Get fresh updates from Hortonworks by email

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

cta

Démarrer

cloud

Prêt à débuter ?

Télécharger Sandbox

Que pouvons-nous faire pour vous ?

fermerBouton Fermer
cta

Big Data in Manufacturing and
the IoT Connected Factory

cloud Hortonworks is a leader. Read the Forrester Wave.

Télécharger le rapport

Make it smarter

Manufacturing is all about efficiency. Using connected devices and machine learning, manufacturers can now create efficiencies to make better products and be first to market.

En savoir plus

Transformation des données en produits de qualité et processus efficaces

Désormais, des capteurs relativement peu coûteux peuvent recueillir et transmettre des données tout au long des nombreuses étapes de la chaîne logistique de fabrication, que ce soit au niveau des ateliers de conception, de la chaîne d'approvisionnement, de la chaîne de production et des opérations de garantie. Hortonworks DataFlow (HDF™) recueille de façon sécurisée les données en mouvement en temps réel des capteurs, ce qui permet aux fabricants d'identifier rapidement les problèmes à mesure qu'ils se produisent, où qu'ils se produisent. Hortonworks Data Platform permet l’analyse de l’historique des données qui ne sont tout simplement pas adaptées aux plateformes héritées, ce qui permet aux ingénieurs de passer d'une attitude réactive de prévention des erreurs à une attitude proactive d’amélioration des processus.

exemples d'utilisation

Assurez une livraison juste à temps des matières premières

Les fabricants souhaitent réduire leur stock disponible et préfèrent recourir à une livraison juste à temps des matières premières. D'autre part, les ruptures de stock peuvent entraîner des retards conséquents sur la production. Des capteurs et des balises RFID réduisent le coût de la capture des données de la chaîne d'approvisionnement, mais cela crée un important flux de données en continu. Hadoop peut stocker ces données non structurées à un coût relativement faible. Ainsi, les fabricants ont plus de visibilité sur leurs chaînes d'approvisionnement, et ils sont en mesure de voir les grandes tendances qui ne seraient autrement visibles qu’après quelques mois de traitement des données. Ces informations peuvent donner aux fabricants plus de temps pour s'adapter aux interruptions de la chaîne d'approvisionnement. Elles leur permettent également de réduire les coûts de la chaîne d'approvisionnement et d'améliorer les marges sur le produit final.


Un contrôle qualité appuyé par des données historiques et en temps réel sur la ligne d'assemblage

Les fabricants de haute technologie utilisent des capteurs pour capturer des données aux étapes critiques du processus de fabrication. Ces données sont utiles au cours de la fabrication en vue de détecter les problèmes au moment où ils se produisent. Toutefois, des problèmes subtils comme certaines inconnues peuvent ne pas être détectés au moment de la fabrication. Néanmoins, ceux-ci peuvent conduire à des taux de dysfonctionnement plus élevés après l’achat du produit. Lorsqu'un produit défectueux est retourné, le fabricant peut réaliser des tests approfondis sur celui-ci et combiner les données obtenues avec celles du capteur d'origine remontant à la date de fabrication du produit. Cette visibilité accrue, pour un grand nombre de produits, aide le fabricant à améliorer ses processus et produits à des niveaux impossibles à atteindre dans un environnement pauvre en données.


Évitez les arrêts de production grâce à un entretien proactif de l'équipement

Aujourd'hui, les flux de fabrication impliquent des machines sophistiquées, coordonnées à des étapes précises et définies à l’avance. Et, la défaillance d'une machine peut arrêter complètement la chaîne de production. L’entretien prématuré a un coût ; il existe un planning optimal pour la maintenance et les réparations : ni trop tôt, ni trop tard. Les algorithmes d'apprentissage automatique peuvent comparer les événements de maintenance et les données de chaque équipement par rapport à leur historique de défaillances. Ces algorithmes peuvent générer des plannings optimaux pour la maintenance, en fonction des informations en temps réel et des données historiques. Ceci peut vous permettre d'optimiser l'utilisation du matériel, de réduire les coûts d'exploitation, tout en évitant les arrêts-surprises de la production.


Augmentez la rentabilité de la fabrication de vos médicaments

La fabrication de produits biopharmaceutiques exige une surveillance et un contrôle attentifs des conditions ambiantes. L'objectif de toute campagne de production est d'optimiser le rendement première passe, qui correspond à la mesure du nombre de produits fabriqués sans défaut lors de leur premier passage dans la chaîne de production. Chaque pourcentage d'augmentation du rendement première passe représente une réduction significative des coûts de production. Les améliorations du rendement première passe sont souvent entravées par mauvaise visibilité sur les opérations. Des capteurs peuvent fournir des données brutes pour améliorer cette visibilité, si ces données peuvent être intégrées à d'autres datastores existants. Un Data Lake Hadoop facilite grandement cette intégration, car Hadoop ne nécessite aucun schéma préalable avant l'acquisition des données. En outre, le coût de stockage inférieur de Hadoop signifie qu'un cluster peut stocker plus de données et de formats, pendant plus longtemps, et ce, dans l'objectif de découvrir de nouvelles relations dans les données. Découvrez comment Merck Research Laboratories a optimisé son processus de fabrication de produits pharmaceutiques grâce à Hortonworks Data Platform.

Crowdsourcing de l'assurance qualité

Les produits testés rigoureusement rencontrent toujours des problèmes après avoir été vendus. Les clients peuvent ne pas les signaler au fabricant, mais ils se plaindront du produit à leurs amis et à leur famille sur les réseaux sociaux. Ce flux de données sociales relatives aux problèmes rencontrés avec le produit peut accroître le retour d'informations sur le produit obtenu traditionnellement auprès des services d’assistance. Hadoop stocke d'énormes volumes de données sur les opinions exprimées sur les réseaux sociaux. Les fabricants peuvent extraire ces données pour détecter les premiers signaux qui leur indiqueront comment un produit se comportera tout au long de son cycle de vie. Cette capacité à repérer les problèmes et à prendre rapidement des mesures pour protéger la réputation d'un produit est essentielle pour la conquête de nouvelles parts de marché et la fidélisation continue des clients.

Études de cas de clients

Western Digital
client
Western Digital

WD fabrique la moitié des disques durs du monde. Avec Hadoop et Hortonworks Data Platform, les ingénieurs de WD consultent leurs données de fabrication plus rapidement, les conservent plus longtemps, et les partagent avec davantage de membres de leur équipe. Résultat ? Son processus de fabrication est en constante optimisation, ce qui réduit les coûts et améliore la satisfaction des clients. Défis du secteur de la fabrication avant Hortonworks Data Platform. Le processus de fabrication de WD…