通过电子邮件获得 Hortonworks 的最新更新

每月一次,接收最新的洞察力、趋势、分析信息和大数据的知识。

CTA

开始

云

是否已准备就绪?

下载 sandbox

我们能为您做什么?

关闭关闭按钮
CTA

大数据在制造业和
物联网互联工厂中的应用

云 Hortonworks 是领导者。阅读 Forrester Wave。

下载报告

更智能

制造归根结底就是效率。使用互联设备、物联网 (IoT)、预测分析和机器学习,制造商组织现在可以利用大量的数据在制造业以创造效率,并首先在市场上提供更好的产品,同时降低成本和提高客户满意度,以制造更好的产品并率先投放市场。

了解更多

将数据转变为优质产品和高效率流程

现在,相对便宜的传感器和物联网设备可以在制造供应链中的很多步骤中收集和频繁传输数据:设计室、供应链、生产线和保修操作。Hortonworks DataFlow (HDF™) 安全地收集实时传感器动态数据,允许制造商在问题发生后快速识别问题,无论问题发生在互联工厂中的什么位置。Hortonworks Data Platform 可以对不适合旧平台的数据进行历史分析,从而帮助工程师从被动地避免问题转变为主动地改进流程。

使用案例

确保准时交付原材料

制造商希望最大限度减少保留的库存,并且更希望原材料准时交货。另一方面,没有存货可能导致不利的生产延迟。制造业中的传感器和 RFID 标签以及物联网可降低捕获供应链数据的成本,但这也会产生大量、持续的数据流。Hadoop 能够以相对较低的成本存储这种非结构化数据。这意味着,制造商可以更多地洞察供应链的历史,并且可以看到大型模式,这些模式在几个月的数据中可能不会显示出来。这一情报为制造商提供了更多的提前时间来调整供应链混乱。还能让互联工厂降低供应链成本并提高成品的利润。


采用实时和历史的组装线数据以实现质量控制。

高科技制造商使用传感器来捕获制造过程中关键步骤中的数据。该数据在制造时很有用,可以在问题发生时检测到问题。但是,一些细微问题(也就是未知的未知数)可能在制造时无法被检测到。不过,这些未知因素可能在产品购买后导致更高的故障率。当产品因为有问题而被退货时,制造商可以对产品进行取证测试,并将取证数据与制造产品时获得原始传感器数据相结合。制造的大数据增加了对大量产品的洞察力,帮助制造商将流程和产品提升到在数据不足环境中无法实现的高度。


借助主动性设备维护来避免停工

目前,制造工作流涉及到在预定义的精确步骤之间进行协调的精密机器。一台机器故障可能导致整个生产线停工。提前维护会产生成本;对于维护和修理有最佳计划:不能太早,也不能太晚。机器学习算法可以将每种设备的维护事件和机器数据与其故障历史记录进行比较。这些算法可以根据实时信息和历史数据而派生出最佳维护计划。使用制造预测分析可以最大限度提高设备利用率,降低工厂和设备费用并避免突然停工。


提高制药产量

生物医药制造需要仔细监视和控制环境条件。任何生产运行的目标是最大限度提高首次产出率 (FTY),这是产品首次通过产品线时正确制造的产品数量。FTP 每增加百分之一都表示生产成本的降低。对操作的洞察力不佳通常会阻碍 FTY 提升。如果传感器数据能够与其他现有数据存储器集成,传感器可以提供原始数据来提高这种洞察力。Hadoop Data Lake 简化了这种集成,因为 Hadoop 在提取数据之前不需要先验模式。此外,Hadoop 的更低成本存储意味着群集可以存储更多数据、更多格式、更长时间,以探索数据中的新型关系。阅读了解默克研究实验室如何通过 Hortonworks Data Platform 来优化生物医药制造。

众包质量保证

彻底测试过的产品仍会有售后问题。客户可能不会向制造商报告问题,但仍会在社交媒体上向朋友和家人抱怨产品。这种关于产品问题的社交数据流可能增加来自传统支持渠道的产品反馈。Hadoop 存储海量的社交媒体情绪数据。制造商可以挖掘该数据以发现有关产品在其生命周期中如何延误的早期信号。能够快速了解问题并采取提前操作来保护产品的声誉,这对于赢得和保持客户忠诚度很重要。