Memberdayakan Ahli Domain dengan Data Science untuk Wawasan Manufaktur yang Lebih Cerdas
Analitik canggih dan kecerdasan buatan sedang mengubah manufaktur, namun data mentah sendirinya menawarkan nilai terbatas. Mike Loughran, CTO untuk Inggris dan Irlandia di Rockwell Automation, menekankan bahwa konteks dan keahlian domain esensial untuk mengubah data menjadi wawasan bisnis yang dapat ditindaklanjuti.
Sementara pasar konsumen telah melihat personalisasi yang didorong AI—dari iklan yang ditargetkan hingga rekomendasi berbasis lokasi—manufaktur dapat membuka manfaat serupa. Analitik memberikan keputusan berbasis data yang tepat waktu yang menampilkan wawasan kritis saat paling penting.
Manfaat Jelas
Transformasi digital yang didukung analitik dapat meningkatkan pendapatan hingga 10%, memotong biaya operasional hingga 12%, dan meningkatkan efisiensi aset hingga 30%. Angka-angka ini mencerminkan keuntungan nyata yang dilaporkan oleh organisasi yang telah menerapkan operasi yang berpusat pada data.
Menerapkan analitik di manufaktur menampilkan tantangan unik. Model “centralized-cloud” yang prevalen sering gagal karena biaya bandwidth jaringan yang tinggi dan latensi menghambat pengambilan keputusan real-time. Menjalankan model di edge, dekat dengan tempat data berasal, biasanya lebih efektif.
Mengelola Volume Data Tinggi
Produsen menghasilkan aliran besar data pabrik real-time dan catatan historyan. Namun, hanya subset kecil yang mungkin relevan untuk kasus penggunaan tertentu. Mengintegrasi sumber heterogen—setiap satu dengan protokol dan teknologi legacy yang berbeda—memerlukan agregasi data yang canggih dan model data terpadu untuk menjelaskan hubungan.
Wawasan harus mencapai pemangku kepentingan yang tepat atau sistem otomatis dalam waktu singkat untuk tetap dapat ditindaklanjuti. Mencapai ini memerlukan pengetahuan mendalam tentang proses dasar dan teknik analitik—kombinasi yang langka dalam satu individu.
Transformasi yang sukses bergantung pada kemitraan dengan ahli yang memahami operasi manufaktur dan analitik. Mitra tersebut membawa warisan industri, kemakluman dengan perangkat keras proses dan teknologi operasi, dan selaras dengan tujuan bisnis Anda.
Menyederhanakan Data Science dalam Praktik
Alat yang memberdayakan kontrol dan insinyur proses untuk melakukan analitik—tanpa ketergantungan konstan pada ilmuwan data—adalah esensial. Dua persyaratan inti muncul dari percakapan transformasi digital kami: pekerja digital dan kemampuan machine learning.
Perusahaan dapat menyederhanakan analisis data melalui empat langkah:
Identifikasi atribut operasional kritis.
Definisikan struktur data logis.
Implementasikan praktik penangkapan data kecepatan tinggi.
Gunakan kembali model di seluruh lapisan informasi untuk kecepatan dan efisiensi.
Pendekatan ini mempercepat hasil dengan membekali insinyur dengan alat data science yang kuat.
Platform ThingWorx Analytics kami menyederhanakan alur kerja data science untuk insinyur otomatisasi dan kontrol. Ia mengidentifikasi tag paling prediktif, menerapkan auto-machine-learning untuk memilih algoritma optimal, dan mengevaluasi beberapa skenario untuk menentukan kombinasi model terbaik—semua tanpa intervensi manual.
Penyederhanaan ini memberdayakan ahli domain untuk mengekstrak nilai tersembunyi dari data yang dikumpulkan, memulai era ilmuwan data warga.
Penulis adalah Mike Loughran, CTO untuk Inggris dan Irlandia di Rockwell Automation.
Tentang penulis
Mike Loughran telah melayani Rockwell Automation selama lebih dari 14 tahun, berkembang dari penjualan perangkat lunak ke C-suite, tempatnya memimpin strategi teknologi untuk Inggris dan Irlandia.
