysverktyg. Genom den multidimensionella kombinationen av historiska data kan vi se andelen och förändringen av regional efterfrågan, marknadens popularitet för produktkategorier, de vanligaste kombinationsformerna och konsumenternas nivå. För att anpassa produktstrategin och distributionsstrategin.
I en viss analys kan vi upptäcka att efterfrågan på brevpapper i städer med fler högskolor och universitet i början av skolsäsongen kommer att vara mycket högre, så att vi kan öka främjandet av återförsäljare i dessa städer för att locka dem att beställa mer i början av skolsäsongen och samtidigt i början av skolsäsongen. Produktionskapacitetsplaneringen startades för en eller två månader sedan för att möta marknadsföringsbehovet.
När det gäller produktutveckling justeras produktfunktioner och prestanda baserat på konsumentgruppens fokus. För några år sedan gillade alla att använda musiktelefoner, men nu är alla mer benägna att använda mobiltelefoner för att surfa på internet, ta bilder och dela osv. Förbättringen av kamerafunktionen för mobiltelefoner är bara en sak. Trend, 4G mobiltelefoner upptar också en större marknadsandel. Genom big data -analys av vissa marknadsinformation kan fler potentiella försäljningsmöjligheter hittas.
6. Produktionsplanering och schemaläggning
Tillverkningsindustrin står inför en produktionsmodell med flera variationer och små satser. Den förfinade, automatiska, snabba och bekväma insamlingen av data (MES/DC) och variationen har lett till en dramatisk ökning av data. Dessutom krävs mer än tio års informatisering av historiska data för de snabba svarande AP: erna är det en enorm utmaning.
Kontrollsystemet för Harao Tech (Seko Machinery) 's Intelligent rostfritt stål industriellt svetsat rör som tillverkar maskiner kan spåra och spela in produktionsdata för varje svetsat rör, såsom aktuell storlek, svetshastighet, glödgningstemperatur, etc. På denna grund, med introduktion av tingenes internet, kan big data ge oss mer detaljerad datainformation, upptäcka sannolikheten för avvikelse mellan historiska förutsägelser och faktiska kapaciteter, personliga konstruktioner, personliga konstruktioner, material, Material, MENDE AITALED STIMERING AND CONDATION OCH CONDATION Optimeringsalgoritmer, utveckla förplanering och schemaläggning och övervaka avvikelsen mellan planen och den faktiska på plats och justera dynamiskt planering och schemaläggning.
Hjälp oss att undvika bristerna i 'porträtt ' och direkt påföra gruppegenskaper på individer (arbetscentrumdata ändras direkt till specifika data som utrustning, personal, formar etc.). Genom korrelationsanalysen av data och övervakning av det kan vi planera för framtiden.
Även om big data är något felaktiga, så länge de tillämpas korrekt, kommer big data att bli ett kraftfullt vapen för oss. Då frågade Ford vad Big Data -kundens behov var? Svaret var 'en snabbare häst ' istället för de bilar som nu är populära.
I världen av big data är därför kreativitet, intuition, äventyrlig ande och intellektuell ambition särskilt viktiga.
7. Produktkvalitetshantering och analys
Den traditionella tillverkningsindustrin står inför påverkan av big data. När det gäller produktforskning och utveckling, processdesign, kvalitetshantering, produktion och drift ser vi ivrigt fram emot födelsen av innovativa metoder för att möta utmaningarna med big data i det industriella sammanhanget.
Till exempel, inom halvledarindustrin, genomgår chips många komplexa processer som doping, uppbyggnad, fotolitografi och värmebehandling under produktionsprocessen. Varje steg måste uppfylla extremt krävande fysiska egenskaper. Mycket automatiserad utrustning används för att bearbeta produkter. Samtidigt genererades också enorma testresultat samtidigt.
Är denna enorma mängd data bördan för företaget eller guldgruvan för företaget? Om det senare är fallet, hur kan vi snabbt ta reda på de viktigaste orsakerna till produktutbytesfluktuationer från 'Gold Mine '? Detta är ett tekniskt problem som har plågat halvledaringenjörer i många år.
Efter att de skivor som produceras av ett halvledarteknologföretag genomförs testprocessen, genereras en datauppsättning som innehåller mer än hundra testobjekt och flera miljoner rader testregister varje dag.
Enligt de grundläggande kraven i kvalitetshantering är en oumbärlig uppgift att utföra en processkapacitetsanalys för mer än hundra testobjekt med olika tekniska specifikationer.
Om vi följer den traditionella arbetsmodellen måste vi beräkna mer än hundra processkapacitetsindex steg för steg och utvärdera varje kvalitetskarakteristik efter en.
Oavsett den enorma och besvärliga arbetsbelastningen här, även om någon kan lösa beräkningsproblemet, är det svårt att se sambandet mellan dem från hundratals processförmåga index, och det är ännu svårare att bestämma produktens totala kvalitet. Det finns en omfattande förståelse och sammanfattning av prestanda.
Men om vi använder Big Data Quality Management Analys -plattformen, förutom att snabbt få en lång traditionell enstaka indikatorprocessanalysrapport, ännu viktigare, kan vi också få många nya analyser från samma big data -uppsättning. resultat.
8. Industriell förorening och miljöskyddstestning
Baserat på tingenes internet registreras och övervakas all data i produktionsprocessen, och big data är av stort värde för miljöskydd.
På den kinesiska regeringswebbplatsen, webbplatserna för olika ministerier och uppdrag, den officiella webbplatsen för Petrochina och Sinopec, den officiella webbplatsen för miljöskyddsorganisationer, och vissa speciella byråer, mer och mer offentlig välfärd och miljöskyddsdata kan frågas, inklusive nationella luft och hydrologiska data, meteorologiska data, fabriksfördelning och föroreningsavskrivning efterlevnad av data och så på data och så på.
Dessa data är emellertid för spridda, för professionella, brist på analys och brist på visualisering, och vanliga människor kan inte förstå det. Om du kan förstå och uppmärksamma, kommer big data att bli ett viktigt sätt för samhället att övervaka miljöskyddet.
Baidus lansering av 'National Pollution Monitoring Map ' är ett bra sätt. I kombination med Open Environmental Protection Big Data har Baidu -kartor lagt till ett föroreningsskikt. Vem som helst kan använda det för att se landet och provinserna och städerna i sin egen region, allt i miljöskydd. Platsinformationen, namnet på organisationen, typen av utsläppskälla och den senaste statusen för föroreningarnas överföring som tillkännages av miljöskyddsbyrån (inklusive olika termiska kraftverk, statskontrollerade industriföretag och avloppsreningsverk) under övervakning av byrån.
Du kan kontrollera föroreningskällan närmast dig, och en påminnelse kommer att visas, vilka av inspektionsobjekten vid övervakningspunkten som överskrider standarden, och hur många gånger den överskrider standarden. Denna information kan användas på realtids sociala medieplattformar för att informera vänner och påminna alla om att uppmärksamma föroreningskällor och personlig säkerhet och hälsa.
Värdepotentialen för industriella big data -applikationer är enorm. Det finns dock fortfarande mycket arbete som ska göras för att förverkliga dessa värden.
Den ena är frågan om upprättandet av stor datamedvetenhet. Tidigare fanns det så stora data, men eftersom det inte fanns någon medvetenhet om big data, och dataanalysmetoderna var otillräckliga, kasserades mycket realtidsdata, och det potentiella värdet på en stor mängd data begravdes.
En annan viktig fråga är frågan om dataöar. Uppgifterna från många industriföretag distribueras på olika öar i företaget, särskilt i stora multinationella företag. Det är ganska svårt att extrahera dessa data från hela företaget.
Därför är en viktig fråga för industriella big data -applikationer integrerade applikationer.
