Dasbor BI Mengintegrasikan Data Pabrik Cerdas untuk Analisis yang Berarti

Munculnya IoT industri dan pabrik pintar telah memberikan persyaratan baru pada sistem analitik generasi berikutnya untuk membuka kunci data operasi dengan cara baru. Sementara analitik industri cerdas adalah kasus penggunaan yang relatif baru, aktivitas mulai memanas. Tantangannya adalah menemukan tren yang berarti dari data yang diambil dari berbagai titik kontak IoT industri, lebih dari sekadar menyimpan konten dalam log operasional.

Pabrik pintar yang dihasilkan oleh sensor Internet of Things (IoT) harus dikorelasikan dengan titik data perusahaan lainnya, dan pencarian makna harus menjadi bagian rutin dari alur kerja sehari-hari, bukan hanya sesaat.

Mengintegrasikan data IoT ke dalam proses reguler membutuhkan perangkat lunak analitik. Perangkat lunak ini didorong oleh kecerdasan buatan AI dan teknologi pembelajaran mesin. Bagian lain dari persamaan tersebut adalah konektor IoT yang menghubungkan dasbor intelijen bisnis TI dengan data operasi pabrik.

Meskipun dasbor BI telah lama menjadi bagian dari analitik ruang belakang, sebagian besar belum dapat memproses input data IoT industri secara memadai hingga saat ini. Agar pabrik pintar dapat menghindari data yang disembunyikan, sangat penting untuk memilih dasbor BI yang dilengkapi dengan analitik yang mumpuni. Saat ini banyak dasbor menggabungkan IoT industri dengan akses ke data lake – kumpulan penyimpanan besar yang dimaksudkan untuk mengumpulkan sejumlah besar informasi tidak terstruktur – atau database cloud lainnya.

“Data pabrik pintar memiliki banyak kesamaan dengan data yang berasal dari fungsi lain di seluruh bisnis,” kata Enno de Boer, mitra, McKinsey. “Agar bernilai, itu harus digunakan untuk menginformasikan pengambilan keputusan,” Jika tidak, tidak ada gunanya mengumpulkan dan mengumpulkan data dalam jumlah besar.

Di Seluruh Rantai Nilai

Agar benar-benar berharga, data lantai pabrik harus diintegrasikan di seluruh rantai nilai, kata de Boer, yang mengepalai pekerjaan McKinsey di bidang manufaktur digital dan kolaborasinya dengan Forum Ekonomi Dunia sebagai bagian dari jaringan Global Light House.

Dengan penggunaan analitik yang lebih baik, de Boer melihat produksi yang disesuaikan yang memengaruhi segalanya “mulai dari sumber komponen hingga pengiriman jarak jauh”.

Analisis intelijen bisnis saat ini adalah fitur umum dari produk TI perusahaan. Tetapi menerapkan teknologi untuk operasi terbukti lebih sulit. Meskipun ada penghambat dalam penerapannya, global diperkirakan akan mencapai $16 miliar pada tahun 2026, menurut ResearchAndMarkets.com.

Kartu Skor Analisis Pabrik Cerdas

Beberapa vendor sekarang berusaha untuk memberikan analitik industri dan dasbor BI yang lebih baik. Pemain di garis depan pasar pabrik pintar termasuk ABB, Honeywell International, Robert Bosch, Siemens, dan lainnya.

Dalam hal menangkap, memproses, menyimpan, dan menganalisis data pabrik yang cerdas, raksasa TI dengan jejak yang menonjol di bidang manufaktur adalah bagian dari campuran. Kepala di antaranya adalah IBM, Hewlett Packard Enterprise dan SAP. Startup data yang inovatif juga menargetkan persyaratan khusus analitik pabrik pintar, seperti Cloudera dan DataStax.

Saat cloud menjadi titik pusat analitik pabrik, pemimpin cloud Amazon Web Services, Google, dan Microsoft sedang membangun jalur alur kerja data khusus. Pemain pada gilirannya mendukung dasbor intelijen bisnis pengguna akhir seperti yang berasal dari Looker, Microsoft, Tableau, dan lainnya.

Pembuatan Pabrik Cerdas

Membangun analitik pabrik yang cerdas adalah tugas yang berat. Situs manufaktur biasa dapat membuat lebih dari 2.200 data dalam satu bulan, dan sebagian besar data tersebut tidak dianalisis, menurut laporan IBM tentang transformasi digital. Masuknya data yang tetap tidak dianalisis berkontribusi pada masalah proyek proof-of-concept (POC) IoT industri yang berlarut-larut.

Sebagian besar data industri dihasilkan di luar TI, tegas Manish Chawla, manajer umum untuk industri, energi, sumber daya, dan manufaktur di IBM. Dia menunjukkan bahwa upaya industri baru-baru ini berfokus pada peningkatan fondasi proyek; perencanaan yang buruk dapat memperpanjang waktu tunggu POC.

“Orang-orang mencoba membangun penthouse tanpa memiliki fondasi,” katanya.

Chawla juga mengatakan IBM baru-baru ini bekerja bersama Siemens dan Red Hat dalam pendekatan lintas platform untuk mengeksekusi analitik dari platform IoT Industri Siemens, MindSphere, lebih dekat ke tepi pabrik.

SAP bekerja untuk memungkinkan pelanggan menganalisis campuran data sejarawan yang berorientasi pada rangkaian waktu bersama dengan IoT dan data bisnis, kata Dominik Metzger, VP dan kepala manajemen produk, manufaktur, dan Industrial IoT, SAP. Sejarawan data adalah fungsi perangkat lunak yang mencatat output dari proses TI manufaktur untuk tujuan tata kelola.

Bagi Metzger, salah satu perubahan utama dalam beberapa tahun terakhir adalah tingkat standarisasi dalam penanganan data. “Ini menjadi lebih ekonomis, dan skalabel,” kata Metzger, mengutip data lake sebagai enabler analitik untuk pabrik pintar.

SAP memandang penyematan analitik data IoT dalam proses bisnis sebagai langkah kunci berikutnya dalam strategi Industri 4.0, yang dijuluki Industri 4. Industri 4 adalah arsitektur referensi yang mencakup alur kerja dari sumber seperti sejarawan data, layanan tepi, dan cloud atau ERP sistem dengan kemampuan intelijen bisnis.

Analytics Membutuhkan Volume Data

Evolusi analitik pabrik pintar diperumit oleh kekuatan yang memengaruhi analitik secara umum. Misalnya, munculnya analitik prediktif dan preskriptif berdasarkan AI dan pembelajaran mesin menghadirkan beberapa tantangan implementasi. Di sini pengguna harus melanjutkan dengan bijaksana saat menggunakan analitik untuk mempelajari lebih dalam tentang operasi, menurut Ed Cuoco, wakil presiden AI dan Analytics di PTC.

Saat menerapkan analitik untuk diagnostik, misalnya, ada kalanya kontrol proses statistik sederhana mungkin lebih disukai daripada pembelajaran mesin atau solusi tipe AI, kata Cuoco.

“Tanpa volume data historis berkualitas baik, Anda mungkin tidak dapat memperoleh wawasan yang Anda inginkan,” tambahnya.

PTC penyedia platform IoT bekerja sama dengan pengguna akhir dan pembuat perangkat lunak lain untuk menyajikan analitik dari lini depan pabrik ke pengguna akhir bisnis, dan terkadang kembali lagi. Itulah yang terjadi dengan kesepakatan baru-baru ini yang melihat kerangka Fujitsu Smart Factory menggunakan augmented reality Vuforia PTC dan platform ThingWorx untuk menyampaikan informasi analitik kepada pekerja operasi.

Grafik Novel untuk Analytics

Teknologi data grafik — lama di pinggiran adegan analitik data tingkat lanjut – telah diterima di pabrik dan pengaturan lainnya. Basis data grafik seperti Aura Enterprise dari Neo4j telah terbukti berguna dan menempatkan analitik pabrik cerdas pengguna ke dalam konteks dan memungkinkan proyek kolaboratif yang mengidentifikasi efisiensi operasional baru.

Tidak seperti database relasional yang mendukung sebagian besar analitik data dan menyimpan data dalam baris dan kolom, format data grafik menggunakan pemetaan data untuk mengelola koneksi rumit antara elemen data. Sektor target Neo4j meliputi otomotif, garansi, analitik, manajemen rantai pasokan, dan instrumen medis. Sektor medis khususnya telah menunjukkan kemampuan basis data grafik untuk mendorong kolaborasi lintas tim, menurut Amy Hodler, direktur analitik grafik dan program AI, Neo4j.

Sebuah perusahaan instrumen medis yang ingin melacak kegagalan sebelum pengiriman produk menemukan bahwa metode grafik Neo4j berguna, catat Hodler. Mengidentifikasi kegagalan tersebut umumnya melibatkan pekerjaan detektif karena semua subkomponen dari instrumen yang salah harus dilacak untuk menentukan apakah mereka bertanggung jawab atas kegagalan tersebut.

Untuk menempatkan analisis di tangan lebih banyak pengguna, Neo4j menawarkan konektor yang menghubungkan model data grafiknya ke visualisasi data dan dasbor penemuan seperti Tableau, Tibco Spotfire, dan lainnya. Perusahaan juga menawarkan alat visualisasi Bloom sendiri.

Juga terhubung ke sejumlah dasbor visual adalah alat manajemen perangkat lunak dari DataStax, sebuah perusahaan yang sebagian besar mengarah pada komersialisasi database NoSQL open source. Edisi perusahaan dari produk DataStax mendukung penanganan data grafik. Di antara pembuat aplikasi IoT yang menggunakan perangkat lunaknya adalah Locstat yang berbasis di Afrika Selatan, yang menerapkan produk untuk menganalisis data sensor dan analisis streaming waktu nyata.

“Visualisasi menjadi elemen yang semakin penting dalam mencoba memahami apa yang terjadi di lanskap IoT, khususnya ketika Anda berurusan dengan penyiapan yang cukup rumit,” kata Matthias Broecheler, kepala teknologi di DataStax.

Alat analitik visual membantu staf operasi, pengembang, dan lainnya, tambahnya. Pada saat yang sama, Broecheler mencatat bahwa beberapa keputusan di pabrik pintar memerlukan tanggapan segera. Kekuatan pendorong tersebut berada di balik bentuk-bentuk baru pemrosesan analitik yang, tanpa transformasi manusia, secara otomatis mendeteksi dan merespons anomali lantai pabrik.

Selamat tinggal, Data Silo

Di pabrik pintar, manajer, operasi lapangan, dan tim pengembangan TI perlu bekerja sama seperti dalam transformasi bisnis lainnya, kata de Boer dari McKinsey.

“Transformasi gagal ketika tim beroperasi dalam silo, dan hanya satu fungsi yang mendorong upaya untuk memulai perubahan,” katanya dalam wawancara email. Dorongan untuk mendemokratisasi data mengharuskan orang-orang di seluruh organisasi untuk memahami kekuatan teknologi baru, dan cara menggunakannya, kata de Boer.

Untuk sektor manufaktur, peran personel operasi dalam menentukan demokratisasi data akan sangat menentukan.

“Dengan alat analitik di tangan personel operasi, perusahaan akan dapat lebih mudah mengembangkan solusi yang menjawab tantangan bisnis,” kata de Boer.

De Boer dari McKinsey menunjuk pada program akademi analitik yang dibentuk oleh anggota Jaringan Mercusuar Global dan berpendapat bahwa semua pemangku kepentingan dapat memperoleh manfaat dari berpartisipasi, termasuk semua orang mulai dari ruang rapat hingga lini depan produksi.