6 kritiske utfordringer ved datadrevet produksjon

Ønsker du å implementere en mer datadrevet produksjon i selskapet ditt? Da må du forholde deg til disse seks kritiske problemstillingene.

De siste årene har konsepter som Machine Learning, Automasjon og Big Data for alvor inntatt produksjonsindustrien. Bakgrunnen er rimeligere og bedre sensorer, og at det er blitt enklere å koble disse til selskapets eksisterende systemer og/eller internett (IoT, Internet of Things, tingenes internett på norsk).

Under finner du seks punkter som kommer til å utfordre selskapet ditt når du går i gang med datadrevet produksjon.

1. Går dataanalysen raskt nok?

Den største utfordringen har aldri vært å samle inn data. Problemet har vært å trekke ut informasjon raskt og effektivt, samt å bruke den i sanntid.

I mange produksjonsselskaper foretar man dataanalyse manuelt den dag i dag. Med den økende mengden av data, blir det bare vanskeligere og tyngre å hente ut informasjon. Derfor er du nødt til å automatisere både analysen og presentasjonen av data.

Rask og automatisert dataanalyse er spesielt viktig hvis du skal lykkes med å koble sensorer eller prosesser på maskiner og produkter. Da kan du bruke den nyeste informasjonen i sanntid eller nær-sanntid som en del av styringen i produksjonen. Manuell dataanalyse vil ikke fungere.

2. Kan du være både smidig og effektiv

I dagens industri planlegges produksjonen langt frem i tid, og baseres ofte på antagelser og prognoser om fremtidig salg av mer eller mindre generiske produkter.

I fremtiden vil vi se at selskaper som i høyere grad tilpasser varer til den enkelte kunde, som DNA-tilpasset medisin, spesialfremstilte verktøy og maskiner, og mat med råvarer fra spesielle leverandører, for å nevne noen eksempler. Eller de vil vente med å produsere varen til ordren kommer inn.

Dette gir en mye mindre strukturert produksjonsflyt. Et større antall varianter av et gitt produkt, kombinert med færre enheter pr. ordre, og det faktum at du aldri vet helt sikkert hvilke ordrer som kommer inn, betyr at kompleksiteten øker enormt. Det krever mye mer data og kommunikasjon, som skal behandles raskt i systemet, før en vare er ferdig produsert.

De industribedriftene som finner en løsning hvor produktiviteten og hastigheten forblir høy selv om de spesialfremstiller varen, får store fordeler i forhold til konkurrentene.

Les også: Big Data gjør industrien smartere.

3. Er dataene dine døde eller dynamiske?

De fleste selskapers forretningssystemer får input fra hverandre. Data utveksles mellom systemene etter spesielle regler og konverteres til systemenes ulike formater.

Problemet er at informasjonen ofte bare går en vei. Data fra eksempelvis produksjonsroboter, endepunktet for datastrømmen fra ERP-systemet, kan ikke leses eller forstås av ERP-systemet.

Dette kalles “døde data”.

Et eksempel på hva døde data kan føre til er når det registreres feil, og produktet blir forkastet. Når data tilpasses nede i systemet for å rette opp feil, går ikke rettelsene tilbake til systemet. Derfor vil de første leddene i produksjonen fortsette med å sende defekte produkter gjennom systemet, helt til noen manuelt foretar en justering.

I verste fall kan døde data føre til at man hele dagen lager produkter, som alle må kastes i kvalitetskontrollen.

I en automatisert, datadrevet produksjonslinje, må man unngå døde data, og i stedet omfavne dynamiske data – data som kan sendes frem og tilbake og forstås på tvers av forretningssystemene.

Problemet med døde data kan løses ved å anskaffe eller designe programmer og maskiner som bruker samme datamodell på tvers av produksjonen. Man kan også en installere mellomvare mellom maskiner og systemer, som overvåker og kontrollerer produksjonen, og som kan endre data når feil oppdages.

4. Hvordan håndterer du gamle systemer?

Alle bedrifter med noen års historie har gamle IT-systemer, såkalte legacy systemer også kalt teknisk gjeld. Mange av disse systemene står bak kritiske funksjoner – hver dag – og skal eksistere i mange år fremover på tross av at de er ved eller har passert “end of life”.

Det er imidlertid viktig at du forholder seg til hvordan du vil integrere disse systemene til nyere teknologi, som kommer med automasjon- og tingenes internett-

Skal man lykkes, må man ha en tydelig plan for ens IT-infrastruktur og moderniseringen av den. Man må hele tiden vurdere hvilke systemer som bør byttes slik at man hele tiden er i stand til å teste og utnytte nye teknologiske muligheter for å optimere produksjonen og forretningen.

Selskapene som greier å forvalte blandingen av gamle og nye systemer, og få dem til å kommunisere seg imellom, vil stå sterkt.

5. Hvordan utnytter du mørke data?

På skyggesiden av Big Data finner du “mørke data” eller “dark data”. Det er data som samles inn, men som aldri blir brukt til noe. Det kan være fordi at arbeidet med strukturere dataene har vært for vanskelig eller fordi ingen har sett potensialet i disse dataene til nå.

Imidlertid, i disse dataene kan det skjule seg verdifull informasjon og kunnskap som går mange år tilbake.

De bedriftene som greier å utnytte mørke data, kan ofte finne verdifull informasjon som kan brukes til å effektivisere organisasjonen, finne nye forretningsmodeller eller få annen innsikt, som konkurrentene må teste fra bunnen av som hypoteser.

Utfordringen er å balansere potensialet som ligger i de ubrukte dataene med ressursene som skal brukes for å finne og analysere dataene. Bruker man for store ressurser på å grave etter innsikt som ikke eksisterer, går ressursene tapt. Men klarer du å teste en rekke forskjellige hypoteser, og holde øynene åpne for overraskelser, kan det være gull skjult i det sorte datahavet.

Les også: Hva er Big Data?

6. Hvordan ivaretar du sikkerheten?

Sikkerhet er allerede en av de utfordringene som IT-ledere i landets selskaper blir utfordret på, og det med god grunn. Truslene er mange og komplekse: DDoS-angrep, virus, ransomeware, og tyveri av forretningshemmeligheter og konfidensiell informasjon.

Likevel må produksjonsbedrifter ha et spesielt fokus på sikkerhet. Med integrasjonen av industrielle kontrollsystemer med andre systemer via internett, åpnes det nå helt nye adgangspunkter og innganger, som utenforstående kan angripe. I motsetning til forretningssystemer, som gjennom de siste årene er blitt testet og fått forbedret sikkerhet, er mange av de industrielle kontrollsystemene ikke blitt utviklet med hensyn til sikkerhet. Ofte er de også utviklet på en tid da IT-sikkerhet ikke var en stor bekymring, og nå er de tilgjengelige gjennom de nettilkoblede sensorene som danner fundamentet for en automatisert datadreven produksjonsbedrift.

Digitalisering uten buzzord? Her får du gratis brosjyre med 5 gode råd og 10 konkrete erfaringer: Innfri ditt digitale potensial.

Bygger du dine beslutninger på data eller magefølelse?

Si din mening

*