От Big Data к Smart Data: повышение ценности производственных инсайтов

Производители богаты данными, но бедны инсайтами. По исследованию IBM, всего 28% организаций «используют данные от оборудования, процессов и систем для получения инсайтов для непрерывного улучшения процессов».

Проблема? Big data сами по себе редко дают смысловое значение без контекста и намерения. Для оптимизации текущих операций и сохранения конкурентоспособности в цифровом рынке производителям нужен способ превратить big data в smart data — информацию, которая релевантна, точна и пригодна для действий.

Читайте дальше, чтобы узнать больше о big data и smart data, а также о том, как компании могут преодолеть разрыв.

Что такое big data в производстве?

Big data — это большие и сложные наборы данных, генерируемые по производственным системам, но объем وحده не гарантирует инсайтов или операционных улучшений.

Распространенные источники big data: IIoT-системы, ПО производственных систем и ПЛК (PLC), журналы обслуживания, инструменты контроля качества и СУТП (CMMS).

Big data фокусируется на количестве, а не качестве, создавая проблемы с удобством использования. Больше данных помогает увидеть общую картину, но сложнее разобрать детали.

Четыре характерные черты big data:

• Объем (Volume): Количество генерируемых данных. Многие компании производят терабайты (ТБ) данных ежедневно.

• Скорость (Velocity): Темп создания и обновления данных. При производстве 24/7/365 данные никогда не останавливаются.

• Разнообразие (Variety): Вариация данных. Производители собирают всё: от данных материалов до информации об эффективности, данных IoT-датчиков и результатов контроля качества.

• Достоверность (Veracity): Правдивость: насколько данные точны и надежны? Big data бесполезны, если источники не заслуживают доверия.

Что такое smart data?

Smart data — это курированные, контекстуализированные и целенаправленные сведения, полученные через аналитику big data. Если big data часто собираются и хранятся в масштабе, smart data намеренно формируются для поддержки обоснованных решений.

Три черты, отличающие smart data от big data:

• Качество: Данные четкие, лаконичные и правильно отформатированные.

• Релевантность: Своевременность. Исторические данные важны для долгосрочного планирования, но своевременные данные необходимы, чтобы действия адресовали текущие условия.

• Точность: Прецизионность. Например, высокотемпературные станки могут требовать калибровку в десятых доли градуса. Любое отклонение делает выходы непригодными. Smart data — это точные данные.

Не уверены, у вас big data или smart data? Начните с простого вопроса: данные просто хранятся или помогают отвечать на бизнес- и операционные вопросы?

Ключевые различия между big data и smart data

Оба типа играют роль в операциях. Big data закладывает основу для анализа крупномасштабных трендов и соответствия регуляторным ожиданиям (например, GMP). Smart data помогает точно локализовать проблемы, определять решения и предпринимать целевые действия.

Четыре ключевых отличия:

1. Big data делает акцент на сборе; smart data — на использовании.
2. Big data обобщающие; smart data — специфические.
3. Big data приоритизирует содержание; smart data — контекст.
4. Big data статичны; smart data — быстры.

Почему big data в одиночку часто терпит неудачу в производстве

Компании не могут игнорировать роль big data. Исторически предприятия фиксировали только высокоуровневые данные: общий объем выпуска, время циклов, коэффициенты переделки. Появление мелких всегда подключенных систем и датчиков дало сбор машинных данных в масштабе. Сегодня производители могут отслеживать каждый деталь операции: от запуска до стандартных нагрузок и непланируемых простоев. Каждый процесс активов, действие персонала и операция ПО становится частью ландшафта big data.

Вызов? Объемы данных ведут к туннельному зрению: производители предполагают, что просто сбор данных достаточно для инсайтов и действий. На практике инициативы big data часто не дают ценности. Пять частых причин неудачи:

• Сбор данных без четких целей.

• Низкое качество и непоследовательность данных.

• Отсутствие стандартизации между системами.

• Ограниченная способность интерпретировать и действовать на основе данных.

• Слишком много дашбордов, слишком мало инсайтов.

Как smart data улучшает производственную производительность

Smart data улучшает производительность за счет действенных инсайтов. Рассмотрим четыре больших структурированных набора данных из множества источников: датчики оборудования, контроллеры, пользовательские отчеты и операционные бенчмарки. Полезный инсайт содержится в данных, но виден только при валидации, курировании и анализе.

Эти процессы превращают big data в smart data, давая множество преимуществ. Первое — ускоренный анализ корневых причин. Оснащенные контекстуальными данными о том, как, когда и почему оборудование отказало, команды устраняют источники, а не симптомы.

Smart data также повышает надежность активов и время работы. Комбинируя текущие и исторические данные производительности, команды выявляют возможные точки отказа, ведущие к непланируемым простоям, и принимают меры. Например, если анализ показывает, что высоконагруженный актив регулярно испытывает электрические неисправности, компания может назначить более частые обслуживания для решения немедленной проблемы и одновременного поиска корневой причины.

Другие выгоды: лучшее качество и выход за счет точной и текущей информации о браке и переделке, улучшенное планирование нагрузки и прогнозирование на основе операционных потребностей и эффективности оборудования.

Наконец, smart data способствует более сильной согласованности между командами, заставляя обслуживание, операторов, менеджеров и топ-менеджмент говорить на одном языке, снижая риск дублирующей работы или упущенных возможностей.

Роль обслуживания и надежности в стратегиях smart data

Данные обслуживания и надежности играют ключевую роль в стратегиях smart data. Это взаимный процесс. Отслеживание обслуживания и надежности усиливает влияние smart data, а smart data стимулирует непрерывное улучшение процессов обслуживания и надежности.

Четыре частых выгоды:

• История обслуживания дает контекст отказам: Истории обслуживания предлагают значимый инсайт для раскрытия контекста сбоев машин и поддержки прескриптивной аналитики.

• Условия активов связываются с результатами производительности: Условия активов часто включают структурированные и неструктурированные данные. Наряду с выходами датчиков компании могут включать пользовательские отчеты с рекомендациями на основе лет опыта. Комбинирование этих источников ведет к лучшим результатам.

• Действенные данные снижают реактивное обслуживание и риски непланируемых простоев: Реактивное обслуживание дорого и затратно по времени, так как начинается только при отказе. Использование smart data для создания тепловых карт, отчетов о рисках и визуализаций помогает выявить потенциальные причины непланируемых простоев.

• Smart data лежит в основе предиктивной аналитики обслуживания: Предиктивная аналитика позволяет командам опережать потенциальные проблемы. Она также играет роль в более продвинутой аналитике, дающей сквозной инсайт о производительности машин и потенциальных улучшениях.

Smart data как фундамент Manufacturing 4.0

Цифровая трансформация позволяет внедрять процессы Manufacturing 4.0, опирающиеся на всегда подключенные, всегда включенные устройства и оборудование.

Smart data — фундамент цифровой трансформации.

Рассмотрим искусственный интеллект (AI) и машинное обучение (ML). Эти технологии движут созданием умных фабрик, использующих текущие и исторические данные для «обучения» со временем и улучшения операций. Обучение моделей ML-алгоритмами и аналитика данных AI требуют чистых и контекстуальных данных. Простое запуск этих инструментов на big data ограничит их эффективность. Использование smart data сокращает расстояние между запросом и инсайтом.

Smart data также поддерживает мониторинг здоровья машин в реальном времени и оптимизацию, требуемые Manufacturing 4.0. Во многих средах длительные простои всё более затратны и разрушительны. С доступом к smart data команды могут принимать немедленные решения, улучшающие производительность.

Кроме того, smart data позволяет масштабируемые и устойчивые цифровые инициативы. Бизнес может определить, где лучше вложить деньги для расширения производства, и найти способы снизить затраты, ограничить выбросы и поддержать зеленые технологии.

Есть также кейс для использования smart-технологий, чтобы опережать технологическую кривую. По мере распространения AI-активов и автономных агентов легко отстать. Управление smart data помогает выявить зоны улучшения и предложить способы обеспечить операционную готовность.

Лучшие практики создания smart data в производстве

Заложение основы smart data начинается с пяти лучших практик:

1. Определите четкие бизнес- и операционные цели: Smart data дает ясность, но только если вы знаете, на что смотрите. Начните с четких целей бизнес-интеллекта и операций. Хотите улучшить пропускную способность станков? Повысить качество выхода? Сократить время реакции обслуживания? Понимание конечной цели определяет отправную точку.

2. Стандартизируйте определения и метрики данных: Создайте последовательные метрики и определения для обработки данных. Это означает соединение точек на KPI вроде MTTR, MTBF и OEE для обеспечения интероперабельности данных.

3. Фокусируйтесь на качестве данных, а не количестве: Больше данных не значит лучшие данные. Где возможно, выбирайте данные высокого качества вместо больших объемов. Например, точные показания температуры каждые 10 минут ценнее, чем приблизительные оценки каждые 30 секунд.

4. Интегрируйте данные между системами: Изолированные данные не умны. Для максимизации инсайта интегрируйте данные между системами: CMMS, EAM (управление активами предприятия) и ERP (планирование ресурсов предприятия).

5. Постройте межфункциональное сотрудничество: Обеспечьте совместный доступ к smart data для построения действенных стратегий. Это включает операторов, персонал обслуживания, производственные лидеров, технологических специалистов и корпоративных лидеров.

Smart data превращает информацию в действие

Big data дает объем. Smart data дает ценность. Оба необходимы для data-driven производственных операций. Big data готовит сцену для крупномасштабного трендового анализа и регуляторного соответствия, в то время как smart data помогает компаниям улучшить производительность, надежность и контроль затрат.

Превратите информацию в действие с глубокой аналитикой. ATS помогает производителям применять smart data для повышения надежности, производительности и принятия решений. Давайте поговорим.

Ссылки

IBM Institute for Business Value. (2022). Manufacturing 4.0: From data to decisions. IBM. https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/manufacturing-4-0