이 튜토리얼의 운영 환경: Windows 7 시스템, Dell G3 컴퓨터.
산업인터넷과 빅데이터 애플리케이션은 첨단 센서, 제어, 소프트웨어 애플리케이션을 이용해 전 세계의 다양한 기계, 장비군, 시설, 시스템 네트워크를 연결하는 대규모 네트워크를 말한다. MRI 기계, 항공기 엔진, 전기 자동차, 심지어 발전소까지 모두 산업 인터넷에 연결될 수 있습니다. 네트워크 상호 연결과 빅데이터 분석을 결합하여 합리적인 결정을 내리면 각 기계의 잠재력이 더욱 효과적으로 발휘되고 생산성이 향상될 수 있습니다. 산업인터넷의 가장 큰 특징은 생산 효율성을 극대화하고, 비용을 절감하며, 장비 기술의 업그레이드를 촉진하고, 효율성을 향상시킬 수 있다는 것입니다.
간단히 말하면 산업을 인터넷과 결합한 다음 빅데이터와 결합하는 것을 의미합니다. 이제 빅데이터는 참으로 매우 편리하고 모든 산업에 용도가 있기 때문입니다. 효율성을 높이고 혜택을 늘리기 위해.
산업 인터넷 및 빅데이터 애플리케이션 시나리오 분석
1. 제품 혁신 가속화
고객과 산업 기업 간의 상호 작용 및 거래 행위는 많은 양의 수익을 창출할 것입니다. 이러한 고객 동적 데이터를 마이닝하고 분석하면 고객이 제품 수요 분석, 제품 디자인 등 혁신적인 활동에 참여하고 제품 혁신에 기여할 수 있습니다. 포드는 이런 점에서 대표적인 사례다. 포드 포커스(Ford Focus) 전기차의 제품 혁신과 최적화에 빅데이터 기술을 적용해 이 차를 진정한 '빅데이터 전기차'로 만들었다. 1세대 포드 포커스 EV는 주행 및 주차 중에 엄청난 양의 데이터를 생성합니다. 운전자는 운전 중에 차량의 가속, 제동, 배터리 충전, 위치 정보를 지속적으로 업데이트합니다. 이는 운전자에게 유용할 뿐만 아니라 충전 방법, 시기, 장소 등 고객의 운전 습관을 이해하기 위해 데이터가 Ford 엔지니어에게 다시 전송됩니다. 차량이 정지해 있는 동안에도 차량의 타이어 공기압과 배터리 시스템에 대한 데이터를 가장 가까운 스마트폰으로 지속적으로 전송합니다.
이 고객 중심 빅 데이터 애플리케이션 시나리오에는 빅 데이터가 가치 있는 신제품 혁신과 협업 방법을 가능하게 하기 때문에 많은 이점이 있습니다. 운전자는 유용한 최신 정보를 받고, 디트로이트의 엔지니어는 운전 행동에 대한 정보를 집계하여 고객을 이해하고, 제품 개선을 계획하고, 신제품 혁신을 구현합니다. 또한 전력 회사와 기타 제3자 공급업체는 수백만 마일의 주행 데이터를 분석하여 새 충전소를 건설할 위치와 취약한 전력망의 과부하를 방지하는 방법을 결정할 수도 있습니다.
2. 제품 결함 진단 및 예측
이는 제품 애프터 서비스 및 제품 개선에 활용될 수 있습니다. 유비쿼터스 센서와 인터넷 기술의 도입으로 제품 결함에 대한 실시간 진단이 현실화되었고, 빅데이터 활용, 모델링, 시뮬레이션 기술로 동태 예측이 가능해졌습니다. 실종된 말레이시아항공 MH370 수색 과정에서 보잉이 입수한 엔진 작동 데이터는 항공기의 실종 경로를 파악하는 데 핵심적인 역할을 했다. 보잉의 항공기 시스템을 사례 연구로 삼아 빅데이터 애플리케이션이 제품 결함 진단에 어떤 역할을 하는지 살펴보겠습니다. 보잉 항공기에서는 엔진, 연료 시스템, 유압 및 전기 시스템을 포함한 수백 가지 변수가 비행 중 상태를 구성하며, 이 데이터는 몇 마이크로초 이내에 측정되고 전송됩니다. 보잉 737을 예로 들면, 엔진은 비행 중 30분마다 10TB의 데이터를 생성할 수 있습니다.
이러한 데이터는 미래의 특정 시점에서 분석할 수 있는 엔지니어링 원격 측정 데이터일 뿐만 아니라 실시간 적응 제어, 연료 사용량, 부품 고장 예측 및 조종사 알림을 촉진하고 효과적으로 실현할 수 있습니다. 결함 진단 및 예측. GE(General Electric)의 또 다른 사례를 살펴보겠습니다. 미국 애틀랜타에 있는 GE 에너지 모니터링 및 진단(M&D) 센터는 전 세계 50개국 이상에 있는 수천 대의 GE 가스터빈에서 데이터를 수집하며, 10G의 데이터를 수집할 수 있습니다. 이러한 빅데이터 분석은 매일 고객을 위해 시스템 내 센서 진동 및 온도 신호에서 발생하는 지속적인 빅데이터 흐름을 분석하여 GE의 가스터빈 결함 진단 및 조기 경고를 지원합니다.
풍력 터빈 제조업체인 Vestas는 또한 주기적인 터빈 계측 데이터와 날씨 데이터를 교차 분석하여 풍력 터빈의 출력 수준을 높이고 서비스 수명을 연장함으로써 풍력 터빈 레이아웃을 개선합니다.
3. 산업용 IoT 생산 라인의 빅데이터 적용
현대 산업 제조 생산 라인에는 온도, 압력, 열 에너지, 진동 및 소음을 감지하는 수천 개의 소형 센서가 장착되어 있습니다. 몇 초마다 데이터가 수집되기 때문에 이를 활용해 장비 진단, 전력 소비 분석, 에너지 소비 분석, 품질 사고 분석(생산 규정 위반, 부품 고장 등) 등 다양한 형태의 분석이 가능하다. 우선, 생산 프로세스 개선 측면에서, 생산 과정에서 이러한 빅데이터를 활용하면 전체 생산 프로세스를 분석하고 각 링크가 어떻게 수행되는지 이해할 수 있습니다. 특정 프로세스가 표준 프로세스에서 벗어나면 경보 신호가 생성되고 오류나 병목 현상을 더 빨리 발견할 수 있으며 문제를 더 쉽게 해결할 수 있습니다. 빅데이터 기술을 사용하면 산업 제품 생산 프로세스의 가상 모델을 구축하고 생산 프로세스를 시뮬레이션 및 최적화할 수 있습니다. 모든 프로세스와 성능 데이터를 시스템에서 재구성할 수 있으면 이러한 투명성은 제조업체가 생산 프로세스를 개선하는 데 도움이 됩니다. . 또 다른 예로, 에너지 소비 분석 측면에서는 센서를 활용해 장비 생산 과정에서 모든 생산 공정을 중앙에서 모니터링해 에너지 소비의 이상이나 피크를 발견해 생산 과정과 전 공정에서 에너지 소비를 최적화할 수 있다. 분석을 통해 에너지 소비를 크게 줄일 수 있습니다.
4. 산업 공급망 분석 및 최적화
현재 빅데이터 분석은 많은 전자상거래 기업이 공급망 경쟁력을 향상시키는 중요한 수단이 되었습니다. 예를 들어 전자상거래 기업 징둥닷컴(JD.com)은 빅데이터를 활용해 다양한 장소의 상품 수요를 사전에 분석, 예측함으로써 유통 및 보관 효율성을 높이고 다음날 도착하는 상품에 대한 고객 경험을 보장한다. RFID, 사물 인터넷 기술, 모바일 인터넷 기술과 같은 제품 전자 식별 기술은 산업 기업이 전체 제품 공급망에 대한 빅 데이터를 얻는 데 도움이 될 수 있습니다. 이러한 데이터를 분석에 사용하면 창고, 유통 및 판매 효율성이 크게 향상됩니다. 비용.
하이얼의 공급망 시스템은 매우 완벽합니다. 시장 체인을 링크로 사용하고 주문 정보 흐름을 중심으로 물류 이동과 자본 흐름을 주도하여 글로벌 공급망을 통합합니다. 리소스 및 전역 사용자 리소스. 하이얼 공급망의 모든 측면에서 고객 데이터, 기업 내부 데이터, 공급업체 데이터가 공급망 시스템에 집계됩니다. 공급망의 빅 데이터 수집 및 분석을 통해 하이얼은 공급망을 지속적으로 개선하고 최적화하여 하이얼의 가치를 보장할 수 있습니다. 고객에 대한 민첩한 대응. 미국에는 1000개가 넘는 대형 OEM 공급업체가 제조 회사에 10,000개 이상의 다양한 제품을 제공하고 있습니다. 각 제조업체는 시장 예측 및 판매 데이터, 시장 정보, 전시회, 뉴스, 경쟁사 데이터 등 기타 다양한 변수에 의존합니다. 일기예보 등을 통해 제품을 판매하기도 합니다.
판매 데이터, 제품 센서 데이터, 공급업체 데이터베이스의 데이터를 사용하여 산업 제조 회사는 세계 여러 지역의 수요를 정확하게 예측할 수 있습니다. 제조회사는 재고와 판매가격을 추적하고 가격이 하락할 때 구매할 수 있기 때문에 많은 비용을 절약할 수 있습니다. 제품의 센서에서 생성된 데이터를 재사용하여 제품의 문제점과 부품이 필요한 위치를 파악할 수 있다면 부품이 필요한 위치와 시기도 예측할 수 있습니다. 이를 통해 재고를 크게 줄이고 공급망을 최적화할 수 있습니다.
5. 상품 판매 예측 및 수요 관리
빅데이터를 활용하여 현재 수요 변화 및 조합을 분석합니다. 빅데이터는 과거 데이터의 다차원적인 조합을 통해 지역별 수요의 비율과 변화, 제품 카테고리의 시장 인기도, 가장 일반적인 조합 형태, 소비자 수준 등을 확인할 수 있는 좋은 판매 분석 도구입니다. 제품 전략, 유통 전략을 조정하는 데 활용합니다. 일부 분석에서는 학교 시즌 동안 더 많은 대학이 있는 도시에서 문구류에 대한 수요가 훨씬 더 높을 것이라는 점을 알 수 있습니다. 이러한 방식으로 이러한 도시의 딜러에 대한 프로모션을 늘려 학교 기간 동안 더 많은 주문을 유도할 수 있습니다. 판촉 요구 사항을 충족하기 위해 용량 계획은 1~2개월 전에 시작됩니다.
제품 개발에 있어서도 소비자층의 고민에 맞춰 제품의 기능과 성능을 조정하고 있습니다. 예를 들어, 몇 년 전에는 모두가 뮤직폰을 즐겨 사용했지만 지금은 인터넷 서핑을 위해 휴대폰을 사용하는 경향이 더 강해졌습니다. 사진을 찍어 공유하는 등 휴대폰의 카메라 기능이 향상되는 것도 트렌드 중 하나이며, 4G 휴대폰도 더 큰 시장 점유율을 차지하고 있습니다. 일부 시장 세부사항에 대한 빅데이터 분석을 통해 더 많은 잠재적인 판매 기회를 찾을 수 있습니다.
6. 생산 계획 및 일정
제조 산업은 다품종 및 소량 배치 생산 모델, 데이터 정교화, 자동, 적시 및 편리한 수집(MES/DCS)에 직면해 있습니다. ) 및 가변성 그 결과 데이터가 급격히 증가하고 10년 이상 축적된 정보 기반의 과거 데이터가 결합되어 신속한 대응이 필요한 APS에 큰 과제가 됩니다. 빅 데이터는 보다 자세한 데이터 정보를 제공하고, 과거 예측과 실제 간의 편차 가능성을 발견하고, 생산 능력 제약, 인력 기술 제약, 자재 가용성 제약, 툴링 및 금형 제약을 고려하고, 지능형 최적화 알고리즘을 사용하여 사전 계획된 생산을 공식화할 수 있습니다. 일정 및 모니터링 계획과 현장 실제 상황 사이에 편차가 있는 경우 생산 일정이 동적으로 조정됩니다. "초상화"의 단점을 피하고 개인에게 그룹 특성을 직접 부여할 수 있도록 도와주세요(작업 센터 데이터는 장비, 인력, 금형 등의 특정 데이터로 직접 변경됩니다). 데이터를 연관시키고 모니터링함으로써 미래를 계획할 수 있습니다. 빅데이터에는 몇 가지 결함이 있지만 올바르게 적용된다면 빅데이터는 우리에게 강력한 무기가 될 것입니다. 당시 포드는 빅데이터에 대한 고객의 요구가 무엇인지 물었고, 대답은 지금 흔히 볼 수 있는 자동차가 아닌 '더 빠른 말'이었다. 따라서 빅데이터의 세계에서는 창의성, 직관, 모험심, 지적 야망이 특히 중요합니다.
7. 제품 품질 관리 및 분석
전통적인 제조업은 빅데이터의 영향에 직면해 있으며 제품 연구 개발, 프로세스 설계, 품질 관리, 생산 운영 및 기타 측면에서 빅데이터 문제를 해결하는 혁신적인 방법의 탄생을 기대합니다. 예를 들어, 반도체 산업에서 칩은 생산 과정에서 도핑, 적층, 포토리소그래피, 열처리 등 여러 가지 복잡한 공정을 거치게 되며, 각 단계는 매우 엄격한 물리적 특성 요구 사항을 충족해야 합니다. 동시에 엄청난 양의 탐지 결과도 동시에 생성됩니다. 이 방대한 데이터가 기업에 부담이 되는 걸까요, 아니면 기업에 금광이 되는 걸까요? 후자라면 어떻게 해야 '금광'에서 제품 수율 변동의 핵심 원인을 신속하게 파악하고 정확하게 찾아낼 수 있을까요? 수년간 반도체 엔지니어들을 괴롭혀온 기술적 문제입니다.
반도체 기술 기업에서 생산한 웨이퍼가 테스트 과정을 거치면 매일 100개 이상의 테스트 항목과 수백만 줄의 테스트 기록이 담긴 데이터 세트가 생성된다. 품질경영의 기본 요구사항에 따르면 기술 사양이 다른 100개 이상의 테스트 항목에 대한 공정 능력 분석을 수행하는 것이 필수 작업입니다. 전통적인 작업 모델을 따르면 100개 이상의 공정 능력 지수를 단계별로 계산하고 각 품질 특성을 하나씩 평가해야 합니다. 여기서는 거대하고 번거로운 업무량에도 불구하고 누군가 계산 문제를 풀 수 있다고 해도 100개가 넘는 공정 능력 지수에서 이들 사이의 상관관계를 파악하기 어렵고, 제품의 전반적인 품질을 평가하는 것은 더욱 어렵다. 성과를 포괄적으로 이해하고 요약합니다. 그러나 빅데이터 품질 관리 분석 플랫폼을 사용하면 전통적인 단일 지표를 사용하여 긴 프로세스 능력 분석 보고서를 빠르게 얻을 수 있을 뿐만 아니라 더 중요한 것은 동일한 빅데이터 세트에서 많은 새로운 분석을 얻을 수도 있습니다.
8. 산업 오염 및 환경 테스트
'Under the Dome'의 인상적인 점은 Chai Jing 팀이 시각적 보고서를 통해 관객에게 안개 문제의 심각성을 전달한다는 것입니다. 스모그의 원인 등.
이는 우리에게 빅데이터가 환경 보호에 큰 가치가 있다는 사실을 깨닫게 해 줍니다.
'Under the Dome' 차트의 원본 데이터는 어디서 나오는 걸까요? 사실 전부 고위급 관계를 통해 얻은 것은 아닙니다. 많은 데이터가 공개되어 있으며 중국 정부 웹사이트인 다양한 부처 및 위원회의 웹사이트, PetroChina 및 Sinopec의 공식 웹사이트, 환경 보호 단체의 공식 웹사이트, 일부 특수 조직, 국가 대기, 수문 및 기타 데이터를 포함하여 점점 더 많은 공공 복지 및 환경 보호 데이터를 쿼리할 수 있습니다. 기상 데이터, 공장 분포 및 오염 배출 준수 데이터 등 단지 이러한 데이터는 너무 분산되어 있고, 너무 전문적이며, 분석이 부족하고, 시각화 기능이 없어 일반 사람들이 이해할 수 없다는 것입니다. 이를 이해하고 지속적으로 관심을 기울이면 빅데이터는 사회가 환경 보호를 감독하는 중요한 수단이 될 것입니다. 최근 출시된 Baidu의 "국가 오염 모니터링 지도"는 이를 수행하는 좋은 방법입니다. 공개된 환경 보호 빅데이터와 결합된 Baidu 지도에는 누구나 이를 사용하여 전국과 지방 및 도시를 볼 수 있습니다. All in 환경보호국에서 발표한 위치정보, 기관명, 배출원의 종류, 최신 오염배출 기준(각종 화력발전소, 국영기업, 하수처리장 포함) ) 환경 보호국의 감독하에 있습니다. 가장 가까운 오염원을 확인할 수 있으며, 모니터링 지점에서 테스트한 항목이 기준을 초과한 항목과 기준을 초과한 횟수를 알려주는 알림이 표시됩니다. 이 정보는 실시간으로 소셜 미디어 플랫폼에 공유되어 친구들에게 알리고 모든 사람에게 오염원과 개인 안전 및 건강에 주의를 기울이도록 상기시킬 수 있습니다.
요약: 산업용 빅 데이터 애플리케이션의 가치 잠재력은 엄청납니다. 그러나 이러한 가치를 실현하기 위해서는 아직 해야 할 일이 많이 남아 있습니다. 하나는 빅데이터 인식 확립의 문제이다. 과거에도 이런 빅데이터가 있었지만 빅데이터에 대한 인식 부족과 데이터 분석 방법의 부족으로 인해 실시간 데이터 중 상당수가 폐기되거나 보류되어 대량 데이터의 잠재 가치가 매몰됐다. . 또 다른 중요한 문제는 데이터 섬 문제입니다. 많은 산업 기업의 데이터는 기업 전체, 특히 대규모 다국적 기업 내에서 다양한 사일로에 분산되어 있으므로 기업 전체에서 이 데이터를 추출하기가 어렵습니다. 따라서 산업 빅데이터 활용에 있어 중요한 이슈는 통합적 활용이다.