Big data industrial abre una nueva era, análisis de siete aplicaciones principales
¿El big data industrial abre una nueva era? ¿Análisis de siete grandes aplicaciones?
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, etc. Este artículo revisa uno por uno los escenarios de aplicación de big data industrial en empresas manufactureras.
Con la profunda integración de la informatización y la industrialización, la tecnología de la información ha penetrado en todos los aspectos de la cadena industrial de las empresas industriales, incluidos códigos de barras, códigos QR, RFID, sensores industriales, sistemas de control automático industrial, Internet industrial de Cosas, tecnologías como ERP, CAD/CAM/CAE/CAI se han utilizado ampliamente en empresas industriales, especialmente la aplicación de tecnologías como Internet, Internet móvil e Internet de las cosas. Con la aplicación de tecnología de la información de nueva generación en el campo industrial, las empresas industriales también han entrado en una nueva etapa de desarrollo de la industria de Internet, y los datos que poseen las empresas industriales son cada vez más abundantes. Las líneas de producción de las empresas industriales funcionan a alta velocidad. La cantidad de datos generados, recopilados y procesados por equipos industriales es mucho mayor que la cantidad de datos generados por las computadoras y la mano de obra en la empresa. Se trata de datos no estructurados. La operación de alta velocidad de la línea de producción tiene un impacto negativo en Los requisitos de datos en tiempo real también son mayores. Por lo tanto, los problemas y desafíos que enfrentan las aplicaciones industriales de big data no son menores que los que enfrentan las aplicaciones de big data en la industria de Internet y, en algunos casos, son incluso más complejos.
Las aplicaciones de big data industriales traerán una nueva era de innovación y cambio a las empresas industriales. A través de sensores 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 está profundamente integrada con el sistema industrial global, trayendo cambios profundos a la industria global e innovando a las empresas. I+D, producción, operaciones, marketing y métodos de gestión. Estas innovaciones aportan mayor velocidad, mayor eficiencia y mayor conocimiento a las empresas industriales de todos los sectores.
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. análisis de la demanda y diseño de productos y otras actividades innovadoras para promover la innovación de productos. Ford es un modelo en este sentido. Aplican tecnología de big data a la innovación y optimización de productos del vehículo eléctrico Ford Focus, convirtiendo este automóvil en un verdadero "vehículo eléctrico de big data". El Ford Focus Electric de primera generación genera una gran cantidad de datos mientras conduce y estaciona. Mientras conduce, el conductor recibe actualizaciones constantes sobre la aceleración, el frenado, la energía de la batería y la información de 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. Incluso cuando el vehículo está parado, continúa enviando datos sobre la presión de los neumáticos y el sistema de batería del vehículo al teléfono inteligente más cercano.
Este escenario de aplicación de big data centrado en el cliente tiene múltiples ventajas porque el big data permite la colaboración e innovación de nuevos productos valiosos. 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. Además, las compañías eléctricas y otros proveedores externos pueden analizar millones de kilómetros de datos de conducción para determinar dónde construir nuevas estaciones de carga y cómo evitar que las frágiles redes se sobrecarguen.
2. Diagnóstico y predicción de fallos del producto
Esto se puede utilizar para el servicio postventa y la mejora del producto. La introducción de sensores ubicuos y tecnología de Internet ha hecho realidad el diagnóstico en tiempo real de fallas de productos, mientras que las aplicaciones de big data y las tecnologías de modelado y simulación han hecho posible la predicción dinámica. Durante la búsqueda del desaparecido MH370 de Malaysia Airlines, los datos de funcionamiento del motor obtenidos por Boeing desempeñaron un papel clave a la hora de determinar la trayectoria perdida del avión. Tomemos como ejemplo los sistemas de aeronaves de Boeing para ver cómo las aplicaciones de big data desempeñan un papel en la resolución de problemas de los productos. En un avión Boeing, cientos de variables, incluidos motores, sistemas de combustible, sistemas hidráulicos y eléctricos, conforman el estado del avión en el aire, y estos datos se miden y envían menos de cada pocos microsegundos. Tomando como ejemplo el avión Boeing 737, los motores generan 10 terabytes de datos cada 30 minutos de vuelo.
Estos datos no son solo telemetría de ingeniería que se puede analizar en algún momento en el futuro, sino que también ayudan en el control adaptativo en tiempo real, el uso de combustible, las predicciones de fallas de componentes y las sesiones informativas para pilotos para una resolución de problemas y predicciones eficientes. .
Veamos otro ejemplo de General Electric (GE). El Centro de Diagnóstico y Monitoreo de Energía (M&D) de GE en Atlanta, EE. UU., recopila datos de miles de turbinas de gas de GE en más de 50 países de todo el mundo. Puede recopilar 10 G de datos. para los clientes todos los días Al analizar el flujo continuo de grandes datos generados por las señales de vibración y temperatura de los sensores en el sistema, estos análisis de grandes datos proporcionarán a GE capacidades de diagnóstico de fallas de turbinas de gas y alerta temprana. El fabricante de turbinas eólicas Vestas también puede mejorar el diseño de las turbinas eólicas mediante el análisis cruzado de datos meteorológicos y datos de instrumentación periódica de las turbinas, aumentando así los niveles de producción de energía de las turbinas eólicas y extendiendo su vida útil.
3. Big data para líneas de producción industriales de IoT
Las líneas de producción industriales modernas están equipadas con miles de pequeños sensores para detectar temperatura, presión, calor, vibración y ruido. Debido a que los datos se recopilan cada pocos segundos, se pueden aprovechar para muchas formas de análisis, incluidos diagnósticos de equipos, análisis de uso de energía, análisis de consumo de energía y análisis de incidentes de calidad (incluidas violaciones de producción y fallas de componentes). 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 la ejecución de cada paso. Una vez que un proceso se desvía del proceso estándar, se generará una señal de alarma, de modo que los errores o cuellos de botella se puedan identificar más rápidamente y los problemas se puedan resolver más fácilmente. Utilizando tecnología de big data, también se pueden establecer modelos virtuales de procesos de producción de productos industriales para simular y optimizar el proceso de producción. Cuando todos los datos de proceso y rendimiento se puedan reconstruir en el sistema, esta transparencia ayudará a los fabricantes a mejorar el proceso de producción. Por ejemplo, al analizar el consumo de energía, el uso de sensores para monitorear centralmente todos los procesos de producción de los equipos de producción puede detectar anomalías o picos en el consumo de energía, de modo que el consumo de energía en el proceso de producción se pueda optimizar. El análisis de todos los procesos reducirá en gran medida el consumo de energía.
4. 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 análisis de big data para predecir de antemano la demanda de productos en varios lugares, mejorando así la eficacia de la distribución y el almacenamiento y garantizando la experiencia del cliente con la entrega de los productos 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 big data completos de la cadena de suministro de productos. El uso de estos datos para el análisis conducirá a mejoras en la eficiencia del almacenamiento, la distribución y las ventas y a importantes reducciones de costos. .
Tomemos a Haier como ejemplo. Haier tiene un sistema completo de cadena de suministro. Utiliza la cadena de mercado como eslabón y el flujo de información de pedidos como centro para impulsar el movimiento de la logística y el flujo de capital, integrando la cadena de suministro global. recursos y usuarios globales. En todos los aspectos de la cadena de suministro de Haier, los datos de los clientes, los datos internos y los datos de los proveedores se agregan al sistema de la cadena de suministro. A través de la recopilación y el análisis de big data de la cadena de suministro, Haier puede mejorar y optimizar continuamente la cadena de suministro para garantizar una respuesta ágil de Haier a los clientes. Hay más de mil proveedores OEM más grandes en los Estados Unidos, que brindan a las empresas manufactureras más de 10,000 productos diferentes. Cada proveedor se basa en pronósticos de mercado y otras variables diferentes, como datos de ventas, información de mercado, ferias comerciales, noticias y competidores. datos e incluso previsiones meteorológicas para vender sus productos.
Utilizando datos de ventas, datos de sensores de productos y datos de bases de datos de proveedores, los fabricantes industriales pueden predecir con precisión la demanda en diferentes regiones del mundo. Al realizar un seguimiento del inventario y los precios de venta y comprar cuando los precios bajan, los fabricantes pueden ahorrar costos significativos. Si reutiliza los datos generados por los sensores del producto, podrá comprender dónde ocurren las fallas, dónde se necesitan piezas y predecir cuándo y dónde se necesitarán piezas. Esto reducirá significativamente el inventario y optimizará la cadena de suministro.
5. Previsión de ventas de productos y gestión de la demanda
Big data se utiliza para analizar los cambios de la demanda actual y las formas combinadas. Big data es una buena herramienta de análisis de ventas. A través de la combinación multidimensional de datos históricos, podemos ver la proporción y los cambios en la demanda regional, la popularidad en el mercado de las categorías de productos y las formas de combinación más comunes, el nivel de consumidores, etc. Ajustando así la estrategia de producto y la estrategia de tienda. En algunos análisis, podemos encontrar que las ciudades con más colegios y universidades tendrán una mayor demanda de artículos de papelería durante la temporada escolar. Por lo tanto, podemos aumentar los esfuerzos de promoción para los distribuidores en estas ciudades para atraerlos a realizar más pedidos durante la temporada escolar. comienza uno o dos meses antes de la temporada para satisfacer las necesidades de promoción. En términos de desarrollo de productos, las funciones y el rendimiento del producto se ajustan centrándose en los grupos de consumidores.
Por ejemplo, hace unos años, a la gente le gustaba usar teléfonos con música, pero ahora la gente está más inclinada a usar sus teléfonos para navegar por Internet, tomar fotografías y compartirlas. La mejora de las funciones de la cámara de los teléfonos móviles es una tendencia general y los teléfonos móviles 4G también ocupan una gran cuota de mercado. Al analizar algunos detalles del mercado con big data, puede descubrir más oportunidades de ventas potenciales.
6. Planificación y programación de la producción
La industria manufacturera se enfrenta a modelos de producción multivariedad y de lotes pequeños, la recopilación de datos refinada, automática, oportuna y conveniente (MES/). DCS) y la versatilidad han llevado a El dramático aumento de datos, junto con más de diez años de datos históricos basados en información, es un gran desafío para APS que requiere una respuesta rápida. Big data puede proporcionarnos información de datos más detallada, descubrir la probabilidad de desviación entre las predicciones históricas y las condiciones reales, considerar las limitaciones de capacidad de producción, las limitaciones de habilidades del personal, las limitaciones de disponibilidad de materiales y las limitaciones de herramientas, y formular planes de producción temprana a través de algoritmos de optimización inteligentes. y Monitorear la desviación entre el plan y el sitio real, y ajustar dinámicamente el programa de producción planificado. 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 equipos, personal, moldes, etc. específicos). Al analizar y monitorear las correlaciones de datos, podemos tomar precauciones. Aunque el big data tiene algunos defectos, siempre que se aplique correctamente, el big data se convertirá en un arma poderosa para nosotros. En aquel entonces, Ford preguntó a los clientes cuáles eran sus necesidades en materia de big data. La respuesta es "un caballo más rápido", no el coche que se utiliza habitualmente hoy en día. Por lo tanto, la creatividad, la intuición, la asunción de riesgos y la ambición intelectual son particularmente importantes en el mundo del big data.
7. Gestión y análisis de la calidad del producto
La fabricación tradicional se enfrenta al impacto del big data y espera ansiosamente el nacimiento de métodos innovadores para hacer frente al impacto del big data en los productos. en el contexto industrial. Desafíos en diversos aspectos como I+D, diseño de procesos, gestión de calidad y operaciones de producción. Por ejemplo, en la industria de los semiconductores, los chips se someten a múltiples procesos complejos, como dopaje, estratificación, fotolitografía y tratamiento térmico durante el proceso de producción. Cada paso debe cumplir requisitos de propiedades físicas extremadamente exigentes. Los equipos altamente automatizados procesan los productos, pero también los generan simultáneamente. resultados masivos de las pruebas. ¿Es esta enorme cantidad de datos una carga para las empresas o una mina de oro para ellas? Si es esto último, ¿cómo podemos ver rápidamente la luz y descubrir con precisión las razones clave de las fluctuaciones en el rendimiento del producto de la "mina de oro"? Este es un problema técnico que ha preocupado a los ingenieros de semiconductores durante muchos años.
En el proceso de prueba de producción de obleas, una empresa de tecnología de semiconductores produce conjuntos de datos de registros de prueba que contienen más de cien elementos de prueba y millones de líneas de longitud cada día. De acuerdo con los requisitos básicos de la gestión de calidad, una tarea esencial es realizar un análisis de la capacidad del proceso en cada uno de los más de cien elementos de prueba requeridos por estas especificaciones técnicas. Según el modelo de trabajo tradicional, necesitamos calcular paso a paso más de cien indicadores de capacidad del proceso y evaluar cada característica de calidad una por una. Aquí, independientemente de la enorme y tediosa carga de trabajo, incluso si alguien puede resolver el problema de cálculo, es difícil ver la correlación entre los más de 100 indicadores de capacidad del proceso, y es aún más difícil tener una visión integral de la calidad general. comprensión y resumen del producto. Sin embargo, si utilizamos la plataforma de análisis de gestión de calidad de big data, además de obtener rápidamente una larga lista de informes de análisis de capacidad de proceso de índice único tradicionales, lo que es más importante, también podemos obtener muchos resultados de análisis nuevos del mismo conjunto de big data.
Lo anterior es el contenido relevante compartido por el editor sobre el análisis de las siete principales aplicaciones de big data industrial que abren una nueva era. Para obtener más información, puede seguir a Global Green Ivy para compartir más información seca.