Endüstriyel büyük veriler, endüstriyel büyük veriler tam anlamıyla anlaşılan yeni bir kavramdır, endüstriyel bilgilerin uygulanmasında oluşturulan büyük verileri ifade eder.
Bilgilendirme ve sanayileşmenin derinlemesine entegrasyonu ile bilgi teknolojisi, barkodlar, QR kodları, RFID, endüstriyel sensörler, endüstriyel otomatik kontrol sistemleri, ERP, CAM/CAE/CAI ve diğer teknolojiler gibi endüstriyel işletmeler endüstriyel işletme zincirinin tüm bağlantılarına nüfuz etmiştir.
Özellikle internet, mobil internet ve endüstriyel alandaki Nesnelerin İnterneti gibi yeni nesil bilgi teknolojilerinin uygulanmasıyla, endüstriyel işletmeler de internet endüstrisinde yeni bir kalkınma aşamasına girmiştir ve endüstriyel işletmeler tarafından tutulan veriler giderek daha fazla hale gelmiştir.
Endüstriyel büyük verilerin uygulanması, endüstriyel girişimlerde yeni bir yenilik ve dönüşüm dönemi getirecektir. Düşük maliyetli algı, yüksek hızlı mobil bağlantı, İnternet ve mobil Nesnelerin Mobil İnterneti, bilgi teknolojisi ve küresel endüstriyel sistemler tarafından getirilen dağıtımlı bilgi işlem ve gelişmiş analizlerle derinden entegre ediliyor, küresel endüstrilere derin değişiklikler getiriyor ve Ar-Ge'yi ve işletmelerin üretimini yeniliyor. , İşletme, pazarlama ve yönetim yöntemleri. Hangao Tech (Seko Machinery), internet teknolojisini kontrol sistemine uygular. Akıllı paslanmaz çelik endüstriyel kaynaklı boru yapma makineleri , böylece her iki tarafın teknik ekipleri üretim verilerini gerçek zamanlı olarak izleyebilir, çalışma sırasında hatalar bulabilir ve kapatmaları önleyebilir.
Bu nedenle, endüstriyel büyük veri uygulamalarının karşılaştığı sorunlar ve zorluklar internet endüstrisinden daha az değildir ve bazı durumlarda daha da karmaşıktır.
Farklı endüstrilerdeki bu yenilikçi endüstriyel işletmeler daha hızlı hız, daha yüksek verimlilik ve daha yüksek içgörü getirmiştir.
Endüstriyel büyük verilerin tipik uygulamaları arasında ürün yeniliği, ürün hatası teşhisi ve tahmin, endüstriyel üretim hattı IoT analizi, endüstriyel kurumsal tedarik zinciri optimizasyonu ve ürün hassas pazarlama bulunmaktadır. Bu makale, üretim işletmelerindeki endüstriyel büyük verilerin uygulama senaryolarını tek tek çözecektir.
1. Ürün yeniliğini hızlandırın
Müşteriler ve endüstriyel işletmeler arasındaki etkileşim ve işlem davranışı büyük miktarda veri üretecektir. Bu müşteri dinamik verilerinin madencilik ve analiz edilmesi, müşterilerin ürün talebi analizine ve ürün tasarımı inovasyon faaliyetlerine katılmalarına yardımcı olabilir ve ürün inovasyonuna katkıda bulunabilir.
Ford bu konuda bir örnektir. Ford Focus elektrikli otomobilin ürün inovasyonuna ve optimizasyonuna büyük veri teknolojisi uyguladılar. Bu araba gerçek bir 'büyük veri elektrikli otomobil. ' Ford Focus elektrikli araçların ilk nesli sürüş ve park sırasında çok fazla veri üretti.
Sürücü, sürücü, aracın hızlanmasını, frenlemesini, pil şarjını ve konum bilgilerini sürekli olarak günceller. Bu sürücüler için yararlıdır, ancak veriler, müşterinin nasıl, ne zaman ve nerede şarj edileceği de dahil olmak üzere müşterinin sürüş alışkanlıklarını anlamak için Ford mühendislerine de geri gönderilir. Araç dursa bile, aracın lastik basıncı ve pil sistemi hakkındaki verileri en yakın akıllı telefona iletmeye devam edecektir.
Bu müşteri merkezli Big Veri Uygulama senaryosunun birçok faydası vardır, çünkü büyük veriler değerli yeni ürün inovasyonu ve işbirliği yöntemlerini sağlar. Sürücüler faydalı ve güncel bilgiler alırken, Detroit'teki mühendisler müşterileri anlamak, ürün geliştirme planları geliştirmek ve yeni ürün yenilikleri uygulamak için sürüş davranışı hakkında bilgi toplarlar.
Ayrıca, enerji şirketleri ve diğer üçüncü taraf tedarikçiler, yeni şarj istasyonlarının nerede inşa edileceğini ve kırılgan ızgaranın aşırı yüklenmesini nasıl önleyeceğini belirlemek için milyonlarca mil sürüş verisini analiz edebilir.
2. Ürün hatası teşhisi ve tahmin
Bu, ürün satış sonrası hizmet ve ürün geliştirme için kullanılabilir. Her yerde bulunan sensörlerin ve internet teknolojisinin tanıtımı, ürün hatalarının gerçek zamanlı teşhisini gerçeğe dönüştürürken, büyük veri uygulamaları, modelleme ve simülasyon teknolojileri dinamikleri tahmin etmeyi mümkün kıldı.
Malezya Airlines MH370'in kayıp bağlantısı arayışı sırasında, Boeing tarafından elde edilen motor işletim verileri, uçağın kayıp bağlantısının yolunun belirlenmesinde kilit bir rol oynamıştır. Boeing uçak sistemini, büyük veri uygulamalarının ürün hatası teşhisinde nasıl bir rol oynadığını görmek için bir durum olarak ele alalım.
Boeing'in uçaklarında motorlar, yakıt sistemleri, hidrolik ve elektrik sistemleri gibi yüzlerce değişken uçuş içi durumunu oluşturur. Bu veriler ölçülür ve birkaç mikrosaniyeden daha az bir sürede gönderilir. Boeing 737'yi örnek olarak alarak, motor uçuşta her 30 dakikada bir 10 terabayt veri üretebilir.
Bu veriler sadece gelecekte belirli bir noktada analiz edilebilen mühendislik telemetri verileri değil, aynı zamanda gerçek zamanlı uyarlanabilir kontrol, yakıt kullanımı, bileşen arızası tahmini ve pilot bildirimini teşvik ederek hata teşhisi ve tahminini etkili bir şekilde elde edebilecek.
General Electric (GE) örneğine bakalım. Atlanta, ABD'deki GE Enerji İzleme ve Diagnostics (M&D) Merkezi, dünyanın 50'den fazla ülkesinde binlerce GE gaz türbini hakkında veri toplar ve her gün müşteriler için 10G veri toplayabilir. Sistemdeki sensör titreşiminden ve sıcaklık sinyallerinden sabit büyük veri akışını analiz edin. Bu büyük veri analizi GE'nin gaz türbini hatası teşhisi ve erken uyarısı için destek sağlayacaktır.
Rüzgar türbini üreticisi Vestas, hava durumu verilerini ve türbin ölçer verilerini çapraz analiz ederek rüzgar türbinlerinin düzenini geliştirdi, böylece rüzgar türbinlerinin güç çıkış seviyesini artırdı ve servis ömrünü uzattı.
3. Endüstriyel IoT üretim hattının büyük veri uygulaması
Modern endüstriyel üretim üretim hatları, sıcaklık, basınç, ısı, titreşim ve gürültüyü tespit etmek için binlerce küçük sensörle donatılmıştır.
Veriler her birkaç saniyede bir toplandığından, ekipman teşhisi, güç tüketimi analizi, enerji tüketimi analizi, kalite kazası analizi (üretim düzenlemelerinin ihlalleri, bileşen arızaları dahil) vb.
Her şeyden önce, üretim süreci iyileştirmesi açısından, üretim sürecinde bu büyük verilerin kullanılması tüm üretim sürecini analiz edebilir ve her bağlantının nasıl yürütüldüğünü anlayabilir. Belirli bir işlem standart işlemden saptığında, bir alarm sinyali oluşturulur, hatalar veya darboğazlar daha hızlı bulunabilir ve sorun daha kolay çözülebilir.
Büyük veri teknolojisini kullanarak, endüstriyel ürünlerin üretim sürecinin sanal modellerini oluşturmak, üretim sürecini simüle etmek ve optimize etmek de mümkündür. Tüm süreç ve performans verileri sistemde yeniden yapılandırılabildiğinde, bu şeffaflık üreticilerin üretim süreçlerini geliştirmelerine yardımcı olacaktır.
Başka bir örnek için, enerji tüketimi analizi açısından, ekipman üretim süreci sırasında tüm üretim süreçlerini merkezi olarak izlemek için sensörlerin kullanılması, enerji tüketiminde anormallikleri veya zirveleri bulabilir, böylece enerji tüketimi üretim sürecinde optimize edilebilir ve tüm işlemler gerçekleştirilebilir. Analiz enerji tüketimini büyük ölçüde azaltacaktır.
4. Endüstriyel tedarik zincirinin analizi ve optimizasyonu
Şu anda, büyük veri analizi, birçok e-ticaret şirketinin tedarik zincirlerinin rekabet gücünü artırması için zaten önemli bir araçtır.
Örneğin, e-ticaret şirketi Jingdong Mall, çeşitli yerlerdeki mal talebini önceden analiz etmek ve tahmin etmek için büyük veriler kullanır, böylece dağıtım ve depolama verimliliğini artırır ve ertesi günün müşteri deneyimini sağlar.
RFID ve diğer ürün elektronik tanımlama teknolojisi, Nesnelerin İnterneti teknolojisi ve mobil internet teknolojisi, endüstriyel işletmelerin eksiksiz bir ürün tedarik zincirinin büyük verilerini almasına yardımcı olabilir. Bu verilerin analiz için kullanılması depolama, dağıtım ve satış verimliliğinde önemli bir artış ve önemli bir maliyet getirecektir. reddetmek.
Amerika Birleşik Devletleri'nde 1.000'den fazla büyük OEM tedarikçisi var ve imalat şirketlerine 10.000'den fazla farklı ürün sunuyor. Her üretici, satış verileri, piyasa bilgileri, sergiler, haberler ve rakip verileri ve hatta ürünlerini satmak için hava tahminleri gibi piyasa tahminlerine ve diğer farklı değişkenlere güvenir.
Satış verileri, ürün sensörü verileri ve tedarikçi veritabanlarından verileri kullanan endüstriyel imalat şirketleri, dünyanın farklı bölgelerinde talebi doğru bir şekilde tahmin edebilir.
Envanter ve satış fiyatları izlenebileceğinden ve fiyatlar düştüğünde satın alınabildiğinden, imalat şirketleri çok fazla maliyet tasarrufu sağlayabilir.
Ürünün neyin yanlış olduğunu ve parçaların nereye ihtiyaç duyulduğunu bilmek için üründeki sensörler tarafından oluşturulan verileri yeniden kullanırsanız, parçaların nerede ve ne zaman gerekli olduğunu tahmin edebilirler. Bu, envanteri büyük ölçüde azaltacak ve tedarik zincirini optimize edecektir.
