Spełnienie nadziei pokładanych w usługach Big Data rozpoczyna się wraz z nadaniem sensu dostarczanym przez nie informacjom.
Przytłaczające ilości danych, dostępnych obecnie w systemach zarządzania majątkiem przedsiębiorstw (ang. enterprise asset management, EAM), systemach czasu rzeczywistego, systemach przechowywania danych historycznych, urządzeniach oraz systemach monitorowania warunków działania i środowiskowych, wymaga spełnienia nadziei pokładanych w usługach Big Data (dużych, zmiennych i różnorodnych zbiorów danych, których przetwarzanie i analiza jest trudna, ale jednocześnie wartościowa, ponieważ może prowadzić do zdobycia nowej wiedzy), a związanych z takim wykorzystaniem tych danych, aby efektywnie pomóc firmie pozostać konkurencyjną, innowacyjną i przynoszącą zyski.
Wyzwaniem związanym z obsługą Big Data jest nadanie sensu wszystkim tym informacjom i umieszczenie ich we właściwym kontekście: wykorzystanie dużych zbiorów danych do analizy, której rezultatem może być podjęcie działań oraz do modelowania predykcyjnego, aby określić czy i co należy zrobić, aby zmienić sposób zarządzania danym zasobem. Bez posiadania solidnej i stałej zdolności do przetwarzania, analizowania i rozumienia informacji zawartych w tych masowych i niewykorzystanych dotąd zbiorach danych oraz podejmowania decyzji na podstawie tych informacji, samo rozszerzanie zasobów systemowych w celu gromadzenia danych wydaje się sprawą raczej dyskusyjną.
Efektywnym podejściem do tego tematu jest wdrożenie programu zarządzania wydajnością zasobów (ang. asset performance management, APM), który analizuje dane w całej organizacji, w celu ich krytyczności i ryzyka zasobów procesie przemysłowym. Poprzez automatyzowanie analizy danych usług Big Data, klasyfikowanie potrzeb zasobów na podstawie ich priorytetu oraz tworzenie planów działań, programy APM mogą pomóc operatorom fabryk w identyfikowaniu pojawiających się tendencji, zmian parametrów maszyn i natychmiastowym podejmowaniu działań, aby zminimalizować ryzyko awarii.
Zrozumienie krytyczności i ryzyka dla zasobów
Wszyscy operatorzy fabryk rozumieją, że skutkami awarii zasobów sprzętowych mogą być: zranienie ludzi, szkody dla środowiska i straty dla firmy. A zatem sprawą kluczową jest posiadanie technologii potrzebnej do zlokalizowania potencjalnego ryzyka i podjęcia działań zapobiegawczych. Obecnie wiele organizacji zarządza wieloma systemami i raczej rozwiązuje w danej chwili jeden problem, niż rozważa koszty długoterminowe oraz implikacje strategiczne. W prawie każdym zakładzie produkcyjnym można znaleźć “menażerię” technologii i procesów, zbierających dane z zasobów sprzętowych. Gdy systemy jakiejś organizacji działają w swoistych „silosach” informacyjnych, to generują rozbieżne zbiory danych i potencjalnie powodują liczone w godzinach straty produktywności, będące wynikiem powstałego chaosu oraz konieczności ponownej obróbki i konsolidowania danych.
Konsolidacja tych wszystkich danych w jednej, bezpiecznej lokalizacji, umożliwienie dostępu do nich na wszystkich szczeblach organizacji i w pożądanej formie, to pierwszy krok w kierunku solidnej kontroli nad środowiskiem operacyjnym i produkcyjnym firmy. Zunifikowany zbiór danych, pochodzących z każdego urządzenia podłączonego do sieci, może posłużyć jako wzorzec działania poszczególnych maszyn i całych zakładów, w odniesieniu do pozostałych działających w danej organizacji, a nawet w odniesieniu do konkurencji z danej branży przemysłu na całym świecie, tak aby otrzymać prawdziwy obraz poprawności ich działania.
Następnym krokiem jest opracowanie sposobu zarządzania tymi wszystkimi danymi. Jak w firmie zarządza się pozyskiwanymi miliardami bitów danych, pochodzących ze wszystkich urządzeń podłączonych do sieci? Skąd wiadomo, czy efektywnie wykorzystywane są rozwiązania inteligentnej technologii we właściwych zasobach? Niektóre z zasobów sprzętowych nie muszą być tak “inteligentne” jak inne lub też wyposażone w zaawansowane czujniki i jest sprawą zasadniczą, aby zrozumieć, które zasoby, dane i symptomy powinny być monitorowane. Co ważniejsze – należy zawsze ustalić czy analizowane są właściwe dane, aby otrzymać kluczowe informacje, będące sygnałami do działania? Czy te wszystkie informacje są zestawiane za pomocą narzędzi analitycznych w jeden kontekst, aby sensownie wykorzystać dane i podejmować na ich podstawie działania?
Realne wsparcie w tej kwestii przynosi ze sobą technologia Przemysłowego Internetu Rzeczy (Industrial Internet of Things, IIoT, ale aby wszystkie nowe, dokładne dane pozyskiwane za jej pośrednictwem posiadały wartość, przemysł będzie wymagał czegoś więcej, niż specyficznych dla producentów wyposażenia oryginalnego (OEM) platform M2M (machine-to-machine – bezpośredniej komunikacji między maszynami), czy autonomicznych rozwiązań wyspecjalizowanych (ang. point solution – rozwiązywanie jednego, szczególnego problemu bez zwracania uwagi na związane z nim komplikacje). Uruchomienie sieci IIoT wymaga bowiem połączenia, zintegrowania źródeł rozbieżnych danych, stworzenia przestrzeni do magazynowania gwałtownie zwiększających sie ilości danych Big Data, kompleksowej analityki, treści eksperckiej obecnej w kontekście oraz, co najważniejsze, inteligentnych strategii zasobów. Strategie te są kluczem do sieci IIoT, ponieważ wykorzystują one analizę zarówno bezpośrednią, jak i porównawczą do zbudowania platformy integrującej dane z istniejących i nowych zasobów sprzętowych. Inteligentne strategie zasobów są także siłą napędową dla zasadniczej konwersji danych na informacje, na podstawie których mogą być podejmowane działania – przewidywanie terminu i rodzaju awarii jakiegoś urządzenia oraz opracowanie zalecanych działań zapobiegających tej awarii.
Ogarnięcie sieci IIoT
Aby organizacje w pełni wykorzystywały zalety sieci IIoT, skutecznie podejmowały decyzje strategiczne oraz otrzymywały zwroty ze swoich inwestycji w IIoT, muszą one być w stanie wydobywać praktyczne informacje z danych pochodzących z różnych fabryk danej firmy oraz porównawczych pochodzących z innych firm działających w tej samej branży przemysłu. Programy APM mogą pomóc firmom w połączeniu ich różnorodnych systemów fabrycznych i wykorzystaniu pozyskanych w ten sposób danych do tworzenia i zarządzania strategiami inteligentnych zasobów, które to strategie będą umożliwiały zarówno przewidywanie i zapobieganie awariom, ale będą też siłą napędową ulepszania działania i niezawodności zasobów, zmniejszania ryzyka operacyjnego oraz optymalizacji kosztów. Ponieważ organizacje zarządzają stale rosnącymi grupami i typami zasobów, to ilość danych tworzonych przez urządzenia podłączone do sieci będzie rosła wykładniczo. Ale wszystkie te dane będą posiadały jakąś wartość tylko wtedy, gdy zostaną zintegrowane z systemami obsługi i zarzadzania przedsiębiorstw i dzięki temu wykorzystane do podejmowania bardziej świadomych decyzji biznesowych. Gdy dane Big Data, tworzone przez zasoby podłączone do sieci, są poprawnie i efektywnie zarządzane, to zakłady produkcyjne są bardziej wydajne, a środowisko bardziej bezpieczne.
Autor: dr William E. Amos, dyrektor d/s technicznych w firmie Meridium.
