大数据如何影响制造业

　　由于物联网设备和其他系统的进步，制造商正在收集比以往更多的数据，从而使他们能够更好地了解其流程和输入。
　　反过来，他们可以采取一些措施，以更大的机会削减成本，缩短产品上市时间并增加收入。
　　当然，制造业非常庞大（许多不同的垂直行业和流程），因此以上是大数据对制造商的帮助的概括。我们无法涵盖本文中的所有细节，但我们可以研究一些常见领域，即：
　　质量控制
　　生产优化
　　预防性维护
　　库存管理
　　改善质量控制以加快上市时间
　　通过改善质量保证和控制流程，您可以通过防止产品召回和其他结果来降低成本。但是，英特尔已经表明，它可以使用大数据来控制质量并加快产品上市时间。
　　英特尔希望在其芯片设计过程中缩短产品验证时间。
　　挑战在于，英特尔每周都要从其验证团队收集200至250 GB的数据。该数据至少为30 TB。
　　手动过程将涉及使验证工程师花费数千小时来发现趋势和关系。相反，英特尔利用AI在短短几个小时内进行了这些测试。该程序还使英特尔能够更早地识别并结束不必要的测试-将测试数量减少了70％。
　　英特尔表示，“ 将人工智能（AI）集成到硅前验证流程中可以提高效率并缩短产品上市时间。 ”
　　优化流程以增加收入
　　到目前为止，有两个部分。
　　首先，制造商正在使用大数据来识别最重要的瓶颈，然后解决这些瓶颈以提高产量或产量。
　　例如，一些贵金属制造商正在使用大数据来查找对其矿石品位影响最大的输入和过程。
　　尤其是一家制造商发现氧气含量的影响最为显着，因此改变了工艺流程，使产量提高了3.7％。它还增加了10-20百万美元的额外收入。
　　其次，该特定制造商（以及美国35％的制造商（来源：PwC））使用IoT（物联网）传感器来收集该数据。
　　关键是您无法将IoT的发展与大数据区分开。前者允许制造商查找他们以前无法访问的数据，更少地用于业务决策。
　　大数据如何影响制造业
　　资料来源：凌讯网络(LISION.CN)
　　预测维护以防止停机
　　由于有了物联网，制造商现在能够从其机器（例如工具，夹具，激光切割机，3D打印机等）收集数据，并将这些数据用于预防性维护（来源：PwC）。
　　他们使用Predictive Analytics运用这些数据。预测分析的想法是使用有关系统过去工作方式的数据来预测未来结果。
　　制造商正在使用有关其机器健康状况的数据来找出过去零件何时（以及如何）发生故障。反过来，他们可以安排何时更换，修理或大修那些零件。
　　预防性维护的好处在于，您可以避免意外的停机时间，因为停机时间会影响产量，交付时间和成本。
　　您可以在不需要活动工厂的情况下（例如，在订单之间）安排停机时间的停机时间。您还可以通过在有损坏风险的机器上进行大修来避免进行某些维修工作，从而降低成本。
　　管理库存以降低成本和维持产出
　　您必须找到有效管理库存的方法，以确保有足够的零件和原材料来维持产量，但是要确保剩余的库存过多，则不要过多。
　　制造商正在使用大数据来预测其产品的需求，确定其供应链中的风险（例如恶劣的天气延迟装运）以及其他因素，以确保他们拥有足够的材料来保持其工厂的满负荷运转，但是却没有曾经在仓储多余的材料上浪费钱。
　　管理库存的有趣之处在于，数据不仅限于零件或材料本身。而是，为了获得准确的见解，您还需要有关其他因素的数据，例如物流，市场行为，生产产出等。
　　最后，使用大数据仍然是一个挑战
　　尽管制造商正在拥抱大数据，但他们并未充分利用其数据资产。
　　实际上，在收集的数据制造商中，有33％有用。但是，制造商仅使用其总数据的0.5％，仅相当于其有价值数据的2％。
　　在管理大数据方面，存在一些挑战。
　　首先，通过内部部署基础结构内部管理数据云的制造商发现数据安全性，维护性和可扩展性具有挑战性。
　　在这方面，制造业可以利用云计算来处理数据。但是，他们还需要投资于使该数据有意义的工具，例如仿真建模，AI，机器学习等，以实现其收入目标。
　　这牵扯到第二个问题：人才。开发这些工具需要专业知识，而这些专业知识很难招募和维护。制造商可以依靠市场来缩小差距。例如，在进行仿真时，他们可以购买Simio等现成的工具，并将建模和仿真工作外包给软件公司。
　　无论如何，尽管使用大数据的成果变得显而易见，但制造商要实现大数据的全部潜力还有很长的路要走。

标签：制造商,英特尔,可以,停机,如何,使用,数据,制造业
来源： https://www.cnblogs.com/lision/p/14407907.html