Промислові великі дані — це нова концепція, яка розуміється буквально. Промислові великі дані стосуються великих даних, створених із застосуванням промислової інформації.
З поглибленою інтеграцією інформатизації та індустріалізації інформаційні технології проникли в усі ланки промислового ланцюга промислових підприємств, такі як штрих-коди, QR-коди, RFID, промислові датчики, промислові автоматичні системи керування, промисловий Інтернет речей, ERP, CAD/CAM/CAE/CAI та інші технології широко використовуються на промислових підприємствах.
Особливо із застосуванням інформаційних технологій нового покоління, таких як Інтернет, мобільний Інтернет та Інтернет речей у промисловій сфері, промислові підприємства також вийшли на новий етап розвитку в Інтернет-індустрії, а дані, що зберігаються промисловими підприємствами, зросли стає все більш рясним.
Застосування промислових великих даних принесе нову еру інновацій та трансформації промислових підприємств.Завдяки недорогому сприйняттю, високошвидкісному мобільному з’єднанню, розподіленим обчисленням і вдосконаленому аналізу, створеному Інтернетом і мобільним Інтернетом речей, інформаційні технології та глобальні промислові системи глибоко інтегруються, вносячи глибокі зміни в глобальні індустрії та впроваджуючи інновації. НДДКР і виробництво підприємств., Методи функціонування, маркетингу та менеджменту. Hangao Tech (SEKO Machinery) застосовує Інтернет-технологію до системи керування інтелектуальне промислове обладнання для виробництва зварних труб з нержавіючої сталі , щоб технічні команди обох сторін могли контролювати виробничі дані в реальному часі, знаходити несправності під час роботи та запобігати зупинкам.
Таким чином, проблеми та виклики, з якими стикаються промислові додатки для великих даних, не менші, ніж проблеми в Інтернет-індустрії, а в деяких випадках вони навіть складніші.
Ці інноваційні промислові підприємства в різних галузях принесли більшу швидкість, вищу ефективність і краще розуміння.
Типові сфери застосування промислових великих даних включають інноваційні продукти, діагностику та прогнозування несправностей продукту, аналіз IoT промислових виробничих ліній, оптимізацію ланцюга поставок промислових підприємств і точний маркетинг продукту.У цій статті будуть описані сценарії застосування промислових великих даних на виробничих підприємствах один за одним.
1. Прискорити впровадження інноваційних продуктів
Взаємодія та поведінка транзакцій між клієнтами та промисловими підприємствами генеруватимуть велику кількість даних.Видобуток і аналіз цих динамічних даних клієнтів може допомогти клієнтам взяти участь в аналізі попиту на продукт та інноваційній діяльності щодо дизайну продукту, а також зробити внесок в інновації продукту.
Ford є прикладом у цьому відношенні.Вони застосували технологію великих даних для інноваційної продукції та оптимізації електромобіля Ford Focus.Цей автомобіль став справжнім 'великим електромобілем'. Перше покоління електромобілів Ford Focus генерувало багато даних під час руху та паркування.
Під час руху водій постійно оновлює інформацію про прискорення, гальмування, заряд акумулятора та місцезнаходження автомобіля.Це корисно для водіїв, але дані також надсилаються інженерам Ford, щоб зрозуміти звички водія клієнта, зокрема як, коли та де заряджати.Навіть якщо автомобіль зупиняється, він продовжуватиме передавати дані про тиск у шинах і акумуляторну систему автомобіля на найближчий смартфон.
Цей орієнтований на клієнта сценарій застосування великих даних має багато переваг, оскільки великі дані дають змогу впроваджувати цінні нові інноваційні продукти та методи співпраці.Водії отримують корисну та актуальну інформацію, а інженери в Детройті збирають інформацію про поведінку за кермом, щоб зрозуміти клієнтів, розробити плани вдосконалення продукції та впровадити нові інноваційні продукти.
Крім того, енергетичні компанії та інші сторонні постачальники можуть аналізувати дані про мільйони миль, щоб визначити, де будувати нові зарядні станції та як запобігти перевантаженню крихкої мережі.
2. Діагностика та прогнозування несправностей продукту
Це можна використовувати для післяпродажного обслуговування продукту та вдосконалення продукту.Впровадження повсюдних датчиків та Інтернет-технологій зробило діагностику несправностей продукту в реальному часі реальністю, тоді як застосування великих даних, технології моделювання та симуляції зробили можливим прогнозування динаміки.
Під час пошуку втраченого зв’язку MH370 Malaysia Airlines дані про роботу двигуна, отримані Boeing, зіграли ключову роль у визначенні шляху втраченого зв’язку літака.Давайте візьмемо систему літака Boeing як приклад, щоб побачити, яку роль програми для великих даних відіграють у діагностиці несправностей продукту.
На літаках Boeing сотні змінних, таких як двигуни, паливні системи, гідравліка та електричні системи, складають стан у польоті.Ці дані вимірюються та надсилаються менш ніж за кілька мікросекунд.Візьмемо як приклад Boeing 737, двигун може генерувати 10 терабайт даних кожні 30 хвилин у польоті.
Ці дані є не тільки інженерними телеметричними даними, які можуть бути проаналізовані в певний момент у майбутньому, але також сприяють адаптивному управлінню в реальному часі, використанню палива, передбаченню несправностей компонентів і сповіщенню пілоту, що може ефективно досягати діагностики та прогнозування несправностей.
Давайте розглянемо приклад General Electric (GE).Центр GE Energy Monitoring and Diagnostics (M&D) в Атланті, США, збирає дані про тисячі газових турбін GE у понад 50 країнах світу та може щодня збирати дані 10G для клієнтів.Аналізуйте постійний великий потік даних від сигналів вібрації датчика та температури в системі.Цей аналіз великих даних забезпечить підтримку діагностики та раннього попередження про несправності газових турбін GE.
Виробник вітряних турбін Vestas також покращив компонування вітряних турбін шляхом перехресного аналізу погодних даних і даних лічильників турбін, таким чином підвищивши рівень вихідної потужності вітряних турбін і продовживши термін служби.
3. Застосування великих даних промислової виробничої лінії IoT
Сучасні промислові виробничі лінії оснащені тисячами маленьких датчиків для визначення температури, тиску, тепла, вібрації та шуму.
Оскільки дані збираються кожні кілька секунд, за допомогою цих даних можна реалізувати багато форм аналізу, включаючи діагностику обладнання, аналіз енергоспоживання, аналіз споживання енергії, аналіз аварій якості (включаючи порушення виробничих норм, несправності компонентів) тощо.
Перш за все, з точки зору вдосконалення виробничого процесу, використання цих великих даних у виробничому процесі може проаналізувати весь виробничий процес і зрозуміти, як виконується кожна ланка.Якщо певний процес відхиляється від стандартного процесу, генерується сигнал тривоги, помилки або вузькі місця можна знайти швидше, а проблему можна вирішити легше.
Використовуючи технологію великих даних, також можна створювати віртуальні моделі процесу виробництва промислової продукції, моделювати та оптимізувати процес виробництва.Коли всі дані про процеси та продуктивність можна відновити 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 аномалії або піки споживання енергії, так що споживання енергії можна оптимізувати під час виробничого процесу, а всі процеси можуть виконуватися.Аналіз значно зменшить споживання енергії.
4. Аналіз та оптимізація промислового ланцюга поставок
Наразі аналіз великих даних уже є важливим засобом для багатьох компаній електронної комерції для підвищення конкурентоспроможності їхніх ланцюгів поставок.
Наприклад, компанія електронної комерції Jingdong Mall використовує великі дані для аналізу та заздалегідь прогнозування попиту на товари в різних місцях, тим самим підвищуючи ефективність розподілу та складування, а також забезпечуючи клієнтам досвід наступного дня.
RFID та інша технологія електронної ідентифікації продукту, технологія Інтернету речей і технологія мобільного Інтернету можуть допомогти промисловим підприємствам отримати великі дані про повний ланцюжок постачання продукції.Використання цих даних для аналізу призведе до значного підвищення ефективності складування, розподілу та продажів, а також значних витрат.занепад.
У Сполучених Штатах є понад 1000 великих постачальників OEM, які постачають понад 10 000 різних продуктів компаніям-виробникам.Кожен виробник покладається на ринкові прогнози та інші різні змінні, такі як дані про продажі, ринкова інформація, виставки, новини та дані про конкурентів, і навіть прогнози погоди, щоб продавати свою продукцію.
Використовуючи дані про продажі, дані датчиків продукту та дані з баз даних постачальників, промислові виробничі компанії можуть точно прогнозувати попит у різних регіонах світу.
Оскільки запаси та продажні ціни можна відстежувати та купувати, коли ціни падають, виробничі компанії можуть значно заощадити.
Якщо ви повторно використовуєте дані, згенеровані датчиками в продукті, щоб знати, що з продуктом не так і де потрібні запчастини, вони також зможуть передбачити, де і коли потрібні деталі.Це значно зменшить запаси та оптимізує ланцюг поставок.
