Industriella big data är ett nytt koncept, bokstavligen förstått, industriell big data hänvisar till de big data som genereras i tillämpningen av industriell information.
Med en djupgående integration av informatisering och industrialisering har informationsteknologi trängt in i alla länkar till industriella företagskedjan, såsom streckkoder, QR-koder, RFID, industriella sensorer, industriella automatiska kontrollsystem, industriella internet för saker, ERP, CAD/CAM/CAE/CAI och andra tekniker är breda i industriella företag.
Speciellt med tillämpningen av ny generationens informationsteknologier som Internet, Mobile Internet och Internet of Things inom industriområdet har industriföretag också gått in i ett nytt utvecklingsstadium i internetbranschen, och de uppgifter som industriella företag innehar har blivit allt mer rikligt.
Tillämpningen av industriella big data kommer att ge en ny era av innovation och omvandling i industriella företag. Genom den lågkostnadsuppfattningen, höghastighets mobilanslutning, distribuerad datoranvändning och avancerad analys som åstadkommit av Internet och Mobile Internet of Things, integreras informationsteknologi och globala industriella system djupt, vilket ger djupa förändringar i globala industrier och innoverar FoU och produktion av företag. , Drifts-, marknadsförings- och hanteringsmetoder. Henao Tech (Seko Machinery) tillämpar Internet -teknik på kontrollsystemet för Intelligent industriellt svetsat rörmaskiner i rostfritt stål , så att de tekniska teamen för båda parter kan övervaka produktionsdata i realtid, hitta fel under drift och förhindra avstängningar.
Därför är de problem och utmaningar som industriella big data -applikationer möter inte mindre än de i internetbranschen, och i vissa fall är de ännu mer komplicerade.
Dessa innovativa industriföretag i olika branscher har gett snabbare hastighet, högre effektivitet och högre insikt.
Typiska tillämpningar av industriella big data inkluderar produktinnovation, produktfeldiagnos och förutsägelse, industriell produktionslinje IoT -analys, industriell företags leveranskedjanoptimering och produktionsmarknadsföring. Den här artikeln kommer att reda ut applikationsscenarierna för industriella big data i tillverkning av företag en efter en.
1. Accelerera produktinnovation
Interaktionen och transaktionsbeteendet mellan kunder och industriföretag kommer att generera en stor mängd data. Gruvdrift och analys av dessa kunddynamiska data kan hjälpa kunder att delta i produktbehovsanalys och produktdesigninnovationsaktiviteter och ge bidrag till produktinnovation.
Ford är ett exempel i detta avseende. De använde big datateknologi på produktinnovation och optimering av Ford Focus Electric Car. Denna bil har blivit en veritabel 'Big Data Electric Car. ' Den första generationen av Ford Focus Electric Fordon genererade mycket data vid körning och parkering.
Under körning uppdaterar föraren kontinuerligt fordonets acceleration, bromsning, batteriladdning och platsinformation. Detta är användbart för förare, men uppgifterna skickas också tillbaka till Ford -ingenjörer för att förstå kundens körvanor, inklusive hur, när och var de ska ladda. Även om fordonet stannar kommer det att fortsätta att överföra data om däcktrycket och batterisystemet på fordonet till närmaste smarttelefon.
Detta kundcentriska Big Data-applikationsscenario har många fördelar, eftersom Big Data möjliggör värdefull ny produktinnovation och samarbetsmetoder. Förare får användbar och uppdaterad information, medan ingenjörer i Detroit aggregerar information om körbeteende för att förstå kunder, utveckla produktförbättringsplaner och implementera nya produktinnovationer.
Dessutom kan kraftföretag och andra tredjepartsleverantörer analysera miljoner miles med kördata för att bestämma var de ska bygga nya laddstationer och hur man kan förhindra att det bräckliga nätet överbelastas.
2. Produktfeldiagnos och förutsägelse
Detta kan användas för produkt efter försäljning och produktförbättring. Införandet av allestädes närvarande sensorer och Internet-teknik har gjort realtidsdiagnos av produktfel till verklighet, medan Big Data-applikationer, modellering och simuleringstekniker har gjort det möjligt att förutsäga dynamik.
Under sökningen efter den förlorade anslutningen av Malaysia Airlines MH370 spelade motorns driftsdata som erhållits av Boeing en nyckelroll för att bestämma vägen för den förlorade anslutningen till flygplanet. Låt oss ta Boeing Aircraft -systemet som ett fall för att se hur Big Data -applikationer spelar en roll i produktfeldiagnosen.
På Boeings flygplan utgör hundratals variabler, såsom motorer, bränslesystem, hydraulik och elektriska system, under flygningstillståndet. Dessa data mäts och skickas in mindre än några mikrosekunder. Med Boeing 737 som ett exempel kan motorn generera 10 terabyte data var 30: e minut under flygningen.
Dessa data är inte bara tekniska telemetri-data som kan analyseras vid en viss punkt i framtiden, utan också främja adaptiv kontroll i realtid, bränsleanvändning, förutsägelse av komponentfel och pilotavisering, 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 GA -gasturbiner i mer än 50 länder runt om i världen och kan samla in 10G -data för kunder varje dag. Analysera det ständiga big dataflödet från sensorvibrations- och temperatursignalerna i systemet. Denna big data -analys kommer att ge stöd för GE: s gasturbinfeldiagnos och tidig varning.
Vindturbintillverkaren Vestas förbättrade också layouten för vindkraftverk genom korsanalyserande väderdata och dess turbindata, vilket ökade kraftutgångsnivån för vindkraftverk och förlänger livslängden.
3. Big Data Application of Industrial IoT Production Line
Moderna industriella tillverkningsproduktionslinjer är utrustade med tusentals små sensorer för att upptäcka temperatur, tryck, värme, vibrationer och brus.
Eftersom data samlas in med några sekunder kan många former av analyser realiseras genom att använda dessa data, inklusive utrustningsdiagnos, effektförbrukningsanalys, energiförbrukningsanalys, analys av kvalitetsolyckor (inklusive överträdelser av produktionsregler, komponentfel) etc.
Först och främst, när det gäller förbättring av produktionsprocessen, kan användning av dessa big data i produktionsprocessen analysera hela produktionsprocessen och förstå hur varje länk utförs. 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 för produktionsprocessen för industriprodukter, simulera och optimera produktionsprocessen. När alla process- och prestandadata kan rekonstrueras i systemet kommer denna transparens att hjälpa tillverkarna att förbättra sina produktionsprocesser.
För ett annat exempel, när det gäller energiförbrukningsanalys kan användningen av sensorer för att centralt övervaka alla produktionsprocesser under produktionsprocessen hitta avvikelser eller toppar i energiförbrukning, så att energiförbrukningen kan optimeras under produktionsprocessen och alla processer kan utföras. Analys kommer att minska energiförbrukningen kraftigt.
4. Analys och optimering av industriell leveranskedja
För närvarande är Big Data-analys redan ett viktigt sätt för många e-handelsföretag att förbättra konkurrenskraften i deras leveranskedjor.
Till exempel använder e-handelsföretaget Jingdong Mall big data för att analysera och förutsäga efterfrågan på varor på olika platser i förväg, vilket förbättrar effektiviteten i distribution och lager och säkerställer kundupplevelsen nästa dag.
RFID och annan produkt elektronisk identifieringsteknik, Internet of Things -teknik och mobil internet -teknik kan hjälpa industriella företag att få stora uppgifter om en komplett produktförsörjningskedja. Att använda dessa data för analys kommer att medföra en betydande ökning av lager, distribution och försäljningseffektivitet och en betydande kostnad. nedgång.
Det finns mer än 1 000 stora OEM -leverantörer i USA, vilket ger mer än 10 000 olika produkter till tillverkningsföretag. Varje tillverkare förlitar sig på marknadsprognoser och andra olika variabler, till exempel 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 sjunker kan tillverkningsföretag spara många kostnader.
Om du återanvänder de data som genereras av sensorerna i produkten för att veta vad som är fel med produkten och var delar behövs, kan de också förutsäga var och när delar behövs. Detta kommer att minska lagret och optimera leveranskedjan.
