7 кейсов использования технологий Big Data в сфере производства

в 12:39, , рубрики: apple, big data, data mining, general electric, intel, sap naha, sas, teradata, Yandex Data Factory, Блог компании New Professions Lab, газпром нефть, машинное обучение, ммк, сургутнефтьгаз

На сегодняшний день технологии Big Data нашли свое применение практически в любых отраслях: ритейл, банкинг, здравоохранение, и, в свою очередь, сфера производства не стала исключением. Оптимизация производственной цепочки, выявление дефектов и контроль качества продукции, улучшение удобства использования продукта на основе поведения потребителей – неполный список результатов, которых можно достичь в производственной сфере благодаря Big Data. Рассмотрим несколько кейсов зарубежных и отечественных компаний, внедривших технологии больших данных в свою деятельность.

Зарубежные компании

1. Apple

Цель внедрения Big Data: использование данных о поведении потребителей для улучшения дизайна и удобства использования продукта.

Компания Apple всегда находилась на вершине технологического прогресса, поэтому неудивительно, что она повсеместно использует технологии Big Data. Более того, компания изначально находится в выигрышном положении, не только в связи с огромной популярностью ее продукции, но и потому что все девайсы Apple буквально созданы для того, чтобы собирать ценную информацию. Сейчас Apple имеет огромное количество данных о том, как мы используем Iphone, Ipad и Macbook, и может делать выводы о том, каким должен быть дизайн и характеристики последней версии девайса.

image

Более того, кардинальным образом меняется подход к дизайну приложений: теперь не приложение диктует пользователю условия его использования, а потребители дают компании знать, что именно требует исправления в новой версии.

Кульминацией успешного использования Big Data компанией Apple является распространение Apple Watch, ведь теперь возможности сбора данных о пользователе становятся практически безграничными: в компании знают, что носитель часов ел, сколько шагов он прошел, какая у него температура. На данный момент эти данные используются в основном для улучшения здоровья потребителей.

Компания IBM также выразила заинтересованность в данной технологии и заключила с Apple партнёрское соглашение. Вместе компании собираются использовать Big Data для предотвращения распространения болезней, их лечения и профилактики.

Результат: повышение лояльности и уровня удовлетворенности клиентов.

2. GE Oil & Gas

Цель внедрения Big Data: минимизация времени «простоя» производства.

General Electric Oil & Gas – одно из подразделений многоотраслевой корпорации GE, которое занимается производством высокотехнологичного оборудования для нефтегазового сектора. В условиях, когда снижаются цены на энергоресурсы, а сутки «простоя» могут обойтись в 7 миллионов долларов, жизненно важно минимизировать время незапланированной остановки производства, необходимо увеличивать эффективность нефтедобычи.

image

Благодаря сенсорам, установленным на продаваемом оборудовании, аналитики компании получают оперативную информацию о состоянии нефтедобычи, а для анализа массивов данных в 2012 году была разработана облачная платформа Predix, которая, используя алгоритмы машинного обучения, позволяла инженерам составлять расписания диагностических проверок, улучшать эффективность использования оборудования и снижать время «простоя», выявляя возможные неисправности до того, как они произойдут.

Результат: увеличение ежегодной добычи энергоресурсов и снижение убытков от неэффективного использования оборудования.

3. Nestlé

Цель внедрения Big Data: оптимизация производственной цепочки.

Nestlé — швейцарская компания, крупнейший в мире производитель продуктов питания. Для фабрик Nestlé очень важно соблюдать точность в планировании поставок, так как любое несовпадение во времени либо количестве приобретаемого сырья может привести к задержке производства продукции и неудовлетворенному спросу. Менеджер по продажам компании Davis Wu говорит: “Мы должны точнее планировать поставки, для того, чтобы наша продукция была как можно более свежей, когда она попадет на прилавки магазинов“.

Именно поэтому, компания обратилась к SAS для совместного внедрения SAS Forecast Server, который, используя данные по продажам за предыдущие периоды и оптимизационные алгоритмы, автоматически определяет спрос на материалы и формирует логистические цепочки поставок.

Результат: снижение ошибки при прогнозировании спроса на материалы вдвое, снижение убытков от хранения избыточных оборотных средств, убытков от задержек в производстве и т.д.

4. Intel

Цель внедрения Big Data: снижение себестоимости продукции.

Компания Intel занимается производством компьютерных компонентов, в частности, микропроцессоров, каждый из которых, перед тем как выйти на рынок, должен пройти около 19000 тестов. Анализируя данные по всему производственному процессу, аналитическая платформа способна выявлять, какие тесты проводить не потребуется, оставляя лишь часть необходимых проверок. Таким образом, существенно уменьшилось время тестирования микропроцессоров, а также затраты на проведение тестов.

image

Результат: экономия 3 миллионов долларов на одной линейке процессоров Intel Core. За счет увеличения использования технологии Big Data в производстве компания ожидает сэкономить еще 30 млн долларов.

Отечественные компании

1. Магнитогорский металлургический комбинат (ММК)

Цель внедрения Big Data: оптимизация расходов материалов при производстве стали.

ОАО «Магнитогорский металлургический комбинат» входит в число крупнейших мировых производителей стали и занимает лидирующие позиции среди предприятий черной металлургии России. В конце июня 2016 года в опытнопромышленную эксплуатацию был внедрен рекомендательный сервис от Yandex Data Factory – «Снайпер», который предназначается для оптимизации расхода ферросплавов и добавочных материалов при производстве стали. Аналитическая платформа обрабатывает параметры плавки: данные по исходному составу и массе шихты, требования по содержанию химических элементов в готовой стали и другие, а затем выдает соответствующие рекомендации.

Результат: предварительное тестирование сервиса показало, что экономия при его использовании составляет в среднем 5% или 275 млн рублей в год.

2. Газпром нефть

Цель внедрения Big Data: выявление причин сбоя работы оборудования.

«Газпром нефть» совместно с Teradata (американская компания специализируется на программно-аппаратных комплексах для обработки и анализа данных) реализовали проект внедрения предиктивной аналитики в процессы управления электроцентробежными насосами. Целью проекта, интеграция которого завершилась в августе 2015 г., стало выявление причин сбоя автоматического перезапуска насосов после аварийного отключения электропитания. В процессе анализа были использованы более 200 млн записей с контроллеров систем управления на 1649 скважинах и, в результате были созданы визуализированные модели цепочек событий, влияющие на самозапуск насосов и карты вероятностного распределения причинно-следственных связей.

image

Результат: получение информации о ранее неизвестных взаимосвязях в работе насосного оборудования и устранение возникших неполадок.

3. Сургутнефтегаз

Цель внедрения Big Data: оптимизация бизнес-процессов, сокращение времени подготовки отчетов и обработки данных.

«Сургутнефтегаз» — одно из крупнейших предприятий российской нефтегазовой отрасли, первым из российских компаний в 2012 году перешел на SAP HANA — платформу данных и приложений «in-memory» для ведения бизнеса в реальном времени. В результате, внедрение данной платформы привело к масштабным изменениям бизнес-процессов кампании. Разработчикам удалось автоматизировать учет продукции, расчет скользящих цен онлайн, обеспечив специалистов наиболее актуальной информацией, при этом запросы, которые ранее обрабатывались несколько часов, SAP HANA выполняет за несколько секунд. Также происходит значительная экономия аппаратных ресурсов благодаря вышеуказанному in-memory computing, при котором основным хранилищем данных является центральная память сервера, обеспечивающая значительно более высокую скорость операций чем отдельные диски, а также линейной масштабируемости, позволяющей параллельно обрабатывать запросы пользователей в оперативной памяти всех серверов.

Результат: Значительное увеличение эффективности бизнес-процессов в компании.

Автор: New Professions Lab

Источник

Поделиться

* - обязательные к заполнению поля