Caso de isla de aplicaciones de IoT
En primer lugar, acelerar la innovación de productos
Las interacciones y 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 actividades innovadoras, como el análisis de la demanda de productos y el diseño de productos, y contribuir a la innovación de productos. Ford es un ejemplo de esto. Aplicaron tecnología de big data a la innovación y optimización de productos del vehículo eléctrico Ford Focus, convirtiéndose 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 constantemente información actualizada sobre la aceleración, el frenado, la carga de la batería y la información de ubicación del vehículo. Esto es excelente 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 transmitiendo datos sobre la presión de los neumáticos y el sistema de batería al teléfono inteligente más cercano.
Este escenario de aplicación de big data centrado en el cliente tiene muchos beneficios, porque el big data permite innovación valiosa de nuevos productos y métodos colaborativos. 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 pueden analizar millones de kilómetros de datos de conducción para decidir dónde construir nuevas estaciones de carga y cómo evitar la sobrecarga de la frágil red.
2. Análisis y predicción de fallos de equipos
En la línea de producción, los equipos de producción industrial estarán sujetos a vibraciones e impactos continuos, lo que provocará desgaste y envejecimiento de los materiales y piezas del equipo. lo que resulta en que los equipos industriales sean propensos a fallar. 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 haya colapsado y se haya detenido, causando enormes pérdidas.
Si se pueden predecir las fallas antes de que ocurran y las piezas que están a punto de tener problemas se reparan y reemplazan con anticipación, la vida útil de los equipos industriales se puede extender y la falla repentina de un determinado equipo puede evitarse, lo que tendrá consecuencias negativas para toda la producción industrial provocando graves impactos. Con la llegada de la Industria 4.0, los equipos industriales de las fábricas inteligentes están equipados con varios sensores que pueden recopilar fácilmente datos como vibración, temperatura, corriente y voltaje. El análisis de estos datos de sensores en tiempo real será un medio eficaz para predecir fallas en equipos industriales.
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. >2. Los resultados del análisis se envían en tiempo real para reducir 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 deben recopilarse cada pocos segundos, estos datos se pueden utilizar para lograr diversas formas de análisis, incluido el diagnóstico de equipos, el análisis del consumo de energía, el análisis del consumo de energía, el análisis de accidentes de calidad (incluidas violaciones de los procedimientos 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 proceso se desvía del proceso estándar, se generará una señal de alarma, los errores o cuellos de botella se podrán descubrir más rápidamente y los problemas se podrán resolver más fácilmente. Utilizando tecnología de big data, también podemos construir modelos virtuales de procesos de producción de productos industriales para simular y optimizar el proceso de producción. Esta transparencia ayudará a los fabricantes a mejorar sus procesos de producción cuando todos los datos de proceso y rendimiento puedan reconstruirse en el sistema.
Por otro ejemplo, en términos de análisis del consumo de energía, se utilizan sensores para monitorear todos los procesos de producción durante la producción del equipo. Se pueden descubrir anomalías o picos en el consumo de energía, optimizando así el consumo de energía en el proceso de producción. consumo de energía.
4. Previsión de ventas de productos y gestión de la demanda
En los últimos años, la industria aseguradora ha acelerado su proceso de digitalización y la profunda integración del big data y el marketing de seguros se ha convertido en un arma importante. en el marketing de seguros moderno. Los macrodatos de Huidu respaldan el marketing de precisión en la industria de seguros, ayudando con éxito a China-Italian Life Insurance Co., Ltd. a servir mejor a los clientes y maximizar los clientes leales, y mejorar la eficiencia de las ventas y la tasa de recompra de los clientes.
Análisis verbal (abreviatura de verbo) y optimización de cadenas de suministro industriales
En la actualidad, el análisis de big data se ha convertido en un medio importante para que muchas empresas de comercio electrónico mejoren la competitividad de sus cadenas de suministro. Por ejemplo, la empresa de comercio electrónico JD.COM Mall 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 en la llegada 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 mejorará en gran medida la eficiencia del almacenamiento, la distribución y las ventas, y reducirá en gran medida los costos.
Verbos intransitivos de planificación y programación de la producción
La industria manufacturera se enfrenta a un modelo de producción multivariedad y de pequeños lotes. La meticulosa recopilación de datos automatizada y oportuna (MES/DCS) y la variabilidad conducen a un aumento espectacular de los datos. Sumado a más de diez años de datos históricos de informatización, es un gran desafío para APS que necesita una respuesta rápida. Big data puede brindarnos información de datos más detallada, descubrir la probabilidad de desviación entre las predicciones históricas y las condiciones reales, considerar limitaciones en la capacidad de producción, habilidades del personal, disponibilidad de materiales, herramientas, etc., y formular cronogramas de producción planificados previamente y planes de monitoreo a través de Algoritmos de optimización inteligentes. Si hay alguna desviación de la situación real, el programa de producción planificado se ajustará dinámicamente. Ayúdanos 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 los datos de un equipo, personal, molde, etc. específicos). Al analizar y monitorear los datos 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. desviaciones y resultan en cambios en los niveles de calidad. Grandes fallas y pérdidas. En las industrias manufactureras a gran escala con procesos complejos, como las del acero, los automóviles, la electrónica, la confección y otras industrias, los silos de información y datos son prominentes, lo que genera frecuentes problemas de calidad. En particular, es necesario "detectar y predecir oportunamente anomalías, controlar y analizar rápidamente las causas de las anomalías de calidad, mejorar los procesos de producción, estabilizar el proceso de producción y reducir las fluctuaciones de la calidad del producto".
El análisis de la calidad de la producción, desde el pedido de fábrica -orden de producción- hasta el mercado, realiza un análisis de calidad integral de toda la cadena de producción. Integra datos sobre calidad, personas, máquinas, materiales, métodos y medio ambiente, y todos los datos de producción están entrelazados. Se centra en el análisis total de datos de la gestión de calidad para ayudar a las empresas a explorar rápidamente las causas fundamentales de los defectos.
1. Abrir la relación entre la calidad y las personas, las máquinas, los materiales, los métodos y el medio ambiente, realizar análisis interactivos de todos los datos que afectan la calidad, explorar las interrelaciones, descubrir las verdaderas razones detrás de los datos y obtenga el resultado "qué", responda "por qué".
2. Cambie el modelo tradicional de informes estáticos por una reunión dinámica interactiva y organice reuniones especiales relacionadas con la producción y la calidad en cualquier momento y lugar. Al mostrar los KPI de producción y calidad en dimensiones, se pueden proporcionar alertas tempranas y comprender el estado operativo de la línea de producción en tiempo real.
3. Herramientas de análisis de calidad simples y fáciles de usar, los empleados solo necesitan seleccionar y arrastrar datos para lograr de manera flexible los resultados de datos deseados.
4. Abandone los informes de datos estáticos del pasado e integre múltiples datos de sistemas comerciales, datos de múltiples escenarios en pantalla grande y múltiples pantallas adaptables para una visualización y análisis completos para tomar decisiones más claras.
————————————————