نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

2 آذر 1403 11:30 ب.ظ

هنر علم داده

ارسال شده در 21 آوریل 2022 توسط The Manufacturer

هنر علم داده ایجاد ارزش عملی از آرایه گسترده ای از نقاط داده است که به طرق مختلف با یکدیگر مرتبط هستند. این کاملاً متمایز از رویکردهای تاریخی است که در آن داده ها از طریق رابط بین یک تولید کننده و مصرف کننده خاص رد و بدل می شد.

هنر دیجیتالی‌سازی مدرن درک اهمیت نقش‌های بسیاری است که هر قطعه داده می‌تواند در یک اکوسیستم تعاملی متشکل از تولیدکنندگان و مصرف‌کنندگان داده‌های متعدد ایفا کند. بازیکنانی که دارای تخصص هستند، حوزه‌های متعددی را تشکیل می‌دهند، و همچنین سازندگان الگوریتم‌های پردازش داده‌های پیشرفته و مبتنی بر زمان، یا هوش مصنوعی، باید گرد هم آیند و نرم‌افزار اتوماسیون تجزیه و تحلیل داده‌های بلادرنگ را به منظور ایجاد بینش عملی ارائه دهند.

داده‌های پیام‌های IIoT، مانند مواردی که توسط استاندارد IPC Connected Factory Exchange (CFX) IIoT برای تولید استفاده می‌شود، به طور بالقوه در ایجاد ارزش از طریق تعدادی از دیدگاه‌های مختلف، از جمله عملکرد عملیاتی، کیفیت محصول، مواد و زنجیره تامین، انطباق کمک می‌کند. هر دیدگاه با ترکیب بینش فزاینده از هر نقطه داده جدید، با سایر نقاط داده، در زمینه مدل زنده “دیجیتال-دوقلو” عملیات تولید، از جمله جزئیات محصول، روش مهندسی طراحی محور، تنظیمات ایستگاه تولید و غیره ایجاد می شود.

 واقعیت‌های کوچک، محاسباتی هستند که بر اساس جنبه‌های ساده داده‌ها در گروه‌ها، مشتق‌شده از پیام‌های متعدد، از منظری خاص گرفته شده‌اند. به عنوان یک مثال ساده، زمانی که یک واحد تولیدی از یک ایستگاه تولید خاص خارج می شود، گزارش می شود. یکی از مثال‌های کوچک مشتق‌شده، مدت زمانی است که واحد تولیدی برای تکمیل پردازش در پیکربندی خط تولید بر اساس زمان رسیدن واحد تولید به ایستگاه اول و زمان خروج در ایستگاه نهایی طول می‌کشد.

تفاوت بین این دو زمان یک محاسبه ساده است، اما وقتی از دیدگاه‌های مختلف، از جمله نشان‌دهنده عملکرد خط در برابر هدف، OEE اثربخشی تجهیزات عملیاتی، خطر کیفیت ناشی از گسترش تغییرات زمان‌ها در نظر گرفته شود، نقش مهمی ایفا می‌کند. واحدهای مختلف تولید، تأثیر بر برنامه‌های تکمیل مواد، برون‌یابی عملکرد خط مورد انتظار کوتاه‌مدت و با در نظر گرفتن وابستگی‌ها و مسیرهای مرتبط محصولات مختلف، عملکرد کل کارخانه را نشان می‌دهد.

دیدگاه‌هایی که مورد نیاز هستند، فرآیند زمینه‌سازی را هدایت می‌کنند و از مسائل دنیای واقعی، مانند بروز نقص، اختلال در جریان تولید، یا نوسان غیرعادی شرایط در مناطق کلیدی ناشی می‌شوند. در یک دسته تولیدی از هزار محصول، یک محصول معیوب است. از آنجایی که هر عملیات تولیدی همانطور که انتظار می رفت برای هر محصول به همان شکلی که انتظار می رفت تکمیل شد، جستجو برای علت اصلی یک نقص “یکباره” به بهترین وجه با درک اینکه کجا بیشترین واریانس در فرآیند از منظر محصول معیوب تجربه شده است انجام می شود.

چنین واریانسی احتمالاً حاصل ترکیب دو یا چند عامل است که هر کدام در محدوده کنترل فردی خود هستند، اما با هم، یک نقص ایجاد شده است. چندین دیدگاه باید در نظر گرفته شود، که هرکدام توسط بسیاری از واقعیت‌های خرد مرتبط، که تجزیه و تحلیل را قادر می‌سازد مجموعه منحصربه‌فردی از شرایط را پیدا کند که به احتمال زیاد در ایجاد نقص نقش داشته است، در نظر گرفته شود.

به عنوان ارزش بعدی، تجزیه و تحلیل می‌تواند برای یافتن آن دسته از واحدهای تولیدی انجام شود که تقریباً شرایط مشابه واحد تولیدی معیوب را تجربه می‌کنند، اما محصولات خوبی به نظر می‌رسند. درک اهمیت هر یک از دیدگاه های آنها ممکن است منجر به شناسایی واحدهایی شود که ممکن است “منطقه خاکستری” کیفیت باشند، آن دسته از محصولاتی که مشکلات قابلیت اطمینان در بازار دارند. سپس می توان اقدامی انجام داد که امکان چنین ترکیبی از عوامل را که بر عیوب این نوع تأثیر می گذارد، از بین ببرد.

تحلیل‌های مشابهی را می‌توان از دیدگاه‌هایی انجام داد که بر عملکرد یک خط تولید تأثیر می‌گذارد، که اغلب به عنوان تحلیل ماشینی یا تحلیل حلقه بسته از آن یاد می‌شود، اما در موارد ایده‌آل، با در نظر گرفتن زمینه‌های بسیار گسترده‌تر که شامل تغییرات قبلی مرتبط با واحدهای تولیدی ورودی، مواد می‌شود. و عملیات اجرا شده

هوش و تجربه انسانی مبتنی بر دانش دنیای فیزیکی تولید مونتاژ، برای فرمول‌بندی دیدگاه‌هایی که برای پیشبرد پیشرفت مورد نیاز است، استفاده می‌شود. اتوماسیون، از طریق استفاده از الگوریتم‌های نرم‌افزاری، سپس ترکیبی از واقعیت‌های خرد را دستکاری می‌کند تا دید کلی رویدادها و روندها را ایجاد کند، که هر کدام از داده‌ها تغذیه می‌شوند.

 اکوسیستم دیجیتال واقعی Industry 4.0 شامل ترکیبی از بسیاری از منابع “کلان داده” است که داده های خود را به طور متقابل با بسیاری از راه حل ها به اشتراک می گذارند، که هر کدام دوباره نتایج خود را با راه حل های دیگر مبادله می کنند، هر کدام بر روی یکدیگر ایجاد می کنند تا بینشی را ایجاد کنند که منفعت مستقیم ایجاد می کند. .

آیا این نوشته برایتان مفید بود؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *