Datagestuurde productie is hier

Wat is datagestuurde productie?

Belangrijke beslissingen die van invloed zijn op het productieproces moeten altijd gebaseerd zijn op feiten, niet op gissingen, wensen, theorieën of meningen. De opkomende technologie van vandaag helpt door zowel mensen als de apparatuur in staat te stellen de feiten te verzamelen en te verwerken die ze nodig hebben om betere resultaten te bereiken.

De versnelde inzet van goedkope sensoren en hun verbinding met internet heeft voor veel hype gezorgd over de toekomst van de maakindustrie. Het Internet of Things (IoT) en de toepassing van big data en analyses hebben geleid tot de creatie van de volgende generatie productie. Dit houdt in dat gegevens worden gebruikt om de kosten te verlagen door middel van new age verkoop- en operationele planning, drastisch verbeterde productiviteit, optimalisatie van de toeleveringsketen en distributie en nieuwe soorten aftersales-services.

Datagestuurde productie is duidelijk de volgende golf van productieactiviteiten om efficiënte en responsieve productiesystemen aan te sturen. Fabrikanten zijn eindelijk in een betere positie om gegevens op een zinvolle en productieve manier op te nemen in hun dagelijkse besluitvormingsactiviteiten.

Voordelen van datagestuurde productie

VERBETERDE ZICHTBAARHEID

Gegevensgestuurde productie kan ervoor zorgen dat operationele leiders op de werkvloer een beter begrip hebben van de prestaties op basis van deze gegevensstatistieken die door de hele organisatie worden verzameld. Nauwkeurige gegevens kunnen het nodige inzicht geven in niet alleen de prestaties van individuele activa, maar ook in de productieactiviteiten als geheel. Dit helpt besluitvormers zich te concentreren op gebieden waar kansen liggen, zoals slecht presterende ploegen, terugkerende machinestilstand of andere productieknelpunten.

IOT-TECHNOLOGIEN EN ANALYTICS

Met grote datasets die op de werkvloer aanwezig zijn, hebben fabrikanten de mogelijkheid om machine learning-algoritmen uit te voeren die complexe problemen kunnen oplossen. Het is met kunstmatige intelligentie en machine learning gedreven analytische inspanningen zoals deze, dat fabrikanten geavanceerde praktijken kunnen toepassen, zoals voorspellend onderhoud. Met behulp van deze verwerkingsmogelijkheden of toegang tot gegevens kunnen ze toegang krijgen tot gedetailleerde vormen van op gegevens gebaseerde besluitvorming.

AUTOMATISERING

Automatisering bestaat in twee categorieën met behulp van de gegevensgestuurde aanpak. De eerste is de geautomatiseerde verzameling van gegevens waarbij specifieke apparaten gegevens verzamelen met behulp van software om deze te verwerken. Dit vereist geen handmatige tussenkomst van welke aard dan ook. Het tweede onderdeel van automatisering is het gebruik van data voor geautomatiseerde besluitvorming. Met behulp van voorspellende analyses gebruiken fabrikanten gegevens eerst om te begrijpen wat er is gebeurd of momenteel gebeurt, maar worden uiteindelijk volwassen om te begrijpen wat er kan gebeuren en krijgen de mogelijkheid om er autonoom actie op te ondernemen.

VERMINDERING IN BEDRIJFSKOSTEN

Gegevens samen met lean manufacturing bieden fabrikanten de mogelijkheid om productieprocessen te stroomlijnen en verspilling te minimaliseren. Zonder deze realtime gegevens is het moeilijk om productieverbeteringen nauwkeurig te meten en er zeker van te zijn dat veranderingen hebben geleid tot kostenbesparingen.

Uitdagingen van datagestuurde productie

SILED DATA FRAGMENTEN EN TRADITIONELE LEGACY SYSTEMEN:

Het kan een grote uitdaging zijn om ongelijksoortige besturingssystemen te hebben die niet met elkaar zijn verbonden, tussen verschillende afdelingen en die geen gemeenschappelijke documentatie en communicatie hebben. Het kan moeilijk zijn om deze gegevens over verschillende systemen te aggregeren, wat ook kan betekenen dat er minder waarde uit de verzamelde gegevens wordt gehaald. Een door IoT aangedreven platform dat meerdere niveaus van traditionele systemen kan verbinden en deze legacy-apparatuur online kan brengen, kan hier een geweldige oplossing zijn.

POTENTILE VEILIGHEIDSBEDREIGINGEN:

Met complexere apparaten die worden aangesloten, is er een grotere kans op mogelijke kwetsbaarheden voor een data- of beveiligingsinbreuk. Omdat beveiliging nog niet eerder op machineniveau is aangepakt, is het mogelijk dat er geen sterke normen of protocollen voor gegevensbescherming zijn ontwikkeld.

VEILIGE OPSLAG VAN GEGEVENS:

Met het grotere volume aan gegevens dat wordt verbonden door meerdere verbonden apparaten en systemen die een gegevensgestuurde fabrikant mogelijk maakt, vormt dit een uitdaging voor gegevensopslag. Al deze groeiende datastroom heeft een centrale opslagplaats nodig om te worden verzameld en verwerkt, wat kostenintensief kan zijn als de gebruiker gegevens on-premises wil opslaan.

EEN VERSCHUIVING VAN TIJDGEACTIVEERDE NAAR EVENT-GEACTIVEERDE PRODUCTIE:

Tegenwoordig werken de meeste productiebedrijven volgens het tijdgestuurde productiemodel. Alle inputs worden ingevoerd in het ERP-systeem dat de grondstoffen in de gewenste vorm en tijd omzet in eindproducten. Maar wanneer datagestuurde productie de norm wordt, zullen machines de door gebeurtenissen geactiveerde productiestijl volgen, wat een verschuiving in dit model en productieperspectief voor fabrikanten impliceert.

Waarom zijn gegevens een unieke aanwinst voor fabrikanten?

Data is een van de belangrijkste activa voor alle bedrijven. Het is duidelijk dat een datagestuurde productieaanpak niet alleen vage 'verbeteringen' oplevert, maar ook de doorvoer aanzienlijk verbetert en bijdraagt ​​aan de winst.

PepsiCo ontdekte dit na het implementeren van analysesoftware om bij te houden hoe het frisdrankaroma's verspreidde. Uit gegevens bleek hoe het probleem van het verzenden van zoveel producten dat het product was verlopen voordat het werd gebruikt, kon worden opgelost. Na het aanpassen van de balans, verminderde PepsiCo de verzendingen en dus afval.

Amazon is een ander overtuigend argument voor wat gegevens kunnen doen voor toeleveringsketens. Het bedrijf heeft fors geïnvesteerd in automatisering om zijn fulfilmentcentra om te vormen tot samenhangende ecosystemen. Dankzij de datagestuurde productie-innovaties heeft Amazon de planningskosten voor de toeleveringsketen verlaagd en een jaarlijkse winstgroei gerealiseerd.

Met die cijfers zou je aannemen dat fabrikanten vloeiend met gegevens willen omgaan. Digitale transformatie mislukt echter vaak door een gebrek aan buy-in aan de top. Leiderschap ziet geavanceerde technologie vaak als een risico. Er is ook angst dat nieuwere technologieën werknemers zullen vervangen. Daarom beschouwt slechts 31% van de bedrijven zichzelf als echt datagestuurde productie, een daling van 37% twee jaar geleden.

Deze zorgen zijn ongegrond. Wanneer fabrieken data gebruiken om processen te verbeteren en kunstmatige intelligentie om de efficiëntie te versnellen, worden die fabrieken concurrerender. Onderzoek toont aan dat fabrikanten $ 907 miljard (5% van de omzet) hebben toegezegd om de connectiviteit te verbeteren en dat 72% verwacht tegen 2020 "digitaal geavanceerd" te zijn. Daarom is het omarmen van gegevens essentieel om relevant te blijven.

Fabrikanten zullen onderweg verschillende hindernissen moeten overwinnen. Eerst en vooral heeft het bedrijf de juiste technologiestack en het personeel nodig om het te beheren. Daarnaast moet het de toegang tot gegevens verbeteren, zodat besluitvormers (niet alleen IT) over de meest nauwkeurige informatie beschikken. Ten slotte moeten alle technologieën die worden ingevoerd dynamisch genoeg zijn om waar nodig nieuwe soorten gegevens en analyses op te nemen.

Uitdagingen in datagestuurde productie

1. De integratie met legacy-systemen

Hoewel industriële automatisering een evolutionair proces is en de introductie van geavanceerde technologieën opwindend is, is het ook van cruciaal belang om een ​​manier te vinden om ze samen te laten werken met gevestigde en bewezen legacy-systemen. Een moderne fabriek heeft meerdere systeemniveaus. Het kan een uitdaging worden wanneer de oorspronkelijke ontwikkelaar van de inlandse legacy-systemen niet volledig kan communiceren met de new-age-systemen met schaarse documentatie. Het is belangrijk om te begrijpen dat het niet gaat om te beginnen met een schone lei, maar om efficiënt te integreren in de bestaande ontwerp- en productieomgeving.

2. Uitdagingen voor systeembeveiliging:

Gedistribueerde controlesystemen die via internet zijn verbonden, kunnen bestaande systemen blootstellen aan onbevoegde toegang door aanvallers. Naarmate meer IoT-apparaten in toenemende mate via gateways worden verbonden, opent dit ook mogelijkheden om controle en toegang vanaf elke locatie mogelijk te maken. De meeste traditionele gateways voor productiesystemen zouden een grote mate van verharding nodig hebben tegen de beveiligingsuitdagingen van de nieuwe tijd die IT-services hebben. Dit houdt in dat er voldoende rekenkracht moet worden toegevoegd om netwerk- en beveiligingstaken uit te voeren.

3. Meer dan alleen gegevensuitwisseling naar het delen van gegevens

Het creëren van een uniform datamodel en het samen integreren van alle onafhankelijke systemen in het productieproces kan een uitdaging zijn. Deze gegevens moeten naadloos in kaart worden gebracht en worden gedeeld met elke bedrijfseenheid om de verspilling van middelen en materialen tot een minimum te beperken. Het gebruik van door IoT aangedreven sensoren die potentiële storingen in apparatuur kunnen detecteren, kan een manier zijn om storingen in de gegevensuitwisseling tot een minimum te beperken.

4. Onnauwkeurige of onvolledige gegevens

Wanneer bestaande productiegegevens zelf onvolledig of onnauwkeurig zijn, kan dit van invloed zijn op de besluitvorming, vooral voor kritieke projecten waarbij gegevens de ruggengraat zijn voor succes. Dit betekent ook dat er veel tijd, moeite en middelen worden gebruikt om de daa-records in te vullen of ervoor te zorgen dat deze feitelijk en authentiek zijn.

Hoe kan datagestuurde productie helpen?

Volgens Forrester , rapporteren datagedreven organisaties een jaarlijkse groei van 30% naast winstgevendheid en het verwerven en behouden van nieuwe klanten.

1. ONVERWACHTE INZICHTEN LEIDEN VOOR BESLUITVORMING:

Het ontwikkelen van onverwachte gegevensgestuurde inzichten door gebruik te maken van geavanceerde analyses kan nieuwe kansen aan het licht brengen om snelle en nauwkeurige beslissingen te nemen. Met de juiste data kunnen fabrikanten zich focussen op de belangrijkste problemen en kansen. Een duidelijk begrip van of fabrikanten de juiste dingen meten door KPI's voor problemen vast te stellen, kan ze gemakkelijk helpen oplossen

2. DIEPE INZICHTEN IN PRODUCTIEPROCESSEN:

Geavanceerde analyses kunnen fabrikanten helpen om ongeziene kansen te ontdekken om de productieopbrengsten te verhogen. Vaak gaan ze ervan uit dat alle mogelijke procesverbeteringen zijn doorgevoerd, en kunnen ze met behulp van gegevens verder graven in diepere vooruitzichten voor verbetering. Met deze datagedreven inzichten kunnen ook oplossingen worden gevonden voor problemen die al een tijdje slepen, waardoor de reikwijdte van de operaties verder wordt vergroot met behulp van bestaande middelen.

3. KOSTENBESPARINGEN:

Een productiebedrijf dat gebruikmaakt van realtime gegevens op de werkvloer en geavanceerde statistische beoordelingen, kan gemakkelijk wat ooit geïsoleerde gegevenssets waren, de gegevens samenvoegen en deze vervolgens analyseren om kritische inzichten te onthullen. Dit kan een grote bijdrage leveren aan het verminderen van de operationele kosten terwijl de snelheid van de resultaten wordt versneld.

4. VOORSPEL MARKTTRENDS:

De datagestuurde fabrikant kan analyseplatforms gebruiken voor een betere voorspelling van aanpassingseisen. Dit gebeurt door fluctuerende patronen en trends in klantgedrag te identificeren. Gegevensanalyse biedt een gedetailleerd overzicht van productieprocessen die slimmere en nauwkeurigere productiebeslissingen mogelijk maken op basis van voorspellende analyse.

Kunstmatige intelligentie voor datagestuurde productie

Aangezien de meeste datagestuurde productieprocessen een hoge mate van nauwkeurigheid, non-stop verbeteringen in de productiekwaliteit en de hoogste kwaliteit van onderhoudsprocessen vereisen, vindt kunstmatige intelligentie (AI) zijn weg om deze resultaten gemakkelijk voor deze industrie te leveren.

Met behulp van AI wordt de productie meer data-georiënteerd, waardoor fabrikanten de mogelijkheid krijgen om zowel de productiviteit als de winst te verhogen. Het helpt hen ook het voortouw te nemen om te blijven groeien met de vele AI-gestuurde analytische toepassingen, waaronder slim onderhoud, kwaliteit 4.0, voorspellende intelligentie, samenwerking tussen mens en robot, enz.

5 stappen om datagestuurde productie te implementeren

Fabrikanten worden pas datagedreven na een systematische transformatie. Volg deze stappen:

1. ONDERZOEK TIJDKNOPPEN.

Lead time, more than any other variable, reveals where true problems exist in the supply chain. Look for bottleneck operations, then investigate how and why they happen and what impact they have. Optimizing manufacturing operations management requires many things to be fine-tuned, but eliminating persistent delays and lost time is the priority.

2. DRAW ON EXISTING DATA.

Even if manufacturers need to collect more data from more sources to gain true insights, they already have data they can begin analyzing. It could be financial, operational, or physical — all of it contains insights that might be relevant to process engineers and continuous improvement experts. Working with available data helps companies cultivate their capabilities for the “big” data coming later.

3. USE AI TO SEARCH FOR INSIGHTS.

Collecting data is the first challenge; finding the insights within that data is the second. AI can aid this effort because it’s smarter and faster than humans. Analytics-driven by AI have been shown to improve order-to-delivery cycle times by 425% and supply chain efficiency by 260%. Compared to the alternatives, AI in supply chain makes it easy to begin leveraging analytics effectively.

4. EXPOSE THE UNKNOWNS.

The majority of details related to operations are unknown, even at the world’s leading factories. Data should be collected from sources that can illuminate these unknowns. Installing connected sensors is an ideal way to learn about previously opaque processes.

5. KEEP THINGS IN PERSPECTIVE.

As manufacturers become more fluent with data, it’s tempting to become as tech-driven as possible. However, fully automated manufacturing is only an asset for some companies, namely those with predictable demand. In companies where demand is dynamic, automation is less of an asset. Every technology should be evaluated based on whether it delivers actual business value rather than just advanced capabilities.

People mistakenly think manufacturing is data-driven because logically it absolutely should be. Decision-makers are discovering this at the exact same time that technologies like IoT and Big Data solutions are finally making it possible. It’s an incredible opportunity, but soon it will become an industrywide obligation.

Towards data-driven bottleneck elimination technology

ThroughPut’s Supply Chain planning software ELI is an AI-Powered Bottleneck Elimination Engine that analyzes your existing industrial data in real-time. ELI continuously detetects, identifies, prescribes and prevents your shifting operational bottlenecks to save millions in delays, inefficiencies &lost revenue. YOu finally can breakthrough bottlenecks that clog productivity, growth and profitability using data-driven decisions.

Click here to start your free trial with ELI today and start benefiting from the power of “data” for your factory operations.