El big data industrial tiene un gran potencial, una breve discusión de 7 escenarios de aplicación principales en la industria manufacturera
Las aplicaciones industriales de big data traerán una nueva era de innovación y cambio para las empresas industriales. A través de la percepción de bajo costo, conexiones móviles de alta velocidad, computación distribuida y análisis avanzados traídos por Internet, Internet de las cosas móvil, etc., la tecnología de la información y los sistemas industriales globales están profundamente integrados, trayendo cambios profundos a la industria global, innovando la I + D. , producción y producción de empresas, operaciones, métodos de comercialización y gestión. Estas empresas industriales que innovan en diferentes industrias están aportando mayor velocidad, mayor eficiencia y mayor conocimiento. Las aplicaciones típicas del big data industrial incluyen innovación de productos, diagnóstico y predicción de fallas de productos, análisis de Internet de las cosas de líneas de producción industrial, optimización de la cadena de suministro de empresas industriales y marketing de precisión de productos, y muchos otros aspectos. En este artículo, revisaremos uno por uno los escenarios de aplicación de big data industrial en empresas manufactureras.
1. Acelerar la innovación de productos
La interacción y el comportamiento de transacciones entre clientes y empresas industriales generarán una gran cantidad de datos. La extracción y el análisis de estos datos dinámicos de los clientes pueden ayudar a los clientes a participar en el producto. Contribuir a la innovación de productos en actividades de innovación como el análisis de la demanda y el diseño de productos. Ford es un ejemplo destacado en este sentido. Ha aplicado la tecnología de big data a la innovación y optimización de productos del automóvil eléctrico Ford Focus, convirtiendo este automóvil en un verdadero "auto eléctrico de big data". El Ford Focus EV de primera generación genera enormes cantidades de datos mientras conduce y estaciona. Mientras conduce, el conductor actualiza continuamente la información de aceleración, frenado, carga de la batería y ubicación del vehículo. Esto es útil para los conductores, pero los datos también se envían a los ingenieros de Ford para comprender los hábitos de conducción de los clientes, incluido cómo, cuándo y dónde cargan. Transmite continuamente datos sobre la presión de los neumáticos y el sistema de batería del vehículo al teléfono inteligente más cercano, incluso cuando el vehículo está parado.
Este caso de uso de big data centrado en el cliente tiene múltiples beneficios, ya que el big data permite valiosas innovaciones de productos y formas de colaborar. Los conductores reciben información útil y actualizada, mientras que los ingenieros de Detroit agregan información sobre el comportamiento de conducción para comprender a los clientes, planificar mejoras de productos e implementar nuevas innovaciones de productos. Y las compañías eléctricas y otros proveedores externos también pueden analizar millones de kilómetros de datos de conducción para decidir dónde construir nuevas estaciones de carga y cómo evitar que la frágil red se sobrecargue.
2. Análisis y predicción de fallas de equipos
En las líneas de producción manufacturera, los equipos de producción industrial estarán sujetos a vibraciones e impactos continuos, lo que conduce al desgaste y envejecimiento de los materiales y piezas del equipo. Como resultado, los equipos industriales son propensos a fallar y, cuando la gente se da cuenta de la falla, es posible que se hayan producido muchos productos defectuosos o incluso que todo el equipo industrial se haya estrellado y apagado, causando enormes pérdidas.
Si se pueden predecir las fallas antes de que ocurran y las piezas que están a punto de tener problemas se pueden reparar y reemplazar con anticipación, esto puede extender la vida útil de los equipos industriales y evitar la falla repentina de una pieza del equipo que tendrá graves consecuencias para toda la producción industrial. Con la llegada de la Industria 4.0, los equipos industriales de las fábricas inteligentes están equipados con varios sensores. Es fácil recopilar datos de vibración, temperatura, corriente, voltaje y otros datos. Al analizar estos datos de sensores en tiempo real, se puede predecir fallas en los equipos industriales. será una medida eficaz.
Por lo tanto, las soluciones de predicción de fallas de equipos se han convertido en una solución preferida en la industria manufacturera. Sus funciones principales son:
1. Alerta temprana de fallas para reducir el tiempo de inactividad de los equipos.
2. Los resultados del análisis se envían en tiempo real, lo que reduce los costos laborales;
3. Es adecuado para varios tipos de equipos empresariales y tiene una gran versatilidad.
3. Aplicación de big data en líneas de producción industriales de IoT
Las líneas de producción industriales modernas están equipadas con miles de pequeños sensores para detectar temperatura, presión, energía térmica, vibración y ruido. Debido a que los datos se recopilan cada pocos segundos, se pueden lograr muchas formas de análisis utilizando estos datos, incluido el diagnóstico de equipos, análisis de consumo de energía, análisis de consumo de energía, análisis de accidentes de calidad (incluidas violaciones de las regulaciones de producción, fallas de componentes), etc.
En primer lugar, en términos de mejora del proceso de producción, el uso de estos big data durante el proceso de producción puede analizar todo el proceso de producción y comprender cómo se realiza cada enlace.
Una vez que un determinado proceso se desvía del proceso estándar, se generará una señal de alarma, los errores o cuellos de botella se podrán descubrir más rápidamente y el problema se podrá resolver más fácilmente. Con la tecnología de big data, también se puede construir un modelo virtual del proceso de producción de productos industriales, simular y optimizar el proceso de producción. Cuando todos los procesos y datos de rendimiento se puedan reconstruir en el sistema, esta transparencia ayudará a los fabricantes a mejorar sus procesos de producción. . Por otro ejemplo, en términos de análisis del consumo de energía, los sensores se utilizan para monitorear centralmente todos los procesos de producción durante el proceso de producción del equipo. Se pueden descubrir anomalías o picos en el consumo de energía, de modo que el consumo de energía se pueda optimizar durante el proceso de producción y todos los procesos. El análisis reducirá significativamente el consumo de energía.
4. Previsión de ventas de productos y gestión de la demanda
En los últimos años, la industria aseguradora ha acelerado el proceso de digitalización y el big data se ha integrado profundamente con el marketing de seguros, convirtiéndose en un arma importante. en el marketing de seguros moderno. Huidu Big Data respalda el marketing de precisión en la industria de seguros y ha ayudado con éxito a Generali Life Insurance Co., Ltd. a brindar un mejor servicio a los clientes y maximizar la lealtad de los clientes, mejorando la eficiencia de las ventas y las tasas de recompra de los clientes.
5. Análisis y Optimización de la Cadena de Suministro Industrial
Actualmente, el análisis de big data se ha convertido en un medio importante para que muchas empresas de comercio electrónico mejoren la competitividad de su cadena de suministro. Por ejemplo, la empresa de comercio electrónico JD.com utiliza big data para analizar y predecir de antemano la demanda de productos en varios lugares, mejorando así la eficiencia de la distribución y el almacenamiento y garantizando la experiencia del cliente con los productos que llegan al día siguiente. La tecnología de identificación electrónica de productos, como RFID, la tecnología de Internet de las cosas y la tecnología de Internet móvil, pueden ayudar a las empresas industriales a obtener grandes datos de toda la cadena de suministro del producto. El uso de estos datos para el análisis generará mejoras significativas en la eficiencia del almacenamiento, la distribución y las ventas. costo.
6. Planificación y programación de la producción
La industria manufacturera se enfrenta al modelo de producción multivariedad y de lotes pequeños, al refinamiento de los datos, a la recogida automática, oportuna y cómoda (MES/DCS ) y variabilidad El resultado es un aumento dramático en los datos, junto con más de diez años de datos históricos basados en información, lo que es un gran desafío para APS que requiere una respuesta rápida. Big data puede brindarnos información de datos más detallada, descubrir la probabilidad de desviación entre las predicciones históricas y las reales, considerar las limitaciones de capacidad de producción, las limitaciones de habilidades del personal, las limitaciones de disponibilidad de materiales, las limitaciones de herramientas y moldes, y utilizar algoritmos de optimización inteligentes para formular una producción planificada previamente. cronogramas y monitoreo Si hay alguna desviación entre el plan y la situación real en el sitio, el cronograma de producción se ajustará dinámicamente. Ayúdenos a evitar las deficiencias de los "retratos" e imponer directamente características grupales a los individuos (los datos del centro de trabajo se cambian directamente a datos específicos de equipos, personal, moldes, etc.). Al correlacionar datos y monitorearlos, podemos planificar el futuro.
7. Análisis y predicción de la calidad de la producción
En la producción industrial, factores como fallas de equipos, negligencia del personal, parámetros anormales, diferencias en las materias primas, fluctuaciones ambientales, etc., conducen a la calidad. Las desviaciones y los niveles de calidad son enormes. En las industrias manufactureras a gran escala con procesos complejos, como las del acero, los automóviles, la electrónica, la confección y otras industrias, las islas de información y datos son prominentes, lo que genera frecuentes problemas de calidad. En particular, es necesario "detectar y predecir anomalías a tiempo". controlar y analizar rápidamente las causas de las anomalías de la calidad y llevar a cabo la mejora del proceso de producción, estabilizando el proceso de producción y reduciendo las fluctuaciones de la calidad del producto ".
El análisis de la calidad de la producción, desde la realización de pedidos de fábrica hasta la producción de pedidos y el flujo del mercado, realiza un análisis de calidad integral de toda la cadena de producción. Entre ellos, la calidad y los datos humanos, de máquinas, materiales, métodos, ambientales y otros están conectados, y todos los datos de producción están entrelazados, centrándose en el análisis completo de datos de la gestión de calidad para ayudar a las empresas a explorar rápidamente las causas fundamentales de los defectos.
1. Conecte la calidad con personas, máquinas, materiales, métodos y entornos, realice análisis interactivos de todos los datos que afectan la calidad, explore las interrelaciones, descubra las verdaderas razones detrás de los datos y obtenga el "qué". los resultados son. Responda "por qué".
2. Cambie el modo tradicional de informes estáticos a una reunión dinámica interactiva, de modo que se puedan organizar reuniones especiales relacionadas con la producción y la calidad en cualquier momento y en cualquier lugar. Al mostrar los KPI de producción y calidad en diferentes dimensiones, podemos brindar advertencias en tiempo real y comprender el estado de operación de la línea de producción.
3. Herramientas de análisis de calidad simples y fáciles de usar. Los empleados solo necesitan seleccionar y arrastrar datos para lograr los resultados deseados de manera flexible por sí mismos.
4. Abandone los informes de datos estáticos anteriores, integre datos de múltiples sistemas comerciales, utilice pantallas grandes para datos de múltiples escenarios, adáptese a múltiples pantallas y realice una visualización y análisis completos para tomar decisiones más claras.
————————————————