Τα βιομηχανικά μεγάλα δεδομένα αναφέρονται σε όλα τα είδη δεδομένων και συναφών τεχνολογιών και εφαρμογών που δημιουργούνται στον βιομηχανικό τομέα γύρω από το τυπικό έξυπνο μοντέλο παραγωγής, από τη ζήτηση πελατών έως τις πωλήσεις, παραγγελίες, σχεδιασμό, έρευνα και ανάπτυξη, σχεδιασμό, διαδικασία, κατασκευή, προμήθεια, προμήθεια, απόθεμα, αποστολή και παράδοση, μετά την-υπηρεσία μετά την πώληση ή ανακύκλωση ολόκληρου προϊόντος, ανακύκλωση και συντήρηση ολόκληρου του προϊόντος κάθε σύνδεσμο. Τα βιομηχανικά μεγάλα δεδομένα είναι ο πυρήνας της έξυπνης παραγωγής, που βασίζεται σε «μεγάλα δεδομένα + βιομηχανικό Διαδίκτυο», υπολογιστικό νέφος, μεγάλα δεδομένα, Διαδίκτυο των πραγμάτων, τεχνητή νοημοσύνη και άλλες τεχνολογίες για να οδηγήσει στην αλλαγή των μεθόδων βιομηχανικής παραγωγής και να οδηγήσει στην καινοτόμο ανάπτυξη της βιομηχανικής οικονομίας.
Λεπτομερής περιγραφή της βιομηχανικής τεχνολογίας και εφαρμογής μεγάλων δεδομένων
I. ο ορισμός των βιομηχανικών μεγάλων δεδομένων
Τα βιομηχανικά μεγάλα δεδομένα αναφέρονται στον βιομηχανικό τομέα, γύρω από το τυπικό έξυπνο μοντέλο παραγωγής, από τη ζήτηση των πελατών έως τις πωλήσεις, παραγγελίες, σχεδιασμό, έρευνα και ανάπτυξη, σχεδιασμό, διαδικασία, κατασκευή, προμήθεια, προμήθεια, απόθεμα, αποστολή και παράδοση, εξυπηρέτηση μετά την πώληση, λειτουργία και συντήρηση, σκραπ ή ανακύκλωση και ανακύκλωση διαφόρων τύπων προϊόντων. γενικού όρου και τη σχετική τεχνολογία και εφαρμογές. Επικεντρώνεται στα δεδομένα προϊόντων, τα οποία επεκτείνουν σε μεγάλο βαθμό το εύρος των παραδοσιακών βιομηχανικών δεδομένων, και περιλαμβάνει επίσης τεχνολογίες και εφαρμογές που σχετίζονται με{2}}μεγάλα δεδομένα. Οι κύριες πηγές βιομηχανικών μεγάλων δεδομένων είναι οι ακόλουθες τρεις κατηγορίες.
1. Επιχειρηματικά δεδομένα που σχετίζονται με την παραγωγή και τη λειτουργία
Τα σχετικά επιχειρηματικά δεδομένα παραγωγής και λειτουργίας-προέρχονται κυρίως από το εύρος της παραδοσιακής εταιρικής πληροφόρησης και αποθηκεύονται σε συστήματα πληροφοριών επιχείρησης, όπως παραδοσιακό λογισμικό βιομηχανικού σχεδιασμού και κατασκευής, προγραμματισμού πόρων επιχειρήσεων (ERP), διαχείρισης κύκλου ζωής προϊόντος (PLM), διαχείρισης εφοδιαστικής αλυσίδας (S CM), διαχείριση σχέσεων πελατών (CRM) και συστήματος περιβαλλοντικής διαχείρισης (EMS), κ.λπ. Αυτά τα συστήματα πληροφοριών επιχειρήσεων έχουν συγκεντρώσει μεγάλο όγκο δεδομένων ανάπτυξης προϊόντων, δεδομένων παραγωγής, επιχειρησιακών δεδομένων, δεδομένων πληροφοριών πελατών, δεδομένων εφοδιαστικής και προμήθειας και περιβαλλοντικών δεδομένων. Αυτό το είδος δεδομένων είναι το παραδοσιακό στοιχείο δεδομένων στον βιομηχανικό τομέα και σταδιακά διευρύνει το πεδίο εφαρμογής του στο περιβάλλον εφαρμογών νέας τεχνολογίας όπως το κινητό Διαδίκτυο.
2. Δεδομένα IoT εξοπλισμού
Τα δεδομένα IoT εξοπλισμού αναφέρονται κυρίως σε εξοπλισμό βιομηχανικής παραγωγής και προϊόντα-στόχους στον τρόπο λειτουργίας IoT, σε πραγματικό χρόνο δημιουργία και συλλογή δεδομένων που καλύπτουν τη λειτουργία και τη λειτουργία, τις συνθήκες εργασίας, τις περιβαλλοντικές παραμέτρους και άλλα δεδομένα που αντικατοπτρίζουν την κατάσταση λειτουργίας του εξοπλισμού και των προϊόντων. Τέτοια δεδομένα είναι η νέα και ταχύτερα αναπτυσσόμενη πηγή βιομηχανικών μεγάλων δεδομένων. Τα περιορισμένα βιομηχανικά μεγάλα δεδομένα αναφέρονται σε αυτόν τον τύπο δεδομένων, δηλαδή σε μεγάλο όγκο δεδομένων που παράγονται γρήγορα από βιομηχανικό εξοπλισμό και προϊόντα και την ύπαρξη διαφορών χρονικών-σειρών.
3. Εξωτερικά δεδομένα
Τα εξωτερικά δεδομένα αναφέρονται στις παραγωγικές δραστηριότητες βιομηχανικών επιχειρήσεων και προϊόντων που σχετίζονται με εξωτερικές πηγές δεδομένων της επιχείρησης στο Διαδίκτυο, για παράδειγμα, η αξιολόγηση της περιβαλλοντικής απόδοσης της επιχείρησης των περιβαλλοντικών κανονισμών, η πρόβλεψη των μακρο-κοινωνικο-οικονομικών δεδομένων της αγοράς προϊόντων κ.λπ. Η βιομηχανική τεχνολογία μεγάλων δεδομένων είναι μια σειρά τεχνολογιών και μεθόδων που επιτρέπουν την εξόρυξη και την εμφάνιση της αξίας που περιέχεται στα βιομηχανικά μεγάλα δεδομένα, συμπεριλαμβανομένου του προγραμματισμού δεδομένων, της απόκτησης, της προ{3}}επεξεργασίας, της αποθήκευσης, της ανάλυσης και εξόρυξης, της οπτικοποίησης και του έξυπνου ελέγχου. Η βιομηχανική εφαρμογή μεγάλων δεδομένων είναι η διαδικασία ενσωμάτωσης και εφαρμογής μιας σειράς βιομηχανικών τεχνολογιών και μεθόδων μεγάλων δεδομένων σε ένα συγκεκριμένο βιομηχανικό σύνολο μεγάλων δεδομένων για την απόκτηση πολύτιμων πληροφοριών. Η έρευνα και η ανακάλυψη της βιομηχανικής τεχνολογίας μεγάλων δεδομένων στοχεύει ουσιαστικά στην ανακάλυψη νέων προτύπων και γνώσης από πολύπλοκα σύνολα δεδομένων και στην εξόρυξη πολύτιμων νέων πληροφοριών, ώστε να προωθηθεί η καινοτομία προϊόντων των μεταποιητικών επιχειρήσεων, να βελτιωθεί το επίπεδο λειτουργίας και η παραγωγική αποδοτικότητα και να επεκταθούν νέα επιχειρηματικά μοντέλα.
II. Χαρακτηριστικά βιομηχανικών μεγάλων δεδομένων
Εκτός από τα χαρακτηριστικά των γενικών μεγάλων δεδομένων (μεγάλος όγκος δεδομένων, ποικιλία, ταχύτητα και χαμηλή πυκνότητα τιμής), τα βιομηχανικά μεγάλα δεδομένα έχουν επίσης τα χαρακτηριστικά της χρονικής ακολουθίας, της ισχυρής συσχέτισης, της ακρίβειας και του κλειστού βρόχου.
Μεγάλος όγκος δεδομένων:Το μέγεθος των δεδομένων καθορίζει την αξία και τις πιθανές πληροφορίες των υπό εξέταση δεδομένων. Ο όγκος βιομηχανικών δεδομένων είναι σχετικά μεγάλος, ένας μεγάλος αριθμός δεδομένων υψηλής-συχνότητας από μηχανήματα και εξοπλισμό και δεδομένα Διαδικτύου συνεχίζει να εισρέει και τα σύνολα δεδομένων των μεγάλων βιομηχανικών επιχειρήσεων θα φτάσουν στο επίπεδο PB ή ακόμα και EB.
Ποικιλία (ποικιλία):αναφέρεται στην ποικιλία των τύπων δεδομένων και σε ένα ευρύ φάσμα πηγών. Τα βιομηχανικά δεδομένα διανέμονται ευρέως σε διάφορες πτυχές, όπως μηχανές και εξοπλισμό, βιομηχανικά προϊόντα, συστήματα διαχείρισης και το Διαδίκτυο, και η δομή είναι πολύπλοκη, με δομημένα και ημι{1}}δομημένα δεδομένα ανίχνευσης καθώς και μη δομημένα δεδομένα.
Γρήγορη (ταχύτητα):αναφέρεται στην ταχύτητα λήψης και επεξεργασίας δεδομένων. Οι ανάγκες βιομηχανικής ταχύτητας επεξεργασίας δεδομένων είναι διαφορετικές, οι απαιτήσεις τοποθεσίας παραγωγής- για το χρονικό πλαίσιο ανάλυσης στο επίπεδο του χιλιοστού του δευτερολέπτου, οι εφαρμογές διαχείρισης και λήψης αποφάσεων- πρέπει να υποστηρίζουν διαδραστική ή ομαδική ανάλυση δεδομένων.
Πυκνότητα χαμηλής τιμής (τιμή):Τα βιομηχανικά μεγάλα δεδομένα δίνουν μεγαλύτερη έμφαση στην αξία του χρήστη-και στη χρηστικότητα των ίδιων των δεδομένων, συμπεριλαμβανομένων: βελτίωσης της ικανότητας καινοτομίας και της αποδοτικότητας παραγωγής και λειτουργίας και προώθησης εξατομικευμένης προσαρμογής, μετασχηματισμού υπηρεσιών και άλλων νέων τρόπων έξυπνης αλλαγής παραγωγής.
Αλληλουχία:Τα Industrial Big Data έχουν μια ισχυρή χρονική ακολουθία, όπως παραγγελίες, δεδομένα κατάστασης εξοπλισμού.
Ισχυρή-συνάφεια:Από τη μία πλευρά, τα δεδομένα στο ίδιο στάδιο του κύκλου ζωής του προϊόντος έχουν μεγάλη συνάφεια, όπως η σύνθεση των εξαρτημάτων του προϊόντος, οι συνθήκες εργασίας, η κατάσταση του εξοπλισμού, η συντήρηση και η συμπληρωματική προμήθεια εξαρτημάτων. Από την άλλη πλευρά, τα δεδομένα σε διαφορετικά στάδια του κύκλου ζωής του προϊόντος, όπως η Ε&Α και ο σχεδιασμός, η παραγωγή και η εξυπηρέτηση, πρέπει να συσχετιστούν.
Ακρίβεια:αναφέρεται κυρίως στην αυθεντικότητα, την πληρότητα και την αξιοπιστία των δεδομένων και δίνει μεγαλύτερη προσοχή στην ποιότητα των δεδομένων καθώς και στην αξιοπιστία των τεχνικών και μεθόδων επεξεργασίας και ανάλυσης. Οι υψηλότερες απαιτήσεις εμπιστοσύνης για την ανάλυση δεδομένων, βασιζόμενοι μόνο στη στατιστική ανάλυση συσχέτισης δεν αρκούν για να υποστηρίξουν τη διάγνωση σφαλμάτων, την πρόβλεψη και την έγκαιρη προειδοποίηση και άλλες βιομηχανικές εφαρμογές, την ανάγκη συνδυασμού του φυσικού μοντέλου με το μοντέλο δεδομένων, τη σχέση αιτίου και αποτελέσματος εξόρυξης.
Κλειστός-βρόχος:συμπεριλαμβανομένου του κλεισίματος και της συσχέτισης της αλυσίδας δεδομένων στην οριζόντια διαδικασία ολόκληρου του κύκλου ζωής του προϊόντος, καθώς και της κατακόρυφης διαδικασίας απόκτησης και επεξεργασίας δεδομένων της έξυπνης κατασκευής, η οποία πρέπει να υποστηρίζει τη δυναμική και συνεχή προσαρμογή και βελτιστοποίηση στα σενάρια κλειστού-βρόχου ανίχνευσης κατάστασης, ανάλυσης, ανάδρασης και ελέγχου.
Λόγω των παραπάνω χαρακτηριστικών, τα βιομηχανικά μεγάλα δεδομένα, ως βιομηχανία εφαρμογών μεγάλων δεδομένων, έχουν ευρεία προοπτική εφαρμογής, ενώ ταυτόχρονα αποτελούν μεγάλη πρόκληση για την παραδοσιακή τεχνολογία διαχείρισης δεδομένων και τεχνολογία ανάλυσης δεδομένων.
III. Βιομηχανική Αρχιτεκτονική Μεγάλων Δεδομένων
Η βιομηχανική αρχιτεκτονική μεγάλων δεδομένων περιλαμβάνει τρεις διαστάσεις: κύκλο ζωής και ροή αξίας, εταιρικό κάθετο επίπεδο και αλυσίδα αξίας πληροφορικής.
Στο επίπεδο κύκλου ζωής και ροής αξίας, σύμφωνα με τους τομείς εφαρμογής των βιομηχανικών μεγάλων δεδομένων, μπορεί να χωριστεί σε τρεις τομείς: ανάπτυξη και σχεδιασμός προϊόντος πριν από την έναρξη της φάσης παραγωγής προϊόντος, διαχείριση αλυσίδας παραγωγής και εφοδιασμού πριν από την παράδοση του προϊόντος και διαχείριση λειτουργίας και συντήρησης και εξυπηρέτησης μετά την παράδοση του προϊόντος.
Στο κατακόρυφο επίπεδο της επιχείρησης, σύμφωνα με τη μέθοδο συλλογής δεδομένων και το επίπεδο εφαρμογής, μπορεί να χωριστεί σε επίπεδο φυσικού συστήματος πληροφοριών, επίπεδο συστήματος πληροφοριών διαχείρισης επιχείρησης και στρώμα συστήματος διασύνδεσης πλατφόρμας.
Στο επίπεδο της αλυσίδας αξίας IT, μπορεί να χωριστεί σε αρχιτεκτονική επιχειρήσεων, αρχιτεκτονική συστημάτων πληροφοριών και αρχιτεκτονική τεχνολογίας πληροφορικής σε τρία επίπεδα, εκ των οποίων η αρχιτεκτονική συστημάτων πληροφοριών μπορεί να χωριστεί σε αρχιτεκτονική εφαρμογών και αρχιτεκτονική πληροφοριών.
1. Διάσταση κύκλου ζωής και ροής αξίας
Η διάσταση του κύκλου ζωής και της ροής αξίας στη βιομηχανική αρχιτεκτονική μεγάλων δεδομένων καλύπτει τα στάδια ολόκληρου του κύκλου ζωής του προϊόντος, π.χ. Ε&Α και σχεδιασμός, παραγωγή, logistics, πωλήσεις, λειτουργία και συντήρηση και εξυπηρέτηση. Μεταξύ αυτών, η παραγωγή, η εφοδιαστική και οι πωλήσεις μπορούν να κατηγοριοποιηθούν περαιτέρω σε αλυσίδα παραγωγής και εφοδιασμού και η διάσταση του κύκλου ζωής και της ροής αξίας περιλαμβάνει τρία πεδία: Ε&Α και σχεδιασμός, παραγωγή και αλυσίδα εφοδιασμού και λειτουργία και συντήρηση και εξυπηρέτηση. Τα σενάρια εφαρμογής κάθε τομέα φαίνονται στο σχήμα 2.
01. Ε&Α και Σχεδιασμός
Τα δεδομένα Ε&Α συσσωρεύονται από το προσωπικό Ε&Α στη διαδικασία της Ε&Α και του σχεδιασμού, τα οποία προέρχονται από όλες τις πτυχές του κύκλου ζωής του προϊόντος, όπως: μεγάλα δεδομένα ζήτησης χρηστών, μεγάλα δεδομένα γνώσης Ε&Α, μεγάλα δεδομένα επαναχρησιμοποίησης προϊόντων, μεγάλα δεδομένα συνεργασίας Ε&Α, κ.λπ.
Οι επιχειρήσεις σχεδιασμού εξατομικευμένης προσαρμογής προϊόντων μπορούν να συλλέγουν την εξατομικευμένη ζήτηση προϊόντων των χρηστών, την αλληλεπίδραση με τους πελάτες προϊόντων και τα δεδομένα συναλλαγών μέσω της πλατφόρμας Διαδικτύου. Η εξόρυξη και η ανάλυση αυτών των δυναμικών δεδομένων πελατών μπορεί να βοηθήσει τους πελάτες να συμμετάσχουν σε δραστηριότητες ανάλυσης ζήτησης προϊόντων και σχεδιασμού προϊόντων για να επιτύχουν προσαρμοσμένο σχεδιασμό και, στη συνέχεια, βασιζόμενοι στην ευέλικτη διαδικασία παραγωγής, μπορείτε να παράγετε προϊόντα προσαρμοσμένα-για τους χρήστες.
Πραγματοποιήστε το σχέδιο προσομοίωσης που βασίζεται σε μεγάλα δεδομένα παραδοσιακές επιχειρήσεις παραγωγής στη δοκιμή και την επαλήθευση της σύνδεσης πρέπει να παράγονται σε είδος για την αξιολόγηση της απόδοσής της και άλλους δείκτες, το κόστος με την αύξηση του αριθμού των δοκιμών και την αύξηση. Η χρήση της τεχνολογίας εικονικής προσομοίωσης μπορεί να επιτύχει την αρχική διαδικασία σχεδίασης Ε & Α της προσομοίωσης, ανάλυσης, αξιολόγησης, επαλήθευσης και βελτιστοποίησης, μειώνοντας έτσι τον όγκο των μηχανικών αλλαγών, βελτιστοποιώντας τη διαδικασία παραγωγής, μειώνοντας το κόστος και την κατανάλωση ενέργειας.
Πραγματοποιήστε εξατομικευμένη προσαρμοσμένη αυτοματοποίηση σχεδίασης που βασίζεται σε μεγάλα δεδομένα παραδοσιακούς εταιρικούς τύπους προϊόντων, τα στυλ δεν είναι πολλά, μπορούν να χρησιμοποιηθούν για χειροκίνητο σχεδιασμό μοντέλων προϊόντων, δειγμάτων παραγωγής και στη συνέχεια τρόπο παραγωγής παραγωγής μαζικής παραγωγής. Με τη συσσώρευση μεγάλου όγκου δεδομένων μοντέλου σχεδιασμού προϊόντος, την ανάλυση της συσχέτισης μεταξύ των δεδομένων σχεδιασμού και με τη βοήθεια της τεχνολογίας μεγάλων δεδομένων και άλλων βοηθητικών εργαλείων σχεδιασμού, μπορεί να πραγματοποιηθεί η αυτοματοποίηση εξατομικευμένης προσαρμοσμένης σχεδίασης και δημιουργίας μοντέλων.
Προώθηση της ενοποίησης και κοινής χρήσης πόρων Ε&Α και επιχειρήσεων καινοτομίας και συνεργατικού σχεδιασμού μέσω της κατασκευής και βελτίωσης της βάσης γνώσεων Ε&Α και σχεδιασμού, για την προώθηση των ψηφιακών σχεδίων, της βιβλιοθήκης τυπικών ανταλλακτικών και άλλων σχεδιαστικών δεδομένων εντός της επιχείρησης, καθώς και των προηγούμενων και μεταγενέστερων επιχειρήσεων στην αλυσίδα εφοδιασμού της κοινής χρήσης πόρων και της καινοτομίας και της συνεργασίας, για ενίσχυση της αλυσίδας διαχείρισης πόρων της επιχείρησης{{0} δυνατότητες συνεργασίας σχεδιασμού. Βελτιώστε την ικανότητα των επιχειρήσεων να διαχειρίζονται και να χρησιμοποιούν παγκόσμιους πόρους Ε&Α, να βελτιστοποιούν και να αναδιοργανώνουν τις διαδικασίες Ε&Α και να βελτιώνουν την αποτελεσματικότητα της Ε&Α.
Καλλιεργήστε νέους τρόπους Ε&Α με βάση την κοινωνικοποιημένη κοινή χρήση και συμμετοχή των πόρων σχεδιασμού και επιτρέψτε στις επιχειρήσεις να πραγματοποιήσουν νέους τρόπους Ε&Α, όπως crowdsourcing και crowdsourcing με βάση τις δικές τους ανάγκες Ε&Α, έτσι ώστε να ενισχυθεί η ικανότητα των επιχειρήσεων να χρησιμοποιούν κοινωνικοποιημένη καινοτομία και κεφαλαιουχικούς πόρους.
02. Παραγωγή και Εφοδιαστική Αλυσίδα
Τα μεγάλα δεδομένα παραγωγής δεν περιλαμβάνουν μόνο πληροφορίες παραγωγής προϊόντος, πληροφορίες παραγγελίας, πληροφορίες εξοπλισμού, πληροφορίες ελέγχου, πληροφορίες υλικού, προγραμματισμό εργασιών προσωπικού, αλλά περιλαμβάνουν επίσης ροή πληροφοριών εσωτερικής διαχείρισης, ροή κεφαλαίου, παραγωγή προϊόντων από ανάντη και μεταγενέστερους προμηθευτές και διαχείριση πελατών και άλλες σχετικές βοηθητικές πληροφορίες διαχείρισης παραγωγής. Η συλλογή δεδομένων παραγωγής βασίζεται στην υπάρχουσα διαχείριση πόρων της επιχείρησης, διαχείριση πληροφοριακά συστήματα.
Πραγματοποιεί-παρακολούθηση και διαχείριση της παραγωγικής διαδικασίας σε πραγματικό χρόνο και προγνωστική συντήρηση του εξοπλισμού παραγωγής, βελτιώνει το επίπεδο διαχείρισης της παραγωγικής διαδικασίας και του εξοπλισμού, βελτιστοποιεί τη διαδικασία παραγωγής και βελτιώνει την ποιότητα των προϊόντων. Οι σύγχρονες γραμμές παραγωγής βιομηχανικής παραγωγής εγκαθίστανται με χιλιάδες μικρούς αισθητήρες για την ανίχνευση της κατάστασης λειτουργίας του εξοπλισμού παραγωγής, όπως θερμοκρασία, πίεση, θερμότητα, κραδασμούς και θόρυβος κ.λπ. Επιπλέον, μπορεί επίσης να ενσωματώσει και να συγκεντρώσει δεδομένα από όλες τις πτυχές της κατασκευής, να δημιουργήσει εικονικά μοντέλα της παραγωγικής διαδικασίας, να προσομοιώσει και να βελτιστοποιήσει τη διαδικασία παραγωγής.
Πραγματοποιήστε εξατομικευμένη προσαρμοσμένη παραγωγή κλίμακας και προωθήστε τη δημιουργία σύγχρονου συστήματος παραγωγής. Μέσω της αυτοματοποίησης της ροής δεδομένων σε ολόκληρο τον κύκλο ζωής του προϊόντος και του αυτοματοποιημένου και έξυπνου ελέγχου ολόκληρης της παραγωγικής διαδικασίας, θα προωθήσει την ανταλλαγή πληροφοριών, την ολοκλήρωση συστήματος και την επιχειρηματική συνεργασία, θα βελτιώσει την ικανότητα κατασκευής ακριβείας, την κατασκευή υψηλών προδιαγραφών και την ευέλικτη επιτάχυνση της παραγωγής, θα υλοποιήσει την εξατομικευμένη παραγωγή, θα υλοποιήσει την εξατομικευμένη παραγωγή όπως έξυπνα εργαστήρια και έξυπνα εργοστάσια, και πραγματοποιήστε έξυπνη παραγωγή.
Πραγματοποιήστε δικτυωμένη συλλογική οικονομία παραγωγής και διαμοιρασμού της παραγωγής. Μέσω του «Internet +», η ενοποίηση και βελτιστοποίηση των παραγωγικών πόρων εντός ή μεταξύ των επιχειρήσεων και η υλοποίηση κάθετης συνεργατικής παραγωγής εντός επιχειρήσεων ή οριζόντιας συνεργατικής παραγωγής μεταξύ επιχειρήσεων. Μέσω του Διαδικτύου + οικονομία κοινής χρήσης, η κοινή χρήση των πόρων καινοτομίας, της παραγωγικής ικανότητας, του αποθέματος και άλλων πόρων παραγωγής για την υλοποίηση της οικονομίας διαμοιρασμού της παραγωγής.
Βελτιστοποιήστε τη βιομηχανική αλυσίδα εφοδιασμού. Η τεχνολογία ηλεκτρονικής αναγνώρισης, όπως η αναγνώριση ραδιοσυχνοτήτων (RFID), η τεχνολογία Διαδικτύου των πραγμάτων (IoT) και η τεχνολογία κινητού Διαδικτύου μπορούν να βοηθήσουν τις βιομηχανικές επιχειρήσεις να αποκτήσουν μεγάλα δεδομένα για την πλήρη αλυσίδα εφοδιασμού προϊόντων και η χρήση τέτοιων δεδομένων για ανάλυση θα επιφέρει σημαντική αύξηση στην αποτελεσματικότητα αποθήκευσης, διανομής και πωλήσεων καθώς και σημαντική μείωση του κόστους.
Πραγματοποιήστε την πρόβλεψη της ζήτησης για να τακτοποιήσετε καλύτερα τα εισερχόμενα αγαθά και την παραγωγή και όταν η ζήτηση πέσει, εντοπίστε την αιτία του προβλήματος και λύστε το.
Πραγματοποιήστε το προφίλ πελατών και την ανάλυση ακριβείας μάρκετινγκ και συμπεριφοράς πελατών, η οποία μπορεί να επεκτείνει τις πηγές πελατών, να βελτιώσει το ποσοστό επιτυχίας του μάρκετινγκ και την αρχική ικανοποίηση και αφοσίωση των πελατών.
03. Πεδίο Λειτουργίας και Συντήρησης και Εξυπηρέτησης
Υπάρχουν πολλές πηγές δεδομένων στον τομέα της λειτουργίας και της συντήρησης και των σέρβις, κυρίως:-δεδομένα κατάστασης λειτουργίας σε πραγματικό χρόνο και δεδομένα περιβάλλοντος περιβάλλοντος που συλλέγονται από τους αισθητήρες που είναι ενσωματωμένοι στα προϊόντα με την άδεια των πελατών. δεδομένα πωλήσεων προϊόντων που λαμβάνονται μέσω της επιχειρηματικής πλατφόρμας, δεδομένα πελατών και την αντίστοιχη αξιολόγηση προϊόντος ή σχόλια χρήσης· παράπονα πελατών και τα αντίστοιχα αρχεία επεξεργασίας· επιστροφές/επιστροφές προϊόντων και τα αντίστοιχα αρχεία συντήρησης.
Με την παρακολούθηση και την ανάλυση των{0}}δεδομένων κατάστασης λειτουργίας σε πραγματικό χρόνο των προϊόντων που συλλέγονται εξ αποστάσεως, μπορούν να πραγματοποιηθούν υπηρεσίες προστιθέμενης αξίας στο διαδίκτυο, όπως η απομακρυσμένη παρακολούθηση και διαχείριση, η διάγνωση σφαλμάτων και η προγνωστική συντήρηση, οι οποίες μπορούν να μειώσουν το κόστος συντήρησης και να βελτιώσουν τη χρήση του προϊόντος.
Αναλύοντας τα δεδομένα χρήσης πελατών και τα δεδομένα περιβάλλοντος περιβάλλοντος του εξοπλισμού, μπορεί επίσης να παρέχει εκτεταμένες υπηρεσίες για τους χρήστες, να επεκτείνει τον χώρο αξίας των προϊόντων και να πραγματοποιήσει τη μετατροπή του{0}}προϊοντοκεντρικού επιχειρηματικού μοντέλου στο μοντέλο "κατασκευή + υπηρεσία".
Αναλύοντας την αξιολόγηση των προϊόντων ή τα σχόλια χρήσης, τα παράπονα πελατών, την ενσωμάτωση χρήσιμων σχολίων στη σχεδίαση προϊόντων και τη βελτίωση προϊόντων και κατηγοριοποιώντας τα παράπονα πελατών, μπορούμε να βελτιώσουμε την ποιότητα του προϊόντος και την ποιότητα των υπηρεσιών μετά την πώληση, να μειώσουμε το ποσοστό παραπόνων και να αυξήσουμε την ικανοποίηση και την αφοσίωση των πελατών.
Αναλύοντας τους λόγους επιστροφής ή επισκευής του προϊόντος και λαμβάνοντας έγκαιρα και αποτελεσματικά μέτρα, μπορούμε να βελτιώσουμε την ποιότητα του προϊόντος και να μειώσουμε το ποσοστό επιστροφής και το ποσοστό επισκευής.
2. Κατακόρυφη στρώση επιχείρησης
Το εταιρικό κάθετο επίπεδο της βιομηχανικής αρχιτεκτονικής μεγάλων δεδομένων χωρίζεται σε πέντε επίπεδα από την προοπτική του φυσικού τομέα από κάτω προς τα πάνω, τα οποία είναι το επίπεδο εξοπλισμού, το επίπεδο ελέγχου, το επίπεδο εργαστηρίου, το επίπεδο της επιχείρησης και το επίπεδο συνεργασίας. Στο επίπεδο εξοπλισμού, στο επίπεδο ελέγχου και στο επίπεδο εργαστηρίου, το Internet of Things μπορεί να χρησιμοποιηθεί για την υλοποίηση έξυπνων εργοστασίων με βάση το φυσικό σύστημα πληροφοριών. στο εταιρικό επίπεδο, η επιχείρηση ενσωματώνει διάφορες εσωτερικές εφαρμογές πληροφόρησης, πραγματοποιεί την ενοποίηση και μετασχηματισμό εσωτερικών επιχειρηματικών διαδικασιών και βελτιώνει τη λειτουργική αποτελεσματικότητα της επιχείρησης. και στο επίπεδο συνεργασίας, το βιομηχανικό νέφος και άλλες τεχνολογίες πλατφόρμας χρησιμοποιούνται για την υλοποίηση της εξωτερικής συνεργατικής κατασκευής της επιχείρησης και καινοτόμων επιχειρηματικών μοντέλων, όπως το μοντέλο με προσανατολισμό στις υπηρεσίες κατασκευής-. Η κάθετη διάσταση της επιχείρησης μπορεί να χωριστεί σε τρία υποσυστήματα: φυσικό σύστημα πληροφοριών, σύστημα πληροφοριών διαχείρισης επιχειρήσεων και σύστημα πλατφόρμας διασύνδεσης.
01.Πληροφοριακό Φυσικό Σύστημα
Το φυσικό σύστημα πληροφοριών συλλέγει και συγκεντρώνει δεδομένα λειτουργίας μηχανής και δεδομένα τοποθεσίας παραγωγής μέσω αισθητήρων και διαφόρων συστημάτων πληροφοριών για να πραγματοποιήσει την πανταχού παρούσα ανίχνευση, και εφαρμόζει τεχνολογία ενοποίησης και επεξεργασίας δεδομένων για συλλογή και ανταλλαγή βιομηχανικών δεδομένων, παραγωγή ανατροφοδότησης και ελέγχου, για επίτευξη ελέγχου και αλληλεπίδρασης με εξοπλισμό και εργαστήρια. υποστήριξη για λήψη απόφασης-βελτιστοποίηση των λειτουργιών του συνεργείου/εργοστασίου. Παρέχει επίσης βάση δεδομένων για βιομηχανική μοντελοποίηση/προσομοίωση και ανάλυση, η οποία με τη σειρά της παρέχει υπηρεσίες υποστήριξης για τη βελτιστοποίηση αποφάσεων λειτουργίας συνεργείου/ εργοστασίου. Στο κατακόρυφο επίπεδο της επιχείρησης βιομηχανικής αρχιτεκτονικής μεγάλων δεδομένων, το φυσικό σύστημα πληροφοριών που χρησιμοποιείται για τη συλλογή πληροφοριών στο επίπεδο βιομηχανικού εξοπλισμού βασίζεται σε μεγάλα δεδομένα, δίκτυο και υπολογισμό μάζας και μέσω του πυρήνα έξυπνης αντίληψης, ανάλυσης, εξόρυξης, αξιολόγησης, πρόβλεψης, βελτιστοποίησης, συνεργασίας και άλλων τεχνικών μέσων, ο υπολογισμός, η επικοινωνία και ο έλεγχος μπορούν να πραγματοποιήσουν την οργανική σύντηξη και τη συνεργασία {3} κυβερνοχώρος και φυσικός χώρος βιομηχανικών εξοπλισμών, περιβαλλόντων και ομάδων. Βαθιά ολοκλήρωση. Η ουσία του φυσικού συστήματος πληροφοριών έγκειται στη σύνδεση του φυσικού εξοπλισμού με το Διαδίκτυο, έτσι ώστε ο φυσικός εξοπλισμός να έχει πέντε κύριες λειτουργίες: υπολογισμό, επικοινωνία, ακριβή έλεγχο, απομακρυσμένο συντονισμό και αυτονομία.
02.Πληροφοριακό Σύστημα Διαχείρισης Επιχειρήσεων
Η πληροφορική των επιχειρήσεων είναι η διαδικασία εφαρμογής της τεχνολογίας των πληροφοριών και των προϊόντων στις επιχειρήσεις. Η επιχειρησιακή πληροφόρηση είναι η διαδικασία συνολικής διείσδυσης της τεχνολογίας της πληροφορίας από το τοπικό σε παγκόσμιο, από το τακτικό σε στρατηγικό επίπεδο στις επιχειρήσεις, την εφαρμογή της στη διαχείριση διαδικασιών και την υποστήριξη της λειτουργίας και διαχείρισης της επιχείρησης. Η πληροφόρηση της επιχείρησης περιλαμβάνει κυρίως τον έλεγχο της διαδικασίας παραγωγής, τη διαχείριση της επιχείρησης, τη διαχείριση του κύκλου ζωής του προϊόντος, τη βελτιστοποίηση της αλυσίδας εφοδιασμού και τις διαδικασίες διαχείρισης. Η πληροφόρηση για τον έλεγχο της διαδικασίας παραγωγής επικεντρώνεται στην ανάπτυξη και σχεδιασμό προϊόντων, στη ροή της διαδικασίας παραγωγής, στη διαχείριση συνεργείου, στην επιθεώρηση ποιότητας και σε άλλους δεσμούς σχεδιασμού και παραγωγής. Η πληροφορική διαχείρισης επιχειρήσεων είναι το μεγαλύτερο ποσοστό κατασκευής πληροφοριών για επιχειρήσεις, το πιο δύσκολο, το πιο ευρέως χρησιμοποιούμενο σε έναν τομέα, που περιλαμβάνει τη διαχείριση επιχειρήσεων και όλα τα επίπεδα. Η κατασκευή πληροφορικής της εταιρικής διαχείρισης συνίσταται στη συλλογή, επεξεργασία, οργάνωση και ενοποίηση πόρων πληροφοριών αποτελεσματικά μέσω του συστήματος εφαρμογής ενοποίησης πληροφοριών με βάση την τυποποίηση βασικών εργασιών διαχείρισης και τη βελτιστοποίηση των επιχειρηματικών διαδικασιών, τη βελτίωση της αποτελεσματικότητας διαχείρισης και την παροχή-δυναμικών πληροφοριών διαχείρισης και πληροφοριών λήψης αποφάσεων σε πραγματικό χρόνο. Η πληροφόρηση της διαχείρισης της αλυσίδας εφοδιασμού επιχειρήσεων κάνει τις δραστηριότητες παραγωγής και διαχείρισης της επιχείρησης να επεκτείνονται προς τα εμπρός και προς τα πίσω. Επιχειρήσεις από την προμήθεια πρώτων υλών, εξαρτημάτων, μεταφορά, αποθήκευση, επεξεργασία και κατασκευή, πωλήσεις, μέχρι την τελική παράδοση και εξυπηρέτηση στους πελάτες, που σχηματίζουν μια δομή αλυσίδας που αποτελείται από προμηθευτές ανάντη, ενδιάμεσους παραγωγούς και τρίτους-παρόχους υπηρεσιών, πελάτες μεταγενέστερων πωλήσεων και τις παραγωγικές δραστηριότητες των επιχειρήσεων, οι αλυσίδες προμηθειών και οι διαδικασίες διαχείρισης υπόκεινται σε επηρεασμό.
03.Σύστημα Συνδεδεμένης Πλατφόρμας
Επί του παρόντος, η βιομηχανική ανάπτυξη της Κίνας και των περισσότερων χωρών αντιμετωπίζει μεγάλες δυσκολίες και προκλήσεις, όπως: σοβαρή πλεονάζουσα παραγωγική ικανότητα, σπανιότητα εξατομικευμένων προϊόντων, τα προϊόντα γίνονται όλο και πιο περίπλοκα, τα μέσα παραγωγής δεν μπορούν να διαμορφωθούν αποτελεσματικά και η αγορά εξοπλισμού μεγάλης κλίμακας κορεστεί ολοένα και περισσότερο, κ.λπ. Το "Internet +" πολύ δυναμική σκέψη και καινοτόμα επιχειρηματικά μοντέλα, για τα δεινά της μεταποιητικής βιομηχανίας που έχει επείγουσα ανάγκη μετασχηματισμού και αναβάθμισης, παρέχει μια νέα κατεύθυνση μετασχηματισμού, μέσω της μεταρρύθμισης των μεθόδων παραγωγής και των επιχειρηματικών μοντέλων και της βελτίωσης της τεχνολογίας παραγωγής, για να επιτευχθεί εξατομίκευση πελατών προσαρμοσμένων προϊόντων, μικρής παρτίδας, μεγάλης-παραγωγής μεγάλης κλίμακας, για επίλυση του προβλήματος της βιομηχανικής παραγωγής μεγάλης κλίμακας-. Με τη μεταρρύθμιση των μεθόδων παραγωγής και των επιχειρηματικών μοντέλων και τη βελτίωση της τεχνολογίας παραγωγής, μπορούμε να πραγματοποιήσουμε μικρή-πολλή, μεγάλη-παραγωγή εξατομικευμένων προϊόντων για να λύσουμε το πρόβλημα της μεγάλης-υπερπαραγωγικής ικανότητας βιομηχανικών προϊόντων και της αδυναμίας κάλυψης της εξατομικευμένης ζήτησης των πελατών για προϊόντα, ώστε να ικανοποιηθεί η ζήτηση για σεβασμό και επιβεβαίωση των πελατών{10} καθώς και{10}.
Προσπαθήστε να λύσετε το πρόβλημα της αδύναμης βασικής τεχνολογίας και της χαμηλής παραγωγικής ικανότητας προϊόντων υψηλών-τελικών προϊόντων μέσω δικτυωμένης συνεργατικής κατασκευής, π. σπάσει τα κλειστά όρια και επιτάχυνση της μετατροπής από «μάχη μόνο» σε «βιομηχανική συνεργασία». «στη βιομηχανική συνέργεια και προώθηση της συνολικής ανταγωνιστικότητας του κλάδου.
Προσπαθήστε να βελτιώσετε το πρόβλημα της πλεονάζουσας παραγωγικής ικανότητας χωρίς αποτελεσματική κατανομή πόρων και αδύναμη ανεξάρτητη ικανότητα καινοτομίας μέσω της καινοτομίας και της επιχειρηματικότητας, της κατασκευαστικής οικονομίας διαμοιρασμού.
Με άξονα το βασικό προϊόν, μέσω της συλλογής και ανάλυσης των δεδομένων χρήσης των πελατών του προϊόντος και των δεδομένων του περιβάλλοντος περιβάλλοντος, παροχή στους χρήστες εκτεταμένων υπηρεσιών, επέκταση του χώρου αξίας του προϊόντος, επέκταση νέων αγορών και υλοποίηση του μετασχηματισμού του-προϊόντος επικεντρωμένου επιχειρηματικού μοντέλου στο μοντέλο "κατασκευή + υπηρεσία".
3. IT Value Chain
Η αξία των μεγάλων δεδομένων πραγματοποιείται μέσω δραστηριοτήτων όπως η συλλογή δεδομένων, η προ{0}}επεξεργασία, η ανάλυση, η οπτικοποίηση και η πρόσβαση.
Στη διάσταση της αλυσίδας αξίας πληροφορικής, η αξία των μεγάλων δεδομένων πραγματοποιείται μέσω της παροχής δικτύων, υποδομών, πλατφορμών, εργαλείων εφαρμογών και άλλων υπηρεσιών που φιλοξενούν μεγάλα δεδομένα για εφαρμογές μεγάλων δεδομένων, βελτιώνοντας έτσι τη λειτουργική αποτελεσματικότητα και υποστηρίζοντας την επιχειρηματική καινοτομία. Η επιχειρησιακή αρχιτεκτονική που υποστηρίζεται από την τεχνολογία μεγάλων δεδομένων μπορεί να χωριστεί σε τρία επίπεδα: αρχιτεκτονική επιχειρήσεων, αρχιτεκτονική συστημάτων πληροφοριών και αρχιτεκτονική τεχνολογίας πληροφορικής με αναφορά στη μέθοδο διαίρεσης TOGAF.
01. Αρχιτεκτονική Επιχειρήσεων
Η επιχειρηματική αρχιτεκτονική ορίζει την επιχειρηματική στρατηγική, τη διαχείριση, την οργάνωση και τις βασικές επιχειρηματικές διαδικασίες και αποτελεί το θεμέλιο της ολοκληρωμένης στρατηγικής πληροφορικής και της αρχιτεκτονικής συστημάτων πληροφορικής της επιχείρησης, καθώς και τον καθοριστικό παράγοντα της αρχιτεκτονικής δεδομένων, εφαρμογών και τεχνολογίας. Η επιχειρηματική αρχιτεκτονική είναι το κανάλι που μεταφράζει την επιχειρηματική στρατηγική ενός οργανισμού σε καθημερινές λειτουργίες και η επιχειρηματική στρατηγική καθορίζει την επιχειρηματική αρχιτεκτονική. Η επιχειρηματική αρχιτεκτονική μετατρέπει επιχειρηματικές στρατηγικές και στόχους υψηλού{2}}επιπέδου σε λειτουργικά επιχειρηματικά μοντέλα. Η επιχειρηματική αρχιτεκτονική είναι μια έκφραση της βασικής επιχειρηματικής στρατηγικής της επιχείρησης και των επιχειρηματικών λειτουργιών και διαδικασιών, συνήθως ένα επιχειρηματικό σχέδιο που υλοποιείται με βάση ένα επιχειρηματικό μοντέλο, το οποίο περιγράφει τις επιχειρηματικές ενότητες και τις μεταξύ τους σχέσεις, δηλαδή τις κύριες διαδικασίες της επιχείρησης, από διαφορετικές οπτικές γωνίες. Η επιχειρηματική αρχιτεκτονική είναι μια σωστή οριοθέτηση των κύριων και κοινών διαδικασιών της επιχείρησης, καθώς και η άρθρωση και ανάλυση του κύκλου ζωής των επιχειρηματικών στοιχείων. Η αξία των βιομηχανικών μεγάλων δεδομένων μπορεί να ληφθεί με στρατηγικό σχεδιασμό βιομηχανικών επιχειρήσεων μεγάλων δεδομένων και κατασκευής επιχειρηματικής αρχιτεκτονικής.
02.Αρχιτεκτονική Πληροφοριακών Συστημάτων
Προκειμένου να δοθεί πλήρης σημασία στην αξία των βιομηχανικών μεγάλων δεδομένων και να αποφευχθεί ο σχηματισμός "νησιών πληροφοριών", είναι απαραίτητο να οικοδομηθεί μια ενοποιημένη αρχιτεκτονική συστημάτων πληροφοριών για να πραγματοποιηθεί η πρόσβαση των χρηστών και η διαλειτουργικότητα διαφόρων συστημάτων εφαρμογών και δεδομένων. Η αρχιτεκτονική του πληροφοριακού συστήματος που βασίζεται στην επιχειρηματική στρατηγική βιομηχανικών μεγάλων δεδομένων είναι μια αρχιτεκτονική που αντικατοπτρίζει τη σχέση μεταξύ των διαφόρων στοιχείων του πληροφοριακού συστήματος μιας μεταποιητικής επιχείρησης, καθώς και τη σχέση μεταξύ του πληροφοριακού συστήματος και της σχετικής επιχείρησης και μεταξύ του πληροφοριακού συστήματος και της σχετικής τεχνολογίας. Η αρχιτεκτονική συστημάτων πληροφοριών περιλαμβάνει την αρχιτεκτονική εφαρμογών και την αρχιτεκτονική δεδομένων. Μεταξύ αυτών, η αρχιτεκτονική εφαρμογών περιγράφει το σχέδιο του συστήματος εφαρμογών που απαιτείται για την υποστήριξη της λειτουργίας της επιχείρησης, συμπεριλαμβανομένων των επιπέδων εφαρμογής, των λειτουργιών, των μεθόδων υλοποίησης και των προτύπων κατασκευής, κ.λπ. Η βιομηχανική αρχιτεκτονική εφαρμογών μεγάλων δεδομένων περιέχει και τα δύο συστήματα εφαρμογών που αντιστοιχούν στα διάφορα επίπεδα του κάθετου επιπέδου της επιχείρησης στη βιομηχανική αρχιτεκτονική μεγάλων δεδομένων και συστήματα εφαρμογών που βασίζονται στην τεχνολογία μεγάλων δεδομένων. Η αρχιτεκτονική δεδομένων, από την άλλη πλευρά, είναι μια περιγραφή της δομής και της αλληλεπίδρασης των κύριων τύπων και πηγών δεδομένων, των λογικών στοιχείων, των φυσικών στοιχείων και των πόρων διαχείρισης δεδομένων ενός πολύπλοκου οργανισμού.
03.Αρχιτεκτονική Πληροφορικής
Με την άνοδο του κύματος Industry 4.0, οι τεχνολογίες πληροφοριών όπως το Internet of Things (IoT), το Cloud Computing, τα Big Data, η Τεχνητή Νοημοσύνη, η Επαυξημένη Πραγματικότητα/Εικονική Πραγματικότητα και άλλες τεχνολογίες πληροφορικής ενσωματώνονται συνεχώς και διεισδύουν στον βιομηχανικό τομέα, γεγονός που θέτει μια στέρεα τεχνολογική βάση για την εφαρμογή βιομηχανικών μεγάλων εφαρμογών δεδομένων. Μεταξύ αυτών, η τεχνολογία IoT καθιστά πανταχού παρόντα τελικό εξοπλισμό και εγκαταστάσεις, οι οποίες μπορούν να συνδεθούν στο Διαδίκτυο σύμφωνα με συμφωνημένα πρωτόκολλα μέσω συσκευών ανίχνευσης πληροφοριών, όπως αναγνώριση ραδιοσυχνοτήτων, αισθητήρες υπερύθρων, συστήματα παγκόσμιων εντοπισμού θέσης κ.λπ., για ανταλλαγή πληροφοριών και επικοινωνία. Η τεχνολογία υπολογιστικού νέφους παρέχει ένα είδος δυναμικής και επεκτάσιμης υπολογιστικής υπηρεσίας που μπορεί να υλοποιηθεί μέσω του δικτύου-κατ' απαίτηση. Η τεχνολογία υπολογιστικού νέφους παρέχει κατ' απαίτηση, δυναμικά επεκτάσιμες και φθηνές υπηρεσίες υπολογιστών μέσω του δικτύου. Η τεχνολογία μεγάλων δεδομένων και η τεχνολογία AI καθιστούν δυνατή την ανάλυση και την εξόρυξη της πιθανής αξίας μαζικών δεδομένων σε αποδεκτό χρονικό διάστημα, καθώς και την υλοποίηση της πρόβλεψης τάσεων και της λειτουργίας ομαδικής ευφυΐας. Η τεχνολογία AR/VR μπορεί να πραγματοποιήσει την προσομοίωση και τη βελτίωση της εμπειρίας του εργοστασιακού περιβάλλοντος, του βιομηχανικού εξοπλισμού κ.λπ. Οι μεταποιητικές επιχειρήσεις παράγουν μεγάλο όγκο δεδομένων κάθε μέρα ή και κάθε στιγμή, με μεγάλη ποικιλία, που καλύπτουν ολόκληρο τον κύκλο ζωής των βιομηχανικών προϊόντων, συμπεριλαμβανομένων δεδομένων σχεδιασμού, δεδομένων παραγωγής, δεδομένων αλυσίδας αξίας και συναφών εξωτερικών δεδομένων. Αυτά τα δεδομένα προέρχονται είτε από αισθητήρες, είτε από το σύστημα ελέγχου συλλογής και παρακολούθησης δεδομένων ευφυούς εξοπλισμού, είτε από το σχεδιαστικό μοντέλο και το σύστημα πληροφοριών της επιχείρησης.
Η υλοποίηση της βιομηχανικής εφαρμογής μεγάλων δεδομένων απαιτεί συλλογή και προ{0}}επεξεργασία δεδομένων, αποθήκευση, ανάλυση και εξόρυξη, εφαρμογή για συγκεκριμένη επιχείρηση και τέλος εμφάνιση των αποτελεσμάτων. Συνεπώς, η βιομηχανική αρχιτεκτονική τεχνολογίας μεγάλων δεδομένων χωρίζεται σε έξι επίπεδα: επίπεδο δεδομένων, επίπεδο συλλογής δεδομένων, επίπεδο αποθήκευσης, επίπεδο υπολογιστών, επίπεδο εφαρμογής και επίπεδο εμφάνισης. Εάν οι επιχειρήσεις κατασκευάσουν κάθε στρώμα μόνες τους, το όριο κατασκευής θα είναι σχετικά υψηλό. Μια σειρά από στοιχεία τεχνολογίας ανοιχτού-που σχετίζονται με βιομηχανικές υπηρεσίες cloud και (βιομηχανική) επεξεργασία μεγάλων δεδομένων έχουν αναπτυχθεί και ολοκληρωθεί στο εσωτερικό και στο εξωτερικό και η τεχνολογία τεχνητής νοημοσύνης έχει σημειώσει περαιτέρω μεγάλη πρόοδο, η οποία παρέχει προαιρετικές λύσεις για τον έξυπνο μετασχηματισμό του βιομηχανικού τομέα και επίσης μειώνει το όριο για την κατασκευή και την εφαρμογή βιομηχανικών εφαρμογών μεγάλων δεδομένων. Οι επιχειρήσεις δεν χρειάζεται να συνειδητοποιήσουν κάθε στοιχείο της τεχνικής αρχιτεκτονικής από μόνες τους, αν δεν είναι απαραίτητο, και μπορούν να επιλέξουν να χρησιμοποιήσουν τα αντίστοιχα στοιχεία ανοιχτού κώδικα για να δημιουργήσουν βιομηχανικές εφαρμογές μεγάλων δεδομένων σύμφωνα με τις ανάγκες τους, καθώς και διαφορετικούς τύπους και επίπεδα βιομηχανικών υπηρεσιών cloud ανάλογα με τις ανάγκες τους, και να εφαρμόσουν βιομηχανικές εφαρμογές μεγάλων δεδομένων σε αυτή τη βάση, ώστε να επικεντρωθούν περισσότερο στους επιχειρηματικούς τομείς και τεχνικούς τομείς στους οποίους είναι καλές οι επιχειρήσεις.
Η τεχνολογία βιομηχανικής ανάλυσης μεγάλων δεδομένων, ως μία από τις βασικές τεχνολογίες των βιομηχανικών μεγάλων δεδομένων, μπορεί να επιτρέψει στα βιομηχανικά προϊόντα μεγάλων δεδομένων να έχουν τη δυνατότητα εξόρυξης τεράστιων δεδομένων, ενσωμάτωσης δεδομένων πολλαπλών-πηγών, μοντελοποίησης πολλών-τεχνικών γνώσεων, ανάλυσης πολλαπλών-επιχειρηματικών σεναρίων και ανακάλυψης πολλών-γνωσίας πολλών-τομέων, κ.λπ., που διαδραματίζει σημαντικό ρόλο στην επιχειρηματική δραστηριότητα και στην καθοδήγηση της επιχείρησης. μετασχηματισμός και αναβάθμιση των επιχειρήσεων.




