英国の数学者クライヴハンビーは、「データは新しい石油である」という公理を生み出したとされています。 彼の卑劣な表現は、あらゆる種類の情報を収集して蓄えている人々の文脈で、通常は帰属なしに頻繁に繰り返されます。 そして、データプロスペクターはそれを掘り下げるためにどこからともなく出てきています。 しかし、ハンビーの言い回しはそれだけではありませんでした。 それは続いた。 彼は続けて、「それは価値がありますが、洗練されていないと使用できません。 収益性の高い活動を推進する価値ある事業体を作るためには、ガス、プラスチック、化学薬品などに変える必要があります。 したがって、データに価値を持たせるには、データを分解して分析する必要があります。」

ハンビーは正しかった。 そして今日、大量のデータが爆発的に増加しているため、彼の洞察はかつてないほど重要になっています。 たとえば、製造業では、急成長しています 産業用モノのインターネット 取り付けることができます センサー 工業プロセスのすべてのコンポーネントに。 その結果、計り知れない量のデータが毎日収集されています。 ただし、石油の場合と同様に、その大量のデータを処理、分析し、組織の担当者が建設的に使用できる消化可能な洞察に変換する必要があります。

コンテキスト内

しかし、正確には、誰がそれをどのような目的で使用できますか？ 答えは自由です。 製品製造ビジネスの本質的にすべての機能は、データ主導の洞察から利益を得ることができます。 ただし、特定の各機能またはタスクにとって意味のあるコンテキストでデータがキュレート、結合、分析、および解釈された場合にのみ、それを実行できます。

たとえば、特定の機械で使用されるエネルギーを削減することが目標である場合、その消費電力の測定は、その機械に固有の速度、送り、位置、およびその他のプロセスパラメータに関するデータのコンテキストで理解する必要があります。 。 同様に、設計、計画、検査、保守などの他の機能はそれぞれ、そのトピックの機能、機能、またはその他の関連変数に関する情報に重要性の影響を関連付けるために、独自の慎重にキュレートされたデータセットを必要とします 特性.

組織がデータから得られた洞察から利益を得る機会はたくさんあります。 データ主導の意思決定から多大な価値を見出した産業運営の側面には、歩留まりの向上、品質の向上、安全性の向上、無駄の削減、コンプライアンスの容易化、リコールの減少、運用の節約などがあります。 これらの結果の多くは、マネージャーがより良い情報を持ち、その結果、より良い運用上の選択を行うことから生じます。 しかし、自動化がほとんどの製造プロセスの重要な部分になっている時代では、データは、機械学習と人工知能を使用して自律機器の操作をガイドするためにも使用されています。

データ収集は重要ですが、それはほんの始まりにすぎません。 NS データレイク そこからインテリジェンスを抽出する手段がなければ、データの沼のようなものです。 本当の魔法は、製造パフォーマンスを向上させるためにインテリジェンスを削除することです。 そして今日、クライアントのためにまさにそれを行うことを専門とする商業会社があります。

元帳

ただし、ここで参照しているデータのほとんどは、すでに現場にある在庫、機器、および人員を扱った情報です。 それらは重要です。 しかし、部屋には象もいます。 それは、企業のサプライチェーンを通じて外部から入ってくる材料に関するデータと関係があります。 そして、ほとんどの企業に欠けているのは、材料台帳です。これは、入ってくる材料の属性、出所、品質の差異、エネルギー使用、廃棄物、在庫、生産のボトルネック、およびお金の量に影響を与える他のすべての要因を追跡するために必要な詳細レベルを備えたシステムです。購入した材料を販売した製品に変換するために費やしました。

企業の損益計算書は通常、入ってくる収益から売上原価を差し引きますが、これらのコストは通常​​、その材料をほとんど可視化しない方法で集計されます。 そして、それらの材料は、多くの場合、生産に関係する単一の最大の費用を表しています。 従来の詳細レベルでは、材料の使用を効果的に管理するのに十分ではありません。

たとえば、知っておく必要のあることは次のとおりです。適切な材料を購入していますか。 あなたはあなたに価値を提供しない品質に割増料金を払っていますか？ 適切な量​​のエネルギーを適用していますか？ 最高の生産方式を使用していますか？ 材料の消費量が多すぎますか、それとも少なすぎますか？ リコールが発生した場合の製品追跡機能は何ですか？ そして、あなたのプロセスにおける廃棄物のコストはいくらですか？

適切なデータがあれば、これらすべての質問やその他の質問に実用的な方法で答えることができます。 しかし、それはすべて全体像の一部です。生産プロセスの各段階でマテリアルフローに関するデータを収集することは、データ変換されるための最初のステップです。 Industry 4.0 組織。 もちろん、収集するデータには適切な分析と解釈が必要です。 しかし、生データの原油を実用的で価値の高いビジネス資産に精製するのに役立つリソースがあります。 そして今こそ、それらを活用する絶好の機会です。

PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。

出典：https：//www.iotforall.com/contextualizing-data-the-key-to-achieveing-industry-4-0