Datová analytika v průmyslu

Data jako klíčová součást inteligentního průmyslu a logistiky se musí adekvátně použít, aby podnikům přinášeli přidanou hodnotu. Proto se stala datová analytika nevyhnutným nástrojem pro optimalizaci a automatizaci výrobních procesů a řízení logistiky (dodavatelského řetězce).

Smart Industry řešení a dostupné digitální technologie vnášejí nový rozměr i do analýzy dat. Výsledky analýz shromážděných údajů jsou dostupné v reálném čase, což rapidně snižuje reakční dobu při rozhodovacích procesech. Informační systém předzpracuje a vyhodnotí data a kompetentní osoba disponuje nezbytnými podklady pro kvalifikované rozhodnutí.

V praxi to znamená, že i zaměstnanci na nižších úrovních řízení mohou adekvátně a včas reagovat na mimořádné situace nebo zabránit jejich vzniku. Na druhé straně slouží datová analytika na to, aby mohly Smart Industry systémy postavené na principech kyberneticko-fyzikálních výrobních systémů disponovat vnořenými funkcemi s prvky autonomní samoregulace.

Výsledky dosažené zavedením datové analytiky (zdroj: Accenture) 41% rychlejší a efektivnější reakce na problémy v dodavatelském řetězci, 33% optimalizace zásob,28% zlepšení nákladů, 14% zkrácení dodacích cyklů

Jinou podobu využití datové analytiky představuje koncept digitálního dvojčete – virtuální kopie zařízení, dat, procesů, systémů, výrobních linek nebo celé továrny. Digitální dvojče pracuje s exaktními, reálnými a historickými údaji, proto se často využívá při simulačních modelech například odhalování úzkých hrdel – snížené propustnosti ve výrobním toku - nebo za účelem prediktivní údržby.

I přesto, že se prediktivní analýza začíná ve výrobních podnicích teprve zabydlovat, v blízké budoucnosti bude nahrazena analýzou preskriptivní. Preskriptivní analýza využívá soubor nástrojů, jako například simulace, neuronové sítě a strojové učení, za účelem komplexní analýzy události. V případě, kdy prediktivní analýza odhaluje, co a kdy se stane, preskriptivní analýza určuje, i proč se to stane, čímž například napomáhá při identifikaci budoucích rizik a příležitostí, ale zároveň poskytuje i doporučení, přičemž zohledňuje více možných důsledků potenciálních rozhodnutí.

S prudkým nárůstem umělé inteligence bude nacházet stále častěji uplatnění ve výrobních podnicích i strojové učení (Machine Learning) a hloubkové učení (Deep Learning), především v rámci procesů údržby zařízení a kontroly kvality.

Další z očekávaných trendů, které by se měly stát součástí chytrých továren, představuje vnořená analytika. Jednotlivá výrobní a dopravní zařízení budou disponovat vlastními algoritmy, což znamená, že nabudou funkce auto-diagnostiky. Zařízení budou automaticky provádět analýzy vlastních výrobních či logistických operací.

Přínosy vnořené datové analytiky (zdroj: Accenture)  63% zkrácení dodacích cyklů (datová analytika zapuštěna do každodenních činností), 53% zlepšení nákladů, 45% optimalizace zásob  

VISUALIZACE DAT

Nezbytnou součást datové analytiky představuje distribuce správných dat relevantní skupině zaměstnanců. Zaměstnanci přijímající rozhodnutí potřebují mít přístup k rychle pochopitelným datům a analýzám, které jsou ve většině případů založeny na ověřených modelech uživatelské zkušenosti (UX) a intuitivních prvcích zobrazování (například ANDON systémy).

Vzhledem ke zvyšující se tendenci personalizace služeb koncovým zákazníkům, zvyšování variabilizace, dynamické a agilní výroby se stále více využívá vizualizace kontextových údajů i na úrovni operátorů, čímž dochází k demokratizaci dat v rámci výrobních podniků. Kromě zobrazování technicko-pracovních postupů na pracovišti mají operátoři přístup i k dodatečným informacím vázaným na specifika konkrétního produktu.

Společnost ANASOFT při implementaci Smart Industry řešení EMANS za účelem optimalizace vychystávání a outbound logistiky v distribuční společnosti umožnila kromě zobrazování objednávek na terminálech operátorů i zobrazení dodateční informace specifikující očekávání klienta. Takovým způsobem vizualizace kontextových údajů došlo k razantnímu snížení reklamací k dodávaným zbožím, bez navýšení pracnosti nebo provozních nákladů.

V současnosti se rozšiřuje trend virtuálních asistentů, který se projeví i v průmyslu. Stále vylepšující se rozhraní přirozeného jazyka umožní operátorům komunikovat hlasem (hlasem ovládané rozšířené rozhraní člověk–stroj) s podnikovými informačními systémy. Ti jim budou moci zprostředkovat požadované údaje i řečí. Kromě demokratizace dat v rámci podnikových procesů dojde i k jejich transformaci do multimediální podoby, což znamená, že na vyžádání budou poskytována konkrétní data (informace, poznatky) ve zvolené podobě.

Disruptivní technologie pro dodavatelský řetězec (zdroj: SCM World)

BEZPEČNOST DAT

S narůstajícím množstvím dostupných dat, vzájemně propojených strojů jakož i zařízení připojených do sítě zároveň stoupá i nebezpečí kyberútoků či zneužití firemních dat. Proto musí společnosti přistupovat ke zvýšeným bezpečnostním opatřením, aby ochránily osobní, průmyslové a senzitivní obchodní údaje, ale i samotná zařízení. Uložená firemní data se musí chránit v databázích, datových úložištích a souborových serverech například nezávislým monitorováním přístupů na síťové úrovni, firewallem blokujícím podezřelé transakce a útoky na databáze.

Navíc vzhledem k platným regulacím týkajícím se zabezpečení osobních údajů musí společnosti aplikovat vhodnou formu zabezpečení aplikací selektivní anonymizace při zveřejňování interních reportů nebo analýz nebo ochránit údaje maskováním dat zabraňujícím neautorizovanému použití a řešeními pro detekci anomálií. Mezi časté příčiny zneužití údajů patří krádež autorizovanými uživateli, neopatrnost či nedbalost (infikování informačních technologií) zaměstnanců. Interní kompromitaci podnikových dat zabraňují DLP bezpečnostní řešení – Data Leakage Prevention.

Výrobní podniky musí také dbát nejen na ochranu informačních systémů a jednotlivých zařízení (PLC), ale i celé IT infrastruktury, protože komplexní sítě internetu věcí jsou náchylné na neoprávněné zásahy. Kromě firewallu zajišťujícího firemní perimetr se výrobní podniky musí chránit i vůči neoprávněným zásahům zaměstnanci v rámci prevence proti sabotáži nebo neúmyslnému ohrožení a poškození výrobních procesů a zařízení. Současná bezpečnostní řešení naštěstí disponují širokou podporou SCADA protokolů a jsou spolu s technologií Advanced Threat Prevention vhodná i do nejnáročnějších výrobních prostředí.

 Statistiky o kyberbezpečnosti (zdroj: CSO, Cybersecurity Ventures) 50% společností je bez pojištění proti kyber riziku; 3,5 milion neobsazených  pozic v kyberbezpečnosti do roku 2021; 150 milionů dolarů bude průměrné náklady za únik dat do roku 2020; 1 bilion dolarů předpokládané výdaje na kyberbezpečnost 2017-2021; 3 bilióny dolarů roční náklady na škodu způsobenou kyberzločinem do roku 2021

MOHLO BY VÁS TAKÉ ZAJÍMAT