Manufaktur berbasis data ada di sini

Keputusan penting yang berdampak pada proses manufaktur harus selalu didasarkan pada fakta, bukan tebakan, keinginan, teori, atau opini. Teknologi yang muncul saat ini membantu dengan memungkinkan orang dan peralatan untuk mengumpulkan dan memproses fakta yang mereka butuhkan untuk mencapai hasil yang lebih baik.

Penyebaran sensor berbiaya rendah yang dipercepat dan koneksinya ke internet telah menciptakan banyak hype tentang masa depan manufaktur. Internet of Things (IoT) dan penerapan data besar dan analitiknya telah mengarah pada penciptaan generasi manufaktur berikutnya. Ini melibatkan penggunaan data untuk mengurangi biaya melalui perencanaan penjualan dan operasi zaman baru, produktivitas yang ditingkatkan secara dramatis, rantai pasokan dan optimalisasi distribusi, dan jenis layanan purna jual baru.

Manufaktur berdasarkan data jelas merupakan gelombang operasi manufaktur berikutnya untuk mendorong sistem produksi yang efisien dan responsif. Produsen akhirnya berada dalam posisi yang lebih baik untuk memasukkan data ke dalam aktivitas pengambilan keputusan harian mereka dengan cara yang bermakna dan produktif.

Manufaktur berbasis data dapat memastikan para pemimpin operasi di lantai pabrik memiliki pemahaman yang lebih dalam tentang kinerja berdasarkan metrik data yang dikumpulkan di seluruh organisasi. Data yang akurat dapat memberikan wawasan yang diperlukan tidak hanya kinerja aset individu, tetapi juga operasi manufaktur secara keseluruhan. Hal ini membantu pengambil keputusan untuk fokus pada area peluang, termasuk shift yang berkinerja buruk, waktu henti alat berat yang berulang, atau hambatan produksi lainnya.

Dengan kumpulan data besar yang ada di lantai pabrik, produsen memiliki kemampuan untuk menjalankan algoritme pembelajaran mesin yang dapat memecahkan masalah kompleks. Dengan upaya analitis yang didorong oleh Kecerdasan Buatan dan Pembelajaran Mesin seperti ini, produsen dapat mengadopsi praktik lanjutan seperti pemeliharaan prediktif. Dengan menggunakan kemampuan pemrosesan atau akses ke data ini, mereka bisa mendapatkan akses ke bentuk detail pengambilan keputusan berbasis data.

Otomatisasi ada dalam dua kategori menggunakan pendekatan berbasis data. Yang pertama adalah pengumpulan data otomatis di mana perangkat tertentu mengumpulkan data menggunakan perangkat lunak untuk memprosesnya. Ini tidak memerlukan intervensi manual dalam bentuk apa pun. Komponen kedua dari otomatisasi adalah penggunaan data untuk pengambilan keputusan otomatis. Dengan menggunakan analitik prediktif, produsen pertama-tama menggunakan data untuk memahami apa yang telah terjadi atau sedang terjadi, tetapi pada akhirnya matang untuk memahami apa yang dapat terjadi dan memiliki kesempatan untuk mengambil tindakan secara mandiri.

Data bersama dengan lean manufacturing memberi produsen kemampuan untuk merampingkan proses produksi dan meminimalkan pemborosan. Tanpa data waktu nyata ini, sulit untuk mengukur peningkatan produksi secara akurat dan memastikan bahwa perubahan telah menghasilkan penghematan biaya.

Memiliki sistem operasi yang berbeda yang tidak terhubung, antara berbagai departemen dan kurangnya dokumentasi umum dan komunikasi dapat menjadi tantangan besar. Mungkin sulit untuk menggabungkan data ini di seluruh sistem yang berbeda, yang juga dapat menyiratkan penurunan nilai dari data yang dikumpulkan. Platform berbasis IoT yang dapat menghubungkan berbagai tingkat sistem tradisional dan menghadirkan peralatan warisan ini secara online, dapat menjadi solusi hebat di sini .

Dengan perangkat yang lebih kompleks terhubung, ada kemungkinan lebih besar kemungkinan kerentanan untuk pelanggaran data atau keamanan. Selain itu, karena keamanan belum pernah ditangani di tingkat mesin sebelumnya, mungkin tidak ada standar atau protokol perlindungan data yang kuat yang dikembangkan.

Dengan meningkatnya volume data yang terhubung karena beberapa perangkat dan sistem yang terhubung yang diaktifkan oleh produsen berbasis data, ini menimbulkan tantangan penyimpanan data. Semua aliran data yang berkembang ini memerlukan repositori pusat untuk dikumpulkan dan diproses, yang dapat menghabiskan banyak biaya jika pengguna ingin menyimpan data di tempat.

Saat ini, sebagian besar perusahaan manufaktur berfungsi pada model manufaktur yang dipicu oleh waktu. Semua input diumpankan ke sistem ERP yang mengubah bahan mentah menjadi produk jadi dalam bentuk dan waktu yang diinginkan. Tetapi ketika manufaktur berbasis data menjadi norma, mesin akan mengikuti gaya manufaktur yang dipicu peristiwa yang menyiratkan pergeseran dalam model dan perspektif produksi ini untuk produsen.

Data adalah salah satu aset terpenting bagi semua perusahaan. Jelas bahwa pendekatan manufaktur berbasis data tidak hanya menghasilkan “peningkatan” yang tidak jelas — pendekatan ini secara signifikan meningkatkan throughput dan menambah keuntungan.

PepsiCo menemukan ini setelah mengimplementasikan perangkat lunak analitik untuk membantu melacak bagaimana ia mendistribusikan rasa soda. Data mengungkapkan bagaimana cara memperbaiki masalah pengiriman produk yang begitu banyak sehingga berakhir kedaluwarsa sebelum digunakan. Setelah menyesuaikan saldo, PepsiCo mengurangi pengiriman dan, karenanya, pemborosan.

Amazon adalah kasus menarik lainnya untuk apa yang dapat dilakukan data untuk rantai pasokan. Perusahaan telah banyak berinvestasi dalam otomatisasi untuk mengubah pusat pemenuhannya menjadi ekosistem yang kohesif. Berkat inovasi manufaktur berbasis data, Amazon telah memangkas biaya perencanaan rantai pasokan dan mencapai pertumbuhan laba tahunan.

Dengan angka-angka itu, orang akan berasumsi bahwa produsen ingin menjadi fasih dengan data. Namun, transformasi digital sering gagal karena kurangnya dukungan di atas. Kepemimpinan sering melihat teknologi canggih sebagai risiko. Ada juga ketakutan bahwa teknologi baru akan menggantikan pekerja. Oleh karena itu, hanya 31% perusahaan yang menganggap diri mereka benar-benar manufaktur berbasis data, turun dari 37% dua tahun lalu.

Kekhawatiran ini tidak berdasar. Ketika pabrik menggunakan data untuk meningkatkan proses dan kecerdasan buatan untuk mempercepat efisiensi, pabrik tersebut menjadi lebih kompetitif. Penelitian menunjukkan bahwa produsen telah berkomitmen $907 miliar (5% dari pendapatan) untuk meningkatkan konektivitas dan 72% berharap untuk menjadi "maju secara digital" pada tahun 2020. Oleh karena itu, merangkul data sangat penting untuk tetap relevan.

Produsen perlu mengatasi beberapa rintangan di sepanjang jalan. Pertama dan terpenting, perusahaan membutuhkan tumpukan teknologi yang tepat dan staf untuk mengelolanya. Di luar itu, perlu meningkatkan akses ke data sehingga pengambil keputusan (bukan hanya TI) memiliki informasi yang paling akurat. Terakhir, teknologi apa pun yang diterapkan harus cukup dinamis untuk memasukkan jenis data dan analisis baru jika diperlukan.

1. Integrasi dengan sistem lama

Meskipun otomasi industri adalah proses evolusi dan memperkenalkan teknologi canggih adalah hal yang menarik, penting juga untuk menemukan cara untuk membuatnya bekerja bersama dengan sistem warisan yang sudah mapan dan terbukti. Pabrik modern memiliki beberapa level sistem. Ini bisa menjadi tantangan ketika pengembang asli dari sistem warisan lokal tidak dapat sepenuhnya berinteraksi dengan sistem zaman baru dengan dokumentasi yang langka. Penting untuk dipahami bahwa ini bukan tentang memulai dari selembar kertas yang bersih tetapi mengintegrasikan secara efisien dalam desain dan lingkungan manufaktur yang ada.

2. Tantangan keamanan sistem:

Sistem kontrol terdistribusi yang terhubung melalui internet dapat mengekspos sistem yang ada untuk akses tidak sah oleh penyerang. Karena semakin banyak perangkat IoT yang terhubung melalui gateway, ini juga membuka jalan untuk memungkinkan kontrol dan akses dari mana saja. Sebagian besar gateway sistem manufaktur tradisional akan membutuhkan sejumlah besar pengerasan terhadap tantangan keamanan zaman baru yang dimiliki layanan TI. Ini berarti menambahkan daya komputasi yang cukup untuk menangani tugas jaringan dan keamanan.

3. Lebih dari sekedar pertukaran data menuju berbagi data

Membuat model data terpadu dan mengintegrasikan bersama semua sistem independen dalam proses manufaktur dapat menjadi tantangan. Data ini perlu dipetakan dengan mulus dan dibagikan ke setiap unit bisnis untuk meminimalkan sumber daya dan material yang terbuang. Menggunakan sensor berbasis IoT yang dapat mendeteksi potensi kegagalan di seluruh peralatan dapat menjadi salah satu cara untuk meminimalkan kegagalan pertukaran data.

4. Data tidak akurat atau tidak lengkap

Ketika data manufaktur yang ada itu sendiri tidak lengkap atau tidak akurat, ini dapat berdampak pada pengambilan keputusan, terutama untuk proyek-proyek penting di mana data adalah tulang punggung keberhasilan. Ini juga berarti banyak waktu, tenaga, dan sumber daya yang digunakan untuk menyelesaikan catatan daa atau memastikan bahwa catatan itu faktual dan otentik.

Menurut Forrester , organisasi berbasis data melaporkan pertumbuhan tahunan 30% selain menguntungkan dan memperoleh serta mempertahankan pelanggan baru.

1. MENDAPATKAN WAWASAN YANG TIDAK DIHARAPKAN UNTUK PENGAMBILAN KEPUTUSAN :

Mengembangkan wawasan berbasis data yang tidak terduga dengan menggunakan analitik tingkat lanjut dapat mengungkapkan peluang lebih lanjut untuk membuat keputusan yang cepat dan akurat. Data yang tepat memungkinkan produsen untuk fokus pada masalah dan peluang yang paling penting. Pemahaman yang jelas tentang apakah produsen mengukur hal yang benar dengan menetapkan KPI untuk masalah dapat membantu menyelesaikannya dengan mudah

2. WAWASAN MENDALAM PROSES MANUFAKTUR :

Analitik tingkat lanjut dapat membantu produsen menemukan peluang yang tidak terlihat untuk meningkatkan hasil produksi. Sering kali mereka berasumsi bahwa semua perbaikan proses yang mungkin telah dilaksanakan, dengan menggunakan data mereka dapat menggali lebih jauh prospek perbaikan yang lebih dalam. Dengan wawasan berbasis data ini, solusi untuk masalah yang telah lama ada juga dapat ditemukan, yang semakin meningkatkan cakupan operasi menggunakan sumber daya yang ada.

3. HEMAT BIAYA:

Sebuah perusahaan manufaktur yang menggunakan real-time, data lantai toko serta penilaian statistik yang canggih dapat dengan mudah mengambil apa yang dulunya merupakan kumpulan data yang terisolasi, menggabungkan data, dan kemudian menganalisisnya untuk mengungkapkan wawasan kritis. Ini dapat sangat mengurangi operasi biaya sambil mempercepat kecepatan hasil.

4. PREDIKSI TREN PASAR:

Pabrikan berbasis data dapat memanfaatkan platform analitik untuk meningkatkan prediksi permintaan penyesuaian. Ini terjadi dengan mengidentifikasi pola dan tren yang berfluktuasi dalam perilaku pelanggan. Analisis data memungkinkan pandangan terperinci tentang proses manufaktur yang memungkinkan keputusan produksi yang lebih cerdas dan akurat yang dipandu oleh analisis prediktif.

Karena sebagian besar proses manufaktur berbasis data memerlukan tingkat akurasi yang tinggi, peningkatan kualitas produksi tanpa henti, dan kualitas proses pemeliharaan tertinggi, Kecerdasan Buatan (AI) menemukan jalannya dengan mudah untuk memberikan hasil ini untuk industri ini.

Menggunakan AI, manufaktur menjadi lebih berorientasi pada data, memberikan peluang kepada produsen untuk meningkatkan produktivitas serta keuntungan. Ini juga membantu mereka memimpin jalan untuk terus tumbuh dengan banyak aplikasi analitik berbasis AI termasuk pemeliharaan cerdas, kualitas 4.0, kecerdasan prediktif, kolaborasi robot manusia, dll.

Produsen hanya menjadi data-driven setelah menjalani transformasi sistematis. Ikuti langkah-langkah berikut:

1. INVESTIGASI KECANTIKAN WAKTU.

Lead time, more than any other variable, reveals where true problems exist in the supply chain. Look for bottleneck operations, then investigate how and why they happen and what impact they have. Optimizing manufacturing operations management requires many things to be fine-tuned, but eliminating persistent delays and lost time is the priority.

2. DRAW ON EXISTING DATA.

Even if manufacturers need to collect more data from more sources to gain true insights, they already have data they can begin analyzing. It could be financial, operational, or physical — all of it contains insights that might be relevant to process engineers and continuous improvement experts. Working with available data helps companies cultivate their capabilities for the “big” data coming later.

3. USE AI TO SEARCH FOR INSIGHTS.

Collecting data is the first challenge; finding the insights within that data is the second. AI can aid this effort because it’s smarter and faster than humans. Analytics-driven by AI have been shown to improve order-to-delivery cycle times by 425% and supply chain efficiency by 260%. Compared to the alternatives, AI in supply chain makes it easy to begin leveraging analytics effectively.

4. EXPOSE THE UNKNOWNS.

The majority of details related to operations are unknown, even at the world’s leading factories. Data should be collected from sources that can illuminate these unknowns. Installing connected sensors is an ideal way to learn about previously opaque processes.

5. KEEP THINGS IN PERSPECTIVE.

As manufacturers become more fluent with data, it’s tempting to become as tech-driven as possible. However, fully automated manufacturing is only an asset for some companies, namely those with predictable demand. In companies where demand is dynamic, automation is less of an asset. Every technology should be evaluated based on whether it delivers actual business value rather than just advanced capabilities.

People mistakenly think manufacturing is data-driven because logically it absolutely should be. Decision-makers are discovering this at the exact same time that technologies like IoT and Big Data solutions are finally making it possible. It’s an incredible opportunity, but soon it will become an industrywide obligation.

ThroughPut’s Supply Chain planning software ELI is an AI-Powered Bottleneck Elimination Engine that analyzes your existing industrial data in real-time. ELI continuously detetects, identifies, prescribes and prevents your shifting operational bottlenecks to save millions in delays, inefficiencies &lost revenue. YOu finally can breakthrough bottlenecks that clog productivity, growth and profitability using data-driven decisions.

Click here to start your free trial with ELI today and start benefiting from the power of “data” for your factory operations.