Análisis de big data de la fabricación industrial
Big data no es solo la acumulación de grandes cantidades de datos. Un atributo importante del big data son los tipos de datos en constante cambio que las personas intentan recopilar y darles sentido. Si simplemente recopila una gran cantidad de datos del mismo tipo, no importa cuántos datos tenga, no se le puede llamar big data.
Cómo lograr la fabricación inteligente es un tema que preocupa a todos. Desde Michael Porter de la Escuela de Negocios de Harvard hasta la Escuela de Negocios Wharton, existe un entendimiento general de que la transformación digital es la manera de lograr una fabricación inteligente. Es importante destacar que este conocimiento también proviene de muchas empresas manufactureras y empresarios de talla mundial.
Este conocimiento se basa en la convergencia de numerosas tendencias tecnológicas, como Internet de las Cosas, Cyber Systems (CPS), Internet Industrial de las Cosas, tecnología móvil, inteligencia artificial, computación en la nube, virtual/ realidad virtual aumentada (VR/AR), análisis de big data. Debemos permanecer despiertos y no simplemente pensar que con estas tecnologías, los próximos cinco años serán la edad de oro de la fabricación. La razón es sencilla. La transición a esta nueva cultura manufacturera es compleja y difícil. Sin la integración de industrias, empresas y usuarios, esta transformación no se puede lograr. La transformación digital no solo significa una simple digitalización empresarial, sino que también utiliza lo digital como fuerza impulsora central de la fabricación inteligente y utiliza datos para integrar la cadena industrial y la cadena de valor.
Desde la Revolución Industrial, los fabricantes han estado recopilando y almacenando datos intencionalmente para mejorar las operaciones. A medida que pase el tiempo, aumentará la demanda de análisis de datos en la industria manufacturera. Sin embargo, en los últimos años, las motivaciones fundamentales para el uso de datos no han cambiado, la complejidad de los datos ha aumentado y la capacidad de los datos para transformarse en inteligencia se ha vuelto mayor.
En 2012, Gartner dio una definición de big data, enfatizando especialmente que big data es un activo de información diversificado, centrándose no solo en datos reales, sino también en métodos de procesamiento de big data. El tamaño de los datos en sí no es el indicador central para juzgar el valor de los big data, pero la naturaleza en tiempo real y la diversidad de los datos tienen un impacto más directo en la definición y el valor de los big data.
Al hablar del análisis de big data industrial, noté dos puntos de vista diferentes:
La primera visión es que la industria manufacturera siempre ha tenido big data. Durante décadas, nuestras empresas han estado recopilando datos a través de registros históricos, MES, ERP, EAM y otros sistemas de aplicaciones. Big data es una nueva palabra de moda en algunas cadenas industriales, especialmente en marketing.
La segunda visión es que, desde la perspectiva del big data industrial, la fabricación es un mercado no abierto o un mercado recién abierto. Hay muchos tipos diferentes de datos, pero ahora mismo no se están aplicando a la analítica.
Con estos puntos en mente, siempre debemos mantener un nivel adecuado de escepticismo al enfrentarnos a cualquier nueva formulación de mercado, incluida la terminología, las definiciones o los marcos analíticos. Aquí prefiero la segunda vista. Nuestra industria manufacturera tiene una gran cantidad de datos, pero eso no es lo que significa "grandes datos" tal como la mayoría de nosotros los entendemos por el mercado. Antes de comprender el análisis de big data industrial, ¿cómo deberíamos definir big data en la fabricación? Aquí, podemos comprender mejor las características de big data a través de las tres características de big data.
Fuentes de datos
Hay dos fuentes principales de big data industrial. El primero son los dispositivos inteligentes. Hay mucho espacio para la computación ubicua y los trabajadores modernos pueden traer un sensor ubicuo y otros equipos para participar en la producción y la gestión. Por lo tanto, la fuente de datos industriales es la correlación entre una gran cantidad de dispositivos de aproximadamente 28 mil millones. Esta es una de las fuentes de datos que necesitaremos recopilar en el futuro.
Los segundos datos provienen de datos generados por trayectorias humanas, incluidos los procesos internos de adquisición, producción, logística y ventas en la cadena de fabricación industrial moderna e información externa de Internet. A través de la combinación de datos de trayectoria de comportamiento y datos de dispositivos, big data puede ayudarnos a analizar y extraer clientes. Sus escenarios de aplicación incluyen transacciones centrales en tiempo real, servicios, servicios de back-end, etc.
Relaciones de datos
Los datos deben analizarse en el entorno correspondiente para comprender la relación entre los datos. Por ejemplo, cada nuevo modelo de avión se somete a una serie de brutales pruebas de vuelo antes de ser entregado a las aerolíneas. Las pruebas climáticas extremas son una de las pruebas. El objetivo de esta prueba es garantizar que los motores, materiales y sistemas de control de la aeronave puedan funcionar correctamente en condiciones climáticas extremas.
La clave para afrontar los problemas es encontrar la causa raíz del problema, eliminar los errores conocidos y garantizar la fiabilidad y eficacia de la solución. Una vez que se ha encontrado y determinado la causa raíz y se han implementado soluciones alternativas aceptables, el problema puede considerarse un error conocido. El proceso de investigación del problema debe recopilar toda la información disponible relacionada con el incidente para determinar y eliminar la causa raíz del incidente y el problema. La recopilación y el análisis de datos deben combinarse con datos contextuales sobre el incidente/problema.
Valor de los datos
Para la transformación digital, big data no solo debe centrarse en la cantidad real de datos, sino, lo más importante, prestar atención a la aplicación de métodos de procesamiento de big data en situaciones específicas. , para que los datos puedan generar un enorme valor innovador. Si se persigue ciegamente big data sin considerar los ingresos o el diseño del retorno de la inversión (ROI), el análisis de big data no se implementará ni creará valor para la empresa.
Definición de análisis de big data industrial
El motor es el corazón del avión y también es la máxima prioridad relacionada con la seguridad de la aviación y la seguridad humana. Para monitorear el estado del motor en tiempo real, la mayoría de las compañías de aviación civil modernas han instalado sistemas de gestión del estado del motor de avión.
Datos recopilados por sensores, sistemas de transmisión, sistemas de recepción de señales, sistemas de análisis de señales, etc. Se transmitirá a través de VHF o comunicaciones por satélite a través del sistema de informes y direccionamiento de comunicaciones de la aeronave, razón por la cual el sistema de monitoreo de motores de GE adquiere más de 1 petabyte de datos cada día.
El sistema de ejecución de producción (MES) es exactamente el mismo que el sistema de gestión del estado del motor de un avión. Podemos recopilar una gran cantidad de variables de proceso, resultados de mediciones y otros datos en tiempo real de la producción de la fábrica. Los informes generados a partir de grandes conjuntos de datos o análisis de estadísticas básicas no son suficientes para denominarlos análisis de big data en la industria manufacturera.
La diversidad de tipos de datos es un atributo importante del análisis de big data industrial.
Big data no es sólo la acumulación de grandes cantidades de datos. Un atributo importante del big data son los tipos de datos en constante cambio que las personas intentan recopilar y darles sentido. Si simplemente recopila una gran cantidad de datos del mismo tipo, no importa cuántos datos tenga, no se le puede llamar big data.
Por ejemplo, las variables del proceso de simulación de series temporales recopiladas en el entorno de producción tienen un único tipo de datos y son fáciles de indexar. Incluso si hay miles, no es suficiente convertirse en big data.
Los datos deben incluir un alto grado de variabilidad y diversidad de especies. Existen innumerables aplicaciones de big data en las plantas de fabricación, pero no incluyen simplemente clasificar y mostrar una serie de resultados de medición de procesos. Para estas tareas, se puede realizar una visualización estadística básica. Algunas bases de datos de big data o lagos de datos también se componen de información de texto, datos de imágenes, información geográfica o geológica e información no estructurada, como los tipos de datos obtenidos a través de las redes sociales u otras plataformas colaborativas.
La estructura de información de fabricación generalmente se divide en dos capas, una es la capa de gestión y la otra es la capa de automatización. Realizar el apoyo a las decisiones, la gestión, la ejecución de la producción, el control de procesos y la conexión y percepción de equipos desde tres dimensiones: gestión, ejecución y control de la producción. El análisis de big data de fabricación se refiere al uso de un modelo de datos común para combinar datos estructurados del sistema y datos no estructurados en la capa de gestión y automatización, y luego descubrir nuevos conocimientos a través de herramientas de análisis avanzadas.
La importancia del análisis de big data para la inteligencia de producción empresarial
El núcleo de la innovación manufacturera se basa en una gran cantidad de tecnologías de vanguardia. La tecnología avanzada es un medio de innovación. Con el apoyo de nuevas tecnologías, los sistemas de aplicaciones de gestión empresarial, como ERP y EAM, se pueden integrar con sistemas relacionados con la automatización industrial a través del sistema integrado de gestión de operaciones de fabricación MOM. Sobre la base de la gestión integrada de operaciones de fabricación, se implementa una solución integrada de sistema de información empresarial de fabricación que integra IT+MOM+MES+BI.
Desde la perspectiva de la integración de la industrialización y la modernización, los proveedores de sistemas de información deben unificar la planificación, los estándares, el diseño funcional y las estrategias de implementación desde la perspectiva del principal proveedor de sistemas de información (MIV) de la empresa. Ayudar a las empresas a controlar los riesgos, reducir la inversión, reducir los costos de operación y mantenimiento y lograr la integración completa de los sistemas de información empresarial.
Es importante tener en cuenta que las plataformas de información de gestión empresarial a menudo se consideran herramientas de integración y panel de control para la gestión empresarial de fabricación. Muchos proveedores están invirtiendo fuertemente no sólo en sus integraciones patentadas con ERP y sistemas de automatización, sino también en integraciones abiertas, paneles de control y tecnologías móviles con la esperanza de proporcionar estándares de medición a los tomadores de decisiones que necesitan la información correcta en cualquier momento y lugar.
Tres formas de análisis de big data en la fabricación
La primera es utilizar tecnologías y plataformas abiertas para mover datos desde cualquier sistema a cualquier otro lugar.
El proyecto de construcción del sistema de gestión de operaciones de fabricación es un proyecto de sistemas. No es solo un conjunto de sistemas de software tradicionales tal como lo entendemos, sino también una plataforma para la ejecución de proyectos y servicios. Esto debe reflejar las capacidades de gestión integral y el poder blando de las empresas manufactureras en la gestión de proyectos y el "servicio al cliente" estratégico de las empresas manufactureras.
Toda la plataforma debe estructurarse a partir de tres etapas: etapa preliminar, implementación del proyecto y servicio postventa. En la planificación inicial, se debe prestar atención a las normas, el diseño y la implementación, especialmente para formar una conexión unificada con el sistema integral de información de gestión. Con la formulación de un plan unificado en la etapa inicial, la experiencia de la industria, las capacidades de integración, las capacidades de implementación y las capacidades de desarrollo de software se pueden integrar durante la implementación del proyecto. En particular, se debe establecer y formar un sistema de súper equipo dentro de la organización. El servicio continuo, la operación a largo plazo y la integración de aplicaciones de IoT con la estrategia Internet+ de "software + servicios en la nube" son consideraciones clave para los servicios de seguimiento.
En el análisis de big data de la industria manufacturera, es necesario fortalecer el soporte para servicios continuos posteriores mediante la aplicación de la tecnología de Internet de las cosas. A través del Internet industrial de las cosas, la cooperación a largo plazo entre las empresas de la cadena de suministro y las empresas se puede fortalecer y bloquear mediante funciones como la respuesta oportuna a los clientes, la inspección periódica de los sistemas de software y hardware de IoT, el suministro de repuestos de emergencia, el suministro de consumibles, y mejora de aplicaciones. Al administrar la plataforma y los datos de IoT, podemos continuar brindando servicios valiosos a nuestros clientes.
El segundo enfoque es invertir en modelos de datos que puedan manejar datos estructurados y no estructurados en la pila de arquitectura del sistema dentro y fuera de la fábrica.
Las nuevas tecnologías son el núcleo de la revolución de la innovación, y una de las características más importantes es la integración, es decir, la integración del sistema de gestión de operaciones de fabricación MOM con ERP, EAM, OA y análisis empresarial. incluyendo inicio de sesión con un solo clic, integración de interfaz, envío de mensajes, integración de flujo de trabajo, datos maestros y buses y plataformas de integración de aplicaciones.
Dado que los datos maestros entre estos sistemas están unificados, la interacción de datos entre todos los sistemas se basa en el bus del sistema de aplicaciones para la interacción de datos, al tiempo que integra procesos comerciales, flujos de trabajo y procesos de servicio entre sistemas para lograr una integración perfecta. análisis.
Para los gerentes de negocios, después de iniciar sesión con un clic, la información necesaria más relevante para la administración se puede personalizar y mostrar según diferentes posiciones. Este es el concepto de compartir que nos ofrece Internet.
La tercera forma es combinar herramientas de análisis avanzadas como series temporales, imágenes, vídeos, aprendizaje automático, modelos geoespaciales, predictivos, optimización, simulación y control estadístico de procesos con la plataforma de big data en las empresas manufactureras. combinados para obtener información sobre situaciones que aún no han surgido. La combinación de datos de IoT, como sensores, redes de transmisión y software de aplicaciones con software de aplicaciones de gestión, será una dirección importante para el análisis de big data en la futura industria manufacturera.
Cultivar expertos en análisis de big data dentro de la empresa.
Como industria, necesitamos desarrollar orgánicamente conjuntos de herramientas de análisis de big data específicos de la industria que capaciten a los expertos actuales de la industria con la ciencia de datos adecuada para permitir la transformación digital. Para impulsar la transformación, necesitamos una gran cantidad de grandes empresas que utilicen este enfoque y demuestren su valor ante otros o sus pares.