Industrial DataOps:ontsluiten van gegevens en analyses voor Industrie 4.0

Wat is de relevantie en het belang van industriële DataOps?

Vanuit een productiestandpunt spelen data en operaties met betrekking tot data een rol bij het creëren en onderhouden van een concurrerende, innovatieve, flexibele faciliteit zonder hoge risico's of andere lasten zoals buitensporige voorraad. Het hebben van gegevens alleen is niet genoeg om voorop te blijven lopen - het gaat erom wat u ermee doet. Als benadering van data-analyse draait het bij DataOps om het verkorten van de tijd tot zeer nauwkeurige analyses met behulp van automatisering, statistische procesbeheersing en flexibele methodologieën, zodat fabrikanten de gegevens die ze verzamelen sneller en met een hogere mate van vertrouwen kunnen gebruiken.

Voor een fabrikant kan goede DataOps het verschil betekenen tussen het domineren van een stijgende markt en het voeren van een overtollige voorraad als gevolg van onbewust de markt betreden aan de andere kant van een trend. Het kan fabrikanten helpen om op de hoogte te blijven van veranderende eisen, supply chain- en logistieke informatie die grote gevolgen kan hebben voor het bedrijfsleven, en al het andere dat gegevens snel en met een hoge mate van precisie gebruikt.

Data zelf is een ruwe hulpbron die kan worden vergeleken met ruwe olie. Op zichzelf is er niet veel mee te maken in zijn basisvorm. Maar zowel olie als data bevatten potentieel. Net zoals we olie raffineren tot gas en het vervolgens verbranden om supercars en raketschepen aan te drijven, kunnen gegevens worden verfijnd door processen die zijn geoptimaliseerd onder Industrial DataOps, waarbij onbewerkte gegevens worden omgezet in analyses die vervolgens kunnen worden gebruikt om zakelijke beslissingen snel en met wetenschappelijke precisie te verbeteren.

De rol van DataOps in Industrie 4.0 is om alle informatie die is gemaakt en verzameld door machines, zoals IIoT-apparaten, effectief te condenseren tot verfijnde, bruikbare zakelijke "brandstof" om de besluitvorming te stimuleren, in plaats van te worden overgelaten aan een datawarehouse, niet onderzocht.

Wat is Industrial DataOps?

Industrial DataOps is een manier om te beheren hoe gegevens binnen een organisatie worden verwerkt met een focus op snelheid en bruikbaarheid. Dit kan processen, automatiseringen en workflows omvatten die betrekking hebben op de verfijning van gegevens tot bruikbare analyses. Dit is vooral belangrijk in het licht van de steeds groter wordende gegevensstromen die voor veel bedrijven te onpraktisch zijn geworden. DataOps biedt een manier om gegevens systematisch en effectief te beheren, zodat ze ten volle worden benut met een snelheid die de resulterende analyses nog steeds relevant houdt voor het bedrijf.

De vier C's van de Industrial DataOps-methodologie, volgens de Manufacturing Leadership Council:

1. Verbonden data is waar silo's kapot gaan en data zich vermengen. Dit maakt een diepere en complexere analyse mogelijk die anders onhaalbaar zou zijn. Verbonden gegevens maken gebruik van IIoT-, cloud- en edge-technologie (de technologieën die ten grondslag liggen aan wat we bij MachineMetrics bieden).
2. Verzorgde gegevens zijn wanneer de gegevens samenkomen in een vorm die bruikbaar wordt. Data-engineers verzamelen in wezen relevante stukjes gegevens en maken ze schoon voor analyse om ervoor te zorgen dat de resultaten zo nauwkeurig mogelijk zijn. Ze nemen overweldigende hoeveelheden gegevens en brengen ze terug naar wat relevant is voor een bepaalde vraag of een bepaald scenario.
3. Gecontextualiseerde gegevens hebben informatie- en expertiselagen toegevoegd om het een context te geven die de cijfers alleen niet laten zien. Als een productielijn binnen vijftien minuten drie keer start en stopt direct na een storing in de apparatuur, is de kans groot dat bij elke "start" de vervangen onderdelen daadwerkelijk werden getest op functionaliteit, nauwkeurigheid en uitlijning. Een branche-expert kan dit herkennen en context bieden, terwijl dit, gezien de cijfers, gemakkelijk verkeerd kan worden geïnterpreteerd.
4. Cybervertrouwelijk verwijst naar de noodzaak om cyberbeveiliging parallel op te schalen met meer verbinding en maatwerk. Klantgegevens moeten koste wat kost worden beschermd, maar dit kan de zaken bemoeilijken voor professionals op het gebied van beveiliging en gegevensbeheer.

Bedrijven verdrinken in onbruikbare gegevens

Zoals hierboven vermeld, zinken veel bedrijven onder het gewicht van hun gegevensopslag. Zonder een manier om gegevens te contextualiseren en te beheren, hamsteren velen de cijfers waar ze hard aan hebben gewerkt om te verzamelen zonder een methode om de overweldiging weg te nemen en de informatie daadwerkelijk te gebruiken voor besluitvorming. Dit geldt met name voor early adopters van Industrie 4.0-apparatuur die plug-and-play-resultaten verwachtten na het verzamelen van gegevens. In plaats daarvan hebben bedrijven ontdekt dat veel van de gegevens die ze hebben verzameld, niet de informatie bevatten die ze nodig hebben om ze te begrijpen, te verbinden met andere gegevensstromen of te gebruiken voor analyse, althans in de huidige vorm. In wezen hebben ze magazijnen met ruwe olie en geen raffinaderijen of apparatuur die de waarde ervan kan extraheren, niet de zuivere benzine waarvoor ze dachten dat ze tekenden. Sommige van die gegevens bevatten klantinformatie, waardoor het bedrijf het risico loopt geen toegevoegde waarde te hebben.

Om dit te ondervangen, moeten bedrijven de informatiestroom beheren en gegevens standaardiseren, normaliseren en contextualiseren. Met de juiste connectiviteits-, beveiligings- en analyseomgevingssoftware kunnen bedrijven datastromen omzetten in inzichten in plaats van lasten te dragen.

Het verschil tussen DataOps en DevOps

DevOps is een samenvoeging van softwareontwikkeling en informatietechnologie. De focus ligt op de snelle ontwikkeling van software op schaal met hoge kwaliteit en voorspelbaarheid.

DataOps probeert ook de kwaliteit en snelheid te verbeteren, evenals de voorspelbaarheid en schaalbaarheid, maar de focus van DataOps ligt op data-analyse in plaats van op software-engineering.

De voordelen van industriële DataOps

Met de kern van DataOps als een systeem voor het effectief verzamelen en gebruiken van gegevens, zijn er talloze tastbare voordelen voor fabrikanten. Hier zijn enkele van de belangrijkste voordelen voor industriële organisaties die een succesvol programma voor gegevensverwerking mogelijk maken:

• Samenwerking en communicatie worden gestimuleerd door silo's te doorbreken en grenzen tussen afdelingen te vervagen op een manier die ervoor zorgt dat iedereen samenwerkt.
• Een snellere productietijd en meer flexibiliteit zijn het gevolg van snellere inzichten en korte testcycli door het gebruik van automatisering.
• Kwaliteit en betrouwbaarheid krijgen allebei een boost van DataOps omdat er constant wordt gemonitord op problemen en knelpunten voorafgaand, tijdens en na grote wijzigingen. Het is continue verbetering in vrijwel dezelfde geest als lean manufacturing en Kaizen.
• Zelfbediening die de behoefte aan experts vermindert dankzij eenvoudigere ontwikkeling en implementatie, stelt zakelijke gebruikers in staat hun eigen oplossingen te ontwikkelen en deze snel in actie te zien.
• Beveiliging verbeteren en de toestroom van gegevens beheren
• Inconsistenties beheren en context, standaardisatie en normalisatie aan gegevens toevoegen om ze bruikbaar te maken

Industriële DataOps-gebruiksscenario's

DataOps heeft een verscheidenheid aan industriële toepassingen die het continu ontwikkelende en complexe datalandschap van Industrie 4.0 ondersteunen. In de eerste plaats helpt DataOps het gebruik van gegevens en analyses in organisaties te stroomlijnen, door zichtbaarheid en gemakkelijke toegang te bieden aan verschillende niveaus en afdelingen van een organisatie. Hieronder bespreken we enkele van de primaire gebruiksscenario's van Industrial DataOps.

Datawarehousing en gegevensbeheer

Datawarehousing en databeheer krijgen een opknapbeurt met DataOps en evolueert van een complex landschap vol met oninterpreteerbare en ongeorganiseerde gegevensoverbelasting naar een gestroomlijnd proces dat zowel snellere, flexibelere besluitvorming on-the-fly als automatisering mogelijk maakt om geesten en andere middelen vrij te maken om zich te concentreren op het voltooien van andere taken. MachineMetrics kan enorme hoeveelheden gegevens van machines over de hele productievloer vastleggen en die gegevens vervolgens omzetten in iets dat bruikbaar is, b.v. georganiseerde, gestandaardiseerde informatieformaten die in realtime kunnen worden gecombineerd om besluitvorming te stimuleren of die via de cloud kunnen worden geopend voor diepgaande, inzichtelijke analyse.

Dashboards en rapportage

Dashboards en rapportage zijn een belangrijk onderdeel van de productie. Van het eens zo eenvoudige whiteboard tot de intuïtieve, digitale displays van vandaag, meet- en volgresultaten hebben fabrikanten lang de volgende stappen geleid. Met MachineMetrics-dashboards hoeft u zich geen zorgen te maken over onnauwkeurigheden of onleesbaar handschrift op een whiteboard (of vergeet u de informatie te loggen voordat deze wordt gewist). In plaats daarvan heeft u toegang tot alle productiegegevens, of het nu gaat om de huidige ploegen- of machinebezettingsgraad van een jaar geleden. U kunt uw display zelfs afstemmen op uw publiek, zodat vloermedewerkers kunnen zien hoeveel onderdelen er moeten worden geproduceerd en of ze op schema liggen, terwijl leidinggevenden en directeuren het grote geheel kunnen zien - allemaal met een paar simpele klikken.

Het MachineMetrics Current Shift Dashboard verzamelt en toont realtime gegevens over machines op de werkvloer om operators en managers inzicht te geven in productie.

Datawetenschap

Datawetenschap en DataOps gaan hand in hand. In deze unie verplaatst datawetenschap zich van het experimentele rijk naar het dagelijks gebruik, wat een ROI oplevert die belanghebbenden gemakkelijk kunnen zien. Bij MachineMetrics creëren onze tools effectieve pijplijnen die datawetenschappers helpen om problemen te versnellen op manieren die voorheen ongehoord waren, vooral omdat ze minder tijd besteden aan het opschonen van data, dankzij onze datatransformatie-engine. Fabrikanten kunnen bijvoorbeeld gebruikmaken van hun interne teams of samenwerken met het datawetenschapsteam van MachineMetrics om gereedschapsstoringen te voorspellen en te voorkomen.

Applicatie-ontwikkeling

Applicatie-ontwikkeling krijgt ook een boost van DataOps, met stroomlijn-, aanpassings- en communicatiemogelijkheden in de voorhoede van deze voordelen. Met MachineMetrics krijgt u kant-en-klare apps waarmee uw organisatie in een mum van tijd ROI kan zien. Bovendien kunt u uw eigen aangepaste toepassingen bouwen, zodat uw gegevens voor u werken zoals u dat wilt. Om nog maar te zwijgen van de mogelijkheid om eenvoudig te integreren met andere systemen (ERP, MES, CMMS) om geautomatiseerde workflows uit te bouwen. De lucht is de limiet.

Wat is een industrieel DataOps-platform?

Een industrieel DataOps-platform beheert DataOps op elk niveau van de datalevenscyclus, van databronnen tot dataconsumptie. Dit is een gestroomlijnde benadering voor het beheren van gegevens die resulteert in hoge standaardisatie en nauwkeurigheid, evenals ultrasnelle doorlooptijden in vergelijking met ongelijksoortige DataOps-functies. Met een Industrial DataOps-platform stromen gegevens naadloos door het proces van opschonen en verfijnen naar visualisaties en rapporten die klaar zijn om te worden gebruikt om zakelijke beslissingen te nemen.

Een industriële DataOps-oplossing omvat over het algemeen de mogelijkheid voor zowel lokale edge-verwerking als cloudverwerking, beveiligingsfuncties op schaal die passen bij een industriële omgeving om gegevens te beschermen, verbindingen met andere industriële IT-systemen, het opschonen en contextualiseren van gegevens en het beheren van de stroom van informatie.

DataOps-platforms hebben als doel fabrikanten te helpen hun gegevens te gebruiken om zo snel en effectief mogelijk waarde te genereren. Volgens deze logica zijn gegevens slechts een middel tot een doel, met als einddoel besluitvorming die de productie-efficiëntie verbetert. Maar de enige manier waarop dat mogelijk is, is als er een programma is om gegevens te verzamelen, te transformeren en toegankelijk te maken om die besluitvorming aan te sturen. Dit is waar industriële DataOps-platforms gedijen.