ارسال شده در 26 آوریل 2023 توسط جو بوش
داده ها در لبه – جمع آوری، ذخیره یا پردازش شده در یک نقطه پایانی در محیط شبکه کامپیوتری – می توانند کنترل بلادرنگ بر لجستیک و انبارداری و بهینه سازی مدیریت دارایی و موجودی و همچنین به حداقل رساندن زمان خرابی را هدایت کنند.
با این حال، به گفته دن مکیرنان، رئیس بخش جمع آوری داده اپیکور eFlex، شاید 80 درصد از تولیدکنندگان گام های اولیه خود را در دنیای فعال سازی داده ها برنداشته باشند.
مکیرنان گفت: «من می‌توانم بگویم که صنعت احتمالاً 20 درصد در این مسیر تکامل است. “کف کارگاه تا حد زیادی نادیده گرفته شده (تاکنون).”
با این حال، هوشمندی مبتنی بر داده می‌تواند از تشخیص رویداد و تصمیم‌گیری پشتیبانی کند یا به خودکارسازی انعطاف‌پذیر و پاسخگو کمک کند که کنترل کامل‌تری را در صورت لزوم به عملیات تحویل دهد. این قبل از صحبت در مورد رویکردهای ” آینده نگر” مانند نوآوری با هوش مصنوعی (AI) یا تجزیه و تحلیل پیشرفته تر است.
از فشارهای همه گیری گرفته تا آینده
رابرت کروتر، مالک نانوایی دوونشایر مستقر در چشایر، می‌گوید این شرکت نسل پنجم یکی از شرکت‌هایی است که تا همین اواخر «دلیل خوبی» برای بررسی داده‌ها نداشت.
این شرکت که تا حدودی به دلیل فشارهای سه سال اخیر، تحت فشار قرار گرفته تا چیز جدیدی را امتحان کند، از آن زمان دریافته است که به سادگی با استقرار حسگرهایی برای نظارت بر تجهیزات، از جمله لوازم کلیدی انرژی نانوایی، مکان‌هایی را که می‌توان صرفه‌جویی کرد، مشخص می‌کند. وی خاطرنشان کرد: بزرگترین مصرف کنندگان برق ما اجاق ها و فریزرها هستند.
نانوایی دوونشایر همچنین به سرعت پتانسیل تنظیم دقیق استفاده از گرمایش و سرمایش فضا را کشف کرد و متوجه شد که برخی از واحدهای تبرید در صورت خاموش شدن برای یک بازه زمانی برنامه ریزی شده هر روز می توانند دمای خنک کننده ایمن را برای چندین ساعت حفظ کنند.
از ماه اول، صرفه جویی مشهود بود – به تضمین بقای شرکت کمک کرد، حتی با وجود افزایش هزینه های انرژی از 5000 پوند در ماه به 12500 پوند در ماه برای سطوح مصرف مشابه. کروتر اضافه کرد که انتظار می رود در طول زمان صرفه جویی بیشتری صورت گیرد.
وسایل گرمایشی و سرمایشی در نانوایی دوونشایر پر انرژی و در عین حال ضروری هستند.
کراتر گفت: «ما به تازگی در حال مطالعه تغییراتی بوده‌ایم که تفاوت ایجاد می‌کنند، و سپس بررسی خواهیم کرد که آیا کسب‌وکار می‌تواند در تغییرات بسیار بزرگ‌تری سرمایه‌گذاری کند یا خیر. “داده ها می توانند به ما اعتماد به نفس ایجاد کنند و هر تغییر کوچکی می تواند تفاوت ایجاد کند.”
مکیرنان از eFlex گفت که حتی با وجود ERP که قبلاً در آن گنجانده شده است، بسیاری برای تحقق این نوع تحولات مبتنی بر داده، به ویژه در تولیدکنندگان کوچکتر، راه درازی در پیش دارند.
مکانی آسان برای شروع که نتیجه می دهد
یک نقطه شروع خوب می تواند یک درایو بدون کاغذ باشد. کاهش استفاده از کاغذ از طریق دیجیتالی کردن می تواند بسیار گسترده و آسان باشد. یک موضوع رایج این است که سفارش ایجاد شده در سیستم ERP بر روی کاغذ، در تولیدکنندگان کوچک و بزرگ به زمین منتقل می شود.
«این توسط برخی از رهبران فروشگاه که دانش قبیله‌ای دارند توزیع می‌شود و سپس به سمت فرآیند حرکت می‌کند. این یک راه بسیار کار فشرده و مشکل ساز برای حمله به تولید است.»
“بنابراین این معمولا نقطه ورود است و بر آن استوار است.” از آنجا، تولیدکنندگان می‌توانند منابع دانش چندرسانه‌ای را بر اساس داده‌ها، هم از سیستم‌های اداری و هم از سیستم‌های فروشگاهی مجهز به اینترنت اشیا، توسعه دهند، که به تولید مستقیماً چابک‌تر و همچنین افزایش تصمیم‌گیری در همه سطوح کمک می‌کند.
آنتونی واکر، مدیر استراتژیک، دانشکده مهندسی و فناوری در دانشگاه جان مورز لیورپول (LJMU)، موافقت کرد. “بزرگترین چالشی که دیده ایم این است که مردم می پرسند چگونه می خواهند ROI به دست آورند.”
به همین دلیل است که ابتکارات آنها به طور فزاینده‌ای به استفاده از نمایش‌ها برای کمک به اثبات موارد تجاری و سودمندی یک پروژه داده نگاه می‌کنند، و خودشان روی «همه چیز از اینترنت اشیا ساده تا تجسم» سرمایه‌گذاری می‌کنند تا به سازمان‌های ریسک‌گریز و کوچکتر کمک کنند تا ببینند چگونه شروع کنند.
نمایش‌های سنسورهای 50 پوندی و یک نرم‌افزار با کد باز مرتبط که روی یک واحد 500 پوندی برای جمع‌آوری داده‌ها اجرا می‌شود، می‌تواند اطلاعاتی را در زمان واقعی ارائه دهد که نشان‌دهنده انتقال به صنعت 4.0 با هزینه کم است و نشان می‌دهد چگونه داده‌ها می‌توانند به تصمیم‌گیری در مورد تغییرات و مانند آن در فرآیند کمک کنند.
واکر افزود: «این واقعاً موفق بود. داده‌های متصل به زمان واقعی می‌تواند صنعت را متحول کند، می‌تواند خطای انسانی را کاهش دهد و امکان تصمیم‌گیری آگاهانه‌تر را فراهم کند. با دیده شدن بیشتر معیارها، یک شرکت می تواند به جلو برود.”
Eamonn O’Neill، یکی از بنیانگذاران، مدیر و CTO در شرکت مشاوره خدمات محاسبات ابری Lemongrass، موافقت کرد که در حالی که برخی از آنها در زمینه فعال سازی داده ها از دیگران جلوتر هستند، اما داده ها هنوز در اکثر موارد کمتر مورد استفاده قرار می گیرند.
این قابل فهم است . آنیل به سازنده گفت: آنچه در مورد پروژه های داده در شرکت های تولیدی بسیار دشوار است این است که شما نمی دانید هنگام شروع چه بینش هایی خواهید داشت.
به عبارت دیگر، تا زمانی که کار تجزیه و تحلیل و یادگیری ماشین را انجام ندهید، نمی دانید چه ارزشی از داده های خود دریافت خواهید کرد. این به وضوح بسیاری از شرکت‌هایی را که نمی‌خواهند ریسک کنند، منصرف می‌کند.
خوشبختانه، برخی از شرکت‌ها ابتدا پرش می‌کنند و زمانی که مزایا را دریافت می‌کنند، برخی دیگر شروع به دیدن ارزش می‌کنند و از آن پیروی می‌کنند. او افزود که Lemongrass با یک شرکت جهانی نوشیدنی کار می‌کند که از طریق ترکیب داده‌های داخلی و خارجی به روشی منحصربه‌فرد، «ارزش زیادی» به دست می‌آورد که بینشی در مورد ضایعات تولید ارائه می‌کند که آنها نمی‌توانند از جای دیگری به دست آورند.
او گفت: «استراتژی آنها از ابتدا این بود که بفهمند پس از ادغام داده‌ها، چه مقدار خواهد بود. این شرکت [داده‌های ضایعات تولید] را با داده‌های آب‌وهوا ترکیب کرد که به آنها امکان ساخت مدل‌هایی را داد که نشان می‌داد اگر باران بیش از حد شدید باشد، تلاش‌های تولید به هدر می‌رود زیرا بارندگی بر رنگ نوشیدنی تأثیر می‌گذارد و آن را غیرقابل استفاده می‌کند. این می تواند میلیون ها نفر را نجات دهد.»
در مورد الزامات آهنگ و ردیابی آینده چطور؟
شرکت‌های داروسازی و موارد مشابه ممکن است با فناوری‌هایی که می‌تواند هزینه‌های پردازش داده‌هایشان را کاهش دهد، نیازهای ردیابی خود را بهتر برآورده کنند، به عنوان مثال، آنها را قادر می‌سازد تا از تجزیه و تحلیل داده‌های کنونی فراتر رفته و هر حرکت محصول خود را در زنجیره تامین ردیابی کنند.
آنها حتی می‌توانند این بینش‌ها را در طول زمان تجسم کنند و انیمیشن‌هایی از جریان محصول خود از طریق زنجیره تولید کنند. به طور ناگهانی، آنها بینش بسیار بیشتری نسبت به آنچه دقیقه به دقیقه در سراسر عملیات جهانی اتفاق می افتد، دارند.
با توجه به اینکه تاکنون از هر پنج تولیدکننده تنها یک تولیدکننده در مسیر کسب و کار دیجیتالی قرار گرفته اند، مزیت رقابتی می تواند مورد استفاده قرار گیرد.
داده‌های اجتماعی «خسته‌کننده» و غیرمصرف‌کننده می‌توانند ارزش بیشتری نسبت به انتظار داشته باشند، اما می‌توانند نادیده گرفته شوند. داده‌های سطح پایین (شاید در فضای ابری ذخیره شده) را می‌توان به روشی قابل خواندن جمع‌آوری و ساختار داد، سپس با تجزیه و تحلیل یا حتی یادگیری ماشینی روی آنها عمل کرد – مدل‌های در حال اجرا با داده‌ها برای از بین بردن مزیت رقابتی.
اونیل گفت: «البته برای شرکت‌های مختلف متفاوت است و هیچ تضمینی وجود ندارد، اما این الگویی است که ما مکرراً شاهد آن هستیم». “سرمایه گذاری مورد نیاز است، که این جهش را کمی مخاطره آمیزتر می کند. تنها زمانی که می بینند رقبا این کار را انجام می دهند و این مزیت را به دست می آورند، ضروری و فوری می شود.»
در همین حال، سخنرانان در فروم InterAct تولیدی در سال جاری تأکید کردند که اگر صنعت بریتانیا و مردم آن می‌خواهند پیشرفت کنند، به تحول مبتنی بر نوآوری هوشمندتر نیاز است.
داده ها در کسب و کار موفق نقش محوری دارند
مایکل فورد، مدیر ارشد استراتژی صنعت نوظهور در نرم‌افزار Aegis متمرکز بر Industry 4.0، اضافه کرد که نکته کلیدی این است که چگونه کارایی، بهره‌وری و سود را با تمام داده‌هایی که قبلاً با سیستم‌های اجرایی تولید (MES) جمع‌آوری کرده‌اید، افزایش دهید. او اظهار داشت: “این می تواند نقطه اصلی بسیاری از چیزها باشد.” “اما این اصلا آسان نیست.”
فورد افزود: با سه ماشین، می‌توانید سه سیستم نرم‌افزاری داشته باشید که می‌خواهند از داده‌های یکسانی استفاده کنند، که باعث ایجاد چندین اتصال مختلف و سفارشی‌سازی نرم‌افزار می‌شود. “این مقیاس مانع برای دستیابی به داده است.”
شرکت‌هایی مانند Aegis در حال توسعه ابزارها و استانداردهای جهانی اینترنت اشیاء (IoT) با هدف غلبه بر این موانع، برقراری ارتباط با ERP، سیستم‌های مدیریت، نظارت و موارد دیگر هستند. با این حال، انتشار کامل فناوری کاملاً قابل تعامل از طریق پایگاه مشتریان تولیدی، به طوری که آنها بتوانند از مزایای آن بهره مند شوند، زمان می برد.
نقاط داده همچنین باید در زمینه ای که در آن استفاده می شوند معتبر باشند. بنابراین، برای مثال، اگر دستگاه گزارش دهد که محصول کامل شده است، جالب است، اما این به چه معناست؟ فورد اضافه کرد. آیا این بدان معناست که مواد جدید باید به موقع تهیه شود؟ آیا این به معنای افزایش تعداد تولید است؟ آیا جسم یا قطعه مورد نظر خوب است یا بد و باید از بین برود؟ با توجه به گزارشات یا زمان چرخه به چه معناست؟ در حال حاضر، برخی از این سوالات اغلب بی پاسخ می مانند.
“این چیزی است که مردم فراموش می کنند. داده ها وارد این دریاچه های داده مبتنی بر ابر می شوند و محیط زیست را خراب می کنند.» ما متوجه شدیم که 80 درصد از داده‌های موجود در فضای ابری (میزبانی در اینترنت) کاملاً بی‌فایده است، زیرا زمینه‌ای ندارد.»
رفع همه این موارد می تواند زمان زیادی طول بکشد و به تخصص قابل توجهی نیاز دارد – حتی قبل از اینکه به هوش مصنوعی یا یادگیری ماشینی و فعال سازی تجزیه و تحلیل فکر کنید تا اطلاعات موجود و همچنین قابلیت ردیابی را درک کنید. شما به یک رکورد دیجیتالی از اتفاقی که افتاده است نیاز دارید، برخلاف یک نقطه داده متفاوت.
فورد خاطرنشان کرد: «و برای شرکت‌های کوچک و متوسط، آنها میلیون‌ها دلار برای حل مشکل ندارند. “این مانع بزرگ است. اگر ماشینی بخرید و در حال تولید محصولات باشد، ROI بسیار ملموس است. اما با نرم افزار، اگر از آن استفاده نکنید، بازگشت صفر وجود دارد. اگر از آن بد استفاده کنید، حتی می‌تواند اوضاع را بدتر کند.»
تام ریشتر، رئیس جهانی تولید گسسته و فرآیندی برای صنایع دیجیتال، شرکت نوکیا، خاطرنشان کرد که نیاز به طرح‌های داده جامع در هر سازنده متفاوت است. او گفت: «این واقعاً بستگی به این دارد که آنها چه کاری انجام دهند و چگونه آن را انجام دهند. علاوه بر این، تجهیزات قدیمی مانعی ایجاد می کنند، در حالی که کارگران کهنه کار با تجربه زیاد، گاهی اوقات نیازی به دانستن بیشتر احساس نمی کنند، زیرا آنها درک خوبی از ماشین و الزامات آن دارند.
داده ها برای انتقال دانش و کار تیمی
ریشتر خاطرنشان کرد: و اینجاست که استفاده دوطرفه از داده‌ها، که به کارگاه ها و از آنها منتقل می‌شود، حتی با تیم‌هایی از راه دور که بر روی مواردی مانند بازرسی میز قطعات هواپیما، از طریق اتصال جهانی کار می‌کنند، واقعاً ارزش را نشان می‌دهد.
او با اشاره به اینکه راه حل های از پیش پیکربندی شده، اتوماسیون، داشبوردها و عملکردهای plug-and-play می توانند تغییرات را تسریع بخشند و با قوانین آتی ضروری تر شوند، موافقت کرد: «با این حال (سازندگان) راه درازی در مورد بررسی دقیق زنجیره تامین در پیش دارند تا همه اینها را ملموس کنند.
ریشتر هشدار داد: «این مستلزم این است که شما داده‌ها را دریافت کنید، در غیر این صورت از تجارت خارج خواهید شد. اما شما باید کیفیت و کارایی را در حین تولید مداوم و پشتیبانی از تکنیک‌های جدید و کارگران نسل جدید که انتظار قابلیت دیجیتال دارند، تضمین کنید.
مارک هیوز، نایب رئیس Epicor UKI گفت که دستیابی به eFlex متمرکز بر ضبط داده‌های فروشگاهی، منعکس‌کننده این محرک‌های متعدد است. او موافقت کرد: «چالش با طبقه مغازه این است که با آن داده ها چه می کنید. “دیگری مردم هستند.” مهارت ها یک مسئله است اما موضوع دیگری که ممکن است همیشه به ذهن خطور نکند این است که گاهی اوقات کارگران جمع آوری و نظارت بر داده ها را به عنوان نظارت شرکتی یا تهدید کننده نقش آنها می دانند.
کتابخانه
شکل گیری داده‌هایی که به درستی انجام می‌شوند، می‌توانند از تصمیم‌های آگاهانه‌تر حمایت کنند که می‌تواند موجب صرفه‌جویی و بهره‌وری شود
با این حال، علاوه بر جمع‌آوری داده‌ها، سیستم‌های مجهز به اینترنت اشیا می‌توانند دستورالعمل‌های کاری را ارائه دهند که می‌تواند انعطاف‌پذیری را افزایش دهد، و انتقال کارکنان به نقش‌ها یا بخش‌های مختلف کارخانه را آسان‌تر کند و به افزایش رضایت شغلی و نوآوری کمک کند. هنگامی که مشتریان به سراغ ایستگاه های کاری انعطاف پذیر با ارتفاع قابل تنظیم می روند، مجموعه ای از قطعات را در ارتفاع مناسب تحویل می گیرند.
آنها یک صفحه نمایش دارند که به آنها می گوید چه کاری باید انجام دهند، چگونه آن را مونتاژ کنند، چه چیزی را بررسی کنند و غیره. «شما می توانید هر چیزی را که به این ایستگاه کاری می رسد بر اساس دستورالعمل های ارائه شده بسازید، آن را تأیید و بررسی کنید و غیره. داده‌ها واقعاً می‌توانند با ارائه اطلاعات به اپراتور، تولید چابک و انعطاف‌پذیر را هدایت کنند.»
