大数据在制造业有哪些实践

大数据在制造业中的10种应用

01.矿石冶炼过程得到改善

一家贵金属制造商曾面临矿石质量下降的问题。解决方法是改善金属的提取和精炼工艺。利用来自传感器的数据，大数据解决方案可以检测到影响出品的因素。事实证明，最重要的因素是氧气水平。在了解了这些信息之后，研究小组对淋溶过程（译者注：使土壤的矿物质被水溶解的过程）进行了调整，使浸出率提高了3.7％。矿石曾经的废品率为20％，但是大数据分析消除了这种情况，同时每年为制造商带来1000到2000万美元的额外收益。

02.提高化工品产量

欧洲顶级化学品制造商设定了提高产量的目标。他们的大数据解决方案使用传感器数据来分析影响生产输出的每个因素。这些因素包括：二氧化碳流量，冷却液压力，数量，温度。将这些比率相互比较。二氧化碳流速被证明是决定性因素。在参数变化适度的情况下，原材料浪费减少了20％，能源成本减少了15％，并且产量得到了大幅提高。

03.提高疫苗产量

一家制药巨头正在寻找一种通过大数据解决方案提高疫苗产量的方法。通过分析来自设备的传感器数据，揭示相互依存关系并比较不同的参数，可以找到，审查和调整最重要的参数。这使一种疫苗的疫苗产量提高了50％，每年增加了500-1000万美元的额外收入。

04.优化食用糖生产

一家大型食糖制造商遭受着高湿度和原材料质量差的困扰，这影响了食糖的口味。尽管有外部因素，大数据解决方案仍可快速提高产品质量并创建统一的糖标准。解决了最初的问题，降低了生产成本，简化了工作量，并提高了客户满意度。

05.车辆质量保证

自2014年以来，宝马一直在使用大数据来检测其原型中的缺陷。数据是从测试中安装在原型上的传感器以及使用中的汽车中收集的。大数据分析发现了已售出的原型和汽车的薄弱环节和错误。工程师有机会在批量生产之前消除原型中的漏洞，从而减少了未来的召回次数。通过这样做，宝马挽救了生命，树立了品牌价值，并降低了保修成本。

06.设计飞机发动机

劳斯莱斯（Rolls-Royce）是大数据技术的著名用户，在新飞机发动机的制造中使用了这一技术。大数据解决方案在设计阶段进行控制，在仿真过程中分析数TB的信息。该公司很早就知道模型的优点和缺点，这可以降低与缺陷相关的成本，提高产品质量，并最终挽救生命。

07.基于数据扩展企业

大数据解决方案可以回答在特定位置开设新工厂是否有利可图的问题。基于历史数据的预测模型和假设情景不仅可以提供帮助，还可以预测对新产品或进入新市场的需求。

08.获取原材料

一个企业正在寻找更好的方式来交付原材料并减少供应链故障的成本。根据供应商的路线详细信息，天气，交通数据和其他因素，与物料需求计划集成的大数据工具利用预测分析来找出可能的延误。现在，企业可以不间断地生产，并大大降低停机成本。

09.预测性维护

英特尔的工厂设备将物联网收集的数据直接传输到其大数据解决方案中。通过执行此操作，可以实现模式识别，可视化和故障检测。那里的工程师清楚地看到了这种趋势，并立即采取行动以防止严重的故障。这种预测性维护解决方案将反应时间从近四个小时缩短到了半分钟，并显着降低了成本。2017年节省了高达1亿美元。

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!