Podaci su temelj neophodan za primenu veštačke inteligencije (VI) i mašinskog učenja (MU) koji će imati ogroman uticaj na proizvodnju. Uz ove tehnologije, proizvođači će dobiti računarsku snagu koja je potrebna da se reše problemi za koje nije moguće da ih rešavaju ljudi. Jednoga dana će biti u mogućnosti da pruže preskriptivne savete na pitanja proizvodnje za koja proizvođači traže odgovore vekovima. Naime, kako pravimo svoj proizvod što je efikasnije moguće, sa nimalo otpada i minimalnim vremenom u kome se pogon ne upotrebljava.

Kao i sa većinom vesti o neviđenim tehnologijama, ova diskusija o “svetom gralu” je daleko ispred industrijskih praksi. Vizija služi korisnoj svrsi sugerišući šta je moguće. Ali, imajući u vidu da mnogim proizvođačima nedostaje infrastruktura podataka neophodna da se steknu prave VI i MU mogućnosti, putovanje u pravcu savršene proizvodnje takođe može biti toliko apstraktno da zbunjuje upravo one ljude koji to žele da postignu.

Podaci su temelj za usvajanje VI tehnologije

Krenite od podataka

Premda VI scenariji koji zvuče kao naučna fantastika ističu neverovatnu računarsku moć tehnologije, praktična, efektivna primena kreće od podataka. Zaista, podaci su ujedno najmanje iskorišćen adut proizvođača, kao i osnovni element koji čini VI toliko moćnom. Setite se Maslovljeve Hijerarhije potreba, teorije motivacije koja je prikazana kao piramida, gde su najosnovnije i najvažnije potrebe pri dnu, a najkompleksnije potrebe na vrhu.

Piramida Hijerarhije potreba Data nauke IZVOR: “THE AI HIERARCHY OF NEEDS” MONICA ROGATI.

Slično tome, Data Science Hierarchy of Needs Monike Rogati jeste piramida koja prikazuje šta je neophodno kako bi se inteligencija pridružila sistemu proizvodnje. Na dnu je potreba da se prikupe odgovarajući podaci, u odgovarajućim formatima i sistemima, kao i u odgovarajućoj količini. Bilo koja primena VI i MU će biti onoliko dobra koliko su dobri prikupljeni podaci.

Kada počinju sa usvajanjem VI, mnogi proizvođači otkriju kako su njihovi podaci u brojnim i raznolikim formatima uskladišteni širom nekoliko MES, ERP i SCADA sistema. Ukoliko je proces proizvodnje bio ručni, veoma je malo podataka prikupljeno i analizirano, a imaju i mnogo varijacija. Ovo je poznato pod nazivom “nečisti podaci”, što znači da će svako ko pokuša da u njima nađe nekakav smisao – čak i data naučnik – morati da uloži izuzetnu količinu vremena i truda. Biće potrebno da prevede podatke u zajednički format i uveze ih u objedinjeni sistem, gde se mogu koristiti za pravljenje modela.

Nakon što se ispravni, čisti podaci prikupe, proizvođači se moraju postarati da imaju dovoljno odgovarajućih podataka o procesima koje pokušavaju da unaprede ili problemu koji pokušavaju da reše. Potrebno je da se uvere da imaju dovoljno slučajeva upotrebe i da obuhvataju sve promenljive koje utiču na dati slučaj upotrebe.

Na primer, prikupljanje samo jedne varijabile o obrtajima po minutu vaše mašine neće biti dovoljno da vam kaže zašto se desio kvar. Ipak, ukoliko dodate vibracije, temperature i podatke o mnogim usovima koji doprinose kvarenju mašina, možete početi da pravite modele i algoritme da predvidite kvar. Pored toga, kako se prikuplja sve više podataka, možete definisati standard za nivo preciznosti.

Ukoliko sve ovo zvuči komplikovano, dostupna su rešenja za automatsko prikupljanje podataka iz različitih izvora i sistema koja automatski čiste i formatiraju podatke. To omogućava inženjerima da se fokusiraju na pravljenje modela i algoritama, umesto da provode vreme čisteći podatke.

Počnite rešavanjem jednostavnijeg problema

Započinjanje VI putovanja uz pristup “podaci na prvom mestu” omogućava proizvođačima da krenu sa razumevanjem i kontrolisanjem svog procesa od samog početka. To ne samo što pomaže proizvođačima da dođu do kontrolisanog procesa i počnu da ubiraju neke relativno brze koristi, već unapređuje vrste analitike koja se može sprovesti u budućnosti, uspomoć naprednijih modela VI i MU.

Zapamtite: Ako je vaš proces izvan kontrole, dodavanje VI na to neće magično popraviti stvari.

Još jedan krucijalni razlog da se započne sa prikupljanjem podataka i rešavanjem trenutnih problema proizvodnje jeste steći prednost prvog poteza u vašoj industriji. Kompanije poput Google, Amazon i Facebook su dominirale svojim industrijama jer su bile prve koje su počele da grade skupove podataka. Njihovi skupovi podataka su postali jako obimni, a njihovo prikupljanje podataka i analiza toliko sofisticirani da su u mogućnosti da razvijaju svoju kompetitivnu prednost.

Za proizvođače, logika je slična. Što pre proizvođač započne put u pravcu VI, pre će napraviti obimne skupove podataka koji će im omogućiti da sprovedu napredne VI i MU modele. Sa svakom iteracijom će praviti razliku između sebe i konkurencije.

Podaci su temelj, a usvajanje VI i MU je putovanje, a ne kometa koja će odjednom rešiti sve probleme. Počinje prikupljanjem podataka u jednostavne vizuelizacije i statističke procese koji vam omogućavaju da bolje razumete svoje podatke i stavite svoje procese pod kontrolu. Zatim, idete u pravcu sve naprednijih analitičkih mogućnosti, dok ne dostignete taj utopijski cilj savršene proizvodnje, gde imate VI koja vam pomaže da pravite proizvode što je moguće više efikasno i bezbedno.

Organizacija i tumačenje podataka po uzoru na vodeće biznise