Sự ra đời của IoT công nghiệp và các nhà máy thông minh đã đặt ra những yêu cầu mới đối với các hệ thống phân tích thế hệ tiếp theo để mở khóa dữ liệu hoạt động theo những cách mới. Mặc dù phân tích công nghiệp thông minh là một trường hợp sử dụng tương đối gần đây, nhưng hoạt động đang bắt đầu nóng lên. Thách thức sẽ là tìm ra các xu hướng có ý nghĩa từ dữ liệu được trích xuất từ ​​nhiều điểm tiếp xúc IoT công nghiệp, ngoài việc chỉ lưu trữ nội dung trong nhật ký hoạt động.

Nhà máy thông minh được tạo ra bởi các cảm biến Internet of Things (IoT) phải tương quan với các điểm dữ liệu khác của công ty và việc tìm kiếm ý nghĩa phải trở thành một phần thường xuyên của quy trình công việc hàng ngày, không phải là một khoảnh khắc thoáng qua.

Việc tích hợp dữ liệu IoT vào các quy trình thông thường liên quan đến yêu cầu phần mềm phân tích. Phần mềm này được thúc đẩy bởi trí tuệ nhân tạo AI và công nghệ máy học. Một phần khác của phương trình là các kết nối IoT liên kết các bảng điều khiển thông minh kinh doanh CNTT với dữ liệu hoạt động của nhà máy.

Mặc dù bảng điều khiển BI từ lâu đã là một phần của phân tích phòng sau, nhưng hầu hết đã không thể xử lý đầy đủ các đầu vào dữ liệu IoT công nghiệp cho đến gần đây. Đối với các nhà máy thông minh để tránh dữ liệu bị chặn, điều tối quan trọng là chọn bảng điều khiển BI được trang bị các phân tích có khả năng. Ngày nay, nhiều bảng điều khiển kết hợp IoT công nghiệp với quyền truy cập vào các hồ dữ liệu – các hồ lưu trữ rộng lớn nhằm tổng hợp một lượng lớn thông tin phi cấu trúc – hoặc các cơ sở dữ liệu đám mây khác.

Enno de Boer, đối tác của McKinsey, cho biết: “Dữ liệu nhà máy thông minh có nhiều điểm chung với dữ liệu đến từ các chức năng khác trong một doanh nghiệp. “Để có giá trị, nó phải được sử dụng để cung cấp thông tin cho việc ra quyết định,” Nếu không, sẽ có rất ít điểm trong việc thu thập và tổng hợp lượng lớn dữ liệu.

Xuyên suốt chuỗi giá trị

Để thực sự có giá trị, dữ liệu sàn nhà máy phải được tích hợp trong toàn bộ chuỗi giá trị, de Boer, người đứng đầu công việc của McKinsey trong lĩnh vực sản xuất kỹ thuật số và sự hợp tác của tổ chức này với Diễn đàn Kinh tế Thế giới như một phần của mạng lưới Nhà Đèn Toàn cầu cho biết.

Với việc sử dụng tốt hơn phân tích, de Boer nhận thấy sản xuất phù hợp có ảnh hưởng đến mọi thứ “từ việc tìm nguồn cung ứng linh kiện cho đến phân phối cuối cùng”.

Phân tích thông minh kinh doanh ngày nay là một tính năng phổ biến của các sản phẩm CNTT doanh nghiệp. Nhưng việc áp dụng công nghệ cho các hoạt động đã tỏ ra khó khăn hơn. Theo ResearchAndMarkets.com, mặc dù có các biện pháp chặn đang được triển khai, toàn cầu dự kiến ​​sẽ đạt 16 tỷ đô la vào năm 2026.

Thẻ điểm phân tích nhà máy thông minh

Nhiều nhà cung cấp hiện đang cố gắng cung cấp bảng phân tích công nghiệp và bảng điều khiển BI được cải tiến. Những công ty đi đầu trong thị trường nhà máy thông minh bao gồm ABB, Honeywell International, Robert Bosch, Siemens và những công ty khác.

Khi nói đến việc nắm bắt, xử lý, lưu trữ và phân tích dữ liệu nhà máy thông minh, những gã khổng lồ CNTT với dấu ấn đáng chú ý trong lĩnh vực sản xuất là một phần của hỗn hợp. Đứng đầu trong số này là IBM, Hewlett Packard Enterprise và SAP. Các công ty khởi nghiệp dữ liệu sáng tạo cũng đã nhắm mục tiêu các yêu cầu chuyên biệt của phân tích nhà máy thông minh, chẳng hạn như Cloudera và DataStax.

Khi đám mây trở thành điểm tập trung của phân tích nhà máy, các nhà lãnh đạo đám mây Amazon Web Services, Google và Microsoft đang xây dựng các đường ống quy trình làm việc dữ liệu chuyên biệt. Người chơi lần lượt hỗ trợ các bảng điều khiển thông minh kinh doanh của người dùng cuối, chẳng hạn như bảng điều khiển của Looker, Microsoft, Tableau và những người khác.

Nhà máy thông minh Buildout

Xây dựng phân tích nhà máy thông minh là một nhiệm vụ đáng gờm. Một địa điểm sản xuất điển hình có thể tạo ra hơn 2, 200 dữ liệu trong một tháng và hầu hết dữ liệu đó không được phân tích, theo báo cáo của IBM về chuyển đổi kỹ thuật số. Luồng dữ liệu vẫn chưa được phân tích góp phần vào vấn đề của các dự án bằng chứng khái niệm IoT (POC) công nghiệp đang kéo dài.

Manish Chawla, tổng giám đốc phụ trách các ngành công nghiệp, năng lượng, tài nguyên và sản xuất tại IBM, nhấn mạnh hầu hết dữ liệu công nghiệp được tạo ra bên ngoài CNTT. Ông chỉ ra rằng những nỗ lực gần đây của ngành tập trung vào việc cải thiện cơ sở dự án; lập kế hoạch kém có thể kéo dài thời gian dẫn của POCs.

Ông nói: “Mọi người đã cố gắng xây một căn hộ áp mái mà không có nền móng.

Chawla cũng cho biết IBM gần đây đã làm việc cùng với Siemens và Red Hat về phương pháp tiếp cận đa nền tảng để thực hiện các phân tích từ nền tảng IoT công nghiệp của Siemens, MindSphere, gần với rìa nhà máy hơn.

SAP đang làm việc để cho phép khách hàng phân tích hỗn hợp dữ liệu lịch sử theo định hướng chuỗi thời gian cùng với IoT và dữ liệu kinh doanh, Dominik Metzger, Phó chủ tịch và người đứng đầu bộ phận quản lý sản phẩm, sản xuất và IoT công nghiệp, SAP cho biết. Nhà sử học dữ liệu là một chức năng phần mềm ghi lại kết quả của quá trình sản xuất CNTT cho các mục đích quản trị.

Đối với Metzger, một trong những thay đổi quan trọng trong những năm gần đây là mức độ tiêu chuẩn hóa trong việc xử lý dữ liệu. “Nó trở nên kinh tế hơn và có thể mở rộng”, Metzger nói, trích dẫn các hồ dữ liệu như một công cụ phân tích cho các nhà máy thông minh.

SAP xem việc nhúng phân tích dữ liệu IoT vào các quy trình kinh doanh là bước quan trọng tiếp theo trong chiến lược Công nghiệp 4.0 của mình, được đặt tên là Công nghiệp 4. Công nghiệp 4 là một kiến ​​trúc tham chiếu trải dài quy trình làm việc từ các nguồn như dữ liệu lịch sử, dịch vụ cạnh và đám mây hoặc ERP hệ thống với khả năng kinh doanh thông minh.

Khối lượng dữ liệu yêu cầu của Analytics

Sự phát triển của phân tích nhà máy thông minh rất phức tạp bởi các lực ảnh hưởng đến phân tích nói chung. Ví dụ: sự gia tăng của phân tích dự đoán và mô tả dựa trên AI và học máy đưa ra một số thách thức triển khai. Ở đây, người dùng nên tiến hành một cách thận trọng khi sử dụng phân tích để nghiên cứu sâu hơn về các hoạt động, theo Ed Cuoco, phó chủ tịch AI và Analytics tại PTC.

Ví dụ: khi triển khai phân tích để chẩn đoán, có những thời điểm mà việc kiểm soát quy trình thống kê đơn giản có thể được ưu tiên hơn các giải pháp máy học hoặc loại AI, Cuoco nói.

Ông nói thêm: “Nếu không có dữ liệu lịch sử chất lượng tốt, bạn có thể không có được thông tin chi tiết mà bạn muốn.

Nhà cung cấp nền tảng IoT PTC hợp tác chặt chẽ với người dùng cuối và các nhà sản xuất phần mềm khác để cung cấp phân tích từ tiền tuyến của nhà máy đến người dùng cuối doanh nghiệp và đôi khi quay trở lại. Đó là trường hợp của một thỏa thuận gần đây cho thấy khung Fujitsu Smart Factory sử dụng nền tảng thực tế tăng cường Vuforia và ThingWorx của PTC để truyền tải thông tin phân tích đến các nhân viên vận hành.

Đồ họa mới cho Analytics

Công nghệ dữ liệu đồ thị – từ lâu đã nằm ở ngoại vi của bối cảnh phân tích dữ liệu tiên tiến – đã được chấp nhận trong các nhà máy và các cơ sở khác. Cơ sở dữ liệu đồ thị như Aura Enterprise từ Neo4j đã tỏ ra hữu ích và đưa các phân tích nhà máy thông minh của người dùng vào ngữ cảnh và cho phép các dự án hợp tác xác định hiệu quả hoạt động mới.

Không giống như cơ sở dữ liệu quan hệ làm nền tảng cho phần lớn phân tích dữ liệu và lưu trữ dữ liệu trong các hàng và cột, các định dạng dữ liệu biểu đồ sử dụng ánh xạ dữ liệu để quản lý các kết nối phức tạp giữa các phần tử dữ liệu. Các lĩnh vực mục tiêu của Neo4j bao gồm ô tô, bảo hành, phân tích, quản lý chuỗi cung ứng và dụng cụ y tế. Theo Amy Hodler, giám đốc phân tích đồ thị và các chương trình AI, Neo4j, ngành y tế đã chứng minh khả năng của cơ sở dữ liệu biểu đồ trong việc thúc đẩy sự hợp tác giữa các nhóm với nhau.\

Hodler lưu ý rằng một công ty dụng cụ y tế đang tìm cách theo dõi các lỗi trước khi vận chuyển sản phẩm đã tìm thấy các phương pháp biểu đồ của Neo4j hữu ích. Việc xác định những hư hỏng như vậy thường liên quan đến công việc thám tử vì tất cả các thành phần con của một thiết bị bị lỗi phải được truy tìm để xác định xem chúng có phải chịu trách nhiệm về lỗi hay không.

Để phân tích đến tay nhiều người dùng hơn, Neo4j cung cấp các trình kết nối liên kết các mô hình dữ liệu đồ thị của nó với các trang tổng quan trực quan hóa và khám phá dữ liệu như Tableau, Tibco Spotfire, v.v. Công ty cũng cung cấp công cụ trực quan hóa Bloom của riêng mình.

Cũng kết nối với một loạt các bảng điều khiển trực quan là các công cụ quản lý phần mềm từ DataStax, một công ty phần lớn dẫn đến việc thương mại hóa cơ sở dữ liệu nguồn mở NoSQL. Phiên bản doanh nghiệp của sản phẩm DataStax hỗ trợ xử lý dữ liệu đồ thị. Trong số những người sáng tạo ứng dụng IoT sử dụng phần mềm của mình có Locstat có trụ sở tại Nam Phi, đã triển khai sản phẩm để phân tích dữ liệu cảm biến và phân tích phát trực tuyến theo thời gian thực.

Matthias Broecheler, kỹ thuật viên trưởng tại DataStax cho biết: “Hình ảnh ngày càng trở thành một yếu tố quan trọng để cố gắng hiểu những gì đang xảy ra trong bối cảnh IoT, đặc biệt là khi bạn đang xử lý một thiết lập khá phức tạp.

Ông nói thêm, các công cụ phân tích trực quan giúp nhân viên vận hành, nhà phát triển và những người khác. Đồng thời, Broecheler lưu ý rằng một số quyết định trong các nhà máy thông minh yêu cầu phản ứng ngay lập tức. Động lực đó là đằng sau các hình thức xử lý phân tích mới mà không cần sự biến đổi của con người, sẽ tự động phát hiện và phản ứng với các bất thường của sàn nhà máy.

Tạm biệt, Data Silos

McKinsey’s de Boer cho biết: Trong các nhà máy thông minh, các nhà quản lý, hoạt động hiện trường và nhóm phát triển CNTT cần phải làm việc cùng nhau giống như trong bất kỳ hình thức chuyển đổi kinh doanh nào khác.

“Việc chuyển đổi không thành công khi các nhóm hoạt động trong silo và chỉ một chức năng thúc đẩy nỗ lực thực hiện các thay đổi,” ông nói trong một cuộc phỏng vấn qua email. De Boer nói, nỗ lực dân chủ hóa dữ liệu đòi hỏi mọi người trong toàn bộ tổ chức phải hiểu sức mạnh của các công nghệ mới và cách sử dụng chúng.

Đối với lĩnh vực sản xuất, vai trò của nhân viên vận hành trong việc xác định dân chủ hóa dữ liệu sẽ nói lên.

“Với các công cụ phân tích trong tay của nhân viên vận hành, các công ty sẽ có thể dễ dàng phát triển các giải pháp đáp ứng các thách thức kinh doanh,” de Boer nói.

McKinsey’s de Boer đã chỉ ra các chương trình học viện phân tích được thiết lập bởi các thành viên của Mạng Hải đăng Toàn cầu và cho rằng tất cả các bên liên quan đều có thể thu được lợi ích từ việc tham gia, bao gồm tất cả mọi người từ hội đồng quản trị đến các tuyến đầu sản xuất.

Nguồn sưu tập