Once a month, receive latest insights, trends, analytics information and knowledge of Big Data.
Hortonworks はリーダーです。Forrester Wave をお読みください
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.
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.
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.
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.
バイオ医薬品製造では、環境条件を注意深く監視し制御する必要があります。どんな生産工程においても、初回歩留まり（FTY）を最大限にすることが目標となります。FTY とは、生産ラインを初めて通って正しく製造された製品数を表す単位です。FTY の増加パーセンテージは、製造コストの大幅な削減を表します。オペレーションの可視性が乏しいと、FTY の改善が阻止されることが多々あります。他の既存のデータストアと統合することができる場合、センサーデータは、その可視性を改善するための生データを提供することができます。Hadoop はデータ採取前に先験的スキーマを必要としないため、Hadoop Data Lake ではこの統合が容易になります。また、Hadoop のストレージコストは低価格であり、クラスタはより多くのデータを、より多くのフォーマットで、より長期間保管できるため、データ内の新しい関係を発見することができます。Merck Research Laboratories が Hortonworks Data Platform で医薬品製造を最適化した方法についてご覧ください。
徹底的にテストした製品でも販売後には問題が発生します。顧客は製造業者には問題を報告しなくても、ソーシャルメディア上で友人や家族に製品に関する不満をシェアするかもしれません。製品の問題に関するデータのソーシャルストリームは、従来のサポートチャネルからの製品フィードバックを増強することができます。Hadoop は、膨大な量のソーシャルメディアからのセンチメントデータを保管します。このデータから、製造業者は早い時点で、製品の全ライフサイクルにおけるパフォーマンスを理解することができます。製品の評判を守るため、問題を迅速に把握し早期に行動するこの能力は、顧客ロイヤルティを獲得、維持する強い力を持っています。
WD は、世界中のハードドライブの半分を製造しています。 Hadoop と、Hortonworks Data Platform により、WD のエンジニアは、製造データをより迅速に確認し、より長く保存し、より多くのチームメンバーと共有することができます。これは、製造工程の継続的な改善を意味しており、コスト削減と顧客満足度の向上を図ることができます。Hortonworks Data Platform を採用するまで、製造における課題として WD は...
7.10.17
6.27.17
6.8.17
5.31.17
5.26.17
5.22.17
5.18.17
4.24.17
4.6.17
3.28.17
3.8.17
2.8.17
1.9.17
シェア
登録
Apache, Hadoop, Falcon, Atlas, Tez, Sqoop, Flume, Kafka, Pig, Hive, HBase, Accumulo, Storm, Solr, Spark, Ranger, Knox, Ambari, ZooKeeper, Oozie, Phoenix, NiFi, HAWQ, Zeppelin, Atlas, Slider, Mahout, MapReduce, HDFS, YARN, Metron and the Hadoop elephant and Apache project logos are either registered trademarks or trademarks of the Apache Software Foundation in the United States or other countries.
