ข้อมูลขนาดใหญ่ทางอุตสาหกรรมเป็นแนวคิดใหม่ที่เข้าใจอย่างแท้จริง ข้อมูลขนาดใหญ่ทางอุตสาหกรรมหมายถึงข้อมูลขนาดใหญ่ที่สร้างขึ้นในการประยุกต์ใช้ข้อมูลทางอุตสาหกรรม
ด้วยการบูรณาการเชิงลึกของข้อมูลข่าวสารและการพัฒนาอุตสาหกรรม เทคโนโลยีสารสนเทศได้แทรกซึมเข้าไปในการเชื่อมโยงทั้งหมดของห่วงโซ่อุตสาหกรรมขององค์กรอุตสาหกรรม เช่น บาร์โค้ด, รหัส QR, RFID, เซ็นเซอร์อุตสาหกรรม, ระบบควบคุมอัตโนมัติทางอุตสาหกรรม, อินเทอร์เน็ตของสรรพสิ่งทางอุตสาหกรรม, ERP, CAD/CAM/CAE/ CAI และเทคโนโลยีอื่นๆ ถูกนำมาใช้กันอย่างแพร่หลายในองค์กรอุตสาหกรรม
โดยเฉพาะอย่างยิ่งกับการประยุกต์ใช้เทคโนโลยีสารสนเทศยุคใหม่ เช่น อินเทอร์เน็ต อินเทอร์เน็ตบนมือถือ และอินเทอร์เน็ตของสรรพสิ่ง (Internet of Things) ในภาคอุตสาหกรรม องค์กรอุตสาหกรรมได้เข้าสู่ขั้นตอนใหม่ของการพัฒนาในอุตสาหกรรมอินเทอร์เน็ต และข้อมูลที่องค์กรอุตสาหกรรมถือครองก็มี ให้อุดมสมบูรณ์มากขึ้น
การประยุกต์ใช้ข้อมูลขนาดใหญ่ทางอุตสาหกรรมจะนำมาซึ่งยุคใหม่ของนวัตกรรมและการเปลี่ยนแปลงในองค์กรอุตสาหกรรมด้วยการรับรู้ที่มีต้นทุนต่ำ การเชื่อมต่อมือถือความเร็วสูง การประมวลผลแบบกระจาย และการวิเคราะห์ขั้นสูงที่เกิดจากอินเทอร์เน็ตและ Internet of Things บนมือถือ เทคโนโลยีสารสนเทศและระบบอุตสาหกรรมทั่วโลกกำลังถูกบูรณาการอย่างลึกซึ้ง นำมาซึ่งการเปลี่ยนแปลงอย่างลึกซึ้งต่ออุตสาหกรรมทั่วโลก และการสร้างสรรค์นวัตกรรม R&D และการผลิตขององค์กร,วิธีการดำเนินงาน การตลาด และการบริหารจัดการ Hangao Tech (SEKO Machinery) ใช้เทคโนโลยีอินเทอร์เน็ตกับระบบควบคุมของ เครื่องจักรทำท่อเชื่อมอุตสาหกรรมสแตนเลสอัจฉริยะ เพื่อให้ทีมงานด้านเทคนิคของทั้งสองฝ่ายสามารถตรวจสอบข้อมูลการผลิตแบบเรียลไทม์ ค้นหาข้อผิดพลาดระหว่างการทำงาน และป้องกันการปิดเครื่อง
ดังนั้นปัญหาและความท้าทายที่แอปพลิเคชั่น Big Data ในอุตสาหกรรมต้องเผชิญจึงไม่น้อยไปกว่าปัญหาของอุตสาหกรรมอินเทอร์เน็ต และในบางกรณีก็มีความซับซ้อนมากยิ่งขึ้น
องค์กรอุตสาหกรรมเชิงนวัตกรรมในอุตสาหกรรมต่างๆ เหล่านี้ได้นำมาซึ่งความเร็วที่เร็วขึ้น ประสิทธิภาพที่สูงขึ้น และข้อมูลเชิงลึกที่สูงขึ้น
การใช้งานทั่วไปของข้อมูลขนาดใหญ่ทางอุตสาหกรรม ได้แก่ นวัตกรรมผลิตภัณฑ์ การวินิจฉัยและการทำนายข้อบกพร่องของผลิตภัณฑ์ การวิเคราะห์ IoT ของสายการผลิตทางอุตสาหกรรม การเพิ่มประสิทธิภาพห่วงโซ่อุปทานขององค์กรอุตสาหกรรม และการตลาดที่มีความแม่นยำของผลิตภัณฑ์บทความนี้จะจัดเรียงสถานการณ์การประยุกต์ใช้ข้อมูลขนาดใหญ่ทางอุตสาหกรรมในองค์กรการผลิตทีละรายการ
1. เร่งสร้างนวัตกรรมผลิตภัณฑ์
ปฏิสัมพันธ์และพฤติกรรมการทำธุรกรรมระหว่างลูกค้าและองค์กรอุตสาหกรรมจะสร้างข้อมูลจำนวนมากการขุดและวิเคราะห์ข้อมูลไดนามิกของลูกค้าเหล่านี้สามารถช่วยให้ลูกค้ามีส่วนร่วมในการวิเคราะห์ความต้องการผลิตภัณฑ์และกิจกรรมนวัตกรรมการออกแบบผลิตภัณฑ์ และมีส่วนร่วมในการสร้างสรรค์นวัตกรรมผลิตภัณฑ์
ฟอร์ดเป็นตัวอย่างในเรื่องนี้พวกเขาใช้เทคโนโลยีบิ๊กดาต้ากับนวัตกรรมผลิตภัณฑ์และการเพิ่มประสิทธิภาพของรถยนต์ไฟฟ้าฟอร์ดโฟกัสรถคันนี้ได้กลายเป็น 'รถยนต์ไฟฟ้าข้อมูลขนาดใหญ่' อย่างแท้จริง รถยนต์ไฟฟ้าฟอร์ด โฟกัส รุ่นแรกสร้างข้อมูลจำนวนมากเมื่อขับขี่และจอดรถ
ขณะขับรถ ผู้ขับจะอัปเดตข้อมูลการเร่งความเร็ว การเบรก การชาร์จแบตเตอรี่ และข้อมูลตำแหน่งอย่างต่อเนื่องสิ่งนี้มีประโยชน์สำหรับผู้ขับขี่ แต่ข้อมูลจะถูกส่งกลับไปยังวิศวกรของ Ford เพื่อทำความเข้าใจพฤติกรรมการขับขี่ของลูกค้า รวมถึงวิธี เวลา และสถานที่ที่จะเรียกเก็บเงินแม้ว่ารถยนต์จะจอดอยู่กับที่ แต่จะยังคงส่งข้อมูลแรงดันลมยางและระบบแบตเตอรี่ของรถยนต์ไปยังสมาร์ทโฟนที่ใกล้ที่สุด
สถานการณ์การใช้งาน Big Data ที่เน้นลูกค้าเป็นศูนย์กลางนี้มีประโยชน์มากมาย เนื่องจาก Big Data ช่วยให้เกิดนวัตกรรมผลิตภัณฑ์ใหม่ที่มีคุณค่าและวิธีการทำงานร่วมกันได้ผู้ขับขี่จะได้รับข้อมูลที่เป็นประโยชน์และทันสมัย ในขณะที่วิศวกรในดีทรอยต์รวบรวมข้อมูลเกี่ยวกับพฤติกรรมการขับขี่เพื่อทำความเข้าใจลูกค้า พัฒนาแผนการปรับปรุงผลิตภัณฑ์ และนำนวัตกรรมผลิตภัณฑ์ใหม่ๆ ไปใช้
นอกจากนี้ บริษัทผลิตไฟฟ้าและซัพพลายเออร์บุคคลที่สามอื่นๆ ยังสามารถวิเคราะห์ข้อมูลการขับขี่ระยะทางนับล้านไมล์เพื่อกำหนดตำแหน่งที่จะสร้างสถานีชาร์จใหม่ และวิธีป้องกันไม่ให้โครงข่ายไฟฟ้าที่เปราะบางเกิดการโอเวอร์โหลด
2. การวินิจฉัยและการทำนายข้อบกพร่องของผลิตภัณฑ์
สามารถใช้สำหรับการบริการหลังการขายผลิตภัณฑ์และการปรับปรุงผลิตภัณฑ์การเปิดตัวเซ็นเซอร์ที่แพร่หลายและเทคโนโลยีอินเทอร์เน็ตทำให้การวินิจฉัยข้อบกพร่องของผลิตภัณฑ์แบบเรียลไทม์เป็นจริง ในขณะที่การใช้งานข้อมูลขนาดใหญ่ เทคโนโลยีการสร้างแบบจำลองและการจำลองทำให้สามารถคาดการณ์ไดนามิกได้
ในระหว่างการค้นหาการเชื่อมต่อที่ขาดหายไปของ Malaysia Airlines MH370 ข้อมูลการทำงานของเครื่องยนต์ที่โบอิ้งได้รับมีบทบาทสำคัญในการกำหนดเส้นทางของการเชื่อมต่อที่ขาดหายไปของเครื่องบินลองใช้ระบบเครื่องบินโบอิ้งเป็นกรณีตัวอย่างเพื่อดูว่าแอปพลิเคชันข้อมูลขนาดใหญ่มีบทบาทอย่างไรในการวินิจฉัยข้อบกพร่องของผลิตภัณฑ์
บนเครื่องบินของโบอิ้ง ตัวแปรหลายร้อยรายการ เช่น เครื่องยนต์ ระบบเชื้อเพลิง ระบบไฮดรอลิก และระบบไฟฟ้า ประกอบขึ้นเป็นสถานะบนเครื่องบินข้อมูลเหล่านี้ถูกวัดและส่งภายในเวลาไม่ถึงสองสามไมโครวินาทียกตัวอย่างโบอิ้ง 737 เครื่องยนต์สามารถสร้างข้อมูลได้ 10 เทราไบต์ทุกๆ 30 นาทีในการบิน
ข้อมูลเหล่านี้ไม่เพียงแต่ข้อมูลการวัดและส่งข้อมูลทางไกลทางวิศวกรรมเท่านั้นที่สามารถวิเคราะห์ได้ ณ จุดใดจุดหนึ่งในอนาคต แต่ยังส่งเสริมการควบคุมแบบปรับตัวแบบเรียลไทม์ การใช้เชื้อเพลิง การทำนายความล้มเหลวของส่วนประกอบ และการแจ้งเตือนของนักบิน ซึ่งสามารถบรรลุการวินิจฉัยและการทำนายข้อผิดพลาดได้อย่างมีประสิทธิภาพ
มาดูตัวอย่างของบริษัท General Electric (GE) กันศูนย์ตรวจสอบและวินิจฉัยพลังงานของ GE ในแอตแลนตา สหรัฐอเมริกา รวบรวมข้อมูลเกี่ยวกับกังหันก๊าซของ GE หลายพันเครื่องในกว่า 50 ประเทศทั่วโลก และสามารถรวบรวมข้อมูล 10G สำหรับลูกค้าทุกวันวิเคราะห์การไหลของข้อมูลขนาดใหญ่อย่างต่อเนื่องจากการสั่นสะเทือนของเซ็นเซอร์และสัญญาณอุณหภูมิในระบบการวิเคราะห์ข้อมูลขนาดใหญ่เหล่านี้จะให้การสนับสนุนการวินิจฉัยข้อบกพร่องของกังหันก๊าซของจีอีและการเตือนภัยล่วงหน้า
ผู้ผลิตกังหันลม Vestas ยังได้ปรับปรุงโครงร่างของกังหันลมด้วยการวิเคราะห์ข้ามข้อมูลสภาพอากาศและข้อมูลมิเตอร์กังหัน ซึ่งจะเป็นการเพิ่มระดับการส่งออกพลังงานของกังหันลมและยืดอายุการใช้งาน
3. การประยุกต์ใช้ข้อมูลขนาดใหญ่ของสายการผลิต IoT เชิงอุตสาหกรรม
สายการผลิตการผลิตทางอุตสาหกรรมสมัยใหม่มีการติดตั้งเซ็นเซอร์ขนาดเล็กหลายพันตัวเพื่อตรวจจับอุณหภูมิ ความดัน ความร้อน การสั่นสะเทือน และเสียงรบกวน
เนื่องจากข้อมูลถูกเก็บรวบรวมทุกๆ สองสามวินาที การวิเคราะห์หลายรูปแบบจึงสามารถรับรู้ได้โดยใช้ข้อมูลเหล่านี้ รวมถึงการวินิจฉัยอุปกรณ์ การวิเคราะห์การใช้พลังงาน การวิเคราะห์การใช้พลังงาน การวิเคราะห์อุบัติเหตุด้านคุณภาพ (รวมถึงการละเมิดกฎข้อบังคับด้านการผลิต ความล้มเหลวของส่วนประกอบ) ฯลฯ
ประการแรก ในแง่ของการปรับปรุงกระบวนการผลิต การใช้ข้อมูลขนาดใหญ่เหล่านี้ในกระบวนการผลิตสามารถวิเคราะห์กระบวนการผลิตทั้งหมดและทำความเข้าใจวิธีดำเนินการแต่ละลิงก์ได้เมื่อกระบวนการบางอย่างเบี่ยงเบนไปจากกระบวนการมาตรฐาน สัญญาณเตือนจะถูกสร้างขึ้น ข้อผิดพลาดหรือปัญหาคอขวดสามารถพบได้เร็วขึ้น และสามารถแก้ไขปัญหาได้ง่ายขึ้น
ด้วยการใช้เทคโนโลยีบิ๊กดาต้า คุณสามารถสร้างแบบจำลองเสมือนจริงของกระบวนการผลิตผลิตภัณฑ์อุตสาหกรรม จำลองและเพิ่มประสิทธิภาพกระบวนการผลิตได้เมื่อสามารถสร้างข้อมูลกระบวนการและประสิทธิภาพทั้งหมดขึ้นมาใหม่ในระบบได้ ความโปร่งใสนี้จะช่วยให้ผู้ผลิตปรับปรุงกระบวนการผลิตของตนได้
อีกตัวอย่างหนึ่ง ในแง่ของการวิเคราะห์การใช้พลังงาน การใช้เซ็นเซอร์เพื่อติดตามกระบวนการผลิตทั้งหมดในระหว่างกระบวนการผลิตอุปกรณ์จากส่วนกลางสามารถค้นหาความผิดปกติหรือจุดสูงสุดของการใช้พลังงานได้ เพื่อให้สามารถปรับการใช้พลังงานให้เหมาะสมในระหว่างกระบวนการผลิตและทุกกระบวนการสามารถ จะต้องดำเนินการการวิเคราะห์จะช่วยลดการใช้พลังงานได้อย่างมาก
4. การวิเคราะห์และการเพิ่มประสิทธิภาพของห่วงโซ่อุปทานทางอุตสาหกรรม
ในปัจจุบัน การวิเคราะห์ข้อมูลขนาดใหญ่เป็นวิธีการสำคัญสำหรับบริษัทอีคอมเมิร์ซหลายแห่งในการเพิ่มขีดความสามารถในการแข่งขันของห่วงโซ่อุปทานของตน
ตัวอย่างเช่น บริษัทอีคอมเมิร์ซ Jingdong Mall ใช้บิ๊กดาต้าในการวิเคราะห์และคาดการณ์ความต้องการสินค้าในสถานที่ต่างๆ ล่วงหน้า ซึ่งจะช่วยปรับปรุงประสิทธิภาพของการกระจายสินค้าและคลังสินค้า และรับประกันประสบการณ์ของลูกค้าในวันถัดไป
RFID และเทคโนโลยีระบุตัวตนทางอิเล็กทรอนิกส์ของผลิตภัณฑ์อื่นๆ เทคโนโลยี Internet of Things และเทคโนโลยีอินเทอร์เน็ตบนมือถือสามารถช่วยให้องค์กรอุตสาหกรรมได้รับข้อมูลขนาดใหญ่ของห่วงโซ่อุปทานผลิตภัณฑ์ที่สมบูรณ์การใช้ข้อมูลเหล่านี้เพื่อการวิเคราะห์จะนำมาซึ่งการเพิ่มขึ้นอย่างมากในด้านคลังสินค้า การจัดจำหน่าย และประสิทธิภาพการขาย รวมถึงต้นทุนที่สำคัญปฏิเสธ.
มีซัพพลายเออร์ OEM รายใหญ่มากกว่า 1,000 รายในสหรัฐอเมริกา โดยจัดหาผลิตภัณฑ์ที่แตกต่างกันมากกว่า 10,000 รายการให้กับบริษัทผู้ผลิตผู้ผลิตแต่ละรายอาศัยการคาดการณ์ตลาดและตัวแปรที่แตกต่างกันอื่นๆ เช่น ข้อมูลการขาย ข้อมูลตลาด นิทรรศการ ข่าวสาร และข้อมูลคู่แข่ง และแม้แต่พยากรณ์อากาศในการขายผลิตภัณฑ์ของตน
การใช้ข้อมูลการขาย ข้อมูลเซ็นเซอร์ผลิตภัณฑ์ และข้อมูลจากฐานข้อมูลซัพพลายเออร์ บริษัทผู้ผลิตทางอุตสาหกรรมสามารถคาดการณ์ความต้องการในภูมิภาคต่างๆ ของโลกได้อย่างแม่นยำ
เนื่องจากสามารถติดตามราคาสินค้าคงคลังและราคาขายได้ และสามารถซื้อได้เมื่อราคาลดลง บริษัทผู้ผลิตจึงสามารถประหยัดต้นทุนได้มาก
หากคุณใช้ข้อมูลที่สร้างโดยเซ็นเซอร์ในผลิตภัณฑ์ซ้ำเพื่อทราบว่ามีอะไรผิดปกติกับผลิตภัณฑ์และตำแหน่งใดที่จำเป็นต้องใช้ชิ้นส่วน ก็สามารถคาดการณ์ได้ว่าจำเป็นต้องใช้ชิ้นส่วนที่ไหนและเมื่อใดสิ่งนี้จะช่วยลดสินค้าคงคลังและเพิ่มประสิทธิภาพห่วงโซ่อุปทานได้อย่างมาก
