Manufacturing Data Excellence: kako vrednovati podatke

Već više od deset godina cijela proizvodna industrija nastoji ići ukorak s vremenom korištenjem 4.0 i data-driven modela. Međutim – sada više nego ikad – sve je teže prilagoditi se novoj dinamici jer su tržišta sve konkurentnija i stalno se razvijaju. Svemu tome je dodana potreba tvrtki da usklade tradicionalne proizvodne potrebe s onima koje se odnose na kvalitetu proizvoda, stvaranje sve više prilagođenih lotova i ekološku održivost.

Prevladavanje ovih složenih izazova zahtijeva napredne podatkovne i analitičke mogućnosti. Odluke koje imaju presudan utjecaj na proizvodni proces uvijek se moraju temeljiti na stvarnim činjenicama i podacima, a ne na pretpostavkama, teorijama ili mišljenjima. Prema anketi koju je proveo BCG – Boston Consulting Group – 80% rukovoditelja u proizvodnom sektoru smatra podatke i analize relevantnima za svoje poslovanje, ali samo 17% od 1300 intervjuiranih rukovoditelja izjavilo je da su uspjeli dobiti dodanu vrijednost ulaganjem u ovakav pristup.

Nepodudarnost koja je upravo istaknuta može se pripisati tehnološkim i organizacijskim preprekama, kojima doprinosi nedostatak suradnje između različitih dionika unutar i izvan tvrtke.

Kako bi iskoristili snagu podataka unutar tvrtke i kroz opskrbni lanac, tvrtke mogu koristiti tri strategije.

Korištenje pristupa Pametne proizvodnje (Smart Manufacturing)

Na ovaj način, pristup koji se temelji na podacima proteže se izvan procesa proizvodnje jednog proizvoda: rezultat je širi projekt, koji vidi daljinsko upravljanje, prediktivno upravljanje održavanjem i međusobno povezivanje strojeva kao protagoniste. , itd.

Jačanje organizacijske strukture za učinkovitije upravljanje podacima

Ovo je aspekt koji se mora usredotočiti na upravljanje i valorizaciju podataka u 360 stupnjeva, uključujući upravljanje podacima, sigurnost podataka, podatkovne arhitekture i integraciju među njima, kao i pojedinačne aplikacije i vještine strateške analize.

Usmjerenje resursa i ulaganja na ključne elemente digitalne transformacije

Među tehnologijama na kojima se temelji digitalna transformacija nalazimo IoT senzore i strujanje podataka: sposobnost se sastoji u mogućnosti koordiniranja ovog heterogenog skupa informacija – čak i onih koje dolaze iz visoko distribuiranih arhitektura – kako bi se njima upravljalo na najprikladniji način.

Manufacturing Data Excellence

Uspjeh prethodno definiranih strategija određen je sposobnošću vrednovanja podataka o proizvodnji.
McKinsey u svom istraživanju The Data-Driven Journey Towards Manufacturing Excellence definira put usmjeren ka optimalnom upravljanju podacima, postizanje toliko željene izvrsnosti proizvodnih podataka.

Predstojeći put sastoji se od tri koraka, predviđajući u svakoj fazi postupno povećanje analitičkih sposobnosti i sposobnosti suradnje s različitim vanjskim akterima. U nastavku navodimo različite korake.

Razvijanje i integracija aplikacija sposobnih za praćenje i optimizaciju operativnih procesa

Ovo je faza koju su mnoge tvrtke već započele. Dobivanje podataka dolazi iz integracije između IoT senzora – ili drugih kontrolnih sustava – s MES i ERP sustavima. Putem nadzornih ploča i izvješća, upravitelji područja mogu optimizirati učinkovitost proizvodnje, u skladu s modelom Industrije 4.0. Ovaj prvi korak, igra temeljnu ulogu, jer ako se pravilno izvede, može potaknuti izvođenje agilnijih i učinkovitijih operacija.

Promicanje usvajanja prediktivnog pristupa

Sastoji se od autonomnog prepoznavanja napretka poslovnih procesa, zahvaljujući umetanju velike količine podataka unutar algoritama strojnog učenja. Cilj je predvidjeti buduće ponašanje, pomažući tvrtkama da se nose s mogućim situacijama – prediktivno održavanje ili predviđanja potražnje. Budući da kvaliteta prediktivne analize ovisi o količini dostupnih informacija, postoji poticaj za povećanje prikupljanja podataka unutar tvrtke. Ovdje se predviđanje budućih radnji seli iz opskrbnog lanca u različite operacije tvrtke, uključujući sve više dionika i povećavajući učinkovitost u usporedbi s prethodnom točkom.

Omogućite samooptimizirajuće – ili autonomne – sustave

Došli smo do posljednje faze: podaci se koriste za omogućavanje autonomnih sustava, tj. interoperabilnih platformi ili mreža sposobnih djelovati autonomno, koji ne zahtjevaju ljudsku intervenciju.

Procesi se na taj način upravljaju sami, koristeći povijesne i aktualne podatke kao ulazne parametre za algoritme za samoučenje – ili algoritme za samoobučavanje – koji postaju pametniji kako se njihovo iskustvo povećava.

Put prema proizvodnoj izvrsnosti još je dug, sama paradigma vođena podacima neprestano se razvija, stoga će proizvodne tvrtke morati držati korak, u procesu stalnog poboljšanja.