Domeinexperts bemachtigen met data science voor slimme manufacturing inzichten

Geavanceerde analytics en kunstmatige intelligentie herschrijven manufacturing, doch ruwe data alleen biedt beperkte waarde. Mike Loughran, CTO voor UK en Ierland bij Rockwell Automation, benadrukt dat context en domeinexpertise essentieel zijn om data om te zetten in actiebare bedrijfsinzichten.

Terwijl consumentenmarkten AI-gedreven personalisatie zagen – van getargete ads tot locatie-gebaseerde aanbevelingen – kan manufacturing vergelijkbare voordelen ontgrendelen. Analytics levert tijdige, data-gedreven beslissingen die cruciale inzichten op het juiste moment aan het licht brengen.

Duidelijke Voordelen

Digitale transformatie ondersteund door analytics kan opbrengst tot 10% verhogen, operationele kosten tot 12% verlagen en asset-efficiëntie met zo veel als 30% verhogen. Deze cijfers weerspiegelen echte winsten gerapporteerd door organisaties die data-centrische operaties omarmden.

Het implementeren van analytics in manufacturing presenteert unieke uitdagingen. Het heersende 'gecentraliseerde-cloud' model faalt vaak omdat hoge netwerkbandbreedtekosten en latentie real-time besluitvorming hinderen. Modellen aan de edge draaien, dicht bij waar data ontstaat, is doorgaans effectiever.

Hoge datavolumes managen

Fabrikanten genereren massive stromen real-time plantdata en historicusrecords. Toch mag slechts een klein subset relevant zijn voor een specifiek use case. Het integreren van heterogene bronnen – elk met distincte protocollen en legacy-technologieën – vereist gesofisticeerde data-aggregatie en een unified data model om relaties te verduidelijken.

Inzichten moeten de juiste stakeholder of geautomatiseerde systeem binnen een kort venster bereiken om actiebaar te blijven. Dit vereist diepe kennis van zowel de onderliggende processen als de analytics-technieken – een zeldzame combinatie in één individu.

Succesvolle transformatie scharniert op het partneren met experts die zowel manufacturing operaties als analytics begrijpen. Zulke partners brengen industrie-erfgoed, vertrouwdheid met proceshardware en operationele technologie, en afstemming met uw bedrijfsdoelstellingen.

Data science in de praktijk vereenvoudigen

Tools die controle- en procesingenieurs in staat stellen analytics uit te voeren – zonder constant vertrouwen op data scientists – zijn essentieel. Twee kernvereistes kwamen naar voren uit onze digital-transformatie gesprekken: digitale werknemers en machine learning capaciteiten.

Bedrijven kunnen data-analyse stroomlijnen via vier stappen:

1. Kritieke operationele attributen identificeren.
2. Logische datastructuren definiëren.
3. Hoog-snelheids datavergaring praktijken implementeren.
4. Modellen hergebruiken over de informatielaag voor snelheid en efficiëntie.

Deze benadering versnelt resultaten door ingenieurs te voorzien van robuuste data-science tools.

Ons ThingWorx Analytics platform stroomlijnt de data-science workflow voor automatiserings- en controle-ingenieurs. Het identificeert de meest voorspellende tags, past auto-machine-learning toe om optimale algoritmen te selecteren, en evalueert meerdere scenario's om de beste modelcombinatie te bepalen – allemaal zonder handmatige interventie.

Deze vereenvoudiging bemachtigt domeinexperts om latente waarde uit verzamelde data te halen, wat de era van de citizen data scientist inlaat.

De auteur is Mike Loughran, CTO voor UK en Ierland bij Rockwell Automation.

Over de auteur

Mike Loughran heeft Rockwell Automation meer dan 14 jaar gediend, vooruitgaand van software sales tot de C-suite, waar hij technologie strategie voor UK en Ierland leidt.