TÓM TẮT:
"Big Data" gần đây đã thu hút sự chú ý không chỉ của những nhà nghiên cứu mà còn cả những nhà sản xuất cùng với sự phát triển của công nghệ thông tin. Mục đích của bài báo là sử dụng nghiên cứu tài liệu để giới thiệu cơ bản về khái niệm, đặc điểm của "Big Data", các thông tin dữ liệu khác nhau liên quan đến ba giai đoạn chính của quản trị vòng đời sản phẩm (PLM) và các ứng dụng hiện có của "Big Data" trong PLM được phân tích. Những kết quả phân tích này có thể giúp doanh nghiệp Việt Nam có những ý tưởng trong việc xây dựng, quản lý dữ liệu và thông tin đối với sản phẩm một cách có hiệu quả hơn, phát huy tối đa nguồn lực và các cơ hội để nâng cao năng lực cạnh tranh trong bối cảnh thay đổi mạnh như hiện nay.
Từ khóa: Big Data, quản trị vòng đời sản phẩm (PLM), quản lý dữ liệu, thông tin.
1. Giới thiệu
Ngày nay, một lượng lớn dữ liệu số có thể được tạo ra bởi những hệ thống liên kết với các mạng xã hội. Trong các lĩnh vực nghiên cứu khoa học như sinh học, lượng dữ liệu đang tăng lên với tốc độ tăng trưởng theo cấp số nhân (Howe D &ctg, 2008). Số lượng dữ liệu ngày càng tăng là xu thế phát triển không thể tránh khỏi trong nhiều lĩnh vực khác nhau. Nhiều nghiên cứu đã quan tâm đến việc phát triển các nguồn dữ liệu và tập trung khai thác và tiến hành quản lý chúng (Larose, 2014). Việc sử dụng "Big Data" trong quản lý vòng đời sản phẩm (PLM) bắt đầu được quan tâm trong nghiên cứu. Nếu các nhà sản xuất quan tâm đến tạo ra dữ liệu sản xuất, lưu trữ, truyền tải và và sử dụng chúng thành công sẽ làm cho các liên kết trong chuỗi sản xuất một sản phẩm được kết nối hiệu quả. Theo Manyika &ctg (2011), lợi ích của kỹ thuật "Big Data" trong PLM là sẽ thâm nhập toàn bộ chuỗi giá trị sản xuất như nghiên cứu và phát triển, quản trị chuỗi cung ứng, dịch vụ và các bước khác, làm giảm thời gian chu kỳ sản xuất và phát triển sản phẩm, tối ưu hóa quy trình lắp ráp, tăng sản lượng và thỏa mãn tối đa nhu cầu của khách hàng. Vì vậy, các nghiên cứu ứng dụng về "Big Data" trong PLM là rất có giá trị và được đánh giá cao (Tao &ctg, 2012). Tuy vậy, sự hiểu biết về kỹ thuật "Big Data" cùng với các khả năng ứng dụng của "Big Data" liên quan đến PLM ở Việt Nam còn rất hạn chế.
Theo trang báo Chính phủ (2017), năng lực cạnh tranh của các doanh nghiệp Việt Nam phần lớn còn rất hạn chế, chỉ 300 doanh nghiệp đạt tiêu chuẩn quốc tế tham gia được vào chuỗi cung ứng toàn cầu với những sản phẩm giản đơn, giá trị gia tăng không cao. Tìm giải pháp tối ưu đối với doanh nghiệp trong nước để tiếp tục tồn tại trong bối cảnh cạnh tranh hiện nay ngày càng cấp thiết. Mục tiêu của bài viết này là trên cơ sở các ứng dụng về "Big Data" sẽ phân tích khả năng ứng dụng của nó cho PLM theo quan điểm toàn bộ vòng đời sản phẩm. Từ đó, doanh nghiệp Việt Nam có thể tham khảo và tìm đến các giải pháp cụ thể khác nhau, đề xuất một khuôn khổ thực hiện tổng thể và có hệ thống về các ứng dụng chi tiết nhằm góp phần cải thiện hiệu quả của kinh doanh cho sản phẩm của mình.
2. Cơ sở lý thuyết
2.1. Khái niệm về Big Data
Còn có nhiều tranh cãi với định nghĩa về khái niệm “dữ liệu lớn” hay "Big Data". "Big Data" có thể được hiểu khái quát là sự thu thập, quản lý và phân tích dữ liệu mà những công việc đó vượt xa so với dữ liệu cấu trúc điển hình, nó có thể được truy vấn với hệ thống quản lý dữ liệu quan hệ.
2.2. Đặc điểm của Big data
Mô hình “5Vs” của Gartner (2014) về năm tính chất quan trọng của Big Data, bao gồm:
Volume (Số lượng lưu trữ): "Big Data" có dung lượng lưu trữ vượt mức đảm đương của những ứng dụng và công cụ truyền thống.
Velocity (Tốc độ xử lý): Dung lượng của dữ liệu gia tăng rất nhanh và công nghệ xử lý dữ liệu tiên tiến cho phép chúng ta xử lý tức thời trước khi chúng được lưu trữ vào cơ sở dữ liệu.
Variety (Đa dạng chủng loại): Hình thức và chủng loại dữ liệu đa dạng, cả cấu trúc và phi cấu trúc (tài liệu, blog, hình ảnh, video, âm thanh v.v.).
Veracity (Độ chính xác): Với xu hướng Social Media, Social Network và sự gia tăng tính tương tác, chia sẻ mạnh mẽ của người dùng Mobile nên xác định độ tin cậy của dữ liệu là khó khăn. Phân tích và loại bỏ dữ liệu thiếu chính xác và nhiễu là quan trọng của “Big Data”.
Value (Giá trị thông tin): Phải hoạch định được những giá trị thông tin hữu ích cho các vấn đề, các mô hình hoạt động với các dữ liệu thì mới nên bắt tay vào kỹ thuật “Big Data”.
Với những đặc điểm nêu trên có thể thấy những thách thức đối với việc quản lý "Big Data". Do đó, để đảm bảo đáp ứng cho việc xử lý lượng dữ liệu khổng lồ trong vài giây, cần thiết phải tiếp cận phương pháp phân tích dữ liệu tiên tiến để xử lý "Big Data".
3. Phương pháp nghiên cứu
Với mục đích nghiên cứu nêu trên, nghiên cứu này sử dụng ở phương pháp phân tích, tổng hợp các tài liệu về quản lý sản phẩm để xác định việc ứng dụng Big Data vào trong quản lý các dữ liệu cần thiết cho vòng đời một sản phẩm.
4. Kết quả nghiên cứu
4.1. Quản lí vòng đời sản phẩm trong doanh nghiệp
Quản lí vòng đời sản phẩmlà yếu tố quan trọng trong việc đảm bảo tính hiệu quả của một sản phẩm. Quá trình này bao gồm tất cả các khía cạnh của sản phẩm, từ những dữ liệu thông tin liên quan, những người chịu trách nhiệm và cả quy trình kĩ thuật trong sản xuất. PLM thực hiện liên kết các bộ phận và cho phép sự tương tác rõ ràng, hiệu quả giữa nhiều bên liên quan của hệ thống quá trình sâu rộng bao gồm phân tích thị trường, thiết kế sản phẩm và quá trình phát triển sản phẩm, sản xuất sản phẩm, phân phối sản phẩm, dịch vụ sau bán hàng và tái chế sản phẩm. PLM có ý nghĩa quan trọng vì nó có thể cải thiện sự phát triển của sản phẩm mới và giảm chi phí sản xuất bằng cách kiểm soát các sản phẩm thông qua vòng đời của chúng.
Những giai đoạn trong vòng đời sản phẩm có thể được chia thành ba giai đoạn: bắt đầu chu kỳ sống (BOL), giữa chu kỳ sống (MOL) và kết thúc chu kỳ (EOL) (Stark, 2011). Trong mỗi giai đoạn này sẽ đòi hỏi những dữ liệu liên quan. Để đạt được hiệu suất tốt trong PLM, việc xác định loại dữ liệu nào có liên quan đến PLM là một nhiệm vụ cần thiết trước khi đưa ra các phương pháp phân tích tiên tiến được khuyến khích. Kỹ thuật "Big Data" giúp giải quyết các vấn đề liên quan đến sản phẩm hoặc đưa ra quyết định dựa trên số lượng dữ liệu to lớn ở các cấp khác nhau.
4.2. Ứng dụng của "Big Data" trong các giai đoạn của PLM
4.2.1. Bắt đầu chu kỳ sống sản phẩm (BOL)
+ Phân tích thị trường:
Hai nhiệm vụ chính của phân tích thị trường đó là: Tìm ra ai là khách hàng của công ty và biết được nhu cầu của họ. "Big Data" giúp công ty chọn được khách hàng phù hợp nhất từ dữ liệu thông tin rộng lớn về khách hàng.
Có ba loại dữ liệu có thể góp phần giúp xác định nhóm khách hàng mục tiêu: Dữ liệu quá khứ, dữ liệu nghiên cứu thị trường và loại dữ liệu từ nhật kí truy cập khi sử dụng trình duyệt web ưa thích của người đó.
+ Thiết kế sản phẩm:
Thiết kế sản phẩm là một quá trình ra quyết định khó và phức tạp. Vì quy trình thiết kế được coi là quan trọng trong PLM nên rất có ý nghĩa trong việc nghiên cứu để giữ cho chu trình sản xuất hoạt động trơn tru và tiết kiệm chi phí. Với sự phát triển nhanh chóng của "Big Data" trong những năm gần đây, nhiều kỹ thuật tiên tiến đã được đưa ra để hỗ trợ cho giai đoạn thiết kế.
Triển khai chức năng chất lượng (QFD) là một phương pháp để dịch nhu cầu của khách hàng vào thành những đặc tính kỹ thuật của sản phẩm trong việc phát triển sản phẩm chất lượng. Khi kho dữ liệu cho thiết kế trở nên lớn hơn thì phải áp dụng kỹ thuật "Big Data" để xử lý số lượng lớn dữ liệu rất đa dạng (Szykman &ctg, 2000). Mô tả chi tiết về sản phẩm là nội dung cuối cùng của bước thiết kế trước khi bắt đầu sản xuất. Với kỹ thuật "Big Data" thì số lượng lớn các chi tiết có thể được so sánh một cách hiệu quả và những gì tốt nhất sẽ được đề xuất cho sản phẩm mới.
+ Nguyên vật liệu:
Trong bước mua nguyên vật liệu, nhiệm vụ chính là lựa chọn các nhà cung cấp đủ điều kiện. Quá trình lựa chọn liên quan đến các yếu tố khác nhau và đòi hỏi việc xử lý phân tích dữ liệu tiên tiến. Đặc biệt trong thế giới hợp tác toàn cầu, cần có một lượng lớn dữ liệu về hiệu suất, danh tiếng và các yếu tố ảnh hưởng của nhà cung cấp cũng như các phương pháp phân tích số liệu tiên tiến. Trong môi trường hiện nay, mục tiêu của thuê ngoài là không chỉ mang tính hiệu quả về kinh tế mà còn vì tính chiến lược, công nghệ (Dahlberg & Nyrhinen, 2006). Xác định chính sách gia công là một bước quan trọng trong PLM cần sự tham gia của kỹ thuật "Big Data".
+ Sản xuất sản phẩm:
Là cốt lõi của BOL và thậm chí trong cả toàn bộ PLM, sản xuất sản phẩm chắc chắn sẽ tạo ra dữ liệu rộng lớn, như giám sát chất lượng sản phẩm và mô phỏng quá trình sản xuất là hai hoạt động có mối quan hệ mật thiết với xử lý "Big Data". Hệ thống giám sát chất lượng sản phẩm là cần thiết ở tất cả các giai đoạn vòng đời của sản phẩm. Ví dụ, với sự trợ giúp của kỹ thuật RFID, RFID sẽ sử dụng số liệu cung cấp từ "Big Data" để theo dõi chất lượng sản phẩm trong thời gian sản xuất (Zhong &ctg, 2014). Kỹ thuật "Big Data" còn có thể được áp dụng để trả lời các câu hỏi mới về tương quan dữ liệu thử nghiệm với số lợi nhuận trong tương lai.
+ Quản lý thiết bị:
Quản lý thiết bị là một hoạt động liên quan chặt chẽ với quá trình sản xuất tổng thể, ảnh hưởng đến chất lượng sản phẩm và năng lượng tiêu thụ và do đó là chi phí của doanh nghiệp. Một dây chuyền sản xuất trong nhà máy bao gồm hàng trăm loại máy khác nhau, đó thực sự là một công việc rườm rà để sắp xếp máy nào hoạt động với tốc độ nào, công suất và vào thời điểm nào. Với sự trợ giúp của “Big Data”, việc tối ưu hóa các quy trình vận hành thiết bị có thể dễ dàng thực hiện (Armes & Refern, 2013).
4.2.2 Giữa chu kỳ sống sản phẩm (MOL)
+ Quản lý kho:
Quản lý kho hàng là một phần quan trọng của logistics vì hoạt động kho bãi thông suốt có thể đảm bảo việc lưu thông hàng hóa từ nhà sản xuất đến nhà bán lẻ trơn tru. Đơn đặt hàng có thể được tạo ra bất kỳ lúc nào, xử lý chúng kịp thời và chính xác không phải là dễ dàng nếu như không có kĩ thuật "Big Data". Để đáp ứng những thách thức cùng với thương mại hóa toàn cầu, quản lý hàng tồn kho là một nội dung phải được cải tiến, thông minh hơn. Kỹ thuật "Big Data" là một trong những phương pháp tiềm năng nhất để giải quyết vấn đề đó.
+ Vận chuyển sản phẩm:
Ngày nay, khách hàng khi đặt hàng mua sản phẩm thường có xu hướng sản phẩm của họ đang ở đâu và khi nào sản phẩm đó sẽ đến tay mình. Do đó, một hệ thống truy vấn nên được thiết lập để trình bày thông tin về tình trạng sản phẩm cũng như vị trí của sản phẩm. Để dữ liệu trong hệ thống sẽ được cập nhật cùng với quá trình vận chuyển, "Big Data" kỹ thuật là cần thiết để hỗ trợ hoạt động của hệ thống này. Mặt khác, nhằm đạt được sự chia sẻ hiệu quả để có thể làm giảm thiểu khí thải và đảm bảo hiệu quả chi phí vận chuyển, cần đưa ra một hệ thống quyết định dựa trên thông tin bên ngoài từ các công ty khác. "Big Data" có khả năng ứng dụng để hỗ trợ hoạt động này.
+ Dịch vụ khách hàng:
Trong những năm gần đây, "dịch vụ khách hàng" là phần quan trọng của kinh doanh sản phẩm, đóng góp ý nghĩa đối với sự hài lòng của khách hàng. Sẽ là khó khăn để thiết lập và duy trì mối quan hệ tốt với khách hàng có khác nhau. Do đó, kỹ thuật "Big Data" nên được sử dụng trong quá trình dịch vụ khách hàng như một phương pháp hiệu quả để tăng sự hài lòng của khách hàng khi sử dụng sản phẩm.
+ Hỗ trợ sản phẩm:
Nhờ vào áp dụng kỹ thuật "Big Data" sẽ đảm bảo cho nhà sản xuất cung cấp sự hỗ trợ sản phẩm bằng cách kiểm tra và giám sát từ xa (Brettel & ctg, 2014). Ngày nay, cùng với sự phát triển nhanh chóng của Internet và dịch vụ từ xa, việc kiểm tra thường xuyên sản phẩm có thể được thực hiện ngay cả khi không làm phiền khách hàng bằng cách kiểm tra và giám sát từ xa. Dựa trên thông tin từ kiểm tra định kỳ, các đề xuất tùy chỉnh có thể được tư vấn cho khách hàng để sử dụng sản phẩm tốt hơn. Để thực hiện quá trình kiểm tra thường xuyên và chuyển đổi thông tin kiểm tra thành lời khuyên có ý nghĩa cần đến sự đóng góp của kỹ thuật "Big Data".
+ Bảo trì sửa chữa:
Tầm quan trọng của bảo trì đã tăng lên do vai trò của nó trong việc cải thiện chất lượng sản phẩm (Muller &ctg, 2008) và dịch vụ sản xuất (Ren &Yang, 2012). Một số nhà nghiên cứu đã tập trung vào việc áp dụng các kỹ thuật "Big Data" để xây dựng hệ thống bảo trì điện tử và đã có những bước tiến đáng kể. Sự xuất hiện "Big Data" có thể tạo cơ hội cho một thế hệ bảo trì mới như bảo trì phòng ngừa và dự báo. Cách thức bảo trì này là khác với việc bảo dưỡng sửa chữa, bởi vì các hoạt động này được thực hiện là để ngăn chặn sự hư hỏng trước khi nó thực sự xảy ra ở chế độ bảo trì.
4.2.3. Kết thúc chu kỳ sống sản phẩm (EOL)
Thu hồi sản phẩm là nội dung quan trọng của giai đoạn này. Để giảm thiểu các tác động tiêu cực của chúng đến môi trường và con người, trong giai đoạn EOL, chất thải cần phải được xử lý và nếu có thể, tái sản xuất, tái chế hoặc tái sử dụng. Giá trị của các bộ phận là cần được dự đoán giúp quyết định nên tái chế hay không. Quá trình dự báo không phải là một công việc dễ dàng bao gồm dữ liệu quá khứ của việc bảo trì và ID thành phần từ thời kỳ BOL và MOL. Ở giai đoạn này, các kỹ thuật "Big Data" có thể được áp dụng để quyết định các lựa chọn khôi phục EOL phù hợp như tái chế, tái sử dụng, tái sản xuất và xử lý. Do đó, cần phải đảm bảo rằng quy trình tái chế chính là tiết kiệm năng lượng và thân thiện môi trường. Nhằm đạt được mục tiêu này, cần áp dụng các kỹ thuật "Big Data" để thiết lập một hệ thống hỗ trợ quyết định thông minh (DSS), tăng cường và tiếp tục các hoạt động tiết kiệm và tái chế tài nguyên liên quan đến giảm thiểu tác động môi trường và tiêu thụ tài nguyên trong quá trình tái chế.
5. Kết luận
Từ tổng hợp và phân tích các tài liệu cho thấy ứng dụng Big Data trong PLM có thể đưa lại nhiều lợi ích cho doanh nghiệp. Cụ thể là:
- Giúp tăng cường độ tin cậy và hiệu quả của thiết kế, sản xuất, dịch vụ và các khía cạnh khác, nên sẽ trở thành cơ sở cho cạnh tranh.
- Có được thông tin đầy đủ từ phân tích thị trường, giúp đảm bảo chất lượng cho thiết kế sản phẩm, gia tăng được chất lượng và đổi mới thiết kế sản phẩm.
- Có thể cung cấp dịch vụ sản phẩm chất lượng cao, cá nhân hóa cho người sử dụng, bao gồm dịch vụ tư vấn, sau bán hàng, bảo trì và dịch vụ an toàn.
- Đẩy mạnh sự hội nhập của CNTT vào sản xuất và hệ thống hoạt động để bước vào công nghệ sản xuất thông minh hoặc Công nghiệp 4.0. Cốt lõi của Công nghiệp 4.0 là dữ liệu và việc tích hợp CNTT, sản xuất và vận hành hệ thống là phương pháp thu thập dữ liệu kịp thời, nhanh chóng và linh hoạt hơn.
- Với sự hỗ trợ của "Big Data", marketing có thể chính xác hơn và cụ thể hơn bao giờ hết, mang lại cơ hội tuyệt vời cho khách hàng. Không chỉ nhu cầu hiện hữu được đáp ứng mà các nhu cầu tiềm ẩn đa dạng có thể được dự đoán và thực hiện bởi nhà sản xuất.
- Giúp lựa chọn nhà cung cấp thông qua dữ liệu chính xác và hợp lý đánh giá, dự đoán hiệu suất của nhà cung cấp, bao gồm các dữ liệu về giá cả, chất lượng, sự sẵn sàng, khu vực, môi trường, hoặc thậm chí cả yếu tố chính trị để dự đoán chính xác về các nhà cung cấp. Cách gán trọng số chấm điểm cho các yếu tố khác nhau của nhà cung cấp là dựa vào sự tích lũy dữ liệu trong quá khứ và kỹ thuật "Big Data" thay vì phỏng đoán.
- Giúp quản lý dữ liệu về thiết bị, đánh giá tình trạng vận hành của thiết bị để đảm bảo quá trình sản xuất hoạt động bình thường. Tình hình của thiết bị cũng giống như chất lượng của sản phẩm, cần được theo dõi trong thời gian liên tục và tránh tình trạng hư hỏng xảy ra đột ngột.
- Kỹ thuật "Big Data" có thể có tác động tích cực đối với việc giám sát và kiểm soát năng lượng tiêu thụ và lượng xả thải. "Big Data" có thể giúp đưa ra các quyết định thông minh liên quan đến khoảng cách ngắn nhất, mức tiêu hao nhiên liệu tối thiểu và tối đa lợi nhuận. Bằng cách sử dụng các dữ liệu đầy đủ, con đường vận chuyển tốt nhất có thể được lên kế hoạch để hạn chế tạo ra ít chất thải nhất. Ngoài ra, trong bước quản lý kho, các cơ chế xử lý đơn đặt hàng hiệu quả chủ yếu dựa vào kỹ thuật "Big Data" tiên tiến. Nếu tất cả dữ liệu có thể được quản lý thông minh và linh hoạt, có thể sẽ giảm đáng kể năng lượng chi phí và lưu kho. Ngoài ra, giai đoạn tái chế cũng minh hoạ những điểm mạnh của "Big Data" về việc giảm chất thải và năng lượng.
Mặc dầu có rất nhiều ưu điểm như đã nêu ở trên, nhưng khi "Big Data" áp dụng trong PLM sẽ đối diện với nhiều thách thức mà doanh nghiệp phải nắm rõ, bao gồm:
- Thu thập dữ liệu trong PLM: khi dữ liệu ngày càng được kết nối với Internet, khối lượng thông tin rất lớn dẫn đến việc thu thập dữ liệu không phải là một công việc dễ dàng. Ngoài ra, khả năng cảm biến thực sự quan trọng đối với "Big Data" vì nếu không có dữ liệu hữu ích nào có thể được thu thập thì tất cả các lợi ích và ứng dụng được thảo luận ở trên sẽ không có tác dụng. Do đó, trong "Big Data" việc thu thập dữ liệu là nhiệm vụ chính trong đó các thuộc tính của các loại cảm biến và phương pháp thu thập cần được xem xét cẩn thận.
- Lưu trữ và truyền dữ liệu trong PLM: Một công việc khá khó khăn và nghiêm trọng để đảm bảo lưu trữ dữ liệu còn nguyên vẹn và chuyển giao trong PLM vì bất kỳ thiếu sót nhỏ nào cũng có thể góp phần gây ra những sai lầm nghiêm trọng.
- Để có được kết quả mong muốn nhằm phục vụ cho việc thiết kế, sản xuất, vận chuyển, bảo dưỡng và chu kỳ tái chế, quá trình xử lý dữ liệu trong sản xuất cần được giải quyết với sự tham gia của các quy tắc và kiến thức chuyên biệt về sản xuất.
- Một trong những trở ngại cản trở việc phổ biến rộng rãi "Big Data" trong PLM là tính áp dụng đồng bộ hóa của nó. Các công ty nhỏ, không có sẵn các nguồn lực để phát triển một hệ thống hoặc một nền tảng cho một số dữ liệu nhất định.
- Để đảm bảo rằng các kỹ thuật "Big Data" luôn có thể hoạt động bình thường, bảo mật dữ liệu PLM là một thách thức cần phải vượt qua.
- Việc chuyển đổi kết quả phân tích dữ liệu, hiển thị dữ liệu thích hợp có giá trị lớn để trong ứng dụng "Big Data" cũng là một thách thức.
Tóm lại "Big Data" đã và đang được áp dụng vào sản xuất và tiềm năng ứng dụng là rất lớn và kỹ thuật "Big Data" có thể ứng dụng trong toàn bộ vòng đời của sản phẩm. Nghiên cứu này chỉ mới khám phá những nội dung cơ bản liên quan đến việc ứng dụng "Big Data" trong PLM. Trong tương lai, cần nghiên cứu để làm rõ thêm để giải quyết vấn đề về cách áp dụng "Big Data" trong từng giai đoạn cụ thể và chi tiết. Điều gì là cần thiết và có các kỹ thuật và phương pháp cụ thể cho phép thực hiện sự kết hợp tốt hơn của "Big Data" trong PML cũng là hướng cần thiết phải nghiên cứu trong thời gian tới. Một khi làm chủ được dữ liệu lớn thì các doanh nghiệp sẽ có cơ hội thành công lớn hơn trong bối cảnh cạnh tranh ngày nay và toàn cầu sẽ được hưởng lợi hơn từ việc trích xuất thông tin một cách chính xác hơn, hữu ích hơn với chi phí thấp hơn.
TÀI LIỆU THAM KHẢO:
1. Armes T, Refern M (2013) Using “Big Data” and predictive machine learning in aerospace test environments. AUTOTESTCON IEEE : 1 - 5.
2. Brettel M, Friederichsen N, Keller M, Rosenberg M (2014) How virtualization, decentralization and network building change the manufacturing landscape: an Industry 4.0 Perspective. Int J Mech Ind Sci Eng 8(1): 37 - 44.
3. Goss R G, Veeramuthu K. (2013) Heading towards “Big Data” building a better data warehouse for more data, more speed, and more users. Advanced Semiconductor Manufacturing Conference (ASMC) 24th Annual SEMI. 220 - 225.
4. Jun HB, Shin JH, Kim YS, Kiritsis D, Xirouchakis P (2009) A framework for RFID applications in product lifecycle management.
5. Lee YC, Sheu LC, Tsou YG (2008) Quality function deployment implementation based on Fuzzy Kano model: an application in PLM system. Comput Ind Eng 55(1):48 - 63.
6. Manyika J., Chui M., Brown B., Bughin J., Dobbs R., Roxburgh C., Byers A. H. (2011). Big data: The next frontier for innovation, competition and productivity. Technical report, McKinsey Global Institute 5(33): 222.
7. Zhong RY, Huang GQ, Dai Q (2014) A “Big Data” cleansing approach for n-dimensional RFID-Cuboids. Computer Supported Cooperative Work in Design (CSCWD).
BIG DATA APPLICATION IN PRODUCT LIFECYCLE MANAGEMENT:
OPPORTUNITY FOR VIETNAMESE BUSINESSES
● NGUYEN THI BICH THUY
Faculty of Business Administration, Da Nang University of Economics
ABSTRACT:
“Big Data” gets many attentions not only from academics but also from producers. Using the secondary research method, this paper aims to introduce the basic concepts, characteristics of “Big Data” and different data information related to three main stages of product lifecycle management (PLM). It also analyzes its current applications. These findings can help Vietnamese businesses improve their ability to manage products information and data, develop their resources, and get more opportunities to enhance competitiveness in a dynamic environment.
Keywords: Big Data, product lifecycle management, data management, information.
Xem tất cả ấn phẩm Các kết quả nghiên cứu khoa học và ứng dụng công nghệ số 11 tháng 10/2017 tại đây
