Velká data a jejich efektivní využití v inteligentní výrobě a logistice

13.11.2018

Velká data a jejich efektivní využití v inteligentní výrobě a logistice

Digitální transformace otevřela široké pole možností pro nástup inteligentního průmyslu. Uprostřed současné digitální a průmyslové revoluce se nacházejí data, ke kterým získaly podniky bezprecedentní přístup jak co do obsahu, rozsahu a rychlosti jejich sběru, zpracování, tak i analytiky. Možnosti a benefity jaké přináší datová analytika, jsou natolik zásadní, že podniky se začaly zaměřovat na implementaci datových řešení a revizi byznys modelů orientací na data. Neméně fundamentální pozici zastávají i v rámci průmyslu a inteligentní výroby a logistiky.

Digitalizace dat a jejich následné efektivní využití v inteligentní výrobě a logistice ovšem přináší podnikům nové výzvy. Klíčovou otázkou je, jak zpracovat údaje, abychom z nich dostali informace, které přinesou podniku reálnou hodnotu.

Podle studie Market Research Future (MRFR) by měl globální trh s datovou analytikou zaznamenat až 30% nárůst během období 2017–2023. Podobný nárůst zaznamenává i trh s technologiemi Internetu věcí (IoT), který sběr široké škály a množství dat radikálně znásobil. IDC odhaduje, že až 80 % velkých výrobců zavede IoT a datovou analytiku do svých procesů do roku 2020. Rychlost adopce obou těchto nových technologií jen potvrzuje jejich přínosy pro průmyslové podniky.

Predikce počtu připojených zařízení do Internetu věcí (IoT) celosvětově v miliardách  do roku 2025

Predikce nárůstu počtu připojených zařízení do Internetu věcí (IoT) celosvětově do roku 2025 (miliardy) (zdroj: Statista)

 

Mezi nejčastějšími důvody implementace uvádí podniky snižování provozních nákladů, zvyšování úrovně služeb poskytovaných koncovým zákazníkům, či vytváření simulací a prognóz prostřednictvím využití historických dat, jež usnadňují rozhodování v komplexních procesech. Průmyslový internet věcí (IIoT) a velká data představují inherentní součást inteligentního průmyslu a Smart Industry řešení, protože umožňují optimalizaci procesů ve výrobních a materiálových tocích. Urychlují také rozhodovací procesy na všech úrovních řízení, neboť údaje a analýzy jsou již dostupné v reálném čase.

Zavádění kyberneticko-fyzikálních systémů, představujících novou generaci systémů s integrovanými počítačovými a fyzikálními členy, znamená expanzivní nárůst výrobních dat, která bude muset komplexní IT infrastruktura sbírat, archivovat, zpracovávat a vyhodnocovat. Navíc sběr dat a jejich analýza představuje vstupní bránu výrobních a logistických podniků k digitální transformaci, který jim umožní horizontální a vertikální integraci hodnotových řetězců.

Investice do velkých dat podle odvětví 2019 Big Data

Investice do velkých dat podle odvětví 2019 (zdroj: IDC) 13,9% bankovnictví, 11,3% diskrétní výroba; 8,2% odborné služby; 8,1% procesní výroba; 6,8% vláda

 

Pokud chce podnik vytěžit co nejvíce z vlastních dat, měl by se zaměřit na 4 zásadní oblasti:

  • datový management,
  • datovou analytiku,
  • vizualizaci dat,
  • a jejich bezpečnost.

Datový management

Základním předpokladem úspěšné a funkční digitalizace je správný datový management, který sestává ze   3 stádií: integrace, kontextualizace a sémantizace dat.

Díky nárůstu množství instalovaných senzorů každým rokem narůstá i množství vygenerovaných dat. Tím stoupá i objem informací, které se v nich ukrývají. Výrobní či logistická data však pocházejí i z dalších zdrojů, jakými jsou podnikem používané informační systémy (MES/MOM systémy, WMS, MRP, ERP, APS, SCADA a jiné). S počtem a druhem zařízení připojených do podnikového internetu věcí narůstá i různorodost dat a nekompatibilnost jejich formátů. Data mohou být navíc heterogenní na úrovni formy, jako jsou například texty, poznámky, reporty, či záznamy vytvořené operátory, ale i na úrovni struktury (odlišná míra strukturovatelnosti).

Informační systémy proto musí být schopny zpracovávat strukturovaná i nestrukturovaná data stejně, jako se musí být schopny vyrovnávat s chybějícími údaji. Z tohoto důvodu je nezbytná integrace dat – proces zpracování dat za účelem nabytí použitelné informace. V rámci procesu integrace proto dochází ke snižování heterogenity na úrovni formy a struktury shromážděných údajů. Informační systém zároveň zajišťuje i centralizaci dat, což následně umožňuje jejich standardizaci a další zpracování.

Na to, aby mohly být sklizené a zpracované (standardizované) údaje vhodně použity v rozhodovacích procesech, ať už zaměstnancem, nebo algoritmem, potřebují kontext - proces kontextualizace dat. Prezentovaná informace má pomoci zaměstnanci nebo informačnímu systému uvědomovat si situaci (vzájemnou polohu, časovou souslednost, dopad na plán výroby a podobně). Právě na základě této informace dokáže člověk nebo systém přizpůsobit své reakce.

Dalším příkladem kontextualizace údajů je generování rodného listu výrobku. Právě traceabilita, čili dosledovatelnost, tvoří součást informační transparentnosti jako jednoho z design principů Průmyslu 4.0. Díky této funkci je možné vystopovat celou výrobní historii konkrétního výrobku stejně jako sledovat jeho pohyb nebo přesuny materiálu napříč dodavatelským řetězcem.

Jednotlivé rodné listy obsahují přesné informace o tom kdy, kde, jak, kým a za jakých podmínek (nástroje, pracovní postupy, fyzikální veličiny apod.) byl daný produkt vyroben. Díky této sadě kontextualizovaných údajů může systém odhalovat vzorce, korelace a tendence ve výrobním a materiálovém toku, ať už ve vztahu k výrobku (nebo celé sérii), nebo výrobních zařízení (například usouvztažňování poklesu kvality výrobku a potřeby provedení údržby na konkrétním zařízení).

Globálny trh s veľkými dátami 2011-2027

Predikce vývoje globálního trhu s velkými daty 2011-2027 (zdroj: Statista)

 

Kontextualizovaná data umožňují vytěžit informace, které následujícím zpracováním sémantickými modely generují znalosti. Na principu sémantizace údajů pracují také informační systémy pro operativní řízení činností (MOM systémy), aby zajistily autonomně a samoregulovatelné plánování a řízení výrobních a lidských zdrojů. Aplikací sémantických modelů (soustavy pravidel) na kontextualizované údaje lze abstrahovat relevantní znalosti a identifikovat pravidla v komplexních procesech.

Proces datového managementu lze demonstrovat na příkladu řešení autonomní koordinace výrobního toku a interní logistiky. Za tímto účelem implementovala společnost ANASOFT Smart Industry řešení EMANS ve výrobním podniku, kde se začalo se sběrem dat z výrobních a dopravních zařízení. Zaměstnanci tak disponovali aktuálními a přesnými informacemi o stavech materiálů v příručních skladech i v centrálním skladu. Všechny transfery mezi jednotlivými pozicemi jsou podrobně zaznamenávány a Smart Industry systém s nimi dále pracuje.

Na základě integrace dat z výrobních zařízení a intralogistiky bylo možné vyhotovit přesnou virtuální kopii materiálových toků ve výrobním procesu. Zpracování integrovaných a kontextualizovaných dat sémantickými modely umožňuje Smart Industry systému optimalizovat výrobní tok a efektivně řídit materiálové zdroje. Díky správně nastavenému sběru a zpracování údajů zabezpečuje Smart Industry systém autonomní, plynulou a hladkou koordinaci výrobních a dopravníkových zařízení. Podnik tak může bez problémů splňovat výrobní plán, protože má zajištěno správné a včasné splnění požadavků na přepravu materiálu.

MOHLO BY VÁS TAKÉ ZAJÍMAT

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).

Nová infrastruktura inteligentního průmyslu: Smart Industry a ERP

V rámci podnikových strategií se zmiňuje potřeba adopce a adaptace nových technologií, což vede k nutnosti restrukturalizace etablované hierarchie informačních systémů. V éře kyber-průmyslu a autonomizačních tendencí podniků se proto přehodnocuje také postavení ERP systémů, které se musejí integrovat do nové infrastruktury inteligentního průmyslu.

Umělá inteligence v logistice | Webinář

Současné procesy logistiky, přepravy a řízení dodavatelského řetězce se nacházejí uprostřed éry intenzivní transformace. Mezi klíčové katalyzátory těchto změn patří umělá inteligence. Více o automatizaci podnikové logistiky se dozvíte z webináře Umělá inteligence v logistice.