Производство на основе данных здесь

Что такое производство на основе данных?

Важные решения, влияющие на производственный процесс, всегда должны основываться на фактах, а не на предположениях, пожеланиях, теориях или мнениях. Современные новейшие технологии помогают, позволяя людям и оборудованию собирать и обрабатывать факты, необходимые для достижения лучших результатов.

Ускоренное развертывание недорогих датчиков и их подключение к Интернету породило много шумихи о будущем производства. Интернет вещей (IoT) и его применение больших данных и аналитики привели к созданию производства следующего поколения. Это включает использование данных для снижения затрат за счет новых продаж и планирования операций, значительного повышения производительности, оптимизации цепочки поставок и распределения, а также новых видов послепродажного обслуживания.

Производство на основе данных несомненно, это следующая волна производственных операций, направленных на создание эффективных и гибких производственных систем. Производители, наконец, могут лучше использовать данные в своей повседневной деятельности по принятию решений значимым и продуктивным образом.

Преимущества производства, управляемого данными

ПОВЫШЕННАЯ ВИДИМОСТЬ

Производство, управляемое данными, может обеспечить более глубокое понимание руководителями производственных операций производственных процессов на основе этих показателей данных, собираемых по всей организации. Точные данные могут дать необходимое представление не только о производительности отдельных активов, но и об производственных операциях в целом. Это помогает лицам, принимающим решения, сосредоточиться на областях, в которых есть возможности, включая неэффективные смены, периодические простои оборудования или другие узкие места в производстве.

ТЕХНОЛОГИИ И АНАЛИТИКА IOT

Имея большие наборы данных в цехах, производители могут запускать алгоритмы машинного обучения, которые могут решать сложные проблемы. Именно с помощью подобных аналитических усилий, основанных на искусственном интеллекте и машинном обучении, производители могут применять передовые методы, такие как профилактическое обслуживание. Используя эти возможности обработки или доступ к данным, они могут получить доступ к подробным формам принятия решений на основе данных.

АВТОМАТИЗАЦИЯ

Автоматизация существует в двух категориях с использованием подхода, основанного на данных. Первый - это автоматический сбор данных, при котором определенные устройства собирают данные с помощью программного обеспечения для их обработки. Для этого не требуется никакого ручного вмешательства. Второй компонент автоматизации - использование данных для автоматизированного принятия решений. Используя прогнозную аналитику, производители сначала используют данные, чтобы понять, что произошло или происходит в настоящее время, но со временем созревают, чтобы понять, что может случиться, и имеют возможность принимать меры самостоятельно.

СНИЖЕНИЕ ЭКСПЛУАТАЦИОННЫХ РАСХОДОВ

Данные наряду с бережливым производством дают производителям возможность оптимизировать производственные процессы и минимизировать отходы. Без этих данных в реальном времени трудно точно измерить улучшения в производстве и убедиться, что изменения привели к экономии затрат.

Проблемы производства, управляемого данными

СЛОЖНЫЕ ФРАГМЕНТЫ ДАННЫХ И ТРАДИЦИОННЫЕ НАСЛЕДИЕ СИСТЕМЫ:

Наличие разрозненных операционных систем, которые не связаны между собой, между различными отделами, а также отсутствие общей документации и связи могут стать большой проблемой. Может быть сложно агрегировать эти данные по разрозненным системам, что также может означать получение меньшей ценности из собранных данных. Платформа на основе Интернета вещей, которая может подключать несколько уровней традиционных систем и выводить это устаревшее оборудование в сеть, может быть здесь отличным решением.

ПОТЕНЦИАЛЬНЫЕ УГРОЗЫ БЕЗОПАСНОСТИ:

При подключении более сложных устройств возрастает вероятность возможных уязвимостей для взлома данных или безопасности. Кроме того, поскольку безопасность на машинном уровне ранее не рассматривалась, может отсутствовать разработка строгих стандартов или протоколов защиты данных.

БЕЗОПАСНОЕ ХРАНЕНИЕ ДАННЫХ:

С увеличением объема данных, подключаемых из-за нескольких подключенных устройств и систем, которые предоставляет производитель, ориентированный на данные, это создает проблему для хранения данных. Весь этот растущий поток данных требует центрального репозитория для сбора и обработки, что может быть дорогостоящим, если пользователь хочет хранить данные локально.

ПЕРЕХОД ОТ ПРОИЗВОДСТВА ПО ВРЕМЕНИ К ПРОИЗВОДСТВУ СОБЫТИЙ:

Сегодня большинство производственных компаний работают по модели производства, запускаемой по времени. Все исходные данные поступают в систему ERP, которая преобразует сырье в готовую продукцию нужной формы и времени. Но когда производство, управляемое данными, станет нормой, машины будут следовать стилю производства, запускаемому событиями, что подразумевает сдвиг в этой модели и перспективе производства для производителей.

Почему данные являются уникальным активом для производителей?

Данные - один из важнейших активов для всех компаний. Понятно, что подход к производству, основанный на данных, не просто приводит к расплывчатым «улучшениям» - он значительно улучшает производительность и увеличивает чистую прибыль.

PepsiCo обнаружила это после внедрения аналитического программного обеспечения, которое помогло отслеживать, как распределяются вкусы газированных напитков. Данные показали, как решить проблему доставки такого количества продукта, что срок его годности истек до того, как он был использован. После корректировки баланса PepsiCo сократила поставки и, следовательно, объем отходов.

Amazon - еще один убедительный пример того, что данные могут сделать для цепочек поставок. Компания вложила значительные средства в автоматизацию, чтобы превратить свои центры выполнения заказов в сплоченные экосистемы. Благодаря инновациям в области производства, основанным на данных, Amazon сократила расходы на планирование цепочки поставок и добилась ежегодного роста прибыли.

С этими цифрами можно было бы предположить, что производители захотят свободно владеть данными. Однако цифровая трансформация часто терпит неудачу из-за отсутствия поддержки наверху. Руководство часто рассматривает передовые технологии как риск. Также есть опасения, что новые технологии заменят рабочих. Таким образом, только 31% компаний считают себя действительно управляемыми данными производством, что меньше 37% два года назад.

Эти опасения безосновательны. Когда фабрики используют данные для улучшения процессов и искусственный интеллект для повышения эффективности, эти фабрики становятся более конкурентоспособными. Исследования показывают, что производители выделили 907 миллиардов долларов (5% выручки) на улучшение связи и что 72% ожидают «цифрового развития» к 2020 году. Таким образом, сбор данных имеет важное значение для сохранения актуальности.

Производителям придется преодолеть несколько препятствий на этом пути. Прежде всего, компании нужен правильный стек технологий и персонал для управления им. Помимо этого, необходимо улучшить доступ к данным, чтобы лица, принимающие решения (не только ИТ), имели наиболее точную информацию. Наконец, какие бы технологии ни внедрялись, они должны быть достаточно динамичными, чтобы при необходимости включать новые типы данных и анализ.

Проблемы производства, управляемого данными

1. Интеграция с устаревшими системами

Хотя промышленная автоматизация - это эволюционный процесс, и внедрение передовых технологий увлекательно, также важно найти способ заставить их работать вместе с хорошо зарекомендовавшими себя и проверенными унаследованными системами. Современный завод имеет несколько уровней системы. Это может стать проблемой, когда первоначальный разработчик собственных унаследованных систем не может полностью взаимодействовать с системами нового поколения с скудной документацией. Важно понимать, что речь идет не о том, чтобы начать с чистого листа, а об эффективной интеграции в существующую среду проектирования и производства.

2. Проблемы безопасности системы:

Распределенные системы управления, подключенные через Интернет, могут подвергать существующие системы несанкционированному доступу злоумышленников. Поскольку все больше устройств IoT подключаются через шлюзы, это также открывает возможности для управления и доступа из любого места. Большинству традиционных шлюзов производственных систем потребуется серьезная защита от новых проблем безопасности, с которыми сталкиваются ИТ-службы. Это подразумевает добавление вычислительной мощности, достаточной для решения сетевых задач и задач безопасности.

3. Помимо обмена данными, к совместному использованию данных

Создание единой модели данных и интеграция всех независимых систем в производственный процесс может оказаться сложной задачей. Эти данные необходимо легко отображать и передавать каждому бизнес-подразделению, чтобы свести к минимуму потери ресурсов и материалов. Использование датчиков, управляемых IoT, которые могут обнаруживать потенциальные сбои в оборудовании, может быть одним из способов минимизировать сбои при обмене данными.

4. Неточные или неполные данные

Когда существующие производственные данные являются неполными или неточными, это может повлиять на принятие решений, особенно для критически важных проектов, где данные являются основой успеха. Это также означает, что много времени, усилий и ресурсов тратится на заполнение записей DAA или обеспечение их достоверности и достоверности .

Чем может помочь производство, управляемое данными?

По данным Forrester , организации, управляемые данными, сообщают о 30% ежегодном росте в дополнение к прибыльности, привлечению и удержанию новых клиентов.

1. ПОЛУЧЕНИЕ НЕОЖИДАННОЙ ИНФОРМАЦИИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ:

Получение неожиданных результатов на основе данных с помощью расширенной аналитики может открыть дополнительные возможности для принятия быстрых и точных решений. Правильные данные позволяют производителям сосредоточиться на наиболее важных проблемах и возможностях. Четкое понимание того, правильно ли производители измеряют, устанавливая ключевые показатели эффективности для проблем, может помочь легко их решить.

2. ГЛУБОКОЕ ИЗУЧЕНИЕ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ:

Расширенная аналитика может помочь производителям раскрыть невиданные возможности для увеличения объемов производства. Часто они могут предположить, что были реализованы все возможные улучшения процессов, используя данные, которые они могут глубже изучить для дальнейшего улучшения. С помощью этих аналитических данных, основанных на данных, также можно найти решения проблем, которые сохранялись в течение некоторого времени, что еще больше расширит объем операций с использованием существующих ресурсов.

3. ЭКОНОМИЯ РАСХОДОВ:

Производственная компания, которая использует цеховые данные в реальном времени, а также сложные статистические оценки, может легко взять то, что когда-то было изолированными наборами данных, агрегировать данные, а затем проанализировать их, чтобы выявить критически важные идеи. затрат при ускорении скорости получения результатов.

4. ПРОГНОЗ ТЕНДЕНЦИИ НА РЫНКЕ:

Производитель, ориентированный на данные, может использовать аналитические платформы для более точного прогнозирования требований к настройке. Это происходит путем выявления изменчивых моделей и тенденций в поведении клиентов. Аналитика данных позволяет детально изучить производственные процессы, что позволяет принимать более разумные и точные производственные решения на основе прогнозного анализа.

Искусственный интеллект для производства, управляемого данными

Поскольку большинство производственных процессов, управляемых данными, требуют высокого уровня точности, непрерывного повышения качества продукции и высочайшего качества процессов обслуживания, искусственный интеллект (ИИ) легко обеспечивает эти результаты для этой отрасли.

Благодаря использованию ИИ производство становится более ориентированным на данные, что дает производителям возможность повысить производительность, а также прибыль. Это также помогает им проложить путь к дальнейшему развитию благодаря многочисленным аналитическим приложениям, основанным на искусственном интеллекте, включая интеллектуальное обслуживание, качество 4.0, прогнозный интеллект, взаимодействие человека и робота и т. Д.

5 Steps to Implement Data-Driven Manufacturing

Manufacturers only become data-driven after undergoing a systematic transformation. Follow these steps:

1. INVESTIGATE TIME BOTTLENECKS.

Lead time, more than any other variable, reveals where true problems exist in the supply chain. Look for bottleneck operations, then investigate how and why they happen and what impact they have. Optimizing manufacturing operations management requires many things to be fine-tuned, but eliminating persistent delays and lost time is the priority.

2. DRAW ON EXISTING DATA.

Even if manufacturers need to collect more data from more sources to gain true insights, they already have data they can begin analyzing. It could be financial, operational, or physical — all of it contains insights that might be relevant to process engineers and continuous improvement experts. Working with available data helps companies cultivate their capabilities for the “big” data coming later.

3. USE AI TO SEARCH FOR INSIGHTS.

Collecting data is the first challenge; finding the insights within that data is the second. AI can aid this effort because it’s smarter and faster than humans. Analytics-driven by AI have been shown to improve order-to-delivery cycle times by 425% and supply chain efficiency by 260%. Compared to the alternatives, AI in supply chain makes it easy to begin leveraging analytics effectively.

4. EXPOSE THE UNKNOWNS.

The majority of details related to operations are unknown, even at the world’s leading factories. Data should be collected from sources that can illuminate these unknowns. Installing connected sensors is an ideal way to learn about previously opaque processes.

5. KEEP THINGS IN PERSPECTIVE.

As manufacturers become more fluent with data, it’s tempting to become as tech-driven as possible. However, fully automated manufacturing is only an asset for some companies, namely those with predictable demand. In companies where demand is dynamic, automation is less of an asset. Every technology should be evaluated based on whether it delivers actual business value rather than just advanced capabilities.

People mistakenly think manufacturing is data-driven because logically it absolutely should be. Decision-makers are discovering this at the exact same time that technologies like IoT and Big Data solutions are finally making it possible. It’s an incredible opportunity, but soon it will become an industrywide obligation.

Towards data-driven bottleneck elimination technology

ThroughPut’s Supply Chain planning software ELI is an AI-Powered Bottleneck Elimination Engine that analyzes your existing industrial data in real-time. ELI continuously detetects, identifies, prescribes and prevents your shifting operational bottlenecks to save millions in delays, inefficiencies &lost revenue. YOu finally can breakthrough bottlenecks that clog productivity, growth and profitability using data-driven decisions.

Click here to start your free trial with ELI today and start benefiting from the power of “data” for your factory operations.