Hoe fabrikanten de concurrentiekans van data kunnen maximaliseren

De maakindustrie is een leider onder de dataverzamelaars. Sensorgegevens, het volgen van werknemersbewegingen, downtimegegevens, voorspellende onderhoudsgerelateerde gegevens, vraag:er zijn veel mogelijkheden om informatie te verzamelen binnen een productiefaciliteit.

Aan de ene kant klinkt dit als iets geweldigs. Met al die gegevens zouden fabrikanten in staat moeten zijn om producten en diensten beter af te stemmen met behulp van een steeds nauwere klantsegmentatie, machine learning te gebruiken om risico's te verminderen en de besluitvorming te begeleiden door middel van analyse en scenariovorming, en nog beter te begrijpen welke producten en diensten ze moeten volgende aanbieding. Toch?

Helaas is dit niet het geval. Ondanks dat ze topgegevensverzamelaars zijn, hebben veel fabrikanten moeite om de gegevens echt te gebruiken. Met zoveel voordelen aan het gebruik van de gegevens, waarom lopen fabrikanten achter op de technische curve, en op zo'n harde manier?

Waarom productiegegevens onbenut blijven

Laten we beginnen met het probleem om een ​​oplossing te bespreken. Waarom maken fabrikanten niet effectief gebruik van de gegevens die ze verzamelen? Wat houdt hen tegen?

In de ruimste zin komt het neer op achterhaald zijn. Alles, van vaardigheden van werknemers tot architectuur, worstelt om aan te sluiten op moderne technologie. Hoewel veel fabrikanten een dun laagje digitale transformatie hebben toegevoegd door IoT-sensoren en soortgelijke apparaten toe te voegen, is de waarheid dat de kern van de productie er vaak niet in slaagt om betekenisvol bij te blijven. Het is niet per se een kwestie van vasthouden aan oude manieren uit een gehechtheid aan traditionele methoden, maar eerder het gebrek aan energie en vooruitziendheid die nodig zijn om het soort revisie uit te voeren dat voortzetting van het bedrijf garandeert.

Voor sommige fabrikanten is het nu echter tijd voor beslissingen over het maken of breken, om te voorkomen dat ze worden meegesleurd door de stromingen van de tijd en worden overwonnen door hun meer technologisch onderlegde concurrenten.

Gegevenssilo's

De apparaten voor gegevensverzameling die door veel fabrikanten worden gebruikt, neuriën mee en verzamelen de informatie die ze zouden moeten zijn, maar die gegevens worden rechtstreeks naar silo's geleid en gegevenssilo's werken niet, vooral met enorme hoeveelheden binnenkomende informatie. Dit betekent dat sommige gegevens naar operaties worden gestuurd om te beheren en te analyseren, andere gegevens worden verzonden naar inkoop, QA of een andere afdeling. "Nou, we kunnen niet zomaar alles naar iedereen gooien!" roept menig fabrikant uit.

Nou, om dat tegen te gaan, ja dat kan. Jullie kunnen en moeten allebei. Gegevens in silo's zijn rommelig en onproductief:het leidt er vaak toe dat meerdere teams afzonderlijk aan dezelfde problemen werken, afdelingen met ongelijksoortige en verouderde gegevens en een algemene loskoppeling van het werken als één samenhangende organisatie.

Vergrijzing personeel

De onwrikbare waarheid is dat de productie vol is met oudere werknemers die zijn opgeleid voor een heel ander tijdperk in de geschiedenis van de productie, en hun invloed blijft doorklinken in beleid en prioriteit. De IT-vaardigheden die nodig zijn voor het runnen van een slimme fabriek zijn geen dingen waarvoor ze zijn opgeleid, en de gedachte om dit soort technologie te implementeren kan overweldigend en ongemakkelijk lijken (hoewel minder ongemakkelijk dan dat het bedrijf failliet gaat).

Oude Fabrieken

Sommige fabrieken die tegenwoordig actief zijn, zijn praktisch vervallen in vergelijking met moderne "slimme" opties, en ze hebben weinig steun voor een verandering naar nieuwere apparatuur. De machines zijn oud, net zoals de architectuur en infrastructuur van deze fabrieken oud is. De logistiek van het runnen van een volledig geconnecteerde werkvloer kan onbereikbaar lijken, vooral als besluitvormers zich alleen bewust zijn van eerdere vormen van automatisering en gegevensverzameling, zoals het gebruik van sensoren waardoor fabrikanten de garanties van kostbare machines moeten laten vervallen.

Oude processen

Terwijl fabrieksvloeren krap zijn en verouderen, beginnen de processen voor operaties en gegevensverzameling af te brokkelen onder het gewicht van de gegevens die ze verzamelen. Sommige fabrikanten gebruiken hier een ad-hocproces en daar een snelle oplossing, maar dit lappendeken van oplossingen creëert alleen maar een groter probleem naarmate de datagestuurde economie groeit. Productieprocessen die in het voorbije industriële tijdperk zijn ontstaan, moeten worden getransformeerd om te voldoen aan de eisen van een slimme faciliteit, maar verandering kan zowel ongemakkelijk als intimiderend zijn. Deze processen dienen om fabrikanten ervan te weerhouden de gegevens die ze verzamelen te gebruiken.

Afwezige DataOps

In een ReThink Data-rapport wordt duidelijk dat veel fabrikanten een ernstig gebrek hebben aan datastrategie en -implementatie. Een belangrijke factor in deze strijd is de afwezigheid van DataOps. Slechts 10% van de organisaties gaf aan volledige DataOps te hebben en tweederde van de fabrikanten had helemaal geen DataOps. Zonder dit initiatief om een ​​strategie te ontwikkelen en de verzameling, gegevens en tools samen te brengen om betekenis uit alle inspanningen te halen, blijven de verbroken verbindingen bestaan ​​en gaat de data-nachtmerrie door.

Productgegevens maximaliseren voor concurrentievoordeel

Voor fabrikanten die al begonnen zijn met het implementeren van een aantal slimme technologie zoals IoT en edge computing-apparaten, is de eerste stap om mensen in te huren voor DataOps . Deze mensen verbinden de data met de mensen en hun beslissingen. Ze vormen de basis om de gegevens die u verzamelt daadwerkelijk te gebruiken en goed te gebruiken. Dit zijn uw favoriete mensen voor AI, machine learning, edge computing en cloudgebaseerd gegevensbeheer.

Geef dat DataOps-team vervolgens de informatie die ze nodig hebben. Breek uw gegevenssilo's af en zie de verbanden en patronen en inzichten die kunnen worden geëxtrapoleerd wanneer de algoritmen het volledige plaatje kunnen zien, en hoeveel tijd afdelingen terugwinnen door samen te werken in plaats van redundant achter gesloten deuren te werken.

Met al die gegevens heb je een manier nodig om het te beheren en op te slaan zodat het gemakkelijk toegankelijk is wanneer het tijd is om het te gebruiken. Dit behoort tot de top vijf van belemmeringen voor datagebruik volgens het eerder genoemde ReThink Data-rapport. Je moet ook een manier vinden om het allemaal veilig en beveiligd te houden, aangezien productiegegevens vaak bedrijfseigen informatie bevatten. MachineMetrics biedt oplossingen op dit gebied, waaronder een geautomatiseerde datatransformatie-engine die datastructuren standaardiseert voor consistente rapportage en analyse. We bieden ook edge computing-apparaten en handige, schaalbare, directe overdracht naar de cloud voor opslag en analyse met alleen de beste en meest up-to-date beveiligingsprotocollen en versleutelde gegevensoverdracht.

Last but not least is het belangrijk om een werkplekcultuur te ontwikkelen die positief en uitnodigend is voor datagebruik . Met MachineMetrics kunnen werknemers op de fabrieksvloer bijvoorbeeld gegevens op tablets rechtstreeks bij de machine invoeren om lagen van menselijke context toe te voegen aan de verzamelde gegevens. Dit soort interactiviteit en realtime rapportage, minder uitvaltijd en minder kapotte tools en afgedankte onderdelen zorgen ervoor dat medewerkers gemakkelijk een datagestuurde cultuur omarmen.

Klaar om meer te weten te komen over hoe het MachineMetrics IoT-platform uw bedrijf kan helpen bij het verzamelen, analyseren en opslaan van uw productiegegevens? Boek hier een demo bij ons.