Современное производство зависит от промышленного искусственного интеллекта, который воспринимается руководителями ИТ- и операционных подразделений компаний, занимающихся проектированием технологических процессов, в качестве важного компонента стратегий цифровой трансформации. Билл Скаддер, старший вице-президент и генеральный менеджер AIoT-решений AspenTech рассказывает на портале EnterpriseAI о том, как реализовать масштабируемую стратегию промышленного ИИ в масштабах всей организации.

Построение стратегии управления данными на уровне предприятия

Слишком долгое время предприятия, занимающиеся проектированием технологических процессов, предпочитали заниматься массовым сбором данных. Принцип «чем больше данных — тем они лучше» был стандартным подходом к стратегии управления данными, но он ошибочен. Из-за него промышленный сектор годами накапливает огромные объемы данных, которые остаются неиспользованными, неоптимизированными, неструктурированными и функционально бесполезными.

Создание стратегии, обеспечивающей максимальную отдачу от промышленного ИИ, предусматривает фундаментальное изменение стратегии организации в области данных — от массового сбора к стратегическому управлению. Она должна фокусироваться на управлении, интеграции и мобилизации разрозненных, неструктурированных наборов данных, чтобы сделать их пригодными для использования в масштабах всей организации, что в конечном итоге позволит всем командам использовать этот большой пул данных в операциях промышленного ИИ.

Уменьшение трения, связанного с функциональной, информационной и технологической разрозненностью

Частью стратегии данных на уровне предприятия является также уменьшение или даже устранения трения, которое возникает из-за того, что команды вынуждены работать с разрозненными данными. Когда команды используют и хранят свои данные и знания отдельно друг от друга, это создает дополнительные уровни трения, которые усугубляются десятилетиями массового сбора данных. Это приводит к тому, что промышленные данные оказываются заблокированными в изолированных средах и болотах данных.

Эти проблемы усугубляются при наличии следующих моментов:

  • наборы данных, которые могут потребоваться нескольким командам, хранятся в базе данных одной команды, лишая остальную часть организации важного источника инсайтов. Это также вынуждает другие команды тратить время для поиска нужной информации в разных уголках бизнеса, либо дублировать искомые данные в своих подразделениях;
  • озера данных, которые должны быть «временными остановками» для данных, проходящих через организацию, превращаются в постоянные болота данных, где информация живет в неструктурированном формате, в котором трудно, если вообще возможно, осуществлять поиск по соответствующим запросам;
  • данные проходят несколько этапов форматирования и защиты, в результате чего ни один человек в организации никогда не сможет получить доступ к частям данных, хранящихся в разных подразделениях предприятия;

Один из оптимальных способов уменьшить или устранить это трение — развертывание регистраторов данных нового поколения. Эти БД помогают демократизировать доступ к данным и извлечение инсайтов, обеспечивая универсальное, стандартизированное и безопасное форматирование всех промышленных данных.

Отдельные команды не должны утверждать формат и структуру данных в индивидуальном порядке. Все данные в организации должны хранится в одинаковых форматах, чтобы все пользователи имели к ним равный доступ и равные возможности использовать их для создания новых ценностей. Универсальное форматирование является ключевым компонентом стратегии промышленного ИИ, эффективно устраняющим разрозненность данных и гарантирующим, что отдельные технологии или опыт не перекроют доступ к промышленным данным.

Навыки работы с промышленным ИИ должны стать основным фактором в подборе и обучении сотрудников

Предприятия всех отраслей ощущают на себе последствия «великого увольнения», но нехватка рабочей силы особенно сильно сказывается на промышленном секторе. До того, как наступила пандемия, промышленность пережила не одну смену поколений: сотрудники, проработавшие на одних и тех же предприятиях десятки лет, уходили на пенсию, а на их место приходили молодые сотрудники, не обладающие таким же уровнем операционного или организационного опыта. Промышленные организации могут остановить утечку мозгов, предоставив сотрудникам инфраструктуру промышленного ИИ. Это имеет два уникальных преимущества для удержания и обучения сотрудников:

  • он гарантирует, что пользователи получат инструменты, необходимые им для успешной работы. Даже если у них еще нет многолетнего опыта, промышленный ИИ может демократизировать доступ к историческим и аналитическим данным, чтобы заполнить этот пробел, позволяя молодым сотрудникам справляться со своими обязанностями так же хорошо, как и их предшественники;
  • превращение промышленного ИИ в центральный элемент пользовательского опыта также работает как инструмент рекрутинга. Когда сотрудники видят, что им предоставляются самые современные инструменты, это настраивает их на рабочий лад. Работа с технологиями вчерашнего дня вряд ли вызовет у них энтузиазм.

Чтобы выжить и процветать на современном рынке, производственным предприятиям необходим промышленный ИИ в основе их операций и рабочих процессов; он должен стать движущей силой цифровых преобразований. Создание стратегии, уникально настроенной на выполнение целевых приложений промышленного ИИ, является единственным способом максимизировать ценность, которую он может предложить.

Это легче сказать, чем сделать, но создание стратегии управления данными на уровне предприятия, снижение трения между технологиями, людьми и изолированными средами, а также превращение навыков работы с промышленным ИИ в основную часть пользовательского опыта сотрудников — все это критически важные способы сократить фазу обучения и воплотить стратегию промышленного ИИ в реальность.