採用大數據以減少停機時間
電力中斷或停機對於每個工業部門來說都是一個噩夢。製造商每年需要平均處理800小時的停機時間，這意味著生產力損失將從5％升至20％。通過大數據分析與材料科學相結合，配備傳感器技術的“智能機器”可以實時利用工業數據的強大功能，並帶來巨大的好處。
現實生產中，通用電氣公司通過預測機器或某個組件何時發生故障，設法實現了其製造過程的自動化，優化了性能，並消除了停機時間。而每年所獲得的450億美元的市場收入是他們成功的證明。
舉個例子，航空業所實施的遠程監控和問題的早期診斷中，燃氣發動機的一組傳感器每隔30秒將捕獲一次數據。隨後，Hadoop軟件開始發揮作用。其容錯冗餘的Hadoop分佈式文件系統(HDFS)將收集到的數據拆分為可管理的塊，並將其分佈在數千個節點中，為基於MapReduce的極速並行計算奠定基礎。
這種大規模的數據處理有效地處理了大數據的體積、速度和變化三個V值，並幫助通用電氣公司糾正可能的製造缺陷。通過Hadoop支持的分析，每年至少提升1％的燃氣發動機性能，併為客戶節省20億美元的費用。
在大數據時代緩解供應鏈風險
供應鏈充滿了不確定性。如果企業想減少可能的風險，並與零售商和客戶建立良好的關係，則需要再次進行數據分析。在供應鏈中，大數據應用圍繞著可追溯性、採購和倉儲三個主要孤島開展。
例如，物聯網促進數據卓有成效地用於產生有意義的見解，使製造商能夠追蹤貨物和減輕不利的情況。同時，通過從外部和在線渠道挖掘歷史和實時數據，製造商可以發現未來趨勢，並在發生金融危機時獲得應急措施的寶貴時間。大數據的其他應用包括維護最佳庫存水平和改進採購決策。
利用大數據提高產品質量
質量控制（QC）是大數據可以展示其價值的另一個領域。通過仔細檢查製造過程中收集的歷史數據，英特爾公司顯著減少了每個芯片應該經歷的測試次數。英特爾沒有通過19,000次測試來測試每一塊芯片，而是將測試集中在特定芯片上，以縮短測試時間。隨著其不斷開發新芯片，在此期間發現了很多錯誤，並進行了修復。”
而且，採用大數據技術有助於英特爾公司測試設備。通過捕獲和分析傳感器生成的信息，企業可以及早發現生產線故障，並採取預防措施。這種數據驅動的方法已經成為增強質量控制的關鍵推動者和戰略成本的削減者。英特爾公司在2012年節省了300萬美元的生產成本。
閱讀更多 億江科技 的文章
