Get fresh updates from Hortonworks by email

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




시작할 준비가 되셨습니까?

Sandbox 다운로드

어떤 도움이 필요하십니까?

닫기닫기 버튼

제조 및 IoT 연결 공장에서의
빅 데이터

클라우드 Hortonworks는 리더입니다. Forrester Wave를 읽어보세요.

보고서 다운로드

더 스마트하게

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.

자세히 알아보기

데이터를 양질의 제품과 효율적인 공정으로 변환

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.

이용 사례

원료의 적시 입고 보장

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.

실시간 및 과거 어셈블리 라인 데이터로 품질 관리

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.

사전 장비 유지보수로 가동 중단 방지

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.

약품 제조 수율 향상

생물약제 제조에는 세심한 모니터링과 환경 조건 관리가 필요합니다. 모든 생산 공정의 목표는 생산 라인을 처음 거칠 때 올바르게 제조되는 제품의 수를 나타내는 척도인 FTY(최초 수율)를 극대화하는 것입니다. FTY가 1퍼센트씩 증가할 때마다 생산 비용은 크게 절감됩니다. 운영을 볼 수 있는 가시성이 낮기 때문에 FTY 개선에 방해가 되는 경우가 종종 있습니다. 센서 데이터를 기존의 다른 데이터 저장소와 통합할 수 있으면 이런 가시성을 개선하는 데 필요한 원시 데이터를 센서로부터 얻을 수 있습니다. Hadoop에서는 데이터 수집 전에 연역적인 스키마가 필요하지 않으므로 Hadoop Data Lake를 사용하면 센서 데이터를 기존의 다른 데이터 저장소와 더 쉽게 통합할 수 있습니다. 또한 Hadoop은 저장 비용이 더 저렴하기 때문에 클러스터에 더 많은 형식의 데이터를 더 많이 더 오랫동안 저장하여 데이터에서 새로운 관계를 발견할 수 있습니다. Merck Research Laboratories에서 Hortonworks Data Platform을 사용하여 약품 제조를 최적화한 방법에 대해 읽어보십시오.

크라우드소싱 품질 보증

철처한 테스트를 거친 제품도 판매 후에 문제가 발생할 수 있습니다. 고객은 제조업체에 문제를 알리지 않고 소셜 미디어에서 친구와 가족들에게 제품에 대해 불평할 수 있습니다. 제품 문제에 대한 이 소셜 데이터 스트림은 기존 지원 채널에서 얻는 제품 피드백을 보완하기 위해 사용할 수 있습니다. Hadoop에는 사람들의 생각을 나타내는 소셜 미디어 데이터를 대량으로 저장할 수 있으며 제조업체는 이 데이터를 마이닝하여 제품이 전체 수명 동안 어떻게 성능을 유지하는지에 대한 조기 징후를 파악할 수 있습니다. 이렇게 문제에 대해 빨리 알고 조기에 조치를 취하여 제품의 평판을 보호할 수 있으면 고객 충성도를 높이고 유지하는 데 매우 효과적입니다.

고객 사례 연구

Western Digital
Western Digital

WD는 전 세계 하드 디스크의 절반을 제조합니다.Hadoop과 Hortonworks Data Platform을 사용하여 WD의 엔지니어들은 제조 데이터를 더 빨리 보고 더 오래 저장하고 더 많은 팀원들과 공유합니다. 이를 통해 제조 공정을 지속적으로 개선하여 비용을 절감하고 고객 만족도를 높입니다. Hortonworks Data Platform을 사용하기 전의 제조 문제 WD...