Reciba actualizaciones recientes de Hortonworks por correo electrónico

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

Sign up for the Developers Newsletter

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

cta

Empezar

nube

¿Está preparado para empezar?

Descargue sandbox

¿Cómo podemos ayudarle?

* Entiendo que puedo darme de baja en cualquier momento. Agradezco asimismo la información complementaria porporcionada en la Política de privacidad de Hortonworks.
cerrarBotón de cerrar
cta

Macrodatos en la manufactura y
fábrica conectada de IoT

Hortonworks es un líder. Leer el Forrester Wave.

Download Report

Hacerlo más inteligente

Fabricación es eficiencia. Al utilizar dispositivos conectados, internet de las cosas (IoT), análisis predictivo y aprendizaje automático, las organizaciones de fabricantes pueden aprovechar ahora los macrodatos en la fabricación para crear eficiencia y ser el primero en comercializar con mejores productos, al mismo tiempo que se reducen los costes y mejora la satisfacción del cliente para hacer mejores productos y ser el primero en comercializar.

Más información

Transformar los datos en productos de calidad y procesos eficientes

Hoy en día, unos sensores relativamente baratos y dispositivos IoT pueden recopilar y transmitir datos con frecuencia a lo largo de muchos pasos en la cadena de fabricación: tiendas de diseño, cadena de suministro, línea de producción y operaciones de garantía. Hortonworks DataFlow (HDF™) recolecta de forma segura datos en movimiento y en tiempo real, permitiendo a los fabricantes identificar rápidamente los problemas que se producen, dondequiera que se produzcan. La Plataforma de datos de Hortonworks permite el análisis histórico de los datos que no encajan en las plataformas heredadas, ayudando a los ingenieros a ir más allá de la evitación reactiva de los errores, hasta un proceso proactivo.

casos de usos

Garantiza la entrega puntual de materias primas

Los fabricantes quieren minimizar el inventario que mantienen y prefieren una entrega a tiempo de las materias primas. Por otro lado, la falta de existencias puede causar retrasos en la producción. Los sensores, etiquetas RFID y IoT en la manufactura reducen el coste de la captura de datos en la cadena de suministro, pero esto crea un gran flujo de datos continuo. Hadoop puede almacenar estos datos no estructurados a un coste relativamente bajo. Esto significa que los fabricantes tienen una mayor visibilidad en la historia de sus cadenas de suministro y son capaces de ver los patrones que pueden ser invisibles en unos pocos meses de datos. Esta inteligencia puede dar a los fabricantes un mayor plazo de tiempo para adaptarse a las interrupciones del suministro de la cadena. También les permite reducir costes de la cadena de suministros y mejorar los márgenes en el producto acabado.


Control de calidad con datos en tiempo real e históricos de la línea de ensamblaje

Los fabricantes de alta tecnología utilizan sensores para capturar datos durante etapas decisivas del proceso de fabricación. Estos datos son útiles en el momento de la producción, para detectar problemas mientras ocurren. Sin embargo, algunos problemas —los desconocidos desconocidos— pueden no detectarse en el momento de la fabricación. Sin embargo, pueden dar lugar a mayores tasas de mal funcionamiento después de que el producto se haya comprado. Cuando un producto se devuelve con problemas, el fabricante puede hacer pruebas forenses en el producto y combinar los datos forenses con los datos originales del sensor de cuando se fabricó el producto. Estos macrodatos en la manufactura añade una mayor visibilidad, a través de un gran número de productos, ayuda a los fabricantes a mejorar el proceso y producir a niveles no posibles en un ambiente con escasez de datos.


Evita paradas con mantenimiento proactivo de los equipos

Los flujos de trabajo actuales de fabricación implican máquinas sofisticadas, coordinadas en pasos precisos y predefinidos. Un mal funcionamiento puede detener la línea de producción. El mantenimiento prematuro tiene costes; hay un programa óptimo para el mantenimiento y las reparaciones: no demasiado temprano, no demasiado tarde. Los algoritmos de aprendizaje automático pueden comparar los eventos de mantenimiento y los datos de la máquina para cada pieza de equipo para su historial de mal funcionamiento. Estos algoritmos pueden derivar en programas de mantenimiento óptimos, basados en información a tiempo real y datos históricos. Esto puede ayudar a maximizar la utilización del equipo, minimizar los gastos P&E y evitar paros sorpresa.


Aumenta los rendimientos en la fabricación de fármacos

La fabricación de biofarmacéutica requiere un seguimiento y un control de las condiciones del entorno muy cuidados. El objetivo de cualquier ciclo de producción es maximizar el Rendimiento de primera vez (FTY), que es una medida del número de productos que se hacen correctamente la primera vez que vienen por la línea de producción. Cada porcentaje de aumento en FTY representa una reducción significativa en los costes de producción. Las mejoras FTY a menudo están bloqueadas por una mala visibilidad de las operaciones. Los sensores pueden proporcionar datos en bruto para mejorar la visibilidad, si los datos del sensor pueden integrarse con otros almacenes de datos existentes. Un data lake de Hadoop hace que esta integración sea más fácil, porque Hadoop no requiere un esquema a priori antes de ingerir. Además, un menor coste de almacenamiento en Hadoop significa que un clúster puede almacenar más datos y más formatos durante más tiempo para descubrir nuevas relaciones en los datos. Lea sobre cómo Merck Research Laboratories optimizan la fabricación farmacéutica con Hortonworks Data Platform.

Garantía de calidad de Crowdsource

Los productos estrictamente controlados siguen teniendo problemas post-venta. Los clientes pueden no reportar problemas al fabricante, pero quejarse sobre el producto a sus amigos, familiares y redes sociales. Esta corriente social de datos sobre los problemas de un producto puede aumentar los comentarios del producto en los canales tradicionales. Hadoop almacena grandes volúmenes de datos de confianza de medios sociales. Los fabricantes pueden extraer estos datos para las señales tempranas sobre cómo un producto se sostiene a lo largo de su ciclo de vida. Esta capacidad de aprender acerca de los problemas con rapidez y tomar medidas inmediatamente para proteger la reputación de un producto es importante para ganar y mantener la lealtad de los clientes.