Datová analytika v průmyslu

07.06.2019

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 datovou analytikou Big Data

                     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 využívaní datové analytiky Big Data

                          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 Supply Chain

                        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 Cybersecurity

                                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 průměrná cena úniku 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

Smart Industry newsletter

Případové studie, novinky a zajímavosti z digitální revoluce v průmyslu přímo do vaší schránky.


Odesláním souhlasíte se zpracováním osobních údajů společností ANASOFT APR, spol. s r.o. za účelem zasílání newsletteru a informací souvisejících s našimi službami a produkty. Máte právo proti tomuto zpracování namítat na mailové adrese gdpr@anasoft.com nebo na korespondenční adrese společnosti. Víc informací: Ochrana osobních údajů.
 

MOHLO BY VÁS TAKÉ ZAJÍMAT

Velké data v průmyslu Big Data Top Smart Industry TrendyInteligentní intralogistika banner Jak zvýšit produktivitu skladu banner