산업 빅데이터는 완전히 새로운 개념이다. 말 그대로 산업 빅데이터는 정보기술이 산업 분야에서 응용한 빅데이터를 가리킨다.
정보화와 공업화의 심도 있는 융합으로 정보기술은 이미 산업 체인의 각 부분에 스며들었다. 바코드, 큐알（QR）코드, RFID, 산업 센서, 산업 자동 제어 시스템, 산업 인터넷, ERP, CAD/CAM/CAE/CAI 등의 기술은 산업 기업에서 널리 사용되고 있습니다. 특히 인터넷, 모바일 인터넷, 사물인터넷 등 차세대 정보기술이 산업 분야에서 널리 사용되고 있습니다. 산업기업도 인터넷 산업 발전의 새로운 단계에 들어섰다. 산업기업에서 생산 라인은 고속으로 가동되고 있으며, 산업설비에서 생성, 수집, 처리한 데이터의 양은 기업의 컴퓨터와 인력에서 생성되는 데이터의 양보다 훨씬 큽니다. 데이터 유형상 구조화되지 않은 데이터이기도 하며, 생산 라인의 고속 작동은 데이터의 실시간 요구 사항이 더 높습니다. 따라서 산업 빅 데이터 애플리케이션은 인터넷 업계의 빅 데이터 애플리케이션보다 더 적은 문제와 과제에 직면하고 있으며, 어떤 경우에는 더욱 복잡해질 수 있습니다.
공업 빅 데이터의 응용은 공업 기업의 혁신 변혁의 새로운 시대를 가져올 것이다. 인터넷과 모바일 인터넷의 저비용 인식, 고속 모바일 연결, 분산 컴퓨팅 및 고급 분석을 통해 정보 기술과 글로벌 산업 시스템이 심도 있게 융합되어 글로벌 산업에 심각한 변화를 가져오고 있으며 기업의 R&D, 생산, 운영, 마케팅 및 관리 방식을 혁신하고 있습니다. 이러한 다양한 업종의 혁신적인 산업 기업들은 더 빠른 속도, 더 높은 효율성, 더 높은 통찰력을 제공합니다. 산업 빅 데이터의 일반적인 응용 프로그램에는 제품 혁신, 제품 고장 진단 및 예측, 산업 생산 라인 인터넷 분석, 산업 기업 공급망 최적화, 제품 정밀 마케팅 등이 포함됩니다. 이 문서에서는 제조 기업에서 산업 빅 데이터의 응용 시나리오를 하나씩 정리합니다.
1. 제품 혁신 가속화
고객과 산업기업 간의 상호 작용과 거래는 대량의 데이터를 생성할 수 있다. 이러한 고객의 동적 데이터를 마이닝하고 분석하면 고객이 제품 수요 분석, 제품 설계 등의 혁신 활동에 참여하여 제품 혁신에 기여할 수 있습니다. 포드는 이와 관련하여 한 가지 예입니다. 그들은 포드 폭스 전동차의 제품 혁신과 최적화에 빅 데이터 기술을 적용하여 명실상부한' 빅 데이터 전동차' 가 되었다. 1 세대 포드 폭스 전동차는 주행과 주차 시 대량의 데이터를 발생시켰다. 주행하는 동안 운전자는 차량의 가속, 제동, 배터리 충전 및 위치 정보를 지속적으로 업데이트합니다. 운전자에게는 유용하지만, 충전 방법, 충전 시기, 충전 장소 등 고객의 운전 습관을 이해하기 위해 포드 엔지니어에게도 데이터가 반송됩니다. 차량이 움직이지 않아도 차량 태압과 배터리 시스템의 데이터를 가장 가까운 스마트폰으로 계속 전송한다.
이러한 고객 중심의 대용량 데이터 애플리케이션 시나리오는 대규모 데이터가 가치 있는 신제품 혁신과 공동 작업 방식을 실현했기 때문에 많은 이점을 제공합니다. 운전자는 유용하고 최신 정보를 얻는 반면 디트로이트의 엔지니어들은 운전 행동에 대한 정보를 요약하여 고객을 이해하고 제품 개선 계획을 수립하며 신제품 혁신을 구현합니다. 또한 전력 회사 및 기타 타사 공급업체는 수백만 마일의 주행 데이터를 분석하여 새로운 충전소를 설치할 위치와 취약한 전력망 과부하를 방지하는 방법을 결정할 수 있습니다.
2. 제품 고장 진단 및 예측
이것은 애프터 서비스 및 제품 개선에 사용될 수 있습니다. 유비쿼터스 센서와 인터넷 기술의 도입으로 제품 고장의 실시간 진단이 현실화되고, 대용량 데이터, 모델링 및 시뮬레이션 기술의 응용으로 동적 예측이 가능해졌다. 말항공 MH370 실연여객기를 수색하는 과정에서 보잉사가 얻은 엔진 운행 데이터는 비행기의 실연경로를 결정하는 데 중요한 역할을 했다. 보잉사의 항공기 시스템을 예로 들어, 빅데이터 응용이 제품 문제 해결에 어떻게 작용하는지 알아보겠습니다. 보잉사의 비행기에서는 엔진, 연료 시스템, 유압 시스템, 전기 시스템 등 수백 개의 변수가 비행 중인 상태로 구성되어 있으며, 이 데이터는 몇 마이크로초 이내에 한 번 측정되고 전송됩니다. 보잉 737 을 예로 들면, 이 엔진은 비행 중 30 분마다 10TB 의 데이터를 생성할 수 있다.
이러한 데이터는 향후 어느 시점에서 분석할 수 있는 엔지니어링 원격 측정 데이터일 뿐만 아니라 실시간 어댑티브 제어, 연료 사용, 부품 고장 예측 및 파일럿 알림을 용이하게 하여 문제 해결 및 예측을 효과적으로 수행할 수 있습니다. 미국 애틀랜타 (M & amp；) 에 위치한 GE (General Electronics) 의 또 다른 예를 살펴보십시오. D) 전 세계 50 여개국에서 수천 대의 GE 가스 엔진 데이터를 수집하는 센터, 매일 고객을 위해 10G 데이터를 수집할 수 있습니다. 이러한 대형 데이터 분석은 시스템의 센서 진동 및 온도 신호의 일정한 대형 데이터 스트림을 분석하여 GE 의 가스 터빈 문제 해결 및 경보를 지원합니다. 풍력 발전기 제조업체인 Vestas 도 날씨 데이터와 터빈 기기 데이터를 교차 분석하여 풍력 발전기의 배치를 개선하여 풍력 발전기의 전력 출력 수준을 높이고 서비스 수명을 연장했습니다.
산업 인터넷 생산 라인의 빅 데이터 애플리케이션
현대 산업 생산 라인에는 온도, 압력, 열, 진동 및 소음을 감지하는 수천 개의 소형 센서가 장착되어 있습니다. 몇 초마다 데이터를 수집하기 때문에 장비 진단, 전력 분석, 에너지 소비 분석, 품질 사고 분석 (생산 규정 위반, 부품 고장 포함) 등 다양한 형태의 분석을 수행할 수 있습니다. 첫째, 생산 프로세스 개선의 경우 이러한 큰 데이터를 생산 프로세스에 사용하면 전체 생산 프로세스를 분석하고 각 단계가 어떻게 수행되는지 이해할 수 있습니다. 프로세스가 표준 프로세스를 벗어나면 경고 신호가 생성되어 오류나 병목 현상을 더 빨리 발견하고 문제를 쉽게 해결할 수 있습니다. 빅 데이터 기술을 사용하면 산업 제품 생산 프로세스의 가상 모델을 구축하여 생산 프로세스를 시뮬레이션하고 최적화할 수도 있습니다. 이러한 투명성은 모든 프로세스와 성능 데이터를 시스템에서 재구축할 수 있을 때 제조업체가 생산 프로세스를 개선하는 데 도움이 됩니다. 또 다른 예로, 에너지 소비 분석의 경우 센서를 사용하여 장비 생산 프로세스의 모든 생산 프로세스를 모니터링하면 에너지 소비의 이상 또는 피크 상황을 파악하여 생산 프로세스의 에너지 소비를 최적화하고 모든 프로세스를 분석하면 에너지 소비를 크게 줄일 수 있습니다.
산업 공급망 분석 및 최적화
현재, 빅 데이터 분석은 이미 많은 전자상업체들이 공급망 경쟁력을 높이는 중요한 수단이 되었다. 일례로 전자업체 JD.COM 쇼핑몰은 빅데이터를 통해 각지의 상품 수요를 미리 분석해 배송 창고 효율을 높이고 다음날 도착하는 고객 체험을 보장한다. RFID 와 같은 제품 전자 식별 기술, 사물인터넷 기술, 모바일 인터넷 기술은 산업 기업이 완전한 제품 공급망 데이터를 얻을 수 있도록 도와줍니다. 이러한 데이터를 사용하여 분석하면 창고 보관, 배송, 판매의 효율성이 크게 향상되고 비용이 크게 절감됩니다.
하이얼을 예로 들면, 하이얼의 공급망 체계는 완벽하다. 시장 체인을 연결 고리로 주문 정보 흐름을 중심으로 물류 및 자금 흐름을 유도하고 글로벌 공급망 자원과 글로벌 사용자 자원을 통합합니다. 하이얼 공급망의 모든 부분에서 고객 데이터, 내부 데이터 및 공급자 데이터는 공급망 시스템에 요약됩니다. 하이얼은 공급망에 대한 방대한 데이터 수집 및 분석을 통해 공급망을 지속적으로 개선하고 최적화하여 고객에 대한 헬의 민첩한 대응을 보장할 수 있습니다. 미국에는 1000 개 이상의 OEM 공급업체가 있으며 제조 기업에 65,438+0,000 개 이상의 다양한 제품을 공급하고 있습니다. 각 제조업체는 시장 예측 및 판매 데이터, 시장 정보, 전시회, 뉴스, 경쟁사 데이터, 심지어 일기 예보와 같은 다른 변수에 의존하여 제품을 판매합니다.
산업 제조업체는 판매 데이터, 제품 센서 데이터 및 공급업체 데이터베이스의 데이터를 사용하여 전 세계 여러 지역의 수요를 정확하게 예측할 수 있습니다. 재고와 판매가격은 추적할 수 있고, 가격이 떨어지면 살 수 있고, 제조업체들은 많은 비용을 절감할 수 있기 때문이다. 제품의 센서에서 생성된 데이터를 재사용하면 제품에 무슨 문제가 있는지, 부품이 필요한 곳, 부품이 필요한 곳을 예측할 수 있습니다. 이것은 재고를 크게 줄이고 공급망을 최적화할 것이다.
5. 제품 판매 예측 및 수요 관리
큰 데이터를 통해 현재의 수요 변화와 조합 형태를 분석하다. 빅데이터는 좋은 판매 분석 도구이다. 과거 데이터의 다차원 조합을 통해 지역 수요의 비율과 변화, 제품 범주의 시장 열, 가장 일반적인 조합 형태, 소비자 계층을 보고 제품 전략 및 배포 전략을 조정할 수 있습니다. 일부 분석에서는 고교가 많은 도시들이 개학철에 문구에 대한 수요가 훨씬 높다는 것을 알 수 있다. 그래서 우리는 이들 도시 리셀러들의 판촉력을 높여 개학철에 더 많은 주문을 끌어들이고, 개학시즌 1 ~ 2 개월 전부터 생산능력 계획을 시작해 판촉 수요를 충족시킬 수 있다. 제품 개발 방면에서 소비자의 관심을 통해 제품의 기능과 성능을 조정하다. 예를 들어, 몇 년 전 모두가 음악 폰을 즐겨 사용했는데, 지금은 휴대폰으로 인터넷을 하고 사진을 공유하는 것을 선호한다. 휴대전화의 사진 촬영 기능을 높이는 것이 추세다. 4G 폰도 더 큰 시장 점유율을 차지하고 있다. 일부 시장 세부 사항에 대한 빅 데이터 분석을 통해 더 많은 잠재적 영업 기회를 찾을 수 있습니다.
6. 생산 계획 및 스케줄링
제조업은 다품종, 소량 배치 생산 방식에 직면하고 있다. 세밀한 자동적이고 시기 적절한 데이터 수집 (MES/DCS) 및 가변성으로 인해 데이터가 급격히 증가했습니다. 정보화된 지 10 여 년 된 역사 데이터와 함께 빠른 대응이 필요한 APS 는 큰 도전이다. 빅데이터는 우리에게 더 자세한 데이터 정보를 제공하고, 역사적 예측과 실제 상황의 편차 확률을 발견하고, 능력, 인력 기술, 자재 가용성, 작업복 등의 제약을 고려하며, 지능형 최적화 알고리즘을 통해 사전 계획된 생산 배출을 개발하고, 계획과 실제 상황의 편차를 모니터링하고, 계획된 생산 배출을 동적으로 조정할 수 있습니다. "초상화" 의 결함을 피하고 집단 특징을 개인에게 직접 부과하는 데 도움이 됩니다 (작업 센터의 데이터를 특정 장비, 인력, 금형 등의 데이터로 직접 변경). 데이터를 분석하고 모니터링함으로써 미래를 계획 할 수 있습니다. 빅데이터는 약간의 흠집이 있지만 적절하게 운용되면 빅데이터는 우리의 강력한 무기가 될 것이다. 당시 포드는 빅데이터에 대한 고객 수요가 무엇이냐고 물었다. 대답은' 더 빠른 말' 이지, 지금 유행하는 차가 아니다. 따라서 빅데이터 세계에서는 창의력, 직감, 모험정신, 지적 포부가 특히 중요하다.
7. 제품 품질 관리 및 분석
전통적인 제조업은 큰 데이터의 충격에 직면해 있다. 제품 R&D, 프로세스 설계, 품질 관리, 생산 운영 등 모든 분야에서 산업 배경 아래 빅 데이터의 과제를 해결하기 위한 혁신적인 방법의 탄생을 기대하고 있습니다. 예를 들어 반도체 업계에서는 칩이 도핑, 가층, 리소그래피, 열처리 등 여러 가지 복잡한 공정을 거치며, 각 단계마다 매우 까다로운 물리적 특성을 충족시켜야 한다. 제품 처리와 함께 고도로 자동화된 장비도 많은 테스트 결과를 산출합니다. 이런 방대한 데이터는 기업의 부담입니까, 아니면 기업의 금광입니까? 후자라면 어떻게' 금광' 에서 제품 수익률이 변동하는 주요 원인을 신속하게 찾아낼 수 있을까? 이것은 반도체 엔지니어를 여러 해 동안 괴롭혔던 기술적 난제이다.
한 반도체 기술 회사에서 생산한 수정원은 테스트 과정을 거친 후 매일 100 개 이상의 테스트 항목과 수백만 개의 테스트 기록이 포함된 데이터 세트를 생성합니다. 품질 관리의 기본 요구 사항에 따라 100 개 이상의 다양한 기술 사양을 가진 테스트 프로젝트에 대한 프로세스 역량 분석이 필수적입니다. 기존 작업 모델에 따르면 100 개 이상의 프로세스 능력 지수를 단계별로 계산하고 각 질량 특성을 하나씩 평가해야 합니다. 방대한 번거로운 작업량은 언급하지 않고, 컴퓨팅 문제를 해결할 수 있는 사람이라도 이 100 개 이상의 프로세스 능력 지수에서 이들 간의 상관 관계를 파악하기가 어렵고, 제품의 전반적인 품질과 성능에 대한 종합적인 이해와 총결산이 더욱 어렵다. 그러나 대용량 데이터 품질 관리 분석 플랫폼을 사용하면 기존의 단일 지표 프로세스 능력 분석 보고서를 신속하게 얻을 수 있을 뿐만 아니라, 더 중요한 것은 동일한 대형 데이터 세트에서 새로운 분석 결과를 얻을 수 있다는 것입니다.
8. 산업 오염 및 환경 테스트
돔 아래' 는 차이징 팀이 시각보도를 통해 스모그 문제의 심각성, 스모그 원인 등을 시청자들에게 전달했다는 점이 인상적이다.
이것은 우리에게 큰 데이터가 환경 보호에 큰 가치가 있다는 계시를 주었다. "돔 아래" 의 원시 데이터는 어디에서 왔습니까? 사실 모든 것이 고위층 인맥으로 얻은 것은 아니다. 많은 데이터가 공개된다. 중국 정부 사이트, 부처 사이트, 중석유, 중석화 공식 홈페이지, 모 환경보호기구 공식 홈페이지, 일부 전문기구에서 얻을 수 있는 공개 친환경 데이터가 갈수록 많아지고 있다. 국가 공기와 수문데이터, 기상 데이터, 공장 분포, 오염 배출 기준 등을 포함한다. 다만 이 자료들은 너무 분산되어 있고, 너무 전문적이고, 분석과 시각화가 부족하여 일반인들이 이해할 수 없다. 만약 네가 이해하고 관심을 유지할 수 있다면, 큰 데이터는 사회감독과 환경보호의 중요한 수단이 될 것이다. 최근 바이두가 전국 오염 감시 지도를 내놓은 것이 좋은 방법이다. 개방된 환경 빅 데이터와 함께 바이두지도에는 모든 배출기구 (각종 화력 발전소, 국통제공업기업, 오수 처리장 등) 의 위치 정보, 기관명, 배출원 유형, 최신 배출기준 등을 확인할 수 있는 오염 탐지층이 새로 추가되었습니다. ) 전국 및 자체 지방 및 시 환경 보호국의 감독하에 있다. 가장 가까운 오염원을 확인할 수 있으니 알림이 있을 것이다. 감시점은 어떤 항목이 기준을 초과하는지, 몇 번을 초과하는지 탐지한다. 이 정보는 소셜 미디어 플랫폼에 실시간으로 공유될 수 있으며, 친구에게 알리고 오염원과 개인 안전 건강에 주의를 환기시킬 수 있습니다.
산업 빅 데이터 응용 프로그램의 가치 잠재력을 요약하는 것은 엄청납니다. 그러나 이러한 가치를 실현하기 위해서는 아직 해야 할 일이 많다. 하나는 빅 데이터 의식의 수립입니다. 과거에도 이런 큰 데이터가 있었지만, 큰 데이터에 대한 인식이 부족해 데이터 분석 수단이 부족해 많은 실시간 데이터가 버려지거나 방치되고, 대량의 데이터의 잠재적 가치가 매몰됐다. 또 다른 중요한 문제는 고립된 데이터 문제입니다. 많은 산업 기업의 데이터는 외딴 섬, 특히 대규모 다국적 기업에 분산되어 있다. 기업 전체에서 이 데이터를 추출하는 것은 상당히 어렵다. 따라서 산업 빅 데이터 응용 프로그램의 중요한 과제 중 하나는 통합 응용 프로그램입니다.
변쇼가 공유하는 사물인터넷 시대 8 대 산업 빅 데이터 응용 장면의 관련 내용이다. 더 많은 정보는 전 세계 아이비리그 더 많은 건화물 공유에 집중할 수 있다.