Het samenspel tussen slimme productie en big data verkennen

Onlangs heeft traditionele productie, waarbij grondstoffen worden samengevoegd in een meerfasig productcreatieproces, een achterbank ingenomen ten opzichte van slimme productie. Slimme productie bouwt voort op de historische opvatting van productie als een proces- en materiaalgestuurde constructie, met toevoeging van informatietechnologie, flexibiliteit en computerbesturing.

Dit artikel bespreekt het snelgroeiende gebied van slimme productie en, meer specifiek, de steeds relevantere rol van big data bij het helpen van productontwikkelingsteams in verschillende sectoren om processen te verbeteren, kosten te beheersen, producten te ontwerpen en het productieaanbod af te stemmen op de vraag van de consument. Dit artikel onderzoekt de wisselwerking tussen slimme productie en big data-analyse, beschrijft de huidige slimme productie- en big data-omgeving, verkent toekomstige ontwikkelingen en identificeert de beperkingen van big data in slimme productie.

(Bron:pixabay.com)

Bedrijven gebruiken steeds vaker technologie om gegevens over hun producten vast te leggen. Logistiek van de toeleveringsketen, het volgen van klantgegevens, het detecteren van productdefecten met behulp van optische sensoren, het brandstofverbruik en de snelheid van vrachtwagens - dit zijn allemaal gebieden waarop productiebedrijven verzamelde gegevens omzetten in waardevolle zakelijke inzichten.

Gegevens zijn echter vaak slecht georganiseerd in onsamenhangende databases, wat tijd en middelen verspilt. De huidige relatie tussen slimme productie en big data-analyse lijdt onder een gebrek aan gekwalificeerd personeel, ontoereikende investeringen van de industrie en de overheid, zorgen over gegevensprivacy en de uitvoerbaarheid van langdurige opslag van hoogwaardige gegevens. Voorspellende modellering, hoewel ze zich momenteel in een opkomende fase bevindt, wordt nog te vaak vervangen door "reactieve" modellering; dat wil zeggen, het verzamelen van gegevens over processen die al zijn uitgevoerd, in plaats van voorspellingen te doen om te voorkomen dat ongewenste resultaten zich opnieuw voordoen. Toekomstige ontwikkelingen in slimme productie met betrekking tot big data-analyse moeten deze zwakke punten corrigeren, en bedrijven moeten bepalen of er een waardevolle toepassing is van dit partnerschap van opkomende technologieën in hun eigen organisaties.

Bij het beschrijven van de huidige staat van slimme productie en het snijpunt daarvan met big data-analyse, kunnen we conclusies trekken over mogelijke toekomstige ontwikkelingen. Ten eerste moeten bedrijven leren hun data effectiever te organiseren. Uniforme databasebeheersystemen kunnen de tijd die wordt verspild aan het zoeken naar informatie uit irrelevante bronnen terugwinnen. Bovendien moeten bedrijven ervoor zorgen dat ze het best gekwalificeerde technische personeel hebben ingehuurd om gegevens te verwerken. Veel niet-gegradueerde bedrijfsopleidingen missen een ernstige analyse en datawetenschapstraining die relevant is voor de markt, waarbij ze vertrouwen op een volledig theoretische benadering of concepten in de praktijk brengen op professioneel nutteloze manieren.

Bovendien zijn er aanwijzingen dat slimme productie en big data-analyse alleen effectief kunnen samenwerken en als voorbeeld kunnen dienen voor toekomstige ontwikkelingen, als ze worden geïmplementeerd op een manier die het algemeen belang dient om overheidsinvesteringen aan te trekken. Gezondheidszorg, veiligheid/cyberveiligheid en hernieuwbare energie verdienen speciale aandacht:ze zijn allemaal cruciaal voor sociale en economische ontwikkeling, maar zijn vaak inefficiënt wat betreft kosten en levering.