工业大数据如何应用在制造企业?工业人带你去看看!
工业大数据分析实践应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析,信息技术和全球工业系统正在深入融合,给全球工业带来深刻的变革,创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据分析实践的典型应用包括产品创新、产品故障诊断与预测、工业智能化生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文将对工业大数据分析实践在制造企业的应用场景进行逐一梳理。
1.加速产品创新
客户与工业企业之间的交互和交易行为将产生大量数据,挖掘和分析这些客户动态数据,能够帮助客户参与到产品的需求分析和产品设计等创新活动中,为产品创新作出贡献。
2.产品故障诊断与预测
这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实,大数据应用、建模与仿真技术则使得预测动态性成为可能。
3.生产线的大数据应用
现代化工业制造数字化生产线安装有数以千计的小型传感器,来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据,利用这些数据可以实现很多形式的分析,包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先,在生产工艺改进方面,在生产过程中使用这些大数据,就能分析整个智能化生产流程,了解每个环节是如何执行的。
4.工业供应链分析和优化
当前,大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据,利用这些数据进行分析,将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。
5.产品销售预测与需求管理
通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具,通过历史数据的多维度组合,可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等,以此来调整产品策略和铺货策略。
6.生产计划与排程
制造数字化面对多品种小批量的生产模式,数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大,再加上十几年的制造数字化的历史数据,对于需要快速响应的APS来说,是一个巨大的挑战。
大数据可以给予我们更详细的数据信息,发现历史预测与实际的偏差概率,考虑产能约束、人员技能约束、物料可用约束、工装模具约束,通过智能的优化算法,制定预计划排产,并监控计划与现场实际的偏差,动态的调整计划排产。
帮我们规避“画像”的缺陷,直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它,我们就能计划未来。虽然,大数据略有瑕疵,只要得到合理的应用,大数据会变成我们强大的武器。
7.产品质量管理与分析
传统的制造业正面临着大数据的冲击,在产品研发、工艺设计、质量管理、智能化生产运营等各方面都迫切期待着有创新方法的诞生,来应对工业背景下的大数据挑战。
8.工业污染与环保检测
工业大数据分析实践应用的价值潜力巨大。但是,实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去,也有这些大数据,但由于没有大数据的意识,数据分析手段也不足,很多实时数据被丢弃或束之高阁,大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中,特别是在大型跨国公司内,要想在整个企业内提取这些数据相当困难。因此,工业大数据分析实践应用一个重要议题是集成应用。
工业大数据分析实践的应用将推动工业企业基于对内外部环境相关数据的采集、存储和分析,实现企业与内外部关联环境的感知和互联,并利用工业大数据分析实践分析技术开展挖掘分析,支撑工业企业基于数据进行决策管控,提升企业决策管控的针对性、有效性。