Apakah kegunaan Internet industri dan aplikasi data besar?

Perkara yang boleh dilakukan: 1. Bantu pelanggan mengambil bahagian dalam aktiviti inovasi seperti analisis permintaan produk dan reka bentuk produk, dan menyumbang kepada inovasi produk 2. Mendiagnosis dan meramalkan kerosakan produk, yang boleh digunakan dalam produk Selepas -perkhidmatan jualan dan penambahbaikan produk; 3. Menganalisis dan mengoptimumkan rantaian bekalan perindustrian untuk mencapai peningkatan ketara dalam pergudangan, pengedaran, dan kecekapan jualan dan pengurangan kos yang ketara 4. Gunakan data besar untuk menganalisis perubahan permintaan semasa dan bentuk gabungan untuk mencapai jualan produk Peramalan dan pengurusan permintaan; 5. Perancangan dan penjadualan pengeluaran;

Persekitaran pengendalian tutorial ini: sistem Windows 7, komputer Dell G3.

Internet industri dan aplikasi data besar merujuk kepada rangkaian berskala besar yang menghubungkan pelbagai mesin, kumpulan peralatan, kemudahan dan rangkaian sistem di dunia dengan penderia, kawalan dan aplikasi perisian termaju. Perkara seperti mesin MRI, enjin pesawat, kenderaan elektrik, dan juga loji kuasa semuanya boleh disambungkan ke Internet Industri. Dengan menggabungkan interkoneksi rangkaian dan analisis data besar untuk membuat keputusan yang munasabah, potensi setiap mesin boleh dilepaskan dengan lebih berkesan dan produktiviti dipertingkatkan. Ciri paling penting Internet Industri ialah ia boleh memaksimumkan kecekapan pengeluaran, menjimatkan kos, menggalakkan peningkatan teknologi peralatan dan meningkatkan kecekapan.

Ringkasnya, ia adalah untuk menggabungkan industri dengan Internet, dan kemudian menggabungkannya dengan data besar, kerana data besar sangat mudah sekarang, dan setiap industri mempunyai tempatnya. Untuk meningkatkan kecekapan dan meningkatkan faedah.

Analisis senario Internet industri dan aplikasi data besar

1 Mempercepatkan inovasi produk

Interaksi dan gelagat transaksi antara pelanggan dan perusahaan industri akan Menjana. sejumlah besar data, melombong dan menganalisis data dinamik pelanggan ini boleh membantu pelanggan mengambil bahagian dalam aktiviti inovatif seperti analisis permintaan produk dan reka bentuk produk, dan menyumbang kepada inovasi produk. Ford ialah contoh utama dalam hal ini Mereka telah menggunakan teknologi data besar untuk inovasi produk dan pengoptimuman kenderaan elektrik Ford Focus, menjadikan kereta ini sebagai "kenderaan elektrik data besar" yang sebenarnya. Ford Focus EV generasi pertama menjana sejumlah besar data semasa memandu dan meletak kenderaan. Semasa memandu, pemandu sentiasa mengemas kini maklumat pecutan, brek, cas bateri dan lokasi kenderaan. Ini berguna untuk pemandu, tetapi data juga dihantar semula kepada jurutera Ford untuk memahami tabiat pemanduan pelanggan, termasuk bagaimana, bila dan di mana mereka mengecaj. Ia terus menghantar data tentang tekanan tayar kenderaan dan sistem bateri ke telefon pintar terdekat, walaupun ketika kenderaan tidak bergerak.

Senario aplikasi data besar yang mengutamakan pelanggan ini mempunyai banyak faedah, kerana data besar membolehkan inovasi produk baharu dan kaedah kerjasama yang berharga. Pemandu menerima maklumat yang berguna dan terkini, manakala jurutera di Detroit mengagregatkan maklumat tentang tingkah laku pemanduan untuk memahami pelanggan, merancang penambahbaikan produk dan melaksanakan inovasi produk baharu. Dan syarikat kuasa dan pembekal pihak ketiga yang lain boleh menganalisis data pemanduan berjuta-juta batu untuk memutuskan tempat untuk membina stesen pengecasan baharu dan cara mengelakkan grid yang rapuh daripada dibebankan.

2. Diagnosis dan ramalan kesalahan produk

Ini boleh digunakan untuk perkhidmatan selepas jualan dan penambahbaikan produk. Pengenalan penderia di mana-mana dan teknologi Internet telah menjadikan diagnosis masa nyata kesalahan produk menjadi kenyataan, dan aplikasi data besar, pemodelan dan teknologi simulasi telah memungkinkan untuk meramalkan dinamik. Semasa pencarian pesawat Malaysia Airlines MH370 yang hilang, data operasi enjin yang diperoleh Boeing memainkan peranan penting dalam menentukan laluan hilang pesawat itu. Mari kita ambil sistem pesawat Boeing sebagai kajian kes untuk melihat bagaimana aplikasi data besar memainkan peranan dalam diagnosis kesalahan produk. Pada pesawat Boeing, beratus-ratus pembolehubah termasuk enjin, sistem bahan api, sistem hidraulik dan elektrik membentuk status dalam penerbangan, dan data ini diukur dan dihantar dalam masa kurang daripada beberapa mikrosaat. Mengambil Boeing 737 sebagai contoh, enjin boleh menjana 10TB data setiap 30 minit dalam penerbangan.

Data ini bukan sahaja data telemetri kejuruteraan yang boleh dianalisis pada titik tertentu pada masa hadapan, tetapi juga menggalakkan kawalan penyesuaian masa nyata, penggunaan bahan api, ramalan kegagalan bahagian dan pemberitahuan perintis, dan dapat menyedari kesalahan dengan berkesan diagnosis dan ramalan. Mari kita ambil satu lagi contoh daripada Pusat Pemantauan dan Diagnostik Tenaga (M&D) GE di Atlanta, Amerika Syarikat, mengumpul data daripada beribu-ribu turbin gas GE di lebih daripada 50 negara di seluruh dunia pelanggan setiap hari menganalisis aliran data besar yang berterusan daripada getaran sensor dan isyarat suhu dalam sistem, analisis data besar ini akan memberikan sokongan untuk diagnosis kerosakan turbin gas GE dan amaran awal. Pengeluar turbin angin Vestas juga menambah baik susun atur turbin angin dengan menganalisis silang data cuaca dengan data instrumentasi turbin berkala, dengan itu meningkatkan tahap output kuasa turbin angin dan memanjangkan hayat perkhidmatannya.

3. Aplikasi data besar dalam barisan pengeluaran IoT industri

Barisan pengeluaran perindustrian moden dilengkapi dengan beribu-ribu penderia kecil untuk mengesan suhu, tekanan, tenaga haba, getaran dan bunyi. Oleh kerana data dikumpul setiap beberapa saat, banyak bentuk analisis boleh dicapai menggunakan data ini, termasuk diagnosis peralatan, analisis penggunaan kuasa, analisis penggunaan tenaga, analisis kemalangan kualiti (termasuk pelanggaran peraturan pengeluaran, kegagalan komponen), dsb. Pertama sekali, dari segi penambahbaikan proses pengeluaran, menggunakan data besar ini semasa proses pengeluaran boleh menganalisis keseluruhan proses pengeluaran dan memahami cara setiap pautan dilakukan. Sebaik sahaja proses tertentu menyimpang daripada proses standard, isyarat penggera akan dijana, ralat atau kesesakan boleh ditemui dengan lebih cepat, dan masalah itu dapat diselesaikan dengan lebih mudah. Menggunakan teknologi data besar, anda juga boleh membina model maya proses pengeluaran produk industri, mensimulasikan dan mengoptimumkan proses pengeluaran Apabila semua proses dan data prestasi boleh dibina semula dalam sistem, ketelusan ini akan membantu pengeluar meningkatkan proses pengeluaran mereka. . Untuk contoh lain, dari segi analisis penggunaan tenaga, penderia digunakan untuk memantau secara berpusat semua proses pengeluaran semasa proses pengeluaran peralatan Keabnormalan atau puncak penggunaan tenaga boleh ditemui, supaya penggunaan tenaga boleh dioptimumkan semasa proses pengeluaran dan semua proses. boleh dipantau. Analisis akan mengurangkan penggunaan tenaga dengan ketara.

4. Analisis dan pengoptimuman rantaian bekalan industri

Pada masa ini, analisis data besar telah menjadi cara penting bagi banyak syarikat e-dagang untuk meningkatkan daya saing rantaian bekalan mereka. Sebagai contoh, syarikat e-dagang JD.com menggunakan data besar untuk menganalisis dan meramalkan permintaan barangan di pelbagai tempat terlebih dahulu, sekali gus meningkatkan kecekapan pengedaran dan pergudangan serta memastikan pengalaman pelanggan barang tiba pada hari berikutnya. Teknologi pengenalan elektronik produk seperti RFID, teknologi Internet of Things dan teknologi Internet mudah alih boleh membantu syarikat perindustrian mendapatkan data besar rantaian bekalan produk yang lengkap Menggunakan data ini untuk analisis akan membawa peningkatan ketara dalam pergudangan, pengedaran dan kecekapan jualan dan kos.

Mengambil Haier sebagai contoh, sistem rantaian bekalan Haier sangat lengkap ia menggunakan rantaian pasaran sebagai pautan dan aliran maklumat pesanan sebagai pusat untuk memacu pergerakan logistik dan aliran modal, menyepadukan sumber rantaian bekalan global. dan pengguna global. Dalam semua aspek rantaian bekalan Haier, data pelanggan, data korporat dalaman dan data pembekal diagregatkan ke dalam sistem rantaian bekalan Melalui pengumpulan dan analisis data besar dalam rantaian bekalan, Haier boleh terus menambah baik dan mengoptimumkan rantaian bekalan, memastikan Haier's. respon yang tangkas kepada pelanggan. Terdapat lebih daripada seribu pembekal OEM yang lebih besar di Amerika Syarikat, menyediakan lebih daripada 10,000 produk berbeza kepada syarikat pembuatan Setiap pengeluar bergantung pada ramalan pasaran dan pembolehubah lain yang berbeza, seperti data jualan, maklumat pasaran, pameran, berita, data pesaing , malah ramalan cuaca, dsb. untuk menjual produk mereka.

Menggunakan data jualan, data penderia produk dan data daripada pangkalan data pembekal, syarikat pembuatan perindustrian boleh meramalkan permintaan dengan tepat di rantau yang berbeza di seluruh dunia. Syarikat perkilangan boleh menjimatkan banyak kos kerana mereka boleh menjejaki inventori dan harga jualan serta membeli apabila harga jatuh. Jika mereka boleh menggunakan semula data yang dijana oleh penderia dalam produk untuk mengetahui apa yang salah dengan produk dan tempat bahagian diperlukan, mereka juga boleh meramalkan di mana dan bila bahagian akan diperlukan. Ini akan mengurangkan inventori dan mengoptimumkan rantaian bekalan.

5. Ramalan jualan produk dan pengurusan permintaan

Gunakan data besar untuk menganalisis perubahan dan gabungan permintaan semasa. Data besar ialah alat analisis jualan yang baik Melalui gabungan pelbagai dimensi data sejarah, kita dapat melihat perkadaran dan perubahan permintaan serantau, populariti pasaran bagi kategori produk, bentuk gabungan yang paling biasa, tahap pengguna, dsb. Gunakan ini untuk melaraskan strategi produk dan strategi pengedaran. Dalam beberapa analisis, kita boleh mendapati bahawa permintaan untuk alat tulis di bandar yang mempunyai lebih banyak kolej dan universiti akan menjadi lebih tinggi semasa musim persekolahan, dengan cara ini, kita boleh meningkatkan promosi untuk peniaga di bandar ini untuk menarik mereka memesan lebih banyak semasa sekolah musim. Perancangan kapasiti bermula satu atau dua bulan lebih awal untuk memenuhi keperluan promosi. Dari segi pembangunan produk, fungsi dan prestasi produk diselaraskan berdasarkan kebimbangan kumpulan pengguna Sebagai contoh, beberapa tahun dahulu semua orang suka menggunakan telefon muzik, tetapi kini orang lebih cenderung menggunakan telefon bimbit untuk melayari Internet. mengambil gambar dan berkongsinya, dsb. Penambahbaikan fungsi kamera telefon bimbit adalah satu Trend, telefon bimbit 4G juga menduduki bahagian pasaran yang lebih besar. Melalui analisis data besar beberapa butiran pasaran, lebih banyak peluang jualan berpotensi boleh ditemui.

6. Perancangan dan penjadualan pengeluaran

Industri pembuatan berhadapan dengan model pengeluaran berbilang pelbagai dan kumpulan kecil Penambahbaikan data, pengumpulan automatik, tepat pada masanya dan mudah (MES/DCS) dan kebolehubahan telah membawa kepada peningkatan mendadak dalam data daripada sepuluh tahun data sejarah bermaklumat , yang merupakan cabaran besar bagi APS yang memerlukan respons pantas. Data besar boleh memberi kami maklumat data yang lebih terperinci, menemui kebarangkalian penyimpangan antara ramalan sejarah dan yang sebenar, mempertimbangkan kekangan kapasiti pengeluaran, kekangan kemahiran kakitangan, kekangan ketersediaan bahan, kekangan perkakas dan acuan, dan menggunakan algoritma pengoptimuman pintar untuk merumuskan pengeluaran pra-rancangan jadual dan pantau Jika terdapat sebarang penyelewengan antara pelan dan situasi sebenar di tapak, jadual pengeluaran akan dilaraskan secara dinamik. Bantu kami mengelakkan kekurangan "potret" dan secara langsung mengenakan ciri kumpulan pada individu (data pusat kerja ditukar terus kepada data peralatan, kakitangan, acuan, dll.). Dengan mengaitkan data dan memantaunya, kita boleh merancang untuk masa hadapan. Walaupun data besar mempunyai beberapa kelemahan, selagi ia digunakan dengan betul, data besar akan menjadi senjata yang kuat untuk kita. Pada masa itu, Ford bertanya apakah keperluan pelanggan terhadap data besar, dan jawapannya adalah "kuda yang lebih pantas", bukan kereta yang kini popular. Oleh itu, dalam dunia data besar, kreativiti, intuisi, semangat pengembaraan dan cita-cita intelektual amat penting.

7 Pengurusan dan analisis kualiti produk

Industri pembuatan tradisional menghadapi kesan data besar, dan sangat menantikan pembangunan produk, reka bentuk proses, pengurusan kualiti, operasi pengeluaran dan lain-lain. Terdapat pendekatan inovatif yang muncul untuk menangani cabaran data besar dalam konteks industri. Sebagai contoh, dalam industri semikonduktor, cip akan melalui banyak proses yang kompleks seperti doping, lapisan, fotolitografi, dan rawatan haba semasa proses pengeluaran Setiap langkah mesti memenuhi keperluan harta fizikal yang sangat ketat diperlukan untuk memproses produk . Pada masa yang sama, sejumlah besar hasil pengesanan juga dijana secara serentak. Adakah data besar ini membebankan syarikat atau lombong emas untuk syarikat, maka bagaimana kita boleh melihat dengan cepat melalui awan dan mengetahui dengan tepat sebab-sebab utama turun naik hasil produk daripada "lombong emas" ini? adalah Masalah teknikal yang telah menyusahkan jurutera semikonduktor selama bertahun-tahun.

Selepas wafer yang dihasilkan oleh syarikat teknologi semikonduktor melalui proses ujian, set data yang mengandungi lebih daripada seratus item ujian dan berjuta-juta baris rekod ujian dijana setiap hari. Mengikut keperluan asas pengurusan kualiti, tugas penting ialah menjalankan analisis keupayaan proses untuk lebih daripada seratus item ujian dengan spesifikasi teknikal yang berbeza. Jika kita mengikuti model kerja tradisional, kita perlu mengira lebih daripada seratus indeks keupayaan proses langkah demi langkah dan menilai setiap ciri kualiti satu demi satu. Tidak kira beban kerja yang besar dan menyusahkan di sini, walaupun seseorang boleh menyelesaikan masalah pengiraan, adalah sukar untuk melihat korelasi antara mereka daripada lebih daripada 100 indeks keupayaan proses, dan lebih sukar untuk menilai kualiti keseluruhan produk. Mempunyai pemahaman yang komprehensif dan ringkasan prestasi. Walau bagaimanapun, jika kami menggunakan platform analisis pengurusan kualiti data besar, selain cepat mendapatkan laporan analisis keupayaan proses yang panjang dengan penunjuk tunggal tradisional, yang lebih penting, kami juga boleh memperoleh banyak analisis baharu daripada hasil set data besar yang sama.

8. Pencemaran industri dan ujian perlindungan alam sekitar

Perkara yang paling mengagumkan tentang "Under the Dome" ialah melalui laporan visual, pasukan Chai Jing menyampaikan kepada penonton betapa seriusnya masalah asap dan kepentingan punca asap, dsb.

Ini membawa kita satu pendedahan, iaitu, data besar sangat bernilai untuk perlindungan alam sekitar. Dari mana datangnya data mentah untuk carta dalam "Under the Dome" Sebenarnya, tidak semuanya diperoleh melalui perhubungan peringkat tinggi Banyak data tersedia secara umum dan boleh didapati di laman web kerajaan China laman web pelbagai kementerian dan suruhanjaya, laman web rasmi PetroChina dan Sinopec, laman web rasmi organisasi perlindungan alam sekitar, dan beberapa Organisasi khas, semakin banyak data kebajikan awam dan perlindungan alam sekitar boleh ditanya, termasuk udara negara, hidrologi dan data lain, data meteorologi, pengedaran kilang dan data pematuhan pelepasan pencemaran, dsb. Cuma data ini terlalu berselerak, terlalu profesional, kurang analisis, dan tidak mempunyai visualisasi, jadi orang biasa tidak dapat memahaminya. Jika anda dapat memahaminya dan terus memberi perhatian, data besar akan menjadi cara penting bagi masyarakat untuk mengawasi perlindungan alam sekitar. Pelancaran "Peta Pemantauan Pencemaran Negara" Baidu baru-baru ini ialah cara yang baik untuk melakukan ini. Digabungkan dengan data besar perlindungan alam sekitar terbuka, Peta Baidu telah menambahkan lapisan pengesanan pencemaran. Sesiapa sahaja boleh menggunakannya untuk melihat seluruh negara dan wilayah serta bandar di wilayah mereka sendiri Semua dalam Maklumat lokasi, nama organisasi, jenis sumber pelepasan, dan piawaian pelepasan pencemaran terkini yang diumumkan oleh Biro Perlindungan Alam Sekitar (termasuk pelbagai loji janakuasa haba, perusahaan industri dikawal kerajaan dan loji rawatan kumbahan. ) di bawah seliaan Biro Perlindungan Alam Sekitar. Anda boleh menyemak sumber pencemaran yang paling hampir dengan anda, dan peringatan akan muncul untuk memberitahu anda item yang diuji di titik pemantauan melebihi standard dan berapa kali ia melebihi standard. Maklumat ini boleh dikongsi ke platform media sosial dalam masa nyata untuk memaklumkan rakan-rakan dan mengingatkan semua orang untuk memberi perhatian kepada sumber pencemaran dan keselamatan dan kesihatan diri.

Ringkasan: Potensi nilai aplikasi data besar industri adalah besar. Walau bagaimanapun, masih banyak kerja yang perlu dilakukan untuk merealisasikan nilai-nilai ini. Salah satunya ialah isu mewujudkan kesedaran data besar. Pada masa lalu, terdapat data besar seperti itu, tetapi disebabkan kekurangan kesedaran tentang data besar dan kaedah analisis data yang tidak mencukupi, banyak data masa nyata dibuang atau disimpan, dan nilai potensi sejumlah besar data telah terkubur. Satu lagi isu penting ialah masalah pulau data. Data banyak syarikat perindustrian diedarkan dalam pelbagai silo di seluruh perusahaan, terutamanya dalam syarikat multinasional besar, menjadikannya sukar untuk mengekstrak data ini merentas keseluruhan perusahaan. Oleh itu, isu penting dalam aplikasi data besar industri ialah aplikasi bersepadu.

Untuk lebih banyak pengetahuan berkaitan, sila lawati ruangan Soalan Lazim!

Atas ialah kandungan terperinci Apakah kegunaan Internet industri dan aplikasi data besar?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!