Proizvodni pogon proizvodi više od same robe. To je i fabrika podataka. Svako sredstvo, proizvod, proces i sistem u fabrici stvaraju i doprinose zapanjujućoj količini podataka. Samo jedan programabilni logički kontroler može proizvesti desetine hiljada podataka. Prema IBM-u, prosječna fabrika generiše 1TB proizvodnih podataka svaki dan.
Dok su se podaci o postrojenjima uvijek koristili za kontrolu procesa, timovi širom poduzeća ih sve više koriste za poboljšanje kvalitete proizvoda, smanjenje gubitaka, predviđanje održavanja, sprječavanje zastoja i isporuku novih usluga i proizvoda kupcima. Proizvođači koji su usvojili način razmišljanja Industrije 4.0 – ili koji su barem na putu – počinju da „proizvode“ informacije iz ovih sirovih podataka.
Ali svi znamo da sirovi, nestrukturirani podaci imaju svoje izazove. Budući da nikada nisu bili namijenjeni za korištenje izvan kontrole procesa, podaci nisu povezani za korištenje od strane poslovnih sistema u oblaku. Nedostaje im kontekst i standardizacija. Moraju se modelirati u pokretu. Mogu biti nestrukturirani ili strukturirani na različite načine (npr. mašinski, transakcijski i vremenski niz). Obim, brzina i raznovrsnost sirovih industrijskih podataka su neuporedivi i stalno rastu. Ukratko, to je težak sirovi materijal za rad.
Na sreću, proizvođači već imaju okvir koji im je potreban za optimizaciju proizvodnje i pripreme podataka. Isti koncepti lean proizvodnje koji su transformisali proizvodnju u protekle tri decenije takođe se primenjuju na upravljanje podacima.
Razmotrite tri ključna koraka lean, kako su ih definirali James Womack i Dan Jones, dvojica osnivača lean pokreta. Prema Lean Enterprise Institute (LEI), oni uključuju svrhu, proces i ljude. Pogledajmo tri koraka i kako se mogu primijeniti na lean upravljanje podacima.
- Svrha. Lean inicijativa treba ciljati na vrijednost korisniku, kao što su cijena, kvalitet ili dostupnost proizvoda. Proizvodnja informacija nije ništa drugačija. Proizvođači bi trebali razmišljati o tome kome i čemu služe njihovi podaci. Različitim kupcima unutar organizacije potreban je pristup ovim informacijama kako bi riješili niz problema. Neki od ovih internih dionika mogu uključivati osiguranje kvaliteta, održavanje, finansije, upravljanje lancem snabdijevanja ili upravljanje narudžbama.
- Proces. Nakon definisanja svrhe, proizvođači se mogu fokusirati na to kako će ispuniti svoj cilj. U lean proizvodnji, ovo nazivamo mapiranjem toka vrijednosti, koje obično uključuje razvoj proizvoda i procesa, ispunjenje i podršku proizvoda/korisnika. Prema LEI-ju, svaki proces treba da pokaže vrijednost kupcima, da bude sposoban da proizvede pozitivne rezultate, da bude dostupan kada je to potrebno, da omogući kontinuirani tok ili rad i da ima fleksibilnost za premještanje više vrsta proizvoda bez nakupljanja ili kašnjenja. Evo pogleda kako proizvođači mogu primijeniti slične principe na pripremu podataka:
- Mapirajte tok podataka: U ovoj analogiji, proizvođači traže načine da smanje arhitektonsku složenost koja se obično nalazi u industrijskim okruženjima u kojima više sistema isporučuje podatke širom organizacije. Proces također može otkriti sigurnosne praznine i tehničke dugove, koji nastaju kada proizvođači implementiraju softver koristeći najbrži i najlakši dostupni kod bez razmatranja budućih tehnoloških potreba. Ovo stvara neefikasnost kada pokušavate da povežete nove sisteme i da ih održavate tokom životnog veka fabrike.
- Kreirajte protok podataka: ovdje proizvođači traže načine da spriječe prekide u podacima uspostavljanjem standardiziranih modela podataka mašina, procesa i proizvoda prije nego što te informacije prebace u aplikacije koje konzumiraju, kao što su ERP ili sistem poslovne inteligencije. Organizacija mora kontekstualizirati hiljade industrijskih tačaka podataka spajanjem sa informacijama iz drugih sistema, dodavanjem meta podataka, standardizacijom imena i lista atributa podataka i normalizacijom mjernih jedinica.
- Uspostavite sistem povlačenja (pull system): Ovo je tip sistema zasnovanog na signalu, koji često koristi kartice ili svetla označene bojama, koji se obično koriste za dopunu materijala. Kada se ovaj koncept primjenjuje na podatke, lean nam govori da operativni tim ne mora proslijediti sve podatke u IT. Umjesto toga, organizacija cilja na specifičan slučaj upotrebe i definiše kako planira primiti te informacije na osnovu postavljene učestalosti ili događaja. Ovo osigurava da proizvođači pohranjuju i obrađuju samo podatke koji su im potrebni za postizanje tog slučaja upotrebe u oblaku prije nego što pređu na sljedeći slučaj upotrebe. Proizvođači mogu uspostaviti ovaj sistem povlačenja kombinacijom uređaja povezanih sa IIoT-om i modernog softvera za modeliranje podataka koji standardizira formate podataka i kontekstualizira informacije za aplikacije koje konzumiraju, kao što su ERP sistemi i jezera podataka u oblaku.
- Ljudi. Kako bi održali lean projekte na pravom putu, Womack i Jones predlažu „česte cikluse poboljšanja za svaki proces“ i stvaranje posvećenog menadžera tokova vrijednosti. Isti koncept vrijedi i za pripremu podataka, tako se u ovom slučaju bavimo upravljanjem podacima i međufunkcionalnom komunikacijom. Proizvođači će morati da odrede ko će nadgledati projekat podataka i proći ga kroz pilot fazu. Novi poslovi kao što su inženjer podataka, arhitekta rješenja i direktor digitalne transformacije postaju sve popularniji u proizvodnji kako bi zadovoljili ovu međufunkcionalnu potražnju za vještinama.
Omogućavanje Lean Data
Slično lean proizvodnji, lean upravljanje podacima zahtijeva orkestraciju ljudi, procesa i tehnologije. Razmotrite slučaj dobavljača automobila s kojim smo nedavno radili u HighByteu. Ovaj konkretan kupac želio je svom kvalitetnom timu pružiti podatke u stvarnom vremenu o nedostacima.
Imao je tokove podataka koji su dolazili iz različitih operativnih sistema, uključujući OPC servere ujedinjene arhitekture, štand za testiranje kvaliteta i SQL bazu podataka. Bez standardizovanog načina za pregled podataka koji dolaze iz ovih sistema, dobavljaču automobila su bili potrebni dani, povremeno čak i sedmice, da prikupi i kurira podatke.
Bio je to proces koji je zahtijevao velike resurse. U nedostatku pojednostavljenog protoka podataka s kontekstom koji je tim za kvalitetu bio potreban da započne aktivnosti kontinuiranog poboljšanja, dobavljač automobila implementirao je rješenje za modeliranje podataka koje mu je omogućilo da prikuplja podatke u realnom vremenu direktno iz različitih izvora, standardizira podatke i zatim ih šalje Power BI kontrolne ploče u Azureu.
Okvir podataka oslobodio je radnike ručnog prikupljanja podataka, omogućavajući im da brže rješavaju probleme kvaliteta i poboljšaju prinos prvog prolaza.
Primjenom lean principa na upravljanje podacima, proizvođači mogu smanjiti rasipanje podataka – nebitne informacije koje dovode do preopterećenja podataka i skrivaju pravi problem koji pokušavaju riješiti. Proizvođači mogu započeti svoje putovanje lean podacima tako što će prvo razumjeti problem koji pokušavaju riješiti, a zatim mapirati kako ti podaci teku od određene operacije do konačnog odredišta. Dodatak tehnologija koje mogu pomoći proizvođačima da spoje tokove podataka iz više izvora, pošalju da su informacije na određenim frekvencijama i kreiranje standardnih modela podataka ključni alati za uspješne inicijative za kontinuirano poboljšanje podataka.
Ako su podaci sirovina za poslovanje, fabrika je zrela za ovaj resurs. Iskoristimo alate koji su transformisali proizvodnju u protekle tri decenije da transformišemo naše industrijske podatke u informacije i otvorimo vrata fabrici lean podataka.
Članak „Drowning in Raw Data? Lean Principles Can Help“ autora Torey Penrod-Cambra preveden je sa portala Industryweek.
