כיצד מוצרי נתונים יכולים להניע יעילות בייצור

מאת פבלו ריוס, מנהל עסקים לתעשיות ייצור ואנרגיה, Keepler Data Tech. 

במשך שנים, היצרנים היו תחת לחץ למצוא יעילות גדולה יותר. הנוסחה נשארה עקבית למדי: יעדים מתרכזים בדרך כלל סביב הפחתת עלויות והגדלת האיכות כדי להגן על שולי הרווח ולהתמיד בשווקים מאתגרים.

בעוד שגישה זו הייתה סימן ההיכר של יצרנים מצליחים רבים, אסטרטגיה כזו צמצמה את השוליים יותר ויותר, בעוד שהשיטות המסורתיות מוצו מזמן. ככל שהושגו גבולות, ארגונים נאלצו להפוך לחדשניים יותר - למרבה המזל, יש להם כעת את הכלים לעשות זאת.

כיום, הנתונים מחזקים את כל מה שאנחנו עושים - עד כדי כך שמעריכים שיהיו 175 זטה-בייט של נתונים עצומים בספירת הנתונים העולמית עד 2025.

עבור יצרנים, זה מציג הזדמנויות. אכן, לנתונים יש פוטנציאל להיות אחד הנכסים הגדולים ביותר של התעשייה, מה שמאפשר לארגונים מצליחים לשגשג בזירת הייצור המהירה והתחרותית של ימינו. 

עם זאת, ההבנה שהפוטנציאל תלוי מאוד בחברות ייצור המתמודדות עם נתונים בצורה נכונה.

פרויקטי נתונים מול מוצרי נתונים

נכון לעכשיו, חברות מכל הצורות, הגדלים והענפים - לא רק יצרנים - ניגשים לנתונים עם חשיבה של פרויקט. בכל פעם שלפונקציה עסקית יש בעיה שהיא רוצה לפתור באמצעות נתונים, הארגון מתחיל מאפס - רוכש את הנתונים, מנקה ומכין אותם, ואז מנתח אותם לאותו מקרה שימוש ספציפי.

זוהי גישה פגומה שאינה מאפשרת לחברות לעשות את השימוש היעיל והיעיל ביותר בהשקעות הנתונים שלהן. לרוב זה איטי, מוביל לעבודה כפולה, ובדרך כלל לא ניתן לשנות את התפוקות מכל פרויקט כדי לפתור מקרי שימוש אחרים.

במקום זאת, ארגונים צריכים לחפש לנהל נתונים כמו מוצר, להעביר את המיקוד מאתגרים בודדים ולכיוון פיתוח מסגרות שניתן להשתמש בהן ולעשות אותן מחדש כדי לאפשר שימוש בנתונים בפתרון אתגרים מרכזיים על בסיס חוזר. במילים אחרות, עליהם לאמץ גישה ממוקדת במוצר (לא בפרויקט) לנתונים.

ואכן, למוצרי נתונים יש פוטנציאל לחולל מהפכה בייצור, המציעים מספר דרכים להגביר יעילות בדרכים חדשניות.

עם מוצרי נתונים, ניתן לרתום במהירות מסגרות נתונים מוכנות לשימוש כדי לספק בזמן אמת, למשל, לזהות צווארי בקבוק בתהליכי ייצור, מה שיכול לעזור ליצרנים לזהות ולטפל במהירות בבעיות, להפחית את זמני ההשבתה ולהגדיל את הפרודוקטיביות.

כדוגמה, ראינו מקרים שבהם נעשה שימוש במוצרי נתונים כדי לספק אופטימיזציה לייצור לייצור בקבוקים, מה שהוביל להפחתה בשיעורי דחיית הבקבוקים של בין 5% ל-20%.

כאן נוצרו מודלים של למידת מכונה כדי לקבוע את הקריטריונים העיקריים לאיכות בתהליך ייצור הבקבוקים בין מאות משתנים. נוצר עץ החלטות עם טווחי הערכים לטמפרטורת צוואר בקבוק, לחץ נשיפה ועוד קריטריונים מרכזיים. כתוצאה מכך, על ידי החלת שילובים של התאמות אלה, ההפחתה בבקבוקים שנדחו הופחתה באופן דרמטי תוך שמירה על איכות.

יתר על כן, על ידי ניתוח נתונים מציוד ומערכות ניטור, מוצרי נתונים יכולים גם לחזות מתי מכונה צפויה להיכשל, מה שמאפשר ליצרנים לתזמן תחזוקה לפני שתתרחש תקלה. זה עוזר למנוע השבתה לא מתוכננת ומפחית את הצורך בתיקונים יקרים.

באותה מידה, האלמנט בזמן אמת של מוצרי נתונים יכול גם לעזור ליצרנים לייעל את שרשרת האספקה ​​שלהם על ידי מתן נראות לגבי רמות המלאי וזמני האספקה. זה מאפשר להם לקבל החלטות מושכלות לגבי מתי להזמין חומרים ורכיבים, מה שמפחית את הסיכון למלאי מלאי ועודף מלאי.

תובנות חשובות לגבי התנהגות והעדפות לקוחות הן גם מפתח. על ידי ניתוח נתונים ממכירות, שיווק ושירות לקוחות, היצרנים יכולים לזהות מגמות ולקבל החלטות מושכלות לגבי פיתוח מוצרים ואסטרטגיות שיווק.

זיהוי הזדמנות שהולכת ומשתפרת

על פני יישומים שונים אלה, מוצרי נתונים יכולים לספק ליצרנים יתרונות משמעותיים, החל משיפור קבלת החלטות ושיפור היעילות התפעולית ועד להפחתת עלויות והפחתת זמן השבתת מכונות.

עם זאת, מוצרי נתונים נשארים חדשים יחסית בתחום הייצור. למה? מכיוון שההרגלים הישנים מתים: היצרנים חיפשו ו/או פיתחו באופן מסורתי פתרונות הנותנים מענה למקרי שימוש ספציפיים (בגישה של פרויקט נתונים), זה ממשיך להיות הדרך שרבים נוקטים בה. זוהי דוגמה מצוינת לאמירה, "אם זה לא שבור, אל תתקן את זה".

עם זאת, באופן קריטי, פרויקטי נתוני יכולת ההתאמה האישית מפחיתים את היתרונות שיצרנים יכולים להשיג בהשוואה לפתרונות נתונים מותאמים אישית (מוצרי נתונים). מסיבה זו, חיוני שחברות ייצור ישנו את הלך הרוח שלהן ויאמצו פתרונות שניתן ליישם באמצעות מוצרי נתונים המספקים תהליך ברור יותר והחזר ROI משופר.

בהמשך, סביר להניח שיצרנים רבים יתחילו ללכת בכיוון זה, מכיוון שעלות אחסון ועיבוד הנתונים ממשיכה לרדת.

ככל שכלכלת המודלים המוצעים על ידי היפר-scalers ממשיכה להשתפר, ליצרנים תהיה הזדמנות מצוינת לאמץ בלב שלם את מוצרי הנתונים בקלות ובעלות יעילה יותר.

זאת, בשילוב עם יכולתן של חברות לעבוד עם שותפים בעלי דרגת התמחות גבוהה בשימוש בשירותי ענן מקוריים, מאפשרת להפחית באופן דרסטי את הוצאות התפעול הכרוכות במוצרי נתונים, מה שהופך אותם לאטרקטיביים אף יותר.

תרבות היא קריטית

כמובן שהיבטים אלה הם רק חלק אחד מהפאזל. בעוד שיפור החזר ה-ROI והפחתת OPEX יסייעו להעלות את מקבלי ההחלטות העיקריים, יידרש שינוי תרבותי רחב יותר כדי להבטיח שמוצרי נתונים מיושמים ומנוצלים בקלות בסביבה הייצור.

כדי להחדיר את השינוי הזה בהלך הרוח, חשוב לחברות לשמור על נהלי הנתונים שלהן עד אפס. המשמעות היא הטמעה ו/או שיפור תהליכי מפתח לשיפור איכות הנתונים ומניעת שגיאות כדי להבטיח שמודלים חזקים ואמינים יותר מפותחים.

כדי להשיג זאת, היצרנים צריכים להתמקד תחילה בהבטחת ומינוף המיומנויות הנכונות, האסטרטגיות הטכנולוגיות ושותפויות המסוגלות להניע אותם קדימה במרחב חדש יחסית או לא מוכר. באותה מידה, עליהם לעבוד על שיפור ההבנה הפנימית ומערך המיומנויות, המונעים הן על ידי נכונות של אנשים ללמוד ולאמץ מיומנויות חדשות, כמו גם השקעה בהכשרה מהארגונים עצמם.

על ידי הזזת אבני הבניין הקריטיות הללו למקומן, היצרנים יהיו מוכנים להתחיל לפתח ולפרוס מוצרי נתונים המסוגלים לספק מגוון יתרונות טרנספורמטיביים. ואכן, אלה שיוזמים לעשות זאת יובילו את המטען במגזר ויפתחו יתרונות חיוניים של מוביל ראשון כתוצאה מכך.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
• מקור: https://www.logisticsit.com/articles/2023/02/08/how-data-products-can-drive-efficiency-in-manufacturing