I big data industriali si riferiscono a tutti i tipi di dati e alle relative tecnologie e applicazioni generati nel campo industriale attorno al tipico modello di produzione intelligente, dalla domanda dei clienti alle vendite, agli ordini, alla pianificazione, alla ricerca e sviluppo, alla progettazione, al processo, alla produzione, all'approvvigionamento, alla fornitura, all'inventario, alla spedizione e alla consegna, al servizio post-vendita, al funzionamento e alla manutenzione, allo scarto o al riciclaggio e alla rifabbricazione dell'intero ciclo di vita del prodotto di ciascun collegamento. I big data industriali sono il fulcro della produzione intelligente, basata su "big data + Internet industriale", cloud computing, big data, Internet delle cose, intelligenza artificiale e altre tecnologie per guidare il cambiamento dei metodi di produzione industriale e guidare lo sviluppo innovativo dell'economia industriale.
Descrizione dettagliata della tecnologia e delle applicazioni dei big data industriali
I. la definizione di big data industriale
I big data industriali si riferiscono al campo industriale, attorno al tipico modello di produzione intelligente, dalla domanda dei clienti alle vendite, agli ordini, alla pianificazione, alla ricerca e sviluppo, alla progettazione, al processo, alla produzione, all'approvvigionamento, alla fornitura, all'inventario, alla spedizione e alla consegna, al servizio post-vendita, al funzionamento e alla manutenzione, allo scarto o al riciclaggio e alla rifabbricazione dell'intero ciclo di vita del prodotto di vari tipi di dati generati da vari aspetti del termine generale, e la relativa tecnologia e applicazioni. È incentrato sui dati di prodotto, che ampliano notevolmente la portata dei dati industriali tradizionali e includono anche tecnologie e applicazioni relative ai big data industriali-. Le principali fonti di big data industriali sono le seguenti tre categorie.
1. Dati aziendali relativi alla produzione e al funzionamento
I dati aziendali relativi alla produzione e al funzionamento-provengono principalmente dall'ambito dell'informatizzazione aziendale tradizionale e sono archiviati all'interno dei sistemi informativi aziendali, inclusi i tradizionali software di progettazione e produzione industriale, pianificazione delle risorse aziendali (ERP), gestione del ciclo di vita del prodotto (PLM), gestione della catena di fornitura (S CM), gestione delle relazioni con i clienti (CRM) e sistema di gestione ambientale (EMS), ecc. Questi sistemi informativi aziendali hanno accumulato una grande quantità di dati. Questi sistemi informativi aziendali hanno accumulato una grande quantità di dati di sviluppo prodotto, dati di produzione, dati operativi, dati di informazioni sui clienti, dati di logistica e fornitura e dati ambientali. Questo tipo di dati costituisce il tradizionale patrimonio di dati in campo industriale e sta gradualmente espandendo la sua portata nell'ambiente delle nuove applicazioni tecnologiche come Internet mobile.
2. Dati IoT delle apparecchiature
I dati IoT delle apparecchiature si riferiscono principalmente alle apparecchiature di produzione industriale e ai prodotti target nella modalità operativa IoT, alla generazione-in tempo reale e alla raccolta di dati riguardanti funzionamento e funzionamento, condizioni di lavoro, parametri ambientali e altri dati che riflettono lo stato operativo di apparecchiature e prodotti. Tali dati rappresentano la nuova fonte di big data industriali in più rapida crescita. I big data industriali ristretti si riferiscono a questo tipo di dati, ovvero una grande quantità di dati generati rapidamente da apparecchiature e prodotti industriali e all'esistenza di differenze di serie temporali.
3. Dati esterni
I dati esterni si riferiscono alle attività di produzione delle imprese industriali e ai prodotti relativi alle fonti di dati Internet esterne dell'impresa, ad esempio la valutazione delle prestazioni ambientali dell'impresa in base alle normative ambientali, la previsione dei dati macro-socio-economici del mercato del prodotto e così via. La tecnologia dei Big Data industriali è una serie di tecnologie e metodi che consentono di estrarre e visualizzare il valore contenuto nei Big Data industriali, tra cui pianificazione, acquisizione, pre-elaborazione, archiviazione, analisi ed estrazione dei dati, visualizzazione e controllo intelligente. L'applicazione dei big data industriali è il processo di integrazione e applicazione di una serie di tecnologie e metodi di big data industriali a uno specifico set di big data industriali per ottenere informazioni preziose. La ricerca e la svolta della tecnologia dei big data industriali sono essenzialmente finalizzate a scoprire nuovi modelli e conoscenze da set di dati complessi e a estrarre nuove preziose informazioni, in modo da promuovere l’innovazione di prodotto delle imprese manifatturiere, migliorare il livello di efficienza operativa e produttiva ed espandere nuovi modelli di business.
II. Caratteristiche dei big data industriali
Oltre alle caratteristiche dei big data generali (grande volume di dati, varietà, rapidità e bassa densità di valori), i big data industriali hanno anche le caratteristiche di sequenza temporale, forte correlazione, accuratezza e ciclo chiuso.
Grande volume di dati:la dimensione dei dati determina il valore e le informazioni potenziali dei dati in esame. Il volume dei dati industriali è relativamente ampio, un gran numero di dati ad alta-frequenza provenienti da macchine e apparecchiature e dati Internet continuano ad affluire e i set di dati delle grandi imprese industriali raggiungeranno il livello PB o addirittura EB.
Varietà (varietà):si riferisce alla diversità dei tipi di dati e ad un'ampia gamma di fonti. I dati industriali sono ampiamente distribuiti in vari aspetti come macchine e apparecchiature, prodotti industriali, sistemi di gestione e Internet e la struttura è complessa, con dati di rilevamento strutturati e semi-strutturati nonché dati non strutturati.
Veloce (velocità):si riferisce alla velocità di acquisizione ed elaborazione dei dati. Le esigenze di velocità di elaborazione dei dati industriali sono diverse, i requisiti a livello di sito di produzione-per un intervallo di tempo di analisi fino al livello dei millisecondi, le applicazioni di gestione e-decisionali devono supportare l'analisi dei dati interattiva o batch.
Densità di valore basso (valore):I big data industriali pongono maggiore enfasi sul valore per l'utente- e sull'usabilità dei dati stessi, tra cui: migliorare la capacità di innovazione e l'efficienza operativa e produttiva e promuovere la personalizzazione personalizzata, la trasformazione dei servizi e altre nuove modalità di cambiamento della produzione intelligente.
Sequenza:I Big Data industriali hanno una forte sequenza temporale, come ordini, dati sullo stato delle apparecchiature.
Forte-pertinenza:Da un lato, i dati nella stessa fase del ciclo di vita del prodotto hanno una forte rilevanza, come la composizione delle parti del prodotto, le condizioni di lavoro, lo stato delle apparecchiature, la manutenzione e l’approvvigionamento supplementare di parti; d’altro canto, è necessario associare i dati nelle diverse fasi del ciclo di vita del prodotto, come ricerca e sviluppo, progettazione, produzione e assistenza.
Precisione:si riferisce principalmente all'autenticità, alla completezza e all'affidabilità dei dati e presta maggiore attenzione alla qualità dei dati nonché all'affidabilità delle tecniche e dei metodi di elaborazione e analisi. Requisiti di confidenza più elevati per l'analisi dei dati, basandosi solo sull'analisi della correlazione statistica non sono sufficienti per supportare la diagnosi dei guasti, la previsione e l'allarme precoce e altre applicazioni industriali, la necessità di combinare il modello fisico con il modello dei dati, estraendo la relazione di causa ed effetto.
Circuito-chiuso:compresa la chiusura e l'associazione della catena di dati nel processo orizzontale dell'intero ciclo di vita del prodotto, nonché il processo verticale di acquisizione ed elaborazione dei dati della produzione intelligente, che deve supportare l'adeguamento e l'ottimizzazione dinamici e continui negli scenari a ciclo chiuso-di rilevamento dello stato, analisi, feedback e controllo.
A causa delle caratteristiche di cui sopra, i big data industriali, in quanto settore applicativo dei big data, hanno un’ampia prospettiva applicativa, rappresentando al tempo stesso una grande sfida per la tradizionale tecnologia di gestione dei dati e la tecnologia di analisi dei dati.
III. Architettura dei Big Data industriali
L’architettura dei big data industriali contiene tre dimensioni: ciclo di vita e flusso di valore, livello verticale aziendale e catena del valore IT.
Nel livello del ciclo di vita e del flusso di valore, in base alle aree di applicazione dei big data industriali, può essere suddiviso in tre aree: sviluppo e progettazione del prodotto prima dell'inizio della fase di produzione del prodotto, gestione della catena di produzione e fornitura prima della consegna del prodotto e gestione del funzionamento, della manutenzione e del servizio dopo la consegna del prodotto.
Nel livello verticale dell'impresa, a seconda del metodo di raccolta dei dati e del livello di applicazione, può essere suddiviso in livello del sistema fisico delle informazioni, livello del sistema informativo di gestione aziendale e livello del sistema di interconnessione della piattaforma.
Nel livello della catena del valore IT, può essere suddiviso in architettura aziendale, architettura del sistema informativo e architettura della tecnologia IT a tre livelli, di cui l'architettura del sistema informativo può essere suddivisa in architettura dell'applicazione e architettura dell'informazione.
1. Ciclo di vita e dimensione del flusso di valore
La dimensione del ciclo di vita e del flusso di valore nell'architettura dei big data industriali copre le fasi dell'intero ciclo di vita del prodotto, ovvero ricerca e sviluppo e progettazione, produzione, logistica, vendite, funzionamento e manutenzione e assistenza. Tra questi, produzione, logistica e vendite possono essere ulteriormente classificati in catena di produzione e fornitura, e la dimensione del ciclo di vita e del flusso di valore comprende tre campi: ricerca e sviluppo e progettazione, produzione e catena di fornitura, funzionamento, manutenzione e assistenza. Gli scenari applicativi di ciascun dominio sono mostrati nella Figura 2.
01. Ricerca e sviluppo e progettazione
I dati di ricerca e sviluppo vengono accumulati dal personale di ricerca e sviluppo nel processo di ricerca e sviluppo e progettazione, che proviene da tutti gli aspetti del ciclo di vita del prodotto, tra cui: big data sulla domanda degli utenti, big data sulla conoscenza di ricerca e sviluppo, big data sul riutilizzo del prodotto, big data collaborativi di ricerca e sviluppo, ecc., con cross-prodotti e cross-settore e un'ampia varietà di caratteristiche.
Le imprese di progettazione di personalizzazione di prodotti personalizzati possono raccogliere la domanda di prodotti personalizzati degli utenti, l'interazione dei prodotti con i clienti e i dati sulle transazioni attraverso la piattaforma Internet. L'estrazione e l'analisi di questi dati dinamici dei clienti può aiutare i clienti a partecipare all'analisi della domanda dei prodotti e alle attività di progettazione del prodotto per ottenere un design personalizzato e quindi, facendo affidamento sul processo di produzione flessibile, è possibile realizzare prodotti su misura-per gli utenti.
Realizzare il progetto di simulazione basato sui big data delle imprese di produzione tradizionali nei test e nella verifica del collegamento deve essere prodotto in natura per valutarne le prestazioni e altri indicatori, il costo con l'aumento del numero di test e l'aumento. L'uso della tecnologia di simulazione virtuale può raggiungere il processo di progettazione originale di ricerca e sviluppo di simulazione, analisi, valutazione, verifica e ottimizzazione, riducendo così la quantità di modifiche ingegneristiche, ottimizzando il processo di produzione, riducendo i costi e il consumo energetico.
Realizzare un'automazione della progettazione personalizzata personalizzata basata sui tradizionali tipi di prodotti aziendali big data, gli stili non sono molti, possono essere utilizzati per progettare manualmente modelli di prodotto, campioni di produzione e quindi la modalità di produzione di produzione di massa, ma a fronte di requisiti di produzione personalizzati in piccoli lotti, la modalità tradizionale porterà a un ciclo di produzione del prodotto troppo lungo, il costo è troppo alto. Accumulando una grande quantità di dati del modello di progettazione del prodotto, analizzando la correlazione tra i dati di progettazione e con l'aiuto della tecnologia Big Data e di altri strumenti di progettazione ausiliari, è possibile realizzare l'automazione della progettazione personalizzata personalizzata e della generazione di modelli.
Promuovere l'integrazione e la condivisione delle risorse di ricerca e sviluppo e delle imprese di innovazione e progettazione collaborativa attraverso la costruzione e il miglioramento della base di conoscenze di ricerca e sviluppo e progettazione, per promuovere i disegni digitali, la libreria di parti standard e altri dati di progettazione all'interno dell'impresa, nonché le imprese a monte e a valle nella catena di fornitura di condivisione delle risorse, innovazione e collaborazione, per migliorare la gestione integrata delle risorse di ricerca e sviluppo interregionali e la catena industriale dell'impresa capacità di progettazione collaborativa. Migliorare la capacità delle imprese di gestire e utilizzare le risorse globali di ricerca e sviluppo, ottimizzare e riorganizzare i processi di ricerca e sviluppo e migliorare l’efficienza della ricerca e sviluppo.
Coltivare nuove modalità di ricerca e sviluppo basate sulla condivisione socializzata e sulla partecipazione delle risorse di progettazione e consentire alle imprese di realizzare nuove modalità di ricerca e sviluppo come il crowdsourcing e il crowdsourcing in base alle proprie esigenze di ricerca e sviluppo, in modo da migliorare la capacità delle imprese di utilizzare l'innovazione socializzata e le risorse di capitale.
02.Produzione e filiera
I Big Data di produzione non includono solo informazioni sulla produzione del prodotto, informazioni sugli ordini, informazioni sulle attrezzature, informazioni sul controllo, informazioni sui materiali, pianificazione del lavoro del personale, ma includono anche il flusso di informazioni sulla gestione interna, il flusso di capitali, la produzione dei prodotti dei fornitori a monte e a valle e la gestione dei clienti e altre informazioni ausiliarie correlate sulla gestione della produzione, la raccolta dei dati di produzione si basa sulla gestione delle risorse esistenti dell'impresa, sull'esecuzione della produzione, sulla gestione del controllo industriale, sulla gestione della catena di fornitura, sulla gestione dei fornitori, sulla gestione dei clienti, sulla gestione aziendale e su altri sistemi informativi.
Realizza il monitoraggio e la gestione in tempo reale-del processo di produzione e la manutenzione predittiva delle apparecchiature di produzione, migliora il livello di gestione del processo di produzione e delle apparecchiature, ottimizza il processo di produzione e migliora la qualità del prodotto. Le moderne linee di produzione industriale sono installate con migliaia di piccoli sensori per rilevare lo stato di funzionamento delle apparecchiature di produzione, come temperatura, pressione, calore, vibrazioni e rumore, ecc. L'uso di questi dati può realizzare il monitoraggio in tempo reale-del processo di produzione, diagnosi e previsione dei guasti delle apparecchiature, analisi del consumo energetico e analisi degli incidenti sulla qualità. Inoltre, può anche integrare e aggregare dati provenienti da tutti gli aspetti della produzione, creare modelli virtuali del processo di produzione, simulare e ottimizzare il processo di produzione.
Realizzare una produzione su scala personalizzata personalizzata e promuovere la creazione di un moderno sistema di produzione. Attraverso l'automazione del flusso di dati nell'intero ciclo di vita del prodotto e il controllo automatizzato e intelligente dell'intero processo di produzione, promuoverà la condivisione delle informazioni, l'integrazione dei sistemi e la collaborazione aziendale, migliorerà la capacità di produzione di precisione,-la produzione di fascia alta e la produzione agile, realizzerà una produzione su scala personalizzata personalizzata, accelererà la creazione di sistemi di produzione modernizzati come officine intelligenti e fabbriche intelligenti e realizzerà una produzione intelligente.
Realizzare una produzione collaborativa in rete e un’economia di condivisione della produzione. Attraverso "Internet +", l'integrazione e l'ottimizzazione delle risorse produttive all'interno o tra le imprese e la realizzazione della produzione collaborativa verticale all'interno delle imprese o della produzione collaborativa orizzontale tra le imprese. Attraverso Internet + sharing economy, la condivisione di risorse di innovazione, capacità produttiva, inventario e altre risorse di produzione per realizzare l'economia della condivisione manifatturiera.
Ottimizzare la filiera industriale. Le tecnologie di identificazione elettronica come l'identificazione a radiofrequenza (RFID), la tecnologia Internet of Things (IoT) e la tecnologia Internet mobile possono aiutare le imprese industriali a ottenere big data sull'intera catena di fornitura del prodotto e l'uso di tali dati per l'analisi comporterà un aumento significativo dell'efficienza di magazzinaggio, distribuzione e vendita, nonché una significativa riduzione dei costi.
Realizza previsioni della domanda per organizzare meglio le merci in entrata e la produzione e, quando la domanda diminuisce, individua la causa del problema e risolvila.
Realizzare la profilazione dei clienti e l'analisi precisa del marketing e del comportamento dei clienti, in grado di espandere le fonti di clienti, migliorare il tasso di successo del marketing e la soddisfazione e la fedeltà dei clienti originali.
03. Campo di funzionamento, manutenzione e assistenza
Esistono molte fonti di dati nel campo del funzionamento, della manutenzione e dell'assistenza, tra cui principalmente: dati sullo stato di funzionamento in tempo reale-e dati sull'ambiente circostante raccolti dai sensori incorporati nei prodotti con il permesso dei clienti; dati sulle vendite dei prodotti ottenuti attraverso la piattaforma aziendale, dati dei clienti e la corrispondente valutazione del prodotto o feedback sull'utilizzo; reclami dei clienti e relative registrazioni di elaborazione; resi/resi dei prodotti e i relativi registri di manutenzione.
Monitorando e analizzando i dati sullo stato operativo in tempo reale dei prodotti raccolti da remoto, è possibile realizzare servizi a valore aggiunto online come il monitoraggio e la gestione remota, la diagnosi dei guasti e la manutenzione predittiva, che possono ridurre i costi di manutenzione e migliorare l'utilizzo del prodotto.
Analizzando i dati sull'utilizzo del cliente e i dati sull'ambiente circostante l'apparecchiatura, può anche fornire servizi estesi agli utenti, espandere lo spazio di valore dei prodotti e realizzare la trasformazione del modello di business centrato sul prodotto- nel modello di "produzione + servizio".
Analizzando la valutazione del prodotto o il feedback sull'utilizzo dei clienti, i reclami dei clienti, incorporando commenti utili nella progettazione e nel miglioramento del prodotto e classificando i reclami dei clienti, possiamo migliorare la qualità del prodotto e la qualità del servizio post-vendita, ridurre il tasso di reclami e aumentare la soddisfazione e la fedeltà dei clienti.
Analizzando i motivi della restituzione o della riparazione del prodotto e adottando misure tempestive ed efficaci, possiamo migliorare la qualità del prodotto e ridurre il tasso di restituzione e il tasso di riparazione.
2. Livello verticale aziendale
Lo strato verticale aziendale dell'architettura dei big data industriali è diviso in cinque strati dal punto di vista del dominio fisico dal basso verso l'alto, che sono il livello delle apparecchiature, il livello di controllo, il livello dell'officina, il livello aziendale e il livello di collaborazione. Nel livello delle apparecchiature, nel livello di controllo e nel livello dell’officina, l’Internet delle cose può essere utilizzato per realizzare fabbriche intelligenti basate sul sistema fisico delle informazioni; a livello aziendale, l'impresa integra varie applicazioni di informatizzazione interna, effettua l'integrazione e la trasformazione dei processi aziendali interni e migliora l'efficienza operativa dell'impresa; e nel livello di collaborazione, il cloud industriale e altre tecnologie di piattaforma vengono utilizzate per realizzare la produzione collaborativa esterna dell'impresa e modelli di business innovativi come il modello orientato ai servizi di produzione-. La dimensione verticale dell'impresa può essere suddivisa in tre sottosistemi: sistema fisico informativo, sistema informativo di gestione aziendale e sistema di piattaforme di interconnessione.
01.Sistema fisico dell'informazione
Il sistema fisico informativo raccoglie e aggrega dati sul funzionamento delle macchine e dati sul sito di produzione attraverso sensori e vari sistemi informativi per realizzare un rilevamento ubiquo e applica l'integrazione dei dati e la tecnologia di elaborazione per raccogliere e scambiare dati industriali, feedback e controllo della produzione, per ottenere controllo e interazione con attrezzature e officine, per realizzare l'interconnessione e l'interoperabilità dei sistemi fisici interni ed esterni delle fabbriche e per fornire una base di dati per la modellazione/simulazione e analisi industriale, quindi fornire supporto per ottimizzazione-decisionale delle operazioni di officina/fabbrica. Fornisce inoltre una base dati per la modellazione/simulazione e analisi industriale, che a sua volta fornisce servizi di supporto per l'ottimizzazione delle decisioni operative di officina/fabbrica. Nello strato verticale dell'impresa di architettura dei big data industriali, il sistema fisico utilizzato per la raccolta delle informazioni sullo strato delle apparecchiature industriali si basa su big data, rete e calcolo di massa e, attraverso la percezione intelligente, l'analisi, l'estrazione, la valutazione, la previsione, l'ottimizzazione, la collaborazione e altri mezzi tecnici, il calcolo, la comunicazione e il controllo possono realizzare la fusione organica e la cooperazione approfondita, in modo da raggiungere la fusione profonda dell'architettura dei big data industriali. cyberspazio e spazio fisico di apparecchiature, ambienti e gruppi industriali. Integrazione profonda. L'essenza del sistema fisico dell'informazione risiede nel collegare l'attrezzatura fisica a Internet, in modo che l'attrezzatura fisica abbia cinque funzioni principali: calcolo, comunicazione, controllo preciso, coordinazione remota e autonomia.
02.Sistema informativo gestionale aziendale
L'informatizzazione aziendale è il processo di applicazione della tecnologia e dei prodotti dell'informazione nelle imprese. L'informatizzazione aziendale è il processo di penetrazione completa della tecnologia dell'informazione dal locale al globale, dal livello tattico al livello strategico alle imprese, applicandola alla gestione dei processi e supportando il funzionamento e la gestione aziendale. L'informatizzazione aziendale riguarda principalmente il controllo del processo produttivo, la gestione aziendale, la gestione del ciclo di vita del prodotto, l'ottimizzazione della catena di fornitura e i processi di gestione. L'informatizzazione del controllo del processo di produzione si concentra sullo sviluppo e sulla progettazione del prodotto, sul flusso del processo di produzione, sulla gestione dell'officina, sull'ispezione della qualità e su altri collegamenti di progettazione e produzione. L'informatizzazione della gestione aziendale è la parte più importante della costruzione di informazioni aziendali, la più difficile, la più utilizzata in un campo, che coinvolge l'attività di gestione aziendale a tutti i livelli. La costruzione dell'informatizzazione della gestione aziendale consiste nel raccogliere, elaborare, organizzare e integrare le risorse informative in modo efficace attraverso il sistema applicativo di integrazione delle informazioni sulla base della standardizzazione del lavoro di gestione di base e dell'ottimizzazione dei processi aziendali, migliorando l'efficienza della gestione e fornendo informazioni sulla gestione dinamica in tempo reale e informazioni sul processo decisionale. L'informatizzazione della gestione della catena di fornitura aziendale fa sì che le attività di produzione e gestione dell'impresa si estendano avanti e indietro. Le imprese dall'approvvigionamento di materie prime, componenti, trasporto, stoccaggio, lavorazione e produzione, vendita, fino alla consegna finale e al servizio ai clienti, formano una struttura a catena composta da fornitori a monte, produttori intermedi e fornitori di servizi di terze parti-, clienti di vendita a valle e le attività di produzione delle imprese, i processi di gestione sono soggetti ai vincoli di questa catena di fornitura e all'influenza.
03.Sistema di piattaforma connessa
Attualmente, lo sviluppo industriale della Cina e della maggior parte dei paesi si trova ad affrontare grandi difficoltà e sfide, tra cui: grave eccesso di capacità, scarsità di prodotti personalizzati, i prodotti stanno diventando sempre più complessi, i mezzi di produzione non possono essere configurati in modo efficace e il mercato delle apparecchiature su larga scala- sta diventando sempre più saturo, ecc., ed è urgentemente necessario cercare una soluzione strategica per il ritorno del settore e la trasformazione e il potenziamento del settore. "Internet +" pensiero molto dinamico e modelli di business innovativi, per la difficile situazione dell'industria manifatturiera che necessita urgentemente di trasformazione e aggiornamento, fornisce una nuova direzione di trasformazione, attraverso la riforma dei metodi di produzione e dei modelli di business e il miglioramento della tecnologia di produzione, per ottenere la personalizzazione da parte del cliente di prodotti personalizzati, piccoli lotti, produzione su larga-scala, per risolvere il problema della capacità di produzione su larga-scala di prodotti industriali. Riformando i metodi di produzione e i modelli di business e migliorando la tecnologia di produzione, possiamo realizzare una produzione su piccola-lotto, su larga-scala di prodotti personalizzati per risolvere il problema della sovraccapacità su larga{{9}scala di prodotti industriali e dell'incapacità di soddisfare la domanda personalizzata di prodotti da parte dei clienti, in modo da soddisfare la domanda di rispetto e affermazione dei clienti, nonché di autorealizzazione.
Cercare di risolvere il problema della debolezza della tecnologia di base e della bassa capacità produttiva di prodotti di fascia alta-attraverso la produzione collaborativa in rete, ovvero, con l'aiuto di Internet o della piattaforma cloud industriale, sviluppare nuove modalità di ricerca e sviluppo collaborativo, progettazione in crowdsourcing, collaborazione nella catena di fornitura e così via tra le imprese, al fine di ridurre efficacemente i costi di acquisizione delle risorse, estendere in modo significativo l'ambito di utilizzo delle risorse, rompere i confini chiusi e accelerare la trasformazione dalla “lotta solitaria” alla “collaborazione industriale”. "alla sinergia industriale e promuovere la competitività complessiva del settore.
Cercare di risolvere il problema della sovraccapacità senza un’efficace allocazione delle risorse e una debole capacità di innovazione indipendente attraverso l’innovazione e l’imprenditorialità e l’economia della condivisione della produzione.
Con il prodotto principale come asse, attraverso la raccolta e l'analisi dei dati sull'utilizzo del prodotto da parte dei clienti e dei dati sull'ambiente circostante, per fornire agli utenti servizi estesi, ampliando lo spazio di valore del prodotto, espandendo nuovi mercati e realizzando la trasformazione del modello di business centrato sul prodotto-nel modello "produzione + servizio".
3. Catena del valore dell'IT
Il valore dei Big Data si realizza attraverso attività quali la raccolta dei dati, la pre-elaborazione, l'analisi, la visualizzazione e l'accesso.
Nella dimensione della catena del valore dell’IT, il valore dei big data si realizza attraverso la fornitura di reti, infrastrutture, piattaforme, strumenti applicativi e altri servizi che ospitano big data per applicazioni big data, migliorando così l’efficienza operativa e supportando l’innovazione aziendale. L'architettura aziendale supportata dalla tecnologia big data può essere suddivisa in tre livelli: architettura aziendale, architettura del sistema informativo e architettura della tecnologia IT con riferimento al metodo di divisione TOGAF.
01. Architettura aziendale
L'architettura aziendale definisce la strategia aziendale, la gestione, l'organizzazione e i processi aziendali chiave e costituisce il fondamento della strategia globale di tecnologia dell'informazione e dell'architettura del sistema informativo dell'impresa, nonché il fattore determinante dell'architettura dei dati, delle applicazioni e della tecnologia. L'architettura aziendale è il canale che traduce la strategia aziendale di un'organizzazione in operazioni quotidiane e la strategia aziendale determina l'architettura aziendale. L'architettura aziendale converte-strategie e obiettivi aziendali di alto livello in modelli di business operativi. L'architettura aziendale è l'espressione della strategia aziendale chiave dell'impresa e delle funzioni e dei processi aziendali, solitamente un disegno aziendale implementato sulla base di un modello aziendale, che descrive i moduli aziendali e le relazioni tra loro, ovvero i principali processi aziendali, da diverse prospettive. L'architettura aziendale è una corretta delineazione dei processi principali e condivisi dell'azienda, nonché l'articolazione e l'analisi del ciclo di vita degli elementi aziendali. Il valore dei Big Data industriali può essere ottenuto pianificando strategicamente il business dei Big Data industriali e costruendo un’architettura aziendale.
02.Architettura del sistema informativo
Per sfruttare appieno il valore dei big data industriali ed evitare la formazione di "isole informative", è necessario costruire un'architettura di sistema informativo unificata per realizzare l'accesso degli utenti e l'interoperabilità di vari sistemi applicativi e dati. L'architettura del sistema informativo basata sulla strategia aziendale dei big data industriali è un'architettura che riflette la relazione tra i vari componenti del sistema informativo di un'impresa manifatturiera, nonché la relazione tra il sistema informativo e l'azienda correlata, e tra il sistema informativo e la relativa tecnologia. L'architettura del sistema informativo include l'architettura delle applicazioni e l'architettura dei dati. Tra questi, l'architettura applicativa descrive il progetto del sistema applicativo necessario per supportare il funzionamento dell'impresa, compresi i livelli applicativi, le funzioni, i metodi di realizzazione e gli standard di costruzione, ecc. Studia principalmente l'interazione tra i sistemi applicativi e la corrispondenza tra le applicazioni e il core business, ed è il focus della ricerca sul quadro generale dell'impresa, che si può dire essere il ponte tra l'architettura aziendale e l'architettura tecnica. L'architettura applicativa dei big data industriali contiene sia i sistemi applicativi corrispondenti ai vari livelli dello strato verticale dell'impresa nell'architettura dei big data industriali, sia i sistemi applicativi basati sulla tecnologia dei big data. L'architettura dei dati, d'altro canto, è una descrizione della struttura e dell'interazione dei principali tipi e fonti di dati, risorse di dati logici, risorse di dati fisici e risorse di gestione dei dati di un organismo organizzativo complesso.
03.Architettura della tecnologia dell'informazione
Con l’ascesa dell’ondata dell’Industria 4.0, le tecnologie dell’informazione come Internet of Things (IoT), Cloud Computing, Big Data, Intelligenza Artificiale, Realtà Aumentata/Realtà Virtuale e altre tecnologie dell’informazione si integrano e penetrano continuamente nel campo industriale, gettando solide basi tecnologiche per l’implementazione di applicazioni industriali di Big Data. Tra questi, la tecnologia IoT rende apparecchiature e strutture finali onnipresenti, che possono essere connesse a Internet secondo protocolli concordati attraverso dispositivi di rilevamento delle informazioni come identificazione a radiofrequenza, sensori a infrarossi, sistemi di posizionamento globale, ecc., per lo scambio e la comunicazione di informazioni, rendendo visibili gli elementi e il loro stato, in modo da realizzare identificazione, localizzazione, tracciamento, monitoraggio e gestione intelligenti; la tecnologia del cloud computing fornisce un tipo di servizio informatico dinamico e scalabile che può essere realizzato attraverso la rete su-richiesta. La tecnologia del cloud computing fornisce servizi informatici on-demand, dinamicamente scalabili e poco costosi attraverso la rete; la tecnologia dei big data e la tecnologia dell'intelligenza artificiale consentono di analizzare ed estrarre il valore potenziale di enormi quantità di dati in un periodo di tempo accettabile, nonché di realizzare la previsione delle tendenze e la modalità di intelligenza di gruppo; La tecnologia AR/VR può realizzare la simulazione e il miglioramento dell'esperienza dell'ambiente di fabbrica, delle apparecchiature industriali e così via. Le imprese manifatturiere generano una grande quantità di dati ogni giorno o addirittura in ogni momento, con un'ampia varietà, che copre l'intero ciclo di vita dei prodotti industriali, inclusi dati di progettazione, dati di produzione, dati sulla catena del valore e relativi dati esterni. Questi dati provengono da sensori, oppure dal sistema di acquisizione dati e controllo del monitoraggio di apparecchiature intelligenti, oppure dal modello di progettazione e dal sistema informativo dell'impresa.
La realizzazione di un'applicazione per big data industriali richiede la raccolta e la pre-elaborazione dei dati, l'archiviazione, l'analisi e l'estrazione, l'applicazione per attività specifiche e infine la visualizzazione dei risultati. Di conseguenza, l'architettura informatica dei big data industriali è divisa in sei livelli: livello dati, livello di raccolta dati, livello di archiviazione, livello di elaborazione, livello di applicazione e livello di visualizzazione. Se le imprese costruissero ogni strato da sole, la soglia di costruzione sarà relativamente alta. Una serie di componenti tecnologici open-source relativi ai servizi cloud industriali e all'elaborazione di big data (industriali) sono stati sviluppati e completati in patria e all'estero, e la tecnologia dell'intelligenza artificiale ha fatto ulteriori grandi progressi, fornendo soluzioni opzionali per la trasformazione intelligente del settore industriale e riducendo inoltre la soglia per la costruzione e l'implementazione di applicazioni di big data industriali. Le imprese non hanno bisogno di realizzare ogni componente dell'architettura tecnica da sole se non necessario, e possono scegliere di utilizzare i componenti open source corrispondenti per costruire applicazioni di Big Data industriali in base alle loro esigenze, nonché diversi tipi e livelli di servizi cloud industriali in base alle loro esigenze, e implementare applicazioni di Big Data industriali su questa base, in modo da concentrarsi maggiormente sulle aree di business e sui campi tecnici in cui le imprese sono brave.
La tecnologia di analisi dei Big Data industriali, in quanto una delle tecnologie principali dei Big Data industriali, può consentire ai prodotti Big Data industriali di estrarre grandi quantità di dati, integrare dati multi-sorgente, modellare conoscenze multi-tipo, analizzare scenari multi-aziendali e scoprire conoscenze multi-dominio, ecc., il che svolge un ruolo significativo nel guidare la innovazione aziendale e trasformazione e riqualificazione delle imprese.




