Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics information and knowledge of Big Data.

cta

Erste Schritte

Cloud

Sind Sie bereit?

Sandbox herunterladen

Wie können wir Ihnen helfen?

SchließenSchaltfläche „Schließen“
cta

Big Data in der Fertigung & Produktion und
Connected Factory von IoT

Cloud Hortonworks ist ein führendes Unternehmen. Lesen Sie die Forrester Wave.

Bericht herunterladen

Werden Sie intelligenter

Manufacturing is all about efficiency. Using connected devices, internet of things (IoT), predictive analytics and machine learning, manufacturers organizations can now leverage big data in manufacturing to create efficiencies and be first to market with better products while reducing costs and improving customer satisfaction to make better products and be first to market.

Mehr erfahren

Daten als Treiber für hochwertige Produkte und effiziente Prozesse

Now relatively inexpensive sensors and IoT devices can gather and frequently transmit data along many steps in the manufacturing supply chain: design shops, supply chain, production line and warranty operations. Hortonworks DataFlow (HDF™) securely collects real-time sensor data-in-motion, allowing manufacturers to quickly identify problems as they occur, wherever they occur in the connected factory. Hortonworks Data Platform enables historical analytics on data that just doesn't fit into legacy platforms, helping engineers move beyond reactive error avoidance to proactive process improvement.

Anwendungsfälle

Gewährleistung der zeitgerechten Lieferung von Rohmaterialien

Manufacturers want to minimize the inventory that they keep on hand and prefer just-in-time delivery of raw materials. On the other hand, stock-outs can cause harmful production delays. Sensors, and RFID tags and IoT in manufacturing reduce the cost of capturing supply chain data, but this creates a large, ongoing flow of data. Hadoop can store this unstructured data at a relatively low cost. That means that manufacturers have more visibility into the history of their supply chains and they are able to see large patterns that might be invisible in only a few months of data. This intelligence can give manufacturers greater lead-time to adjust to supply chain disruptions. It also allows them the connected factory to reduce supply chain costs and improve margins on the finished product.


Qualitätskontrolle mit Echtzeit- und historischen Daten aus der Produktionslinie

High-tech manufacturers use sensors to capture data at critical steps in the manufacturing process. This data is useful at the time of manufacture, to detect problems while they are occurring. However, some subtle problems—the “unknown unknowns”—may not be detected at time of manufacture. Nevertheless, those may lead to higher rates of malfunction after the product is purchased. When a product is returned with problems, the manufacturer can do forensic tests on the product and combine the forensic data with the original sensor data from when the product was manufactured. This big data in manufacturing adds added visibility, across a large number of products, helps the manufacturer improve the process and products to levels not possible in a data-scarce environment.


Vermeidung von Stillstand durch proaktive Maschinenwartung

Today’s manufacturing workflows involve sophisticated machines coordinated across pre-defined, precise steps. One machine malfunction can stop the production line. Premature maintenance has a cost; there is an optimal schedule for maintenance and repairs: not too early, not too late. Machine learning algorithms can compare maintenance events and machine data for each piece of equipment to its history of malfunctions. These algorithms can derive optimal maintenance schedules, based on real-time information and historical data. This The use of manufacturing predictive analytics can help maximize equipment utilization, minimize P&E expense, and avoid surprise work stoppages.


Höhere Erträge bei der Arzneimittelherstellung

Die Herstellung von Biopharmazeutika muss unter sorgfältiger Überwachung und Kontrolle der Umgebungsbedingungen erfolgen. Ziel eines jeden Produktionsdurchlaufs ist die Maximierung des Durchsatzertrags (eng. FTY für „First Time Yield“), der bemisst, wie viele Produkte nach dem ersten Produktionsdurchlauf den Qualitätsvorgaben entsprechen. Jeder zusätzliche Prozentpunkt beim FTY senkt die Herstellungskosten enorm. FTY-Optimierungen werden allerdings häufig dadurch ausgebremst, dass der Betriebsablauf kaum oder gar nicht einsehbar ist. Sensoren können zwar Rohdaten bereitstellen, die einen besseren Einblick bieten, dafür ist es aber erforderlich, dass sich diese Sensordaten mit anderen vorhandenen Datenspeichern integrieren lassen. Ein Data Lake von Hadoop vereinfacht diese Integration, denn Hadoop benötigt vor der Aufnahme der Daten kein À-Priori-Schema. Außerdem sorgen die geringen Speicherkosten von Hadoop dafür, dass ein Cluster mehr Daten, in mehr Formaten und für einen längeren Zeitraum speichern kann, wodurch sich Daten ganz neu in Bezug zueinander setzen lassen. Erfahren Sie, wie Merck Research Laboratories es mithilfe der Hortonworks Data Platform geschafft hat, die Herstellung von Medikamenten zu optimieren.

Qualitätssicherung durch Crowdsourcing

Auch bei umfassend getesteten Produkten können nach dem Verkauf noch Probleme auftreten. Kunden melden solche Probleme vielleicht nicht dem Hersteller direkt, beschweren sich aber häufig in den sozialen Medien bei Freunden und Verwandten über das Produkt. Dieser Stream aus Social-Media-Daten mit Produktproblemen kann eine ideale Ergänzung für Produkt-Feedback aus traditionellen Support-Kanälen sein. Hadoop speichert ein enormes Volumen solcher Social-Media-Daten für die Stimmungsanalyse. Hersteller können diese Daten untersuchen und so frühzeitig anhand von Signalen einschätzen, wie das Produkt im Laufe seines Lebenszyklus angenommen wird. Wenn Probleme schnell angegangen und entsprechende Maßnahmen frühzeitig ergriffen werden, um die Reputation eines Produktes zu schützen, stärkt das die Bindung und das Vertrauen der Kunden.

Fallstudien unserer Kunden

Western Digital
Kunde
Western Digital

Western Digital produziert die Hälfte aller weltweit verfügbaren Festplatten. Dank Hadoop und der Hortonworks Data Platform erhalten die Ingenieure und Entwickler bei WD schneller Einblick in ihre Produktionsdaten. Außerdem können diese Daten so länger gespeichert und mit mehr Teammitgliedern geteilt werden. Dies garantiert die kontinuierliche Optimierung des Produktionsprozesses, was für eine Senkung der Kosten und eine höhere Kundenzufriedenheit sorgt. Herausforderungen bei der Produktion vor Nutzung der Hortonworks Data Platform …