Poza arkuszami kalkulacyjnymi potrzebne są obecnie nowe narzędzia, które pomogą inżynierom procesu otrzymywać wartościowe informacje z danych przesyłanych w przemysłowych sieciach informatycznych. We wdrażaniu technologii Przemysłowego Internetu Rzeczy (IIoT) z pomocą przychodzą technologie Big Data.
Dane zbierane i przechowywane w zakładach przemysłu przetwórczego mogą być liczone w terabajtach ? w ciągu dnia, godziny lub nawet minuty. Wiele z tych danych wciąż nie jest wciąż wykorzystywanych do poprawy procesu produkcyjnego.
Według Instytutu Gartnera 70% zbieranych danych nie jest analizowanych lub przetwarzanych w wartościowe informacje. Firma doradcza McKinsey & Co.
udokumentowała sytuacje, w których wielkość ta jest nawet bliższa 99% (rys. 1). Zjawisko to jest określane mianem DRIP, od ang. Data Rich, Information Poor (bogactwo danych, ubogość informacji), i polega na tym, że użytkownicy i organizacje toną w wielkich ilościach danych, jednocześnie desperacko poszukując w tym zalewie potrzebnych informacji (rys. 2).
Jak to jest możliwe? To ważnie pytanie dla organizacji związanych z przemysłem przetwórczym. W ciągu ostatnich dwóch dekad dostarczanie wiedzy praktycznej jest stałym hasłem dla ludzi zajmujących się analityką procesową.
Rozwiązaniem zaproponowanym do wypełnienia luki pomiędzy danymi a wartościowymi informacjami była ostatnio chmura obliczeniowa. Nawet analityka Big Data (analizowanie wielkich ilości różnorodnych, zmieniających się w czasie danych) nie pomogła w rozwiązaniu problemu. Zamiast tego powstaje coraz więcej danych, i coraz więcej z nich pozostaje niewykorzystana.
Korzyści z danych procesowych
W tej sytuacji pomocna jest analiza tego, kto w zakładzie produkcyjnym jest odpowiedzialny za otrzymywanie wartościowych informacji z danych procesowych oraz kto czerpie z nich korzyści. Oczywistą odpowiedzią na to pytanie jest inżynier procesu, będący reprezentantem grupy inżynierów bezpośrednio prowadzących proces produkcyjny. tytuły chodzi tutaj głównie o takie stanowiska, jak główny inżynier automatyk, kierownik produkcji czy główny technolog.
Specjaliści ci posiadają różne tytuły, lecz łączy ich jedno ? w swojej organizacji są ekspertami od maszyn i urządzeń oraz prowadzonych procesów technologicznych i produkcyjnych. Wiedzą, jakich danych pochodzących z maszyn i urządzeń poszukiwać oraz które zbiory danych są odpowiednie do analizy. Inżynierowie procesu reprezentują pierwszą linię pracowników, którzy potrafią i mogą wykorzystywać dane produkcyjne w celu poprawy wyników fabryki pod względem wydajności produkcji, jakości wyrobów i efektu ekonomicznego.
Inne rozważania dotyczą narzędzi, które wykorzystują inżynierowie procesu do opracowania wartościowych informacji z danych procesowych. W firmach z branży przemysłu przetwórczego najbardziej rozpowszechnionym ogniwem pomiędzy danymi procesowymi a otrzymywanymi z nich wartościowymi informacjami jest właśnie inżynier procesu posługujący się arkuszem kalkulacyjnym. Każdy program do archiwizacji danych można połączyć z arkuszem kalkulacyjnym, aby ułatwić analizę danych pochodzących ze sprzętu produkcyjnego.
w których 99% zebranych danych pozostało niewykorzystanych.
Przyśpieszenie wykorzystania danych
Przyśpieszenie wykorzystania danych musi poprawiać efektywność pracy inżynierów procesu. To podejście kontrastuje z wieloma proponowanymi innowacjami, mającymi na celu rozwiązanie problemów z DRIP. Te innowacje to Big Data, uczenie maszynowe, zaawansowane pakiety oprogramowania do analizy statystycznej, przygotowane i wdrożone przez architektów oprogramowania, programistów i naukowców.
W środowisku, w którym inżynier ma kluczową pozycję w fabryce i realizowanych w niej procesach, konieczne jest, aby otrzymywał on wartościowe informacje na podstawie danych pochodzących z maszyn i urządzeń. Inżynier ten powinien raczej być pierwszą osobą a nie ostatnią, która koncentruje się na narzędziach do otrzymywania wartościowych informacji dotyczących produkcji.
Oczekiwane nowe narzędzie do analizy danych musi także mieć funkcje oferowane przez typowe arkusze kalkulacyjne, które są standardowym narzędziem pracy inżyniera przez ostatnie 30 lat. Arkusze kalkulacyjne stały się popularne i każde rozwiązanie następnej generacji musi przyspieszyć działanie i znacząco wzbogacić ich funkcjonalność. Chodzi tu o takie cechy i funkcje, jak:
Integracja danych. Firma doradcza ARC Advisory Group stwierdziła, że ?przeciętne? badania problemów związanych z procesami produkcyjnymi w środowisku oprogramowania klasy EBI (ang. Enterprise Business Intelligence ? oprogramowanie do analizy i prezentacji danych produkcyjnych w przedsiębiorstwie) wymaga dostępu do siedmiu systemów danych. Aby użytkownicy zapomnieli o dzisiejszych arkuszach kalkulacyjnych, nowe oprogramowanie musi przyjmować dane pochodzące z wielu systemów, w wielu formatach i typach.
Elastyczność. Proces badania danych obejmuje iteracyjną metodę prób i błędów, stosowaną do rozwiązywania problemów. Metoda ta składa się z wielu małych kroków, takich jak agregacja danych, czyszczenie danych, obliczenia, wizualizacje i współpraca. Jeśli nie zostanie uzyskane rozwiązanie, użytkownik cofa się w swojej analizie i rozpoczyna badania inną drogą.
Raportowanie. Rola arkusza kalkulacyjnego pozwala użytkownikom udostępniać dane i tworzyć nowe wartościowe informacje. Mogą one być rozpowszechniane na forach internetowych, drukowane, osadzane, przesyłane e-mailem, udostępniane i publikowane przez użytkowników. Powinny być dostępne na każdym urządzeniu, w aplikacji lub przeglądarce internetowej oraz uruchamiane lokalnie lub w chmurze. Nowe rozwiązanie zastępujące współczesne arkusze kalkulacyjne będzie wymagało specyficznej grafiki, takiej jak raporty typu dashboard dla kierownictwa firm, szablony ograniczające interakcje użytkownika do ważnego zakresu opcji lub dające mu pełny dostęp, aby umożliwić współpracę pomiędzy zespołami w firmie.
ale i niedostatek wynikających z nich wartościowych informacji (DRIP).
Coś więcej niż arkusz kalkulacyjny
Innowacje w technologiach Big Data, analizy danych i skalowalne poziomo architektury oprogramowania stają się dostępne dla inżynierów procesu, bez konieczności przejścia intensywnego szkolenia czy posiadania wyspecjalizowanych umiejętności informatycznych.
Model ten działa w rozwiązaniach ogólnie dostępnych jak wyszukiwarka Google czy technologia rozpoznawania głosu Siri. Dlaczego aplikacje analityczne nie mogą być w ten sam sposób wykorzystywane przez inżynierów procesu? Jest to wielka okazja do wzbogacenia użyteczności i elastyczności arkuszy kalkulacyjnych poprzez wdrażanie nowej technologii i innowacji z innych obszarów działalności człowieka.
Dostarczenie inżynierom procesu właściwej aplikacji, która wypełni lukę pomiędzy danymi a informacjami, jest sprawą zasadniczą. Nowoczesne rozwiązania wymagają zaledwie minut do zgromadzenia, oczyszczenia i zorganizowania danych, co oszczędza czas pracownikom, którzy mogą poświęcić go na zajmowanie się sprawami technicznymi związanymi z produkcją.
Wynikiem jest zwiększona wydajność pracy inżynierów procesu i większa ilość otrzymywanych przez nich użytecznych informacji, co prowadzi do większej wydajności produkcji, lepszej jakości wyrobów, lepszych warunków BHP i lepszych wyników ekonomicznych firmy.
Michael Risse jest wiceprezesem firmy Seeq Corporation.
