Промышленные большие данные относятся к большому количеству диверсифицированных временных рядов, генерируемых с высокой скоростью промышленным оборудованием [1] , известным как Интернет вещей . [2] Термин появился в 2012 году вместе с концепцией « Индустрия 4.0 » и относится к большим данным , популярным в маркетинге информационных технологий , поскольку данные, созданные промышленным оборудованием, могут иметь большую потенциальную ценность для бизнеса . Данные используют преимущества промышленной интернет- технологии, используя необработанные данные для поддержки принятия управленческих решений ., чтобы снизить затраты на техническое обслуживание и улучшить обслуживание клиентов . [2] Дополнительную информацию см. в разделе « Интеллектуальная система обслуживания» .
Большие данные — это данные, генерируемые в больших объемах, с большим разнообразием и с высокой скоростью, которые требуют новых технологий обработки для обеспечения более эффективного принятия решений , поиска знаний и оптимизации процессов . [4] Иногда также добавляется характеристика достоверности, чтобы подчеркнуть качество и целостность данных. [5] Однако для промышленных больших данных должно быть еще два «V». Одним из них является видимость, которая относится к обнаружению неожиданного понимания существующих активов и / или процессов и, таким образом, к преобразованию невидимых знаний в видимую ценность. Другой "V" является значением.
Поскольку данные автоматизированного промышленного оборудования генерируются с невероятной скоростью и в больших объемах, инфраструктура хранения и управления этими данными становится первой проблемой, с которой сталкивается любая отрасль. В отличие от традиционной бизнес-аналитики, которая в основном фокусируется на внутренних структурированных данных и обрабатывает эту информацию в регулярно повторяющихся циклах [6] , аналитическая система «Промышленные большие данные» требует аналитики в режиме, близком к реальному времени, и визуализации результатов.
Первый шаг — собрать правильные данные. [7] Поскольку уровень автоматизации современного оборудования становится все выше, данные генерируются все большим количеством датчиков. Признание того, что параметры связаны с состоянием оборудования, важно для уменьшения объема данных, которые необходимо собрать, и для повышения эффективности и действенности анализа данных.
Следующим шагом является создание системы управления данными, которая сможет обрабатывать большие объемы данных и выполнять аналитику почти в режиме реального времени. Чтобы обеспечить быстрое принятие решений, хранение, управление и обработка данных должны быть более интегрированными. [7] Компания General Electric построила прототип инфраструктуры хранения данных для парка газовых турбин. [8] Было доказано, что разработанная система на основе сеток данных в памяти (IMDG) способна обрабатывать сложные потоки данных с высокой скоростью и большим объемом, выполняя аналитику данных почти в реальном времени. Они считают, что разработанная технология продемонстрировала жизнеспособный путь к реализации пакетной инфраструктуры управления «промышленными большими данными». По мере снижения цен на память такие системы станут центральными и фундаментальными для будущей промышленности.
Киберфизические системы — это основная технология промышленных больших данных. Киберфизические системы — это системы, требующие бесшовной интеграции между вычислительными моделями и физическими компонентами. [9] В отличие от традиционной технологии работы, «Промышленные большие данные» требуют, чтобы решение было основано на гораздо более широкой информации, центральной частью которой является состояние оборудования. T Усовершенствованные процессы еще больше повысят производительность и снизят затраты. с миссией «Промышленных больших данных», которая состоит в том, чтобы выявить идеи из большого количества необработанных данных и превратить эту информацию в ценность. Это сочетает в себе мощь информационных технологий и технологий эксплуатации для создания информационной прозрачной среды для поддержки принятия решений пользователями разных уровней.