Análisis de big data para la fabricación industrial
Big data no es sólo la acumulación de grandes cantidades de datos. Uno de los atributos clave del big data es el tipo de datos en constante cambio que las personas buscan recopilar y calcular. Si simplemente recopila una gran cantidad del mismo tipo de datos, no importa cuántos datos tenga, no se le puede llamar big data.
Cómo lograr una fabricación inteligente es una preocupación común. Desde Michael Porter de la Escuela de Negocios de Harvard hasta la Escuela Wharton de la Universidad de Pensilvania, ****, se cree generalmente que la transformación digital es la única manera de lograr una fabricación inteligente. Es importante destacar que este maldito conocimiento también proviene de muchas empresas manufactureras y empresarios de talla mundial.
Esta maldita percepción se basa en la convergencia de innumerables tendencias tecnológicas, como Internet de las cosas (IoT), sistemas en red (CPS), Internet industrial de las cosas (IoT), tecnología móvil, tecnología artificial. inteligencia, computación en la nube, realidad virtual/virtual aumentada (VR/AR) y análisis de big data. Debemos permanecer despiertos y no simplemente pensar que con estas tecnologías, los próximos cinco años serán una época dorada para la fabricación. La razón es simple: el proceso de transformación de esta nueva cultura manufacturera es bastante complejo y difícil, y la realización de esta transformación no puede lograrse sin la integración de la industria, las empresas y los usuarios. La transformación digital no significa simplemente la simple digitalización de las empresas, sino que utiliza la digitalización como fuerza impulsora central de la fabricación inteligente y utiliza datos para integrar la cadena industrial y la cadena de valor.
Desde la Revolución Industrial, los fabricantes han hecho un esfuerzo consciente por capturar y almacenar datos para mejorar las operaciones. La necesidad de análisis de datos de la industria manufacturera seguirá creciendo con el tiempo. Sin embargo, a medida que la complejidad de los datos y su capacidad para convertirse en inteligencia continúan mejorando, las motivaciones subyacentes para aprovecharlos no han cambiado a lo largo de los años.
En 2012, Goldner dio una definición de big data, que enfatizaba particularmente que big data es un activo de información diverso, centrándose no solo en datos reales, sino también en métodos de procesamiento de big data. El tamaño de los datos en sí no es el indicador central para juzgar el valor de los big data, pero la naturaleza en tiempo real y la diversidad de los datos tienen un impacto más directo en la definición y el valor de los big data.
Al hablar del análisis de big data industrial, noté dos puntos de vista diferentes:
La primera visión es que siempre ha habido big data en la industria manufacturera. Nuestra empresa ha estado capturando datos durante décadas a través de diversas aplicaciones, como registro histórico, MES, ERP, EAM y más. En algunos aspectos de la cadena industrial, especialmente en marketing, big data es una nueva palabra de moda.
La segunda visión es que desde la perspectiva del big data industrial, la fabricación es un mercado que aún no se ha abierto o acaba de abrirse. Existe una gran cantidad de diferentes tipos de datos que no se utilizan para el análisis.
Teniendo en cuenta estos puntos, es importante mantener un nivel adecuado de escepticismo ante cualquier nueva representación del mercado, incluida la terminología, las definiciones o los marcos analíticos. Aquí prefiero la segunda vista. En la fabricación, tenemos "muchos datos", pero eso no es lo que la mayoría de nosotros entendemos en el mercado como "grandes datos". Antes de aclarar el análisis de big data industrial, ¿cómo deberíamos definir big data en la fabricación? A continuación se presentan tres características de big data para comprender mejor las características de big data.
Fuentes de datos
Hay dos fuentes principales de big data industrial. Una son los equipos inteligentes. Hay mucho espacio para la computación ubicua y los trabajadores modernos pueden participar en la producción y la gestión con dispositivos como sensores ubicuos. Por lo tanto, las fuentes de datos industriales son las correlaciones entre una gran cantidad de dispositivos, alrededor de 28 mil millones, que también es una de las fuentes de datos que necesitaremos recopilar en el futuro.
La segunda fuente de datos proviene de datos generados por trayectorias humanas, incluso en la cadena de fabricación industrial moderna, de procesos internos como adquisiciones, producción, logística y ventas, así como información externa de Internet. A través de la combinación de datos de trayectoria de comportamiento y datos del dispositivo, big data puede ayudarnos a analizar y extraer clientes. Sus escenarios de aplicación incluyen transacciones centrales en tiempo real, servicios, servicios en segundo plano, etc.
Relaciones de datos
Los datos deben analizarse en el contexto apropiado para comprender las relaciones entre los datos.
Por ejemplo, cada nuevo avión se somete a una brutal serie de pruebas de vuelo antes de ser entregado a las aerolíneas. Las pruebas climáticas extremas son una de ellas. El objetivo de la prueba es garantizar que los motores, materiales y sistemas de control de la aeronave puedan funcionar correctamente en condiciones climáticas extremas.
La clave para la gestión de problemas es encontrar la causa raíz de los posibles problemas, eliminar los errores conocidos y garantizar que la solución sea fiable y eficaz. Una vez que se ha encontrado y determinado la causa raíz del problema y las soluciones alternativas aceptables, el problema puede tratarse como un error conocido. Durante el proceso de investigación del problema, se debe recopilar toda la información disponible relacionada con el incidente para determinar y eliminar la causa raíz del incidente y el problema. La recopilación y el análisis de datos deben incorporar datos del contexto en el que ocurrió el incidente/problema.
El valor de los datos
Para la transformación digital, big data no solo debe centrarse en la cantidad real de datos. Lo más importante es aplicar métodos de procesamiento de big data en circunstancias específicas. hacer que los datos produzcan un enorme valor innovador. Si se busca big data sin considerar los ingresos o el diseño del retorno de la inversión (ROI), entonces el análisis de big data no se implementará ni creará valor para la empresa.
Definición de análisis de big data industrial
El motor es el corazón del avión y la máxima prioridad para la seguridad de la aviación y la seguridad humana. Para monitorear el estado del motor en tiempo real, la mayoría de la aviación civil moderna ha instalado sistemas de gestión del estado del motor de avión. Los datos recopilados a través de sensores, sistemas de transmisión, sistemas de recepción de señales, sistemas de análisis de señales, etc. se transmitirán a través de sistemas de informes y direccionamiento de comunicaciones de aeronaves, VHF o comunicaciones por satélite. Es por eso que el sistema de monitoreo de motores de GE adquiere más de 1 PB de datos cada día. razón.
Los sistemas de ejecución de fabricación (MES) son los mismos que los sistemas de gestión del estado de los motores de los aviones. Podemos capturar grandes cantidades de datos sobre variables de proceso, mediciones y otros datos de la producción de una fábrica en tiempo real. Los informes o análisis de estadísticas básicas basados en grandes conjuntos de datos no son suficientes para denominarlos análisis de big data en la industria manufacturera.
La diversidad de tipos de datos es un atributo importante del análisis de big data industrial
Big data no es solo la acumulación de grandes cantidades de datos. Un atributo importante del big data es la capacidad de recopilar e identificar tipos de datos en constante cambio. Cualquier cantidad de datos no puede denominarse big data si es solo una gran colección del mismo tipo de datos.
Por ejemplo, incluso millones de series temporales de variables de procesos simuladas recopiladas en un entorno de producción no son suficientes para convertirse en big data si el tipo de datos es único y fácil de indexar.
Los datos deben contener un alto grado de variabilidad y diversidad. Existen innumerables aplicaciones de big data en plantas de fabricación que no implican simplemente clasificar y mostrar secuencias de medición de procesos, para lo cual las presentaciones estadísticas básicas harán el trabajo. Algunos componentes de una base de datos o lago de datos para big data también incluyen información de texto, datos de imágenes, información geográfica o geológica e información no estructurada, como los tipos de datos obtenidos a través de las redes sociales u otras plataformas de colaboración.
La arquitectura de la información de fabricación se puede resumir en dos capas, una para la gestión y otra para la automatización. El soporte de decisiones, la gestión, la ejecución de la producción, el control de procesos y la conexión y detección de equipos se implementan desde tres dimensiones: gestión de operaciones, ejecución de la producción y control. El análisis de big data en la fabricación se refiere al uso de modelos de datos comunes para combinar datos estructurados del sistema y datos no estructurados de las capas de gestión y automatización para descubrir nuevos conocimientos a través de herramientas analíticas avanzadas.
La importancia del análisis de big data para la producción empresarial inteligente
El núcleo de la innovación manufacturera se basa en una gran cantidad de tecnologías de vanguardia. La tecnología avanzada es un medio de innovación. Con el apoyo de nuevas tecnologías, los sistemas de aplicaciones de gestión empresarial, como ERP, EAM y otros sistemas, así como los sistemas relacionados con la automatización industrial, se pueden integrar a través del sistema integrado de gestión de operaciones de fabricación MOM. Sobre la base de la gestión integrada de operaciones de fabricación, podemos implementar una solución integrada de sistema de información empresarial de fabricación que integre IT MOM MES BI.
Desde la perspectiva de la integración de la informatización y la informatización, el posicionamiento de los proveedores de sistemas de información para las empresas debe pasar de ser el principal proveedor de sistemas de información (MIV, MainInformation Systems Vendor) a la planificación, los estándares, el diseño funcional, y estrategias de implementación de trabajo unificado. Ayudar a las empresas a controlar los riesgos, reducir la inversión, reducir los costos de operación y mantenimiento y lograr una integración integral de los sistemas de información empresarial.
Es importante tener en cuenta que la plataforma de información de gestión empresarial es una herramienta de panel y de integración de gestión empresarial de fabricación reconocida. Muchos proveedores están invirtiendo fuertemente en sus integraciones abiertas y patentadas con sistemas ERP y de automatización, además de invertir en paneles de control y tecnología móvil con la esperanza de entregar métricas a los tomadores de decisiones que necesitan la información correcta, en cualquier momento y en cualquier lugar.
Tres formas de lograr el análisis de big data en la industria manufacturera
Ruta 1. Utilizar tecnologías y plataformas abiertas para transferir datos desde cualquier sistema a cualquier otro lugar.
El proyecto de construcción del sistema de gestión de operaciones de fabricación es un proyecto sistemático. No es solo un conjunto de sistemas de software tradicionales tal como lo entendemos, sino más bien una plataforma de ejecución y servicio de proyectos. Esto requiere "servir a los clientes" en la gestión de proyectos y las estrategias de las empresas manufactureras, lo que refleja las capacidades de gestión integral y el poder blando de las empresas manufactureras.
Toda la plataforma debe estructurarse a partir de tres etapas: etapa preliminar, ejecución del proyecto y servicio postventa. En la planificación inicial, se debe prestar atención a las normas, el diseño y la implementación, especialmente para formar una conexión unificada con el sistema de información integrado de gestión. Con la formulación de un plan unificado en la etapa inicial, el vínculo de implementación del proyecto puede integrar la experiencia de la industria, las capacidades de integración, las capacidades de implementación, las capacidades de desarrollo de software, etc. En particular, es necesario establecer y formar un sistema de súper equipo dentro de la organización. El servicio continuo, la operación a largo plazo y la estrategia de Internet de integrar aplicaciones de IoT en "servicios de software en la nube" son el foco de las consideraciones de servicio posteriores.
En el trabajo de análisis de big data de la industria manufacturera, es necesario fortalecer el soporte para el posterior negocio de servicios continuos mediante la aplicación de la ciencia y la tecnología de Internet de las cosas. A través del Internet industrial de las cosas, se pueden lograr funciones tales como respuesta oportuna a los clientes, inspecciones periódicas de los sistemas de software y hardware del Internet de las cosas, suministro de repuestos de emergencia, suministro de consumibles y mejora de las aplicaciones para fortalecer y asegurar la cadena de suministro. Empresas con cooperación a largo plazo con empresas. Al gestionar la plataforma y los datos de IoT, se pueden proporcionar continuamente servicios valiosos a los clientes.
El segundo camino es invertir en modelos de datos que puedan manejar datos estructurados y no estructurados en la pila de arquitectura del sistema dentro y fuera de la fábrica.
La nueva tecnología es el núcleo de la revolución de la innovación. Una de las características más importantes es la integración, es decir, la integración del sistema de gestión de operaciones de fabricación MOM con ERP, EAM, OA y análisis de negocios, incluido uno. inicio de sesión con clic, integración de interfaz, mensajería push, integración de flujo de trabajo, datos maestros y buses y plataformas de integración de aplicaciones.
Dado que los datos maestros entre estos sistemas están unificados, la interacción de datos entre todos los sistemas se basa en el bus del sistema de aplicaciones para la interacción de datos, integrando procesos comerciales, flujos de trabajo y servicios entre sistemas. Se logra una integración y un análisis perfectos. Para los gerentes de negocios, luego de iniciar sesión con un clic, la información más relevante y necesaria para la gestión se puede personalizar y mostrar según diferentes posiciones. Este es el concepto de compartir que nos trae Internet.
En tercer lugar, herramientas de análisis avanzadas, como series temporales, imágenes, vídeos, aprendizaje automático, modelado geoespacial, predictivo, optimización, simulación y control estadístico de procesos, etc., y plataformas de big data dentro de las empresas manufactureras combinadas. Proporcionan información sobre situaciones que aún no son visibles. La combinación de datos del Internet de las cosas con aplicaciones de gestión a través de sensores, sensores, redes de transmisión y aplicaciones será una dirección importante para el análisis de big data en la futura industria manufacturera.
Cultivar expertos internos en análisis de big data
Como industria, necesitamos desarrollar orgánicamente conjuntos de herramientas de análisis de big data específicos de la industria para poder aprovechar suficiente ciencia de datos que podamos desarrollar. expertos ahora disponibles para permitir la transformación digital. Para impulsar la transformación, necesitamos una sólida cartera de empresas que aprovechen este enfoque y demuestren su valor ante otros o sus pares.