Concurrentievoordeel ontgrendelen: hoe fabrikanten data inzetten voor strategisch voordeel

Aan de ene kant klinkt dit als een geweldig ding. Met al die data, zouden fabrikanten in staat moeten zijn om producten en diensten beter af te stemmen met steeds nauwere klantsegmentatie, machine learning te benutten om risico's te verminderen en besluitvorming te sturen door analyse en scenario-building, en zelfs beter te begrijpen welke producten en diensten ze als volgende moeten aanbieden. Klopt?

Helaas is dit niet het geval. Ondanks toonaangevende dataverzamelaars te zijn, worstelen veel fabrikanten ermee de data tot enig effect te gebruiken. Met zoveel voordelen om de data te gebruiken, waarom hinken fabrikanten achter de tech-curve aan, en op zo'n harde manier?

Waarom productiedata onbenut blijft

Om een oplossing te bespreken, laten we beginnen met het probleem. Waarom benutten fabrikanten de data die ze verzamelen niet effectief? Wat houdt hen tegen?

In de ruimste zin komt het neer op verouderd zijn. Alles van werknemersvaardigheden tot architectuur worstelt ermee om met moderne technologie op een lijn te komen. Hoewel veel fabrikanten een dunne laagje digitale transformatie hebben toegevoegd door IoT-sensoren en vergelijkbare apparaten toe te voegen, is de waarheid dat de kern van productie vaak volledig is mislukt om betekenisvol bij te blijven. Het is niet noodzakelijk een kwestie van vasthouden aan oude manieren uit hechting aan traditionele methoden, maar eerder het gebrek aan energie en vooruitzicht nodig om het type herstructurering uit te voeren dat voortgezet zakendoen garandeert.

Voor sommige fabrikanten is de tijd voor maken-of-breken beslissingen nu, voordat ze weggewaaid worden door de stromen van de tijd, verslagen door hun technologisch meer uitgevonden concurrenten.

Data silos

De dataverzamelingsapparaten die door veel fabrikanten in gebruik zijn, zoemen door, de informatie verzamelend die ze zouden moeten, maar die data wordt direct in silos gegoten, en data silos werken niet, zeker niet met massive hoeveelheden binnenkomende informatie. Dit betekent dat sommige data naar operaties gestuurd wordt om te managen en analyseren, andere data naar inkoop, of QA, of een heel andere afdeling. "Nou, we kunnen niet alles op iedereen gooien!" roept veel een fabrikant.

Teegen dat, ja u kunt. U kunt en moet. Gesilo-de data is rommelig en onproductief – het leidt vaak tot meerdere teams die apart aan dezelfde problemen werken, afdelingen met uiteenlopende en verouderde data, en gewoon een algemene disconnect van werken als één cohesieve organisatie.

Vergrijzende werknemerspopulatie

Oude fabrieken

Sommige fabrieken die vandaag opereren, zijn praktisch verloederd vergeleken met moderne "slimme" opties, en hebben weinig ondersteuning voor een verandering naar nieuwere apparatuur. De machines zijn oud, net als de architectuur en infrastructuur van deze fabrieken. De logistiek van een volledig-verbonden shopfloor kan onbereikbaar lijken, vooral als besluitvormers alleen bewust zijn van eerdere vormen van automatisering en dataverzameling, zoals het gebruik van sensoren die fabrikanten dwingen de garanties van kostbare machines te vernietigen.

Verouderde processen

Terwijl shopfloors krap en vergrijzen, beginnen de processen voor operaties en dataverzameling te krakelen onder het gewicht van de data die ze verzamelen. Sommige fabrikanten gebruiken een ad hoc-proces hier en een quick-fix daar, maar dit lapwerk van oplossingen creëert alleen een groter probleem naarmate de data-gedreven economie groeit. Productieprocessen gevestigd in het verleden industriële tijdperk moeten getransformeerd worden om aan de eisen van een slimme faciliteit te voldoen, maar verandering kan zowel ongemakkelijk als intimiderend zijn. Deze processen houden fabrikanten tegen om enige van de data die ze verzamelen te gebruiken.

Afwezige DataOps

In een ReThink Data-rapport wordt duidelijk dat veel fabrikanten ernstig tekortschieten in datastrategie en implementatie. Een grote factor in deze worsteling is de afwezigheid van DataOps. Slechts 10% van de organisaties rapporteerde volledige DataOps te hebben, en twee derde van de fabrikanten had helemaal geen DataOps. Zonder deze initiatief om te strategiseren en de verzameling, data, en tools samen te brengen om betekenis te extraheren uit al de inspanning, blijven de disconnects en duurt de data-nachtmerrie voort.

Hoe productiedata te maximaliseren voor concurrentievoordeel

Voor fabrikanten die al begonnen zijn met het implementeren van slimme technologie zoals IoT en edge computing-apparaten, is de eerste stap mensen aannemen voor DataOps. Deze mensen zullen de data verbinden met de mensen en hun beslissingen. Zij zijn de fundamente van het daadwerkelijk gebruiken van de data die u verzamelt en het goed gebruiken. Dit zullen uw go-to-mensen zijn voor AI, machine learning, edge computing, en cloud-gebaseerd databeheer.

Vervolgens geef dat DataOps-team de informatie die ze nodig hebben. Breek uw data silos af en zie de connecties, patronen en inzichten die geëxtraheerd kunnen worden wanneer de algoritmes het volledige plaatje kunnen zien, en hoeveel tijd afdelingen winnen door te collaboreren in plaats van redundanter achter gesloten deuren te werken.

Met al die data, hebt u een manier nodig om het te managen en op te slaan zodat het direct toegankelijk is wanneer het tijd is om het te gebruiken. Dit is onder de top vijf barrières voor datautilisatie volgens het eerdergenoemde ReThink Data-rapport. U moet ook een manier vinden om het allemaal veilig en beveiligd te houden, aangezien productiedata vaak proprietaire informatie bevat. MachineMetrics biedt oplossingen op dit front, waaronder een geautomatiseerde datatransformatie-engine die datastructuren standaardiseert voor consistente rapportage en analytics. We bieden ook edge computing-apparaten en handige, schaalbare, directe overdracht naar de cloud voor opslag en analyse met alleen de beste en meest actuele beveiligingsprotocollen en versleutelde dataoverdrachten.

Last but not least, is het belangrijk om een werkcultuur te ontwikkelen die positief en uitnodigend is ten opzichte van datagebruik. Bijvoorbeeld, MachineMetrics laat shopfloor-werkers data invoeren op tablet-apparaten direct aan de machines om lagen van menselijke context toe te voegen aan de verzamelde data. Dit type interactiviteit, evenals real-time rapportage, minder downtime, en minder kapotte gereedschappen en schrootonderdelen, leidt tot werknemers die een data-gedreven cultuur omarmen.

Klaar om meer te leren over hoe het MachineMetrics IoT-platform uw bedrijf kan helpen productiedata verzamelen, analyseren en opslaan? Boek een demo met ons hier.

Industriële automatisering-mythes ontkracht: feiten van fictie scheiden MachineMetrics verhoogt morale en efficiëntie bij AccuRounds

Industriële technologie

Productieproces

3d printen

Automatisering Besturingssysteem

Industriële technologie