A quoi servent les applications industrielles de l'Internet et du Big Data ?

Choses qui peuvent être faites : 1. Peut aider les clients à participer à l'analyse de la demande de produits, à la conception de produits et à d'autres activités innovantes, et contribuer à l'innovation des produits ; 2. Diagnostiquer et prédire les défauts des produits, qui peuvent être utilisés pour les services après-vente des produits ; et l'amélioration des produits ; 3. Analyser et optimiser la chaîne d'approvisionnement industrielle pour obtenir une augmentation significative de l'efficacité de l'entreposage, de la distribution et des ventes et une réduction significative des coûts 4. Utiliser le Big Data pour analyser les changements actuels de la demande et les formes de combinaison pour réaliser des ventes de produits ; gestion des prévisions et de la demande ; 5. Planification et planification de la production ; 6. Gestion et analyse de la qualité des produits ; 7. Tests de pollution industrielle et de protection de l'environnement ;

L'environnement d'exploitation de ce tutoriel : système Windows 7, ordinateur Dell G3.

L'Internet industriel et les applications Big Data font référence à un réseau à grande échelle qui connecte diverses machines, groupes d'équipements, installations et réseaux de systèmes dans le monde avec des capteurs, des commandes et des applications logicielles avancées. Des éléments tels que les appareils IRM, les moteurs d’avion, les véhicules électriques et même les centrales électriques peuvent tous être connectés à l’Internet industriel. En combinant l'interconnexion des réseaux et l'analyse du Big Data pour prendre des décisions raisonnables, le potentiel de chaque machine peut être libéré plus efficacement et la productivité améliorée. La caractéristique la plus importante de l'Internet industriel est qu'il peut maximiser l'efficacité de la production, réduire les coûts, promouvoir la mise à niveau de la technologie des équipements et améliorer l'efficacité.

Pour faire simple, cela signifie combiner l'industrie avec Internet, puis la combiner avec le big data, car le big data est en effet très pratique désormais, et chaque industrie a son utilité. Afin d’améliorer l’efficacité et d’augmenter les bénéfices.

Analyse de scénarios d'applications Internet industrielles et Big Data

1. Accélérer l'innovation produit

L'interaction et le comportement transactionnel entre les clients et les entreprises industrielles généreront une grande quantité de données. L'exploration et l'analyse de ces données dynamiques des clients peuvent aider les clients. participer Contribuer à l'innovation de produits grâce à des activités innovantes telles que l'analyse de la demande de produits et la conception de produits. Ford est un exemple majeur à cet égard. Ils ont appliqué la technologie du Big Data à l'innovation et à l'optimisation des produits de la voiture électrique Ford Focus, faisant de cette voiture une véritable « voiture électrique Big Data ». La Ford Focus EV de première génération génère d’énormes quantités de données pendant la conduite et le stationnement. Pendant la conduite, le conducteur met continuellement à jour les informations d'accélération, de freinage, de charge de la batterie et de localisation du véhicule. Ceci est utile pour les conducteurs, mais les données sont également renvoyées aux ingénieurs Ford pour comprendre les habitudes de conduite des clients, notamment comment, quand et où ils rechargent. Il transmet en permanence des données sur la pression des pneus et le système de batterie du véhicule au smartphone le plus proche, même lorsque le véhicule est à l'arrêt.

　Ce scénario d'application Big Data centré sur le client présente de nombreux avantages, car le Big Data permet de nouvelles méthodes d'innovation de produits et de collaboration précieuses. Les conducteurs reçoivent des informations utiles et à jour, tandis que les ingénieurs de Detroit regroupent des informations sur le comportement de conduite pour comprendre les clients, planifier les améliorations des produits et mettre en œuvre de nouvelles innovations. Et les compagnies d’électricité et autres fournisseurs tiers peuvent analyser des millions de kilomètres de données de conduite pour décider où construire de nouvelles bornes de recharge et comment éviter la surcharge des réseaux fragiles.

2. Diagnostic et prédiction des défauts du produit

　 Cela peut être utilisé pour le service après-vente et l'amélioration du produit. L'introduction de capteurs omniprésents et de la technologie Internet a fait du diagnostic en temps réel des défauts des produits une réalité, et les applications Big Data, les technologies de modélisation et de simulation ont permis de prédire la dynamique. Lors de la recherche du MH370 de Malaysia Airlines disparu, les données de fonctionnement du moteur obtenues par Boeing ont joué un rôle clé dans la détermination de la trajectoire manquante de l'avion. Prenons le système aéronautique de Boeing comme étude de cas pour voir comment les applications Big Data jouent un rôle dans le diagnostic des défauts des produits. Sur un avion Boeing, des centaines de variables, notamment les moteurs, les systèmes de carburant, les systèmes hydrauliques et électriques, constituent l'état en vol, et ces données sont mesurées et transmises en moins de quelques microsecondes. En prenant le Boeing 737 comme exemple, le moteur peut générer 10 To de données toutes les 30 minutes de vol.

　Ces données ne sont pas seulement des données de télémétrie d'ingénierie qui peuvent être analysées à un certain moment dans le futur, mais favorisent également le contrôle adaptatif en temps réel, la consommation de carburant, la prévision des pannes de pièces et la notification du pilote, et peuvent réaliser efficacement le diagnostic et la prédiction des pannes. Prenons un autre exemple de General Electric (GE). Le centre de surveillance et de diagnostic de l'énergie (M&D) de GE à Atlanta, aux États-Unis, collecte des données sur des milliers de turbines à gaz GE dans plus de 50 pays à travers le monde. Il peut collecter 10 G de données. En analysant chaque jour le flux constant de données massives provenant des signaux de vibration et de température des capteurs au sein du système, ces analyses de données massives fourniront un support au diagnostic des pannes des turbines à gaz et à l'alerte précoce de GE. Le fabricant d'éoliennes Vestas améliore également la configuration des éoliennes en analysant de manière croisée les données météorologiques avec les données périodiques des instruments des éoliennes, augmentant ainsi les niveaux de puissance de sortie des éoliennes et prolongeant leur durée de vie.

3. Application du Big data dans les lignes de production industrielles IoT

　Les lignes de production industrielles modernes sont équipées de milliers de petits capteurs pour détecter la température, la pression, l'énergie thermique, les vibrations et le bruit. Étant donné que les données sont collectées toutes les quelques secondes, de nombreuses formes d'analyse peuvent être réalisées à l'aide de ces données, notamment le diagnostic des équipements, l'analyse de la consommation électrique, l'analyse de la consommation d'énergie, l'analyse des accidents de qualité (y compris les violations des réglementations de production, les pannes de composants), etc. Tout d'abord, en termes d'amélioration du processus de production, l'utilisation de ces mégadonnées pendant le processus de production permet d'analyser l'ensemble du processus de production et de comprendre comment chaque maillon est réalisé. Lorsqu'un certain processus s'écarte du processus standard, un signal d'alarme est généré, les erreurs ou les goulots d'étranglement peuvent être découverts plus rapidement et le problème peut être résolu plus facilement. Grâce à la technologie du Big Data, vous pouvez également créer un modèle virtuel du processus de production de produits industriels, simuler et optimiser le processus de production. Lorsque tous les processus et données de performance pourront être reconstruits dans le système, cette transparence aidera les fabricants à améliorer leurs processus de production. . Pour un autre exemple, en termes d'analyse de la consommation d'énergie, des capteurs sont utilisés pour surveiller de manière centralisée tous les processus de production pendant le processus de production des équipements, et des anomalies ou des pics de consommation d'énergie peuvent être découverts à partir de là, la consommation d'énergie peut être optimisée pendant le processus de production et. tous les processus peuvent être surveillés. L’analyse réduira considérablement la consommation d’énergie.

4. Analyse et optimisation de la chaîne d'approvisionnement industrielle

Actuellement, l'analyse du Big Data est devenue un moyen important pour de nombreuses entreprises de commerce électronique d'améliorer la compétitivité de leur chaîne d'approvisionnement. Par exemple, la société de commerce électronique JD.com utilise le Big Data pour analyser et prédire à l'avance la demande de marchandises à divers endroits, améliorant ainsi l'efficacité de la distribution et de l'entreposage et garantissant l'expérience client des marchandises arrivant le lendemain. Les technologies d'identification électronique des produits telles que la RFID, la technologie de l'Internet des objets et la technologie de l'Internet mobile peuvent aider les entreprises industrielles à obtenir des données volumineuses sur l'ensemble de la chaîne d'approvisionnement des produits. L'utilisation de ces données à des fins d'analyse entraînera des améliorations significatives en matière d'efficacité de l'entreposage, de la distribution et des ventes. baisse du coût.

En prenant Haier comme exemple, le système de chaîne d'approvisionnement de Haier est très complet. Il utilise la chaîne de marché comme lien et le flux d'informations sur les commandes comme centre pour piloter le mouvement de la logistique et les flux de capitaux, intégrant les ressources de la chaîne d'approvisionnement mondiale et les ressources des utilisateurs mondiaux. . Dans tous les aspects de la chaîne d'approvisionnement de Haier, les données des clients, les données internes de l'entreprise et les données des fournisseurs sont regroupées dans le système de chaîne d'approvisionnement grâce à la collecte et à l'analyse de mégadonnées dans la chaîne d'approvisionnement, Haier peut continuer à améliorer et à optimiser la chaîne d'approvisionnement, garantissant ainsi la réussite de Haier. réponse agile aux clients. Il existe plus d'un millier de grands fournisseurs OEM aux États-Unis, fournissant plus de 10 000 produits différents aux entreprises manufacturières. Chaque fabricant s'appuie sur les prévisions du marché et d'autres variables différentes, telles que les données de ventes, les informations sur le marché, les expositions, les actualités, les données des concurrents. même les prévisions météorologiques, etc. pour vendre leurs produits.

En utilisant les données de vente, les données des capteurs de produits et les données des bases de données de fournisseurs, les entreprises de fabrication industrielle peuvent prédire avec précision la demande dans différentes régions du monde. Les entreprises manufacturières peuvent économiser beaucoup de coûts car elles peuvent suivre les stocks et les prix de vente et acheter lorsque les prix baissent. S'ils peuvent réutiliser les données générées par les capteurs du produit pour savoir ce qui ne va pas avec le produit et où les pièces sont nécessaires, ils peuvent également prédire où et quand les pièces seront nécessaires. Cela réduira considérablement les stocks et optimisera la chaîne d’approvisionnement.

5. Prévisions des ventes de produits et gestion de la demande

Utilisez le Big Data pour analyser les changements et les combinaisons actuels de la demande. Le Big Data est un bon outil d'analyse des ventes. Grâce à la combinaison multidimensionnelle de données historiques, nous pouvons voir la proportion et l'évolution de la demande régionale, la popularité des catégories de produits sur le marché, les formes de combinaison les plus courantes, le niveau des consommateurs, etc. Utilisez-le pour ajuster la stratégie produit et la stratégie de distribution. Certaines analyses montrent que la demande de papeterie dans les villes comptant plus de collèges et d'universités sera beaucoup plus élevée pendant la saison scolaire. De cette manière, nous pouvons augmenter les promotions auprès des revendeurs de ces villes pour les inciter à commander davantage pendant la période scolaire. La planification des capacités commence un ou deux mois à l’avance pour répondre aux besoins promotionnels. En termes de développement de produits, les fonctions et les performances des produits sont ajustées en fonction des préoccupations du groupe de consommateurs. Par exemple, il y a quelques années, tout le monde aimait utiliser les téléphones musicaux, mais aujourd'hui, les gens sont plus enclins à utiliser les téléphones portables pour surfer sur Internet. prendre des photos et les partager, etc. L'amélioration de la fonction appareil photo des téléphones mobiles est une tendance, les téléphones mobiles 4G occupent également une part de marché plus importante. Grâce à l’analyse Big Data de certains détails du marché, davantage d’opportunités de vente potentielles peuvent être trouvées.

6. Planification et ordonnancement de la production

Face au modèle de production multi-variétés et en petits lots, l'industrie manufacturière a connu une augmentation spectaculaire des données en raison du raffinement des données, de la collecte automatique, rapide et pratique (MES/DCS) et de la variabilité associée à plus de dix. années de données historiques basées sur des informations, car il s'agit d'un énorme défi pour l'APS qui nécessite une réponse rapide. Les mégadonnées peuvent nous fournir des informations plus détaillées, découvrir la probabilité d'écart entre les prévisions historiques et réelles, prendre en compte les contraintes de capacité de production, les contraintes de compétences du personnel, les contraintes de disponibilité des matériaux, les contraintes d'outillage et de moule, et utiliser des algorithmes d'optimisation intelligents pour formuler une production pré-planifiée. plannings et suivi S'il y a un écart entre le plan et la situation réelle sur site, le planning de production sera ajusté de manière dynamique. Aidez-nous à éviter les défauts des "portraits" et à imposer directement aux individus des caractéristiques de groupe (les données du poste de travail sont directement transformées en données spécifiques sur les équipements, le personnel, les moules, etc.). En corrélant les données et en les surveillant, nous pouvons planifier l’avenir. Bien que le Big Data présente certains défauts, tant qu’il est correctement appliqué, le Big Data deviendra pour nous une arme puissante. À cette époque, Ford a demandé quels étaient les besoins des clients en matière de Big Data, et la réponse a été « un cheval plus rapide », et non les voitures qui sont aujourd'hui populaires. C’est pourquoi, dans le monde du Big Data, la créativité, l’intuition, l’esprit aventureux et l’ambition intellectuelle sont particulièrement importants.

7. Gestion et analyse de la qualité des produits

L'industrie manufacturière traditionnelle est confrontée à l'impact du big data en termes de recherche et de développement de produits, de conception de processus, de gestion de la qualité, d'opérations de production et d'autres aspects, ils attendent avec impatience. naissance de méthodes innovantes pour répondre aux enjeux du Big data dans un contexte industriel. Par exemple, dans l'industrie des semi-conducteurs, les puces sont soumises à de nombreux processus complexes tels que le dopage, la stratification, la photolithographie et le traitement thermique au cours du processus de production. Chaque étape doit répondre à des exigences extrêmement strictes en matière de propriétés physiques. Un équipement hautement automatisé est nécessaire pour traiter le produit. Dans le même temps, une énorme quantité de résultats de détection est également générée simultanément. Ces données massives sont-elles un fardeau pour l'entreprise ou une mine d'or pour l'entreprise ? Dans ce dernier cas, comment pouvons-nous voir rapidement à travers les nuages ​​et découvrir avec précision les principales raisons des fluctuations du rendement des produits de cette « mine d'or » ? est un problème technique qui préoccupe les ingénieurs en semi-conducteurs depuis de nombreuses années.

　 Une fois que les plaquettes produites par une entreprise de technologie de semi-conducteurs ont subi le processus de test, un ensemble de données contenant plus d'une centaine d'éléments de test et des millions de lignes d'enregistrements de test est généré chaque jour. Selon les exigences fondamentales de la gestion de la qualité, une tâche essentielle consiste à effectuer une analyse de capabilité du processus pour plus d'une centaine d'éléments de test avec des spécifications techniques différentes. Si nous suivons le modèle de travail traditionnel, nous devons calculer étape par étape plus d’une centaine d’indices de capacité de processus et évaluer chaque caractéristique de qualité une par une. Quelle que soit la charge de travail énorme et fastidieuse, même si quelqu'un peut résoudre le problème de calcul, il est difficile de voir la corrélation entre eux à partir de plus de 100 indices de capacité de processus, et il est encore plus difficile d'évaluer la qualité globale du produit. Avoir une compréhension globale et un résumé des performances. Cependant, si nous utilisons la plate-forme d'analyse de la gestion de la qualité des Big Data, en plus d'obtenir rapidement un long rapport d'analyse de la capacité des processus avec des indicateurs uniques traditionnels, nous pouvons également obtenir de nombreuses nouvelles analyses à partir du même ensemble de données Big.

8. Détection de la pollution industrielle et de la protection de l'environnement

La chose la plus impressionnante dans "Under the Dome" est qu'à travers des rapports visuels, l'équipe de Chai Jing transmet au public la gravité du problème de brume, les causes de la brume, etc.

　Cela nous apporte une révélation, à savoir que le big data est d'une grande valeur pour la protection de l'environnement. D'où proviennent les données brutes des graphiques de « Under the Dome » ? En fait, elles ne sont pas toutes obtenues grâce à des relations de haut niveau. La plupart des données sont accessibles au public et peuvent être consultées sur le site Web du gouvernement chinois. les sites Web de divers ministères et commissions, le site Web officiel de PetroChina et Sinopec, le site Web officiel des organisations de protection de l'environnement et de certaines organisations spéciales, de plus en plus de données sur le bien-être public et la protection de l'environnement peuvent être interrogées, y compris des données nationales sur l'air, l'hydrologie et d'autres données, données météorologiques, données de distribution des usines et données de conformité des émissions de pollution, etc. C'est juste que ces données sont trop dispersées, trop professionnelles, manquent d'analyse et n'ont pas de visualisation, donc les gens ordinaires ne peuvent pas les comprendre. Si vous parvenez à le comprendre et à y prêter attention, le Big Data deviendra un moyen important permettant à la société de superviser la protection de l’environnement. Le lancement récent de la « Carte nationale de surveillance de la pollution » de Baidu est un bon moyen d'y parvenir. En combinaison avec le Big Data ouvert sur la protection de l'environnement, Baidu Map a ajouté une couche de détection de la pollution. Tout le monde peut l'utiliser pour visualiser l'ensemble du pays, les provinces et les villes. dans leur propre région. Tout dans Les informations de localisation, le nom de l'organisation, les types de sources d'émission et les dernières normes de rejet de pollution annoncées par le Bureau de protection de l'environnement (y compris diverses centrales thermiques, entreprises industrielles contrôlées par l'État et stations d'épuration des eaux usées). ) sous la supervision du Bureau de la protection de l'environnement. Vous pouvez vérifier la source de pollution la plus proche de chez vous et un rappel apparaîtra pour vous indiquer quels éléments testés au point de surveillance dépassent la norme et combien de fois ils dépassent la norme. Ces informations peuvent être partagées en temps réel sur les plateformes de médias sociaux pour informer les amis et rappeler à chacun de faire attention aux sources de pollution ainsi qu'à la sécurité et à la santé des personnes.

Résumé : Le potentiel de valeur des applications industrielles du Big Data est énorme. Cependant, il reste encore beaucoup à faire pour concrétiser ces valeurs. L’une d’entre elles est la sensibilisation au Big Data. Dans le passé, il y avait de tels mégadonnées, mais en raison du manque de sensibilisation aux mégadonnées et des méthodes d'analyse des données insuffisantes, de nombreuses données en temps réel ont été rejetées ou mises de côté, et la valeur potentielle d'une grande quantité de données a été enterrée. . Un autre problème important est celui des îlots de données. Les données de nombreuses entreprises industrielles sont réparties dans divers silos au sein de l'entreprise, en particulier au sein des grandes entreprises multinationales, ce qui rend difficile l'extraction de ces données dans l'ensemble de l'entreprise. Par conséquent, un problème important dans l’application industrielle du Big Data est l’application intégrée.

Pour plus de connaissances connexes, veuillez visiter la rubrique FAQ !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!