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.
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.
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.
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.
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.
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.
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.
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
- Статья: Макафи А. и Бриньолфссон Э.; 2012 г.; Большие данные: революция менеджмента – Harvard Business Review; Октябрь 2012 г. – Ссылка: Большие данные: революция управления (hbr.org)
- Сайт: Что такое умная фабрика? – Определение с WhatIs.com (techtarget.com)
Документы:
- Мигель Оливейра, Даниэль Афонсу; 2019 год; Отрасль, ориентированная на сбор данных: как Индустрия 4.0 обрабатывается большими данными. В материалах 2-й Международной конференции по науке о данных и информационных технологиях (DSIT'19) за 2019 год. Сеул, Республика Корея, 7 стр. https://doi.org/10.1145/3352411.3352414 – Ссылка: Отрасль, ориентированная на сбор данных (acm.org)
- М. Берндтссон, Д. Форсберг, Д. Стейн и Т. Сван, «Становление организацией, управляемой данными», на 26-й Европейской конференции по информационным системам: за пределами цифровизации – аспекты социально-технических изменений, ECIS 2018, 2018, doi : 10.1007/978-3-662-60304-8. Связь: Стать организацией, управляемой данными (diva-portal.org)
- Шуай Чжао, Петр Дзюржански, Михал Пшевозничек, Марцин Комарницки и Леандро Соарес Индрусяк. 2019. Облачная динамическая распределенная оптимизация интегрированного планирования и планирования процессов на «умных» заводах. На конференции по генетическим и эволюционным вычислениям (GECCO '19), 13–17 июля 2019 г., Прага, Чехия. ACM, Нью-Йорк, Нью-Йорк, США, 9 страниц. https://дой. org/10.1145/3321707.3321826 – Ссылка: Облачная динамическая распределенная оптимизация комплексного планирования и планирования процессов на «умных» заводах (acm.org)
- KDD '15: Материалы 21-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных – август 2015 г., страницы 2311–2312. https://doi.org/10.1145/2783258.2789994 - Связь: Инновационные продукты, основанные на данных | Материалы 21-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных
- ICISS 2019: Материалы 2-й Международной конференции по информатике и системам 2019 г. – Март 2019 г., страницы 93–98. https://doi.org/10.1145/3322645.3322667 - Связь: Аналитика данных и платформа бизнес-аналитики на основе коллективного разума и Индустрии 4.0 | Материалы 2-й Международной конференции по информатике и системам 2019 г. (acm.org)
- MobiCom '15: материалы 21-й ежегодной международной конференции по мобильным вычислениям и сетям – сентябрь 2015 г., страницы 550–551. https://doi.org/10.1145/2789168.2802150 - Связь: Большие данные, Интернет вещей, …. Модные слова для научных кругов или реальность для промышленности? | Материалы 21-й ежегодной международной конференции по мобильным вычислениям и сетям (acm.org)
- KDD '16: Материалы 22-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данныхАвгуст 2016 г. Страницы 2119–2120 https://doi.org/10.1145/2939672.2945385 - Связь: Потоковый анализ больших данных Интернета вещей | Материалы 22-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных
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
