큰 데이터는 단지 대량의 데이터 축적이 아니다. 빅 데이터의 중요한 속성 중 하나는 사람들이 끊임없이 변화하는 데이터 유형을 수집하고 파악하려고 시도한다는 것입니다. 같은 유형의 많은 양의 데이터만 수집되면 더 많은 데이터를 큰 데이터라고 부를 수 없습니다.
스마트 제조를 어떻게 실현할 것인가는 모두의 관심사이다. 하버드 경영대학원의 마이클 포터에서 와튼 경영대학원에 이르기까지, 디지털 변화는 스마트 제조를 실현하는 방법이라는 보편적인 인식이 있다. 중요한 것은 이러한 지식도 많은 세계적 수준의 제조업체와 기업가들로부터 비롯된다는 것이다.
이러한 지식은 사물의 인터넷, 사이버 시스템 (CPS), 산업 사물의 인터넷, 모바일 기술, 인공 지능, 클라우드 컴퓨팅, 가상/가상 증강 현실 (VR/AR), 빅 데이터 분석과 같은 다양한 기술 트렌드의 통합을 기반으로 합니다. 우리는 정신을 차려야 한다. 단순히 이런 기술이 있다고 생각하지 마라. 앞으로 5 년은 제조업의 황금시대다. 그 이유는 간단합니다. 이런 새로운 제조 문화의 변화 과정은 상당히 복잡하고 어렵다. 업계, 기업, 사용자의 융합이 없다면 이런 변화는 실현될 수 없다. 디지털 변환은 단순한 기업 디지털화를 의미하는 것이 아니라 지능형 제조의 핵심 동력으로 데이터를 사용하여 산업 체인과 가치 사슬을 통합하는 것입니다.
산업 혁명 이후, 제조업자들은 운영을 개선하기 위해 줄곧 데이터를 수집하고 저장하는 데 관심을 가지고 있다. 시간이 지남에 따라 제조업의 데이터 분석에 대한 수요가 갈수록 커질 것이다. 하지만 지난 여러 해 동안 데이터를 사용하는 근본적인 동기는 변하지 않았고, 데이터의 복잡성이 증가하고, 데이터를 정보로 변환하는 능력이 커지고 있다.
20 12, Gartner 는 빅데이터의 정의를 내렸고, 빅데이터는 실제 데이터뿐만 아니라 빅 데이터 처리 방법에도 초점을 맞춘 다양한 정보 자산이라는 점을 강조했다. 데이터 자체의 크기는 큰 데이터의 가치를 판단하는 핵심 지표는 아니지만 데이터의 실시간 및 다양성은 큰 데이터의 정의와 가치에 더 직접적인 영향을 미칩니다.
산업 빅 데이터 분석에 대해 논의할 때, 저는 두 가지 다른 관점을 발견했습니다.
첫 번째 관점은 제조업이 항상 큰 데이터를 가지고 있다는 것이다. 수십 년 동안 우리 기업은 기록, MES, ERP, EAM 및 기타 애플리케이션 시스템을 통해 데이터를 수집해 왔습니다. 빅데이터는 일부 산업 체인의 새로운 핫어, 특히 마케팅 방면이다.
두 번째 견해는 산업 빅 데이터의 관점에서 제조업은 개방되지 않은 시장이거나 새로 개방된 시장이라는 것이다. 다양한 유형의 데이터가 있지만 아직 분석에 적용되지 않았습니다.
이러한 관점을 고려할 때, 우리는 명사 설명, 정의 또는 분석 프레임워크를 포함한 모든 새로운 시장 제법에 직면할 때 항상 적절한 의심을 유지해야 합니다. 여기서 나는 두 번째 관점을 선호한다. 우리의 제조업은 확실히 많은 데이터를 가지고 있지만, 이것은 우리 대부분이 시장에서 이해하는' 큰 데이터' 의 의미가 아니다. 산업 빅 데이터의 분석을 이해하기 전에 제조업의 빅 데이터를 어떻게 정의해야 합니까? 여기서 우리는 빅데이터의 세 가지 특징을 통해 빅데이터의 특징을 더 잘 이해할 수 있다.
데이터 소스
산업 빅데이터는 주로 두 가지 출처가 있다. 첫 번째는 스마트 장치입니다. 퍼베이시브 컴퓨팅에는 많은 공간이 있으며 현대 작업자는 퍼베이시브 센서와 같은 장비를 생산 및 관리에 사용할 수 있습니다. 따라서 산업 데이터 소스는 앞으로 수집해야 할 데이터 소스 중 하나인 280 억 개 정도의 수많은 장비들 사이의 연관입니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 산업명언)
두 번째 데이터는 현대 산업 제조 체인의 구매, 생산, 물류, 판매를 위한 내부 프로세스 및 외부 인터넷 정보를 포함하여 인간 궤적에서 생성된 데이터에서 파생됩니다. 동작 추적 데이터와 장치 데이터의 결합을 통해 실시간 핵심 거래, 서비스, 백그라운드 서비스 등을 포함한 고객을 분석하고 마이닝할 수 있습니다.
데이터 관계
데이터 간의 관계를 이해하려면 해당 환경에서 데이터를 분석해야 합니다. 예를 들어, 모든 새 모델은 항공사에 배달되기 전에 일련의 잔인한 비행 테스트를 거칩니다. 극단적인 날씨 테스트는 테스트 중 하나이다. 이 실험의 목적은 비행기의 엔진, 재료 및 제어 시스템이 극한의 기상 조건 하에서 제대로 작동하는지 확인하는 것이다.
문제 처리의 핵심은 문제의 근본 원인을 찾고, 알려진 오류를 제거하고, 솔루션의 신뢰성과 효율성을 보장하는 것입니다. 근본 원인을 찾아 파악한 후 허용 가능한 긴급 조치가 있으면 문제를 알려진 오류로 간주할 수 있습니다. 문제 조사 프로세스에서는 이벤트와 문제의 근본 원인을 파악하고 제거하기 위해 이벤트와 관련된 사용 가능한 모든 정보를 수집해야 합니다. 데이터 수집 및 분석은 사고/문제의 환경 데이터와 결합되어야 합니다.
데이터 값
디지털 변환의 경우, 빅 데이터는 실제 데이터 양에 초점을 맞추어야 할 뿐만 아니라, 가장 중요한 것은 특정 상황에서 빅 데이터 처리 방법의 적용에 초점을 맞추고, 데이터가 엄청난 혁신적인 가치를 창출할 수 있도록 하는 것이다. (윌리엄 셰익스피어, 디지털, 디지털, 디지털, 디지털, 디지털, 디지털) 수익 고려나 투자 수익률 (ROI) 설계를 떠나 맹목적으로 큰 데이터를 찾는다면, 큰 데이터 분석은 착지할 수도 없고 기업에 가치를 창출할 수도 없다.
산업 빅 데이터 분석의 정의
엔진은 비행기의 심장이자 항공안전과 생명안전과 관련된 우선 순위이다. 엔진 상태를 실시간으로 모니터링하기 위해 대부분의 현대민항사들은 항공기 엔진 건강 관리 시스템을 설치했다. 센서, 송신 시스템, 신호 수신 시스템, 신호 분석 시스템 등에서 수집한 데이터. 항공기 통신 주소 지정 및 보고 시스템을 통해 VHF 또는 위성 통신으로 전송됩니다. 이것이 GE 의 엔진 모니터링 시스템이 매일 1PB 이상의 데이터를 얻는 이유입니다.
생산 실행 시스템 (MES) 은 항공기 엔진 건강 관리 시스템과 동일합니다. 우리는 공장의 생산에서 대량의 프로세스 변수, 측정 결과 등의 데이터를 실시간으로 수집할 수 있다. 대량의 데이터 세트를 기반으로 생성된 보고서 또는 기본 통계 분석으로는 제조업의 큰 데이터 분석이라고 할 수 없습니다.
데이터 유형의 다양성은 산업 빅 데이터 분석의 중요한 속성입니다.
큰 데이터는 단지 대량의 데이터 축적이 아니다. 빅 데이터의 중요한 속성 중 하나는 사람들이 끊임없이 변화하는 데이터 유형을 수집하고 파악하려고 시도한다는 것입니다. 같은 유형의 많은 양의 데이터만 수집되면 더 많은 데이터를 큰 데이터라고 부를 수 없습니다.
예를 들어, 프로덕션 환경에서 수집된 시계열 시뮬레이션 프로세스 변수는 데이터 유형이 단일하여 인덱싱하기 쉽습니다. 수천이 있어도 큰 데이터가 되기에는 충분하지 않다.
데이터에는 높은 가변성과 종 다양성이 포함되어야 합니다. 제조 공장의 대용량 데이터 애플리케이션은 무수히 많지만 일련의 프로세스 측정 결과를 간단하게 분류하고 전시하는 것은 포함되지 않습니다. 이러한 작업에 대해 기본 통계 표시를 완료할 수 있습니다. 일부 대형 데이터 데이터베이스 또는 데이터 호수는 텍스트 정보, 이미지 데이터, 지리 또는 지질 정보 및 소셜 미디어 또는 기타 협업 플랫폼을 통해 얻은 데이터 유형과 같은 구조화되지 않은 정보로 구성됩니다.
제조 정보 구조는 일반적으로 두 개의 층으로 나뉜다. 하나는 관리층이고, 하나는 자동화층이다. 관리, 생산 실행, 세 가지 위도 제어에서 의사 결정 지원, 관리, 생산 실행, 프로세스 제어, 장비 연결 및 인식을 구현합니다. 제조업 빅 데이터 분석이란 공통 데이터 모델을 활용하여 관리 및 자동화 계층의 구조화 시스템 데이터와 구조화되지 않은 데이터를 결합한 다음 고급 분석 도구를 통해 새로운 통찰력을 발견하는 것을 말합니다.
기업 생산 지능에 대한 빅 데이터 분석의 중요성
제조업 혁신의 핵심은 대량의 첨단 기술에 의존하는 것이다. 선진 기술은 혁신의 한 수단이다. 신기술의 지원을 받아 ERP 및 EAM 과 같은 엔터프라이즈 관리 애플리케이션 시스템은 통합 제조 운영 관리 시스템 MOM 을 통해 산업 자동화 관련 시스템과 통합될 수 있습니다. 통합 제조 운영 관리를 기반으로 IT+MOM+MES+BI 통합을 실현하는 통합 제조 기업 정보 시스템 솔루션
산업화와 현대화의 융합의 관점에서 정보 시스템 공급업체는 기업의 주요 정보 시스템 공급업체 (MIV) 의 관점에서 계획, 표준, 기능 설계 및 구현 전략을 통일해야 합니다. 기업이 위험 통제를 수행하고, 투자를 줄이고, 운영 및 유지 보수 비용을 절감하고, 기업 정보 시스템을 완벽하게 통합할 수 있도록 지원합니다.
특히 엔터프라이즈 관리 정보 플랫폼은 일반적으로 제조 엔터프라이즈 관리를 위한 통합 및 대시보드 도구로 간주됩니다. 많은 공급업체들이 ERP 및 자동화 시스템과의 독점 통합에 막대한 투자를 하고 있을 뿐만 아니라 언제 어디서나 정확한 정보가 필요한 의사 결정권자에게 측정 기준을 제공하기 위해 개방형 통합, 대시보드 및 모바일 기술에 투자하고 있습니다.
제조 빅 데이터 분석의 세 가지 방법
첫 번째 방법은 오픈 기술과 플랫폼을 활용하여 모든 시스템의 데이터를 다른 곳으로 이동하는 것입니다.
제조 운영 관리 시스템 구축 프로젝트는 시스템 엔지니어링으로, 우리가 이해하는 전통적인 소프트웨어 시스템일 뿐만 아니라 프로젝트 실행 및 서비스를 위한 플랫폼이기도 합니다. 이를 위해서는 제조 기업의 프로젝트 관리 및 제조 기업 전략' 고객 서비스' 에 대한 종합적인 관리 능력과 소프트 파워를 반영해야 합니다.
전체 플랫폼은 사전, 프로젝트 구현, 애프터서비스의 세 단계에서 구조화해야 한다. 사전 계획에서는 표준, 설계 및 구현, 특히 통합 관리 정보 시스템과의 통합 도킹에 중점을 두어야 합니다. 사전 통합 계획의 수립으로 프로젝트 구현의 일환으로 업계 경험, 통합 능력, 구현 능력, 소프트웨어 개발 능력을 통합할 수 있습니다. 특히 조직 내에서 슈퍼팀 체계를 구축하고 형성해야 한다. 지속적인 서비스, 장기 운영, 인터넷 애플리케이션을' 소프트웨어+클라우드 서비스' 의 인터넷+전략과 통합하는 것이 후속 서비스의 중점이다.
제조업의 빅 데이터 분석에서, 사물인터넷 기술의 응용을 통해 후속 지속적인 서비스에 대한 지원 업무를 강화해야 한다. 산업 인터넷을 통해 고객에 대한 적시 대응, 인터넷 하드웨어 및 소프트웨어 시스템 정기 검사, 비상 예비 부품 제공, 소모품 제공, 애플리케이션 개선 등의 기능을 통해 공급망 기업과 기업 간의 장기적인 협력을 강화하고 잠글 수 있습니다. 관리 플랫폼과 인터넷 데이터를 통해 고객에게 가치 있는 서비스를 지속적으로 제공할 수 있습니다.
두 번째 방법은 공장 내부 및 외부 시스템 아키텍처 스택의 구조화 및 비구조화 데이터를 처리할 수 있는 데이터 모델에 투자하는 것입니다.
신기술은 혁신 혁명의 핵심이며, 가장 중요한 특징 중 하나는 통합입니다. 즉, 제조 운영 관리 시스템 MOM 과 ERP, EAM, OA, 운영 분석의 통합입니다. 원클릭 로그인, 인터페이스 통합, 메시지 푸시, 워크플로우 통합, 마스터 데이터 및 애플리케이션 통합 버스 및 플랫폼을 포함합니다.
이들 시스템 간의 마스터 데이터는 통일되어 있기 때문에 모든 시스템 간의 데이터 상호 작용은 애플리케이션 시스템 버스에 의존하여 데이터 상호 작용을 수행하므로 시스템 간 비즈니스 프로세스, 워크플로우 및 서비스 프로세스를 통합한 후 원활한 통합 및 분석이 가능합니다. 기업 관리자의 경우 원버튼 로그인 후 다양한 직책에 따라 관리와 가장 관련된 필수 정보를 개인화할 수 있습니다. 이것이 인터넷이 우리에게 주는 공유 이념이다.
세 번째 방법은 시계열, 이미지, 비디오, 기계 학습, 지리공간, 예측 모델, 최적화, 시뮬레이션, 통계 프로세스 제어 등의 고급 분석 도구를 제조 기업의 대형 데이터 플랫폼과 결합하여 아직 나타나지 않은 상황을 통찰하는 것입니다. 센서, 센서, 전송 네트워크, 애플리케이션 소프트웨어 등의 IOT 데이터를 관리 애플리케이션 소프트웨어와 결합하면 향후 제조업 빅 데이터 분석의 주요 방향이 될 것입니다.
기업 내에서 빅 데이터 분석가를 양성하다.
업계로서 현재 업계 전문가들이 충분한 데이터 과학에서 디지털 전환을 실현할 수 있도록 산업별 대형 데이터 분석 도구 세트를 유기적으로 개발해야 합니다. 변화를 추진하기 위해서는 많은 우수한 기업들이 이러한 접근 방식을 사용하고 다른 사람이나 동료에게 그 가치를 입증해야 합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언)