Взгляд на мир VUCA

Использование данных в Индустрии 4.0

Ренато Азеведо Сант Анна – консультант по цифровой трансформации и аналитике | Региональный партнер и наставник FasterCapital

Промышленные организации стали свидетелями того, как объем данных, генерируемых в процессе производства, а затем и выпускаемой продукции, растет с каждым днем благодаря сбору информации из окружающей среды с помощью датчиков, встроенных для диагностики возможных ошибок и текущих условий работы. и в целях содействия профилактическому и прогнозирующему обслуживанию.

Например: современный автомобиль представляет собой настоящий компьютер на колесах, причем некоторые более совершенные модели имеют функцию рулевого управления, то есть полуавтономные, выполняющие функции парковки и обнаружения столкновений, они оснащены несколькими датчиками, генерирующими такой объем. информация в каждый момент времени, которая в конце дня может достигать порядка нескольких сотен мегабайт.

Вопрос состоит в том, чтобы решить, будут ли эти данные храниться для последующего анализа или нет, что, если ответ будет положительным, потребует сбора, обработки и последующей отправки этой информации, чтобы ее можно было агрегировать, чтобы можно было идентифицировать закономерности в данных для возможного обнаружения аномалий.

No alt text provided for this image

Эта информация, анализируемая с помощью передовых аналитических систем искусственного интеллекта, позволяет генерировать ценную информацию и поддерживает процесс принятия решений на основе данных, предоставляя рекомендации, которые после реализации способны обеспечить улучшения процессов, которые, помимо улучшения Достигнутые результаты обеспечивают большую эффективность и снижение затрат.

В отличие от данных, пронизывающих Интернет, данные из промышленных систем, как правило, структурированы, то есть следуют заранее установленному правилу, что позволяет более простым способом обрабатывать их без особых изменений с помощью передовых аналитических систем. За исключением промышленных систем, которые, например, используют компьютерное зрение и, следовательно, им приходится иметь дело с данными, поступающими от датчиков, которые фиксируют изображения реальных объектов и людей и которые из-за хаотической динамики реальности могут иметь большую изменчивость, представляя собой нестандартные и сложные формы.

3 V больших данных применительно к промышленности

Самая первоначальная концепция, примененная к большим данным 3V, применима и к данным, генерируемым оборудованием, используемым в современных промышленных парках, поскольку все больше и больше датчиков и встроенных цифровых систем с соответствующими журналами существуют во всем их разнообразии.

No alt text provided for this image

Первый компонент 3V больших данных в промышленности касается объема, обозначая значительное увеличение объема генерируемых данных, который растет в геометрической прогрессии, второй компонент - это изменчивость, поскольку существуют источники данных, генерируемые несколькими различными источниками, и каждый один использует свои собственные стандарты много раз, что увеличивает сложность обработки этих данных и, наконец, фактор скорости, поскольку машины на производстве генерируют данные в реальном времени, которые требуют специальной обработки при их мониторинге, чтобы это могло произойти соответствующим образом. обработка для извлечения значения данных.

No alt text provided for this image

С внедрением в промышленности цифровых систем, таких как ПЛК (программируемые логические контроллеры) и системы SCADA (системы диспетчерского управления и сбора данных), для измерения и контроля промышленных процессов с помощью различных датчиков и исполнительных механизмов, составляющих экосистему цепочки создания стоимости, Выражение «данные — это новая нефть» стало приобретать большой смысл, поскольку стало возможным иметь множество показателей, позволяющих принимать более обоснованные решения о производстве и обо всем оборудовании, которое оно поддерживает. необходимо удовлетворить спрос, который также варьируется из-за сезонности некоторых регионов с соответствующими потребительскими рынками.

Кроме того, все больше и больше продуктов производятся самостоятельно, когда они оснащены встроенными цифровыми системами, как в приведенном выше примере транспортных средств, которые имеют высокотехнологичную составляющую, с датчиками, которые собирают информацию в виде записей с отметкой времени и которые даже позволяют удаленная поддержка производителя по диагностике ошибок в виде отчетов. 

Индустрия 4.0 и концепция «Умного завода»

Важным фактором, который сделал так называемую «Индустрию 4.0» жизнеспособной, была доступная стоимость технологий, которые раньше были доступны только крупным промышленным конгломератам из-за их высокой стоимости.

Развитие технологии имеет такую особенность, что после покрытия затрат на ее НИОКР (исследования и разработки) и с учетом увеличения масштабов ее внедрения происходит снижение ее удельной стоимости, что в конечном итоге позволяет массовость ее использования.

No alt text provided for this image

Совсем недавно появилась концепция «Умного завода», которая точно обозначает использование данных для управления всей цепочкой создания стоимости, используя функциональную совместимость и интеграцию различных систем, IIoT, компьютерного зрения и искусственного интеллекта. оптимизированным способом для максимизации результатов работы производственного подразделения, с большей прозрачностью операций для принятия решений практически в реальном времени, охватывая всю цепочку поставок и логистику, необходимую для выполнения заказов, поступающих в производство.

Наличие реальных «кабин» принятия решений через облачные системы, где через веб-доступ вы можете получить доступ к панелям с информационными панелями, содержащими информацию о различных отраслевых показателях, что позволяет невероятно повысить гибкость промышленных операций и адаптироваться к изменениям, которые присутствуют во всех сферах. их сложность. 

No alt text provided for this image

В рамках «умной фабрики» каждый новый запрос заказа, поступающий в производство, требует повторной обработки всей цепочки событий, чтобы адаптировать и синхронизировать все этапы цепочки поставок для удовлетворения нового спроса в ожидаемое время.

Другими словами, это означает, что «партии» заказов, когда они поступают в производство, каждая из которых имеет свои собственные характеристики настройки, запускают интегрированный процесс различных систем, отвечающих за процессы планирования и составления графиков, а именно ERP (Планирование ресурсов предприятия) и MES ( Системы управления производством), чтобы предоставить необходимые ресурсы для адаптивного и динамического обслуживания запросов на заказы в очереди, которые должны быть выполнены в кратчайшие сроки, и всегда стремясь оптимизировать распределение ресурсов для максимизации результатов.

Управление отраслевыми данными 

И в этой сложной цепочке взаимозависимых событий, каждое из которых имеет свою степень важности и зависимостей, ошибка на определенном этапе процесса может привести к серьезным операционным проблемам.

Вот почему, чтобы все работало интегрированно, в разных системах должны быть проверены необходимые данные, чтобы не было ошибок при выполнении запроса на запуск производства, которые могли бы привести к остановке с задержкой. всего производства и повлечет за собой убытки для организации.

No alt text provided for this image

Таким образом, правильное обращение со всей этой информацией во всей ее изменчивости и сложности с созданием политик управления данными, использованием стандартизации методов качества данных и форматирования данных является обязательным, чтобы эту информацию можно было считать согласованной. служить входными данными как для производственного процесса, так и для процесса принятия решений, чтобы извлечь ценность в виде практических идей. 

Например, в критических промышленных процессах, где возможный сбой может привести к катастрофическим последствиям, безопасность и надежность данных, полученных с помощью телеметрии, являются определяющими факторами для правильной работы и соблюдения стандартов безопасной эксплуатации.

Таким образом, возможность превентивного выявления возможных рисков и использования прогнозного обслуживания на основе данных имеет жизненно важное значение для успеха организации. Это не только позволяет наилучшим образом управлять рисками, но и позволяет избежать потенциальной гибели людей из-за возможного отсутствия технического обслуживания.

Решения, основанные на данных, как конкурентное преимущество

Согласно статье авторов Harvard Business Review (McAfee, A. and Brynjolfsson, E.; 2012) на тему «Большие данные: революция в менеджменте», она показала, что компании, которые классифицировали себя как управляемые данными, выполняли лучше с точки зрения операционных и финансовых результатов, будучи соответственно на 5% более производительным и на 6% более прибыльным, чем его конкуренты.

В той же статье (McAfee, A. and Brynjolfsson, E.; 2012) по-прежнему интересно упоминается, что роль более старших людей, обладающих знаниями о бизнесе, имеет тенденцию меняться, они становятся более сосредоточенными на том, какие вопросы следует задавать, так что данные можно использовать для демонстрации наиболее подходящих ответов посредством практических идей.

Кроме того, данные необходимы в качестве исходных данных для совместных процессов генерации идей и создания прототипов новых продуктов в циклах экспериментов в отраслях, которые используют данные в качестве нематериальных активов в цепочке создания стоимости организации для получения масштабируемых результатов.

No alt text provided for this image

Развитие мобильных сотовых систем и точек доступа/маршрутизаторов Wi-Fi в промышленных средах также способствовало широкому использованию данных в качестве конкурентного преимущества для промышленных операций в сложной экосистеме, которая обеспечивает обратную связь сама с собой и которая, предоставляя более высокая степень информационной осведомленности обеспечивает большую прозрачность всех операций, обеспечивает большую гибкость в принятии решений и оперативность действий, которые необходимо выполнить, сокращая так называемое время получения ценности, то есть время, необходимое для создания стоимости, даже в сложная бизнес-среда.

Задача получения практической информации о потоках данных, генерируемых всеми компонентами IIoT (промышленного Интернета вещей), различных периферийных устройств, которые собирают данные через датчики, является одним из дифференцирующих факторов производительности с течением времени, являясь фундаментальным фактором. использование передовых аналитических систем искусственного интеллекта в безопасной среде облачных вычислений, чтобы после сбора всей информации обрабатывать и анализировать закономерности в данных, чтобы генерировать рекомендации для бизнеса. 

Наблюдение: Эта статья представляет собой переведенную на английский версию моей оригинальной статьи на португальском языке, опубликованной в 2021 году.

Рекомендации

Документы:

Об авторе – Ренато Азеведо Сант Анна

Консультант по цифровому бизнесу и аналитике, Мыслитель и куратор мира VUCA, с естественным любопытством к миру и его сложности, междисциплинарными знаниями и способностью давать действенные рекомендации и идеи о конкурентной среде.

Также наставник, продюсер контента (автор контента), инструктор и спикер по темам, связанным с Цифровая эра, Инновации, Предпринимательство, Технологии, Будущее труда, Приложения искусственного интеллекта для бизнеса и поведения потребителей на цифровых каналах.

Видно в информационных бюллетенях LinkedIn

Paulo Chiele
Пауло Чилеhttp://www.luxurymarketreview.com
Консультант по роскоши.
Член Глобальной сети экспертов по роскоши (GLEN).
paulochiele@luxurymarketreview.com

Последние статьи

spot_imgspot_img

Статьи по Теме

Оставьте ответ

Пожалуйста, введите ваш комментарий!
пожалуйста, введите ваше имя здесь

spot_imgspot_img
Russian