5. Прогноз продажів продуктів та управління попитом
Використовуйте великі дані для аналізу поточних змін та комбінацій попиту.
Великі дані - хороший інструмент аналізу продажів. Завдяки багатовимірному поєднанню історичних даних ми можемо побачити частку та зміну регіонального попиту, популярність ринку категорій продуктів, найпоширеніші комбіновані форми та рівень споживачів. З метою коригування стратегії продукту та стратегії розподілу.
У деякому аналізі ми можемо виявити, що попит на канцтовари у містах з більшою кількістю коледжів та університетів на початку шкільного сезону буде набагато вищим, щоб ми могли збільшити просування дилерів у цих містах, щоб залучити їх на замовлення більше на початку шкільного сезону, і в той же час на початку шкільного сезону. Планування виробничих потужностей було розпочато один -два місяці тому для задоволення попиту на просування.
Що стосується розробки продукту, функції продуктів та продуктивність коригуються на основі фокусу споживчої групи. Наприклад, кілька років тому всі люблять користуватися музичними телефонами, але тепер усі схильні використовувати мобільні телефони для серфінгу в Інтернеті, фотографувати та ділитися тощо. Поліпшення функції камери мобільних телефонів - лише одне. Тенденція, мобільні телефони 4G також займають більшу частку ринку. Завдяки великому аналізу даних деяких деталей ринку можна знайти більше потенційних можливостей продажу.
6. Планування виробництва та планування
Виробнича промисловість стикається з моделлю виробництва багаторічного та дрібного партії. Вдосконалений, автоматичний, своєчасний та зручний збір даних (MES/DC) та мінливість призвели до різкого збільшення даних. Крім того, для швидких респонденційних AP потрібно більше десяти років історичних даних інформатизації, це величезна проблема.
Система управління Hangao Tech (Seko Machinery ) intelligent stainless steel industrial welded pipe making machinery line can track and record the production data of each welded pipe, such as current size, welding speed, annealing temperature, etc. On this basis, with the introduction of Internet of Things technology, big data can give us more detailed data information, discover the probability of deviation between historical predictions and actual, consider capacity constraints, personnel skill constraints, material availability constraints, tooling and mold constraints, and through intelligent optimization Алгоритми, розробляють попереднє планування та планування, і стежте за відхиленням між планом та фактичним на місці та динамічно регулюють планування та планування.
Допоможіть нам уникнути дефектів 'портрет ' і безпосередньо накладати групові характеристики особам (дані робочого центру безпосередньо змінюються на конкретні дані, такі як обладнання, персонал, форми тощо). Завдяки кореляційному аналізі даних та моніторингу їх ми можемо планувати на майбутнє.
Хоча великі дані є трохи хибними, доки вони належним чином застосовуються, великі дані стануть потужною зброєю для нас. Тоді Форд запитав, що потребують клієнта з великими даними? Відповідь була 'швидший кінь ' замість автомобілів, які зараз популярні.
Тому у світі великих даних творчість, інтуїція, авантюрний дух та інтелектуальні амбіції особливо важливі.
7. Управління та аналізу якості продукції
Традиційна виробнича промисловість стикається з впливом великих даних. Що стосується досліджень та розробки продуктів, розробки процесів, управління якістю, виробництвом та експлуатацією, ми з нетерпінням чекаємо народження інноваційних методів для вирішення проблем великих даних у промисловому контексті.
Наприклад, у напівпровідниковій галузі чіпси проходять багато складних процесів, таких як допінг, накопичення, фотолітографія та теплообробка під час виробництва. Кожен крок повинен відповідати надзвичайно вимогливим фізичним характеристикам. Високо автоматизоване обладнання використовується для обробки продуктів. У той же час, величезні результати випробувань також генерувались одночасно.
Це величезна кількість даних тягарем підприємства чи золотою шахтою підприємства? Якщо останнє є таким, то як ми можемо швидко дізнатися ключові причини коливань урожайності продукту з 'золота шахта '? Це це технічна проблема, яка багато років зазнала напівпровідникових інженерів.
Після того, як вафлі, вироблені напівпровідниковою технологічною компанією, проходять процес тестування, щодня генерується набір даних, що містить більше ста тестових елементів та кілька мільйонів ліній тестових записів.
Відповідно до основних вимог управління якістю, незамінним завданням є проведення аналізу можливостей для процесів для більш ніж ста тестових предметів з різними технічними характеристиками.
Якщо ми дотримуємось традиційної робочої моделі, нам потрібно обчислити більше ста індексів можливостей процесу поетапно та оцінити кожну характеристику якості по черзі.
Незалежно від величезної та громіздкої навантаження тут, навіть якщо хтось може вирішити проблему розрахунку, важко побачити кореляцію між ними із сотень індексів можливостей процесу, і ще складніше визначити загальну якість продукту. Існує всебічне розуміння та резюме виконання.
Однак, якщо ми використовуємо платформу аналізу якості великої якості даних, крім того, щоб швидко отримати довгий традиційний звіт про аналіз можливостей процесу індикатора, що ще важливіше, ми також можемо отримати багато нових аналізів з того ж великого набору даних. результат.
8. Тестування на промислове забруднення та навколишнє середовище
Виходячи з Інтернету речей, всі дані у виробничому процесі записуються та контролюються, а великі дані мають велику цінність для захисту навколишнього середовища.
На веб -сайті уряду Китаю, веб -сайти різних міністерств та комісій, офіційний веб -сайт Petrochina та Sinopec, офіційний веб -сайт організацій з охорони навколишнього середовища та деякі спеціальні агенції, все більше і більше даних про охорону навколишнього середовища та екологічного захисту, включаючи національні повітряні та гідрологічні дані, метеорологічні дані, фабричне розподіл та статус дотримання забруднення за очікуванням даних та так.
Однак ці дані занадто розсіяні, занадто професійні, відсутність аналізу та відсутність візуалізації, і звичайні люди не можуть цього зрозуміти. Якщо ви зможете зрозуміти та звернути увагу, великі дані стануть важливим засобом для суспільства для моніторингу охорони навколишнього середовища.
Запуск Байду на 'Національну карту моніторингу забруднення ' - це хороший спосіб. У поєднанні з великими даними з відкритим екологічним захистом, Maps Baidu додали шар виявлення забруднення. Будь -хто може використовувати його для перегляду країни та провінцій та міст у власному регіоні, все в охороні навколишнього середовища. Інформація про місцезнаходження, назва організації, тип джерела викидів та останній стан дотримання забруднення, оголошений Агентством охорони навколишнього середовища (включаючи різні теплові електростанції, підконтрольні державні промислові підприємства та очисні споруди) під наглядом бюро.
Ви можете перевірити найближче для вас джерело забруднення, і з’явиться нагадування, який із пунктів інспекції в точці моніторингу перевищує стандарт, і скільки разів він перевищує стандарт. Ця інформація може бути використана на платформах соціальних медіа в реальному часі для інформування друзів та нагадування всім звернути увагу на джерела забруднення та особисту безпеку та здоров'я.
Вартість потенціалу промислових програм великих даних величезна. Однак ще багато роботи потрібно зробити, щоб реалізувати ці цінності.
Одне - це питання встановлення поінформованості про великі дані. У минулому були такі великі дані, але оскільки не було усвідомлення великих даних, а методи аналізу даних були недостатніми, багато даних у режимі реального часу було відкинуто або відкладено, і потенційне значення великої кількості даних було поховано.
Ще одне важливе питання - питання островів даних. Дані багатьох промислових підприємств розповсюджуються на різних островах підприємства, особливо у великих багатонаціональних компаніях. Вилучити ці дані з усього підприємства досить складно.
Тому важливим питанням для промислових програм Big Data є інтегровані програми.
