Промислові великі дані - це нова концепція, буквально зрозуміла, промислові великі дані відноситься до великих даних, що генеруються при застосуванні промислової інформації.
Завдяки поглибленій інтеграції інформатизації та індустріалізації, інформаційні технології проникли у всі зв’язки промислового ланцюга промислових підприємств, таких як штрих-коди, QR-коди, RFID, промислові датчики, промислові системи автоматичного управління, промисловий Інтернет речей, ERP, CAD/CAE/CAI та інші технології, широко використовуються в промислових підприємствах.
Особливо із застосуванням інформаційних технологій нового покоління, таких як Інтернет, мобільний Інтернет та Інтернет речей у галузі промисловості, промислові підприємства також вступили в новий етап розвитку в Інтернет-індустрії, і дані, що надаються промисловими підприємствами, стають все більш рясними.
Застосування промислових великих даних принесе нову еру інновацій та трансформації на промислових підприємствах. Завдяки дешевому сприйняттю, високошвидкісне мобільне з'єднання, розподілений обчислювальний та розширений аналіз, спричинений Інтернетом та мобільним Інтернетом речей, інформаційними технологіями та глобальними промислових системами, глибоко інтегруються, що приносить глибокі зміни до глобальних галузей та інновації НДДКР та виробництва підприємств. , Методи роботи, маркетингу та управління. Hangao Tech (Seko Machinery) застосовує Інтернет -технологію до системи управління Інтелектуальна машина для виготовлення труб з нержавіючої сталі , так що технічні групи обох сторін могли контролювати дані виробництва в режимі реального часу, знаходити несправності під час роботи та запобігти відключенню.
Тому проблеми та проблеми, з якими стикаються промислові програми великих даних, не менше, ніж проблеми Інтернет -індустрії, а в деяких випадках вони ще складніші.
Ці інноваційні промислові підприємства в різних галузях промисловості принесли швидку швидкість, підвищення ефективності та більш високу розуміння.
Типові застосування промислових великих даних включають інновації продуктів, діагностику несправностей та прогнозування продукції, аналіз IoT виробничої лінії, оптимізацію ланцюгів поставок промислового підприємства та точний маркетинг продукції. Ця стаття розбереться сценарії додатків промислових великих даних у виробничих підприємствах по одному.
1. Прискорити інновації продуктів
Взаємодія та поведінка транзакцій між клієнтами та промисловими підприємствами генеруватимуть велику кількість даних. Видобуток та аналіз цих динамічних даних клієнтів може допомогти клієнтам брати участь у аналізі попиту на продукцію та інноваційних заходах з дизайну продуктів та внести внески в інновації продуктів.
Форд - приклад у цьому плані. Вони застосували технологію великих даних до інновацій продукту та оптимізації електромобільного автомобіля Ford Focus. Цей автомобіль став справжнім 'Big Data Electric Car. ' Перше покоління електричних транспортних засобів Ford Focus генерувало багато даних під час руху та паркування.
Під час руху водій постійно оновлює прискорення, гальмування, гальмування, зарядку акумулятора та інформацію про розташування. Це корисно для драйверів, але дані також надсилаються назад інженерам Ford, щоб зрозуміти звички керування клієнтом, включаючи те, як, коли і де зарядити. Навіть якщо транспортний засіб знаходиться на зупинці, він буде продовжувати передавати дані на тиск у шині та акумуляторну систему транспортного засобу до найближчого смарт -телефону.
Цей сценарій додатків Big Data, орієнтований на клієнтів, має багато переваг, оскільки Big Data дає можливість цінними методами інновацій та співпраці нових продуктів. Водії отримують корисну та сучасну інформацію, а інженери в Детройті сукупна інформація про поведінку водіння, щоб зрозуміти клієнтів, розробити плани вдосконалення продуктів та впроваджувати нові інновації продуктів.
Більше того, енергетичні компанії та інші сторонні постачальники можуть проаналізувати мільйони миль даних про водіння, щоб визначити, де побудувати нові станції зарядки та як запобігти тендітній електромережі.
2. Діагностика та прогнозування продукту
Це може бути використане для послуги післяпродажного продукту та вдосконалення продукту. Впровадження всюдисущих датчиків та Інтернет-технологій поставило діагноз у реальному часі в реальному часі реальності реальністю, тоді як програми великих даних, моделювання та моделювання технологій дали можливість прогнозувати динаміку.
Під час пошуку втраченого з'єднання Malaysia Airlines MH370, дані про експлуатацію двигуна, отримані Boeing, відіграли ключову роль у визначенні шляху втраченого з'єднання літака. Давайте візьмемо систему літаків Boeing як випадок, щоб побачити, як великі програми відіграють роль у діагностиці несправності продукту.
На літаках Boeing сотні змінних, таких як двигуни, паливні системи, гідравліка та електричні системи, складають стан польоту. Ці дані вимірюються та надсилаються менше ніж за кілька мікросекунд. Входячи з прикладу Boeing 737, двигун може генерувати 10 терабайт даних кожні 30 хвилин польоту.
Ці дані-це не лише дані інженерної телеметрії, які можна проаналізувати в певний момент у майбутньому, але й сприяти адаптивному контролю в режимі реального часу, використанням палива, прогнозуванням компонентів та пілотним сповіщенням, які можуть ефективно досягти діагностики та прогнозування.
Давайте розглянемо приклад General Electric (GE). Центр моніторингу та діагностики енергії GE (M&D) в Атланті, США, збирає дані про тисячі газових турбін GE у більш ніж 50 країнах світу та може збирати 10 г даних для клієнтів щодня. Проаналізуйте постійний потік великих даних із сигналів вібрації датчика та температури в системі. Цей аналіз великих даних надасть підтримку діагностики несправностей GE для газової турбіни та раннього попередження.
Виробник вітрогенераторів Vestas також покращив компонування вітрових турбін шляхом перехресного аналізу даних про погоду та його даних про метр турбіни, тим самим збільшуючи рівень потужності вітрогенераторів та триваючи термін служби.
3. Застосування великих даних промислової виробничої лінії IoT
Сучасні виробничі лінії промислового виробництва оснащені тисячами невеликих датчиків для виявлення температури, тиску, тепла, вібрації та шуму.
Оскільки дані збираються кожні кілька секунд, багато форм аналізу можна реалізувати за допомогою цих даних, включаючи діагностику обладнання, аналіз енергетичного споживання, аналіз споживання енергії, аналіз якості (включаючи порушення виробничих правил, збої компонентів) тощо) тощо) тощо) тощо.
Перш за все, з точки зору вдосконалення виробничих процесів, використання цих великих даних у виробничому процесі може проаналізувати весь виробничий процес та зрозуміти, як виконується кожна посилання. Після того, як певний процес відхиляється від стандартного процесу, буде створений сигнал тривоги, помилки або вузькі місця можна знайти швидше, і проблему можна вирішити легше.
Використовуючи технологію великих даних, також можна встановити віртуальні моделі виробничого процесу промислових продуктів, імітувати та оптимізувати виробничий процес. Коли всі дані про процес та продуктивність можуть бути реконструйовані в системі, ця прозорість допоможе виробникам покращити свої виробничі процеси.
Для іншого прикладу, з точки зору аналізу споживання енергії, використання датчиків для централізованого моніторингу всіх виробничих процесів під час процесу виробництва обладнання може виявити порушення або піки споживання енергії, щоб споживання енергії можна було оптимізувати під час виробничого процесу та всі процеси. Аналіз значно зменшить споживання енергії.
4. Аналіз та оптимізація промислової ланцюга поставок
В даний час аналіз великих даних вже є важливим засобом для багатьох компаній з електронної комерції для підвищення конкурентоспроможності своїх ланцюгів поставок.
Наприклад, компанія з електронної комерції Jingdong Mall використовує великі дані для аналізу та прогнозування попиту на товари в різних місцях заздалегідь, тим самим підвищуючи ефективність розповсюдження та складу та забезпечуючи досвід клієнтів наступного дня.
RFID та інші технології електронної ідентифікації продукції, технології Інтернету та технології мобільного Інтернету можуть допомогти промисловим підприємствам отримати великі дані про повну ланцюг поставок продукції. Використання цих даних для аналізу призведе до значного збільшення складу, розподілу та ефективності продажів та значних витрат. Зниження.
У США є понад 1000 великих постачальників OEM, що забезпечує понад 10 000 різних продуктів для виробничих компаній. Кожен виробник покладається на прогнози ринку та інші різні змінні, такі як дані про продаж, інформація про ринок, виставки, новини та дані конкурентів, і навіть прогнози погоди продати свою продукцію.
Використовуючи дані про продаж, дані датчика продукту та дані з баз даних постачальників, компанії промислового виробництва можуть точно передбачити попит у різних регіонах світу.
Оскільки ціни на запаси та продажі можуть бути відстежені, і їх можна придбати, коли ціни падають, виробничі компанії можуть заощадити багато витрат.
Якщо ви повторно використовуєте дані, отримані датчиками в продукті, щоб знати, що не так з продуктом та де потрібні деталі, вони також можуть передбачити, де і коли потрібні деталі. Це значно зменшить запаси та оптимізувати ланцюг поставок.
