Данные играют большую роль в инновациях в производственном секторе. Томас Деген, инженер по решениям для промышленности компании KX, рассказывает на портале Information Age о том, как сочетание данных реального времени и исторических данных может улучшить производственный процесс.

Помните ли вы свои ощущения, когда впервые увидели телевизор высокой четкости? Какое впечатление на вас произвели насыщенность цвета, большая глубина и контрастность изображения? Промышленность переживает свой собственный момент 4K, обусловленный возможностью более эффективного сбора и анализа петабайтов данных, которые ежедневно создаются в современной производственной среде.

Качество данных имеет решающее значение для более глубокого понимания производственного процесса. Однако существуют проблемы, связанные с тем, как собирать, обрабатывать, анализировать и действовать в соответствии с инсайтами, извлекаемыми из увеличившихся объемов данных.

Постоянно растущая информационная сфера IoT

Очевидно, что производители сталкиваются с огромным количеством данных. По прогнозам, к 2025 г. глобальный объем данных от устройств Интернета вещей (IoT) и промышленного Интернета вещей (IIoT) вырастет до 79,4 Зб.

Производители стремятся контролировать процессы, оборудование и окружающую среду, чтобы понять, что происходит сейчас и что происходило в прошлом. Когда существуют процессы, в которых условия изменяются за миллисекунды, например, обнаружение и классификация неисправностей в современном производстве полупроводников, необходимо вести наблюдение с гораздо большей частотой и разрешением и, что очень важно, предпринимать правильные действия в максимально короткий промежуток времени. Проблема для многих производителей заключается в том, что существующие технологии, инфраструктура и решения просто не справляются с этой задачей.

Обновление устаревших систем

Первым шагом, который должны сделать предприятия, является аудит существующей инфраструктуры, а также систем управления данными и аналитики. Поскольку ожидается увеличение объемов данных, которые будут поступать через их системы через множество новых точек соприкосновения, устаревшие инструменты необходимо обновить или заменить.

Еще один момент, который необходимо учитывать, — это типы данных, которые предполагается генерировать и анализировать. Например, если производственная компания собирается использовать машинное обучение для выполнения сложных автоматизированных действий, ей потребуется как можно больше богатых данных реального времени. Это позволит генерировать базовые модели и алгоритмы искусственного интеллекта, необходимые для точного информирования автоматизации в режиме реального времени. Возможность сравнения этих новых данных с историческим контекстом также необходима для получения истинно оперативного интеллекта.

Автоматизация для ускорения

Потоковая аналитика — это технология, которая обеспечивает подобную автоматизацию, позволяя производителям собирать и анализировать данные в режиме реального времени как на периферии сети, так и в дата-центре, сравнивая их с историческими записями и контекстом. Не следует упускать из виду потенциальные преимущества, которые могут дать такие технологии производителям. ИИ можно использовать не только реактивно, но и формировать обученные модели, которые будут работать в режиме реального времени, чтобы выявлять события и аномалии еще до их возникновения.

Однако при внедрении автоматизации необходимо соблюдать осторожность. Человеко-машинное взаимодействие является ключевым фактором, чтобы избежать того, что применяемая модель начнет давать неверные рекомендации на основе возникающих во время выполнения новых условий, которые не были включены в первоначальное рассмотрение. Возможности для вмешательства человека должны быть встроены во все средства автоматизации.

Необходимо внедрить правильные проверки и процессы, касающиеся как создания обученной модели, так и ее применения. Эти меры безопасности должны быть предусмотрены не только для обеспечения эффективности и качества продукции, но и для здоровья и безопасности тех, кто работает на предприятии.

Прогнозировать будущее

Доступность богатых массивов данных в сочетании с потоковым аналитическим ПО позволяет принимать решения за «микросекунды», что обеспечивает высокотехнологичным производственным организациям возможность внедрения автоматизации для лучшего контроля производственных процессов, увеличения времени безотказной работы, выхода продукции и прибыли.

Возможности огромны. Однако для получения реальной выгоды необходимо иметь надлежащее качество данных и навыки эффективного использования этих технологий, поскольку производители продолжают бороться с продолжающимся наплывом данных для обеспечения непрерывного оперативного анализа.