Industriell big data är ett nytt koncept, bokstavligen förstått, industriell big data hänvisar till big data som genereras vid tillämpningen av industriell information.
Med den djupgående integrationen av informatisering och industrialisering har informationsteknologin trängt in i alla länkar i den industriella kedjan av industriföretag, såsom streckkoder, QR-koder, RFID, industriella sensorer, industriella automatiska styrsystem, industriellt Internet of Things, ERP, CAD/CAM/CAE/CAI och andra tekniker används ofta i industriföretag.
Speciellt med tillämpningen av den nya generationens informationsteknologier såsom Internet, mobilt Internet och Internet of Things inom industriområdet, har industriföretag också gått in i ett nytt utvecklingsstadium inom internetindustrin, och data som innehas av industriföretag har bli allt rikligare.
Tillämpningen av industriell big data kommer att medföra en ny era av innovation och omvandling i industriföretag.Genom lågkostnadsuppfattningen, höghastighetsmobilanslutningen, distribuerad datoranvändning och avancerad analys som åstadkoms av Internet och det mobila Internet of Things, integreras informationsteknik och globala industriella system djupt, vilket medför djupgående förändringar i globala industrier och innovativa FoU och produktion av företag., Drift, marknadsföring och ledningsmetoder. Hangao Tech (SEKO Machinery) tillämpar internetteknik på styrsystemet för intelligenta industriella svetsade rörtillverkningsmaskiner i rostfritt stål , så att de tekniska teamen från båda parter kan övervaka produktionsdata i realtid, hitta fel under drift och förhindra avstängningar.
Därför är de problem och utmaningar som industriella big data-tillämpningar står inför inte mindre än Internetindustrins, och i vissa fall är de ännu mer komplicerade.
Dessa innovativa industriföretag inom olika branscher har medfört snabbare hastighet, högre effektivitet och högre insikt.
Typiska tillämpningar av industriell big data inkluderar produktinnovation, produktfeldiagnos och -förutsägelse, industriell produktionslinje IoT-analys, industriell optimering av försörjningskedjan och produktprecisionsmarknadsföring.Den här artikeln kommer att reda ut tillämpningsscenarierna för industriell big data i tillverkningsföretag en efter en.
1. Accelerera produktinnovation
Interaktionen och transaktionsbeteendet mellan kunder och industriföretag kommer att generera en stor mängd data.Att bryta och analysera dessa kunddynamiska data kan hjälpa kunder att delta i produktefterfrågananalys och produktdesigninnovationsaktiviteter och ge bidrag till produktinnovation.
Ford är ett exempel i detta avseende.De tillämpade big data-teknik för produktinnovation och optimering av elbilen Ford Focus.Den här bilen har blivit en veritabel 'big data-elbil'. Den första generationen av Ford Focus-elfordon genererade mycket data vid körning och parkering.
Under körning uppdaterar föraren kontinuerligt fordonets acceleration, bromsning, batteriladdning och platsinformation.Detta är användbart för förare, men data skickas också tillbaka till Fords ingenjörer för att förstå kundens körvanor, inklusive hur, när och var de ska ladda.Även om fordonet står stilla kommer det att fortsätta att överföra data om fordonets däcktryck och batterisystem till närmaste smartphone.
Detta kundcentrerade scenario för big data-applikationer har många fördelar, eftersom big data möjliggör värdefulla nya produktinnovationer och samarbetsmetoder.Förare får användbar och uppdaterad information, medan ingenjörer i Detroit samlar information om körbeteende för att förstå kunder, utveckla produktförbättringsplaner och implementera nya produktinnovationer.
Dessutom kan kraftbolag och andra tredjepartsleverantörer analysera miljontals miles av kördata för att avgöra var man ska bygga nya laddstationer och hur man förhindrar att det ömtåliga nätet överbelastas.
2. Diagnostik och förutsägelse av produktfel
Detta kan användas för eftermarknadsservice och produktförbättringar.Införandet av allestädes närvarande sensorer och internetteknik har gjort realtidsdiagnostik av produktfel till verklighet, medan big data-applikationer, modellerings- och simuleringstekniker har gjort det möjligt att förutsäga dynamik.
Under sökandet efter den förlorade anslutningen till Malaysia Airlines MH370, spelade motordriftsdata som erhållits av Boeing en nyckelroll för att bestämma vägen för flygplanets förlorade anslutning.Låt oss ta Boeings flygplanssystem som ett fall för att se hur big data-applikationer spelar en roll i produktfeldiagnostik.
På Boeings flygplan utgör hundratals variabler, såsom motorer, bränslesystem, hydraulik och elektriska system, tillståndet under flygning.Dessa data mäts och skickas på mindre än några mikrosekunder.Med Boeing 737 som exempel kan motorn generera 10 terabyte data var 30:e minut under flygning.
Dessa data är inte bara tekniska telemetridata som kan analyseras vid en viss tidpunkt i framtiden, utan främjar även adaptiv styrning i realtid, bränsleanvändning, förutsägelse av komponentfel och pilotmeddelande, vilket effektivt kan uppnå feldiagnos och förutsägelse.
Låt oss titta på ett exempel på General Electric (GE).GE Energy Monitoring and Diagnostics (M&D) Center i Atlanta, USA, samlar in data om tusentals GE gasturbiner i mer än 50 länder runt om i världen och kan samla in 10G-data för kunder varje dag.Analysera det konstanta stora dataflödet från sensorns vibrations- och temperatursignaler i systemet.Dessa stora dataanalyser kommer att ge stöd för GE:s gasturbinfeldiagnos och tidig varning.
Vindturbintillverkaren Vestas förbättrade också vindkraftverkens layout genom att korsanalysera väderdata och dess turbinmätare, vilket ökade vindkraftverkens effektnivå och förlängde livslängden.
3. Big data tillämpning av industriell IoT produktionslinje
Moderna industriella produktionslinjer är utrustade med tusentals små sensorer för att detektera temperatur, tryck, värme, vibrationer och buller.
Eftersom data samlas in med några sekunders mellanrum kan många former av analyser realiseras genom att använda dessa data, inklusive utrustningsdiagnos, energiförbrukningsanalys, energiförbrukningsanalys, kvalitetsolycksanalys (inklusive överträdelser av produktionsbestämmelser, komponentfel), etc.
Först och främst, när det gäller förbättring av produktionsprocesser, kan användningen av dessa stora data i produktionsprocessen analysera hela produktionsprocessen och förstå hur varje länk exekveras.När en viss process avviker från standardprocessen kommer en larmsignal att genereras, fel eller flaskhalsar kan hittas snabbare och problemet kan lösas lättare.
Med hjälp av big data-teknik är det också möjligt att etablera virtuella modeller av produktionsprocessen för industriprodukter, simulera och optimera produktionsprocessen.När all process- och prestandadata kan rekonstrueras i systemet kommer denna transparens att hjälpa tillverkarna att förbättra sina produktionsprocesser.
Till ett annat exempel, när det gäller energiförbrukningsanalys, kan användningen av sensorer för att centralt övervaka alla produktionsprocesser under utrustningsproduktionsprocessen hitta abnormiteter eller toppar i energiförbrukningen, så att energiförbrukningen kan optimeras under produktionsprocessen och alla processer kan utföras.Analyser kommer att kraftigt minska energiförbrukningen.
4. Analys och optimering av industriell leveranskedja
För närvarande är big data-analys redan ett viktigt sätt för många e-handelsföretag att förbättra konkurrenskraften för sina leveranskedjor.
Till exempel använder e-handelsföretaget Jingdong Mall big data för att analysera och förutsäga efterfrågan på varor på olika ställen i förväg, och därigenom effektivisera distributionen och lagerhållningen och säkerställa nästa dags kundupplevelse.
RFID och annan elektronisk identifieringsteknik för produkter, Internet of Things-teknik och mobil Internet-teknik kan hjälpa industriföretag att få tillgång till stordata från en komplett produktförsörjningskedja.Att använda dessa data för analys kommer att medföra en betydande ökning av lager-, distributions- och försäljningseffektivitet och en betydande kostnad.nedgång.
Det finns mer än 1 000 stora OEM-leverantörer i USA, som tillhandahåller mer än 10 000 olika produkter till tillverkande företag.Varje tillverkare förlitar sig på marknadsprognoser och andra olika variabler, såsom försäljningsdata, marknadsinformation, utställningar, nyheter och konkurrentdata och till och med väderprognoser för att sälja sina produkter.
Med hjälp av försäljningsdata, produktsensordata och data från leverantörsdatabaser kan industriella tillverkningsföretag exakt förutsäga efterfrågan i olika regioner i världen.
Eftersom lager- och försäljningspriser kan spåras, och kan köpas när priserna faller, kan tillverkande företag spara mycket kostnader.
Om du återanvänder data som genereras av sensorerna i produkten för att veta vad som är fel på produkten och var delar behövs, kan de också förutse var och när delar behövs.Detta kommer att avsevärt minska lagret och optimera försörjningskedjan.
