Перспективы цифрового производства на 2023 г.

3 главных тренда для перехода к Индустрии 4.0 в 2023 году

Производители борются с инфляцией, ростом процентных ставок, снижением маржи за счет роста прямых затрат на материалы и т. д. Это приведет к переходу от ажиотажа к цифровым операциям (т. е. к Индустрии 4.0) к сосредоточению внимания на как мы можем использовать это, чтобы либо увеличить, либо сократить расходы».

Замедлять; что такое Индустрия 4.0 или другие модные словечки, такие как «Умное производство» и «Цифровые операции»?

Я думаю, что у ISA и Tulip есть отличный сводный материал по определениям и общим структурам. Проще говоря, Индустрия 4.0 соединяет производство в цеху с Интернетом через IoT, а также соединяет завод с предприятием через облачные вычисления. Эта объединенная фабрика и предприятие обеспечивают аналитику, мониторинг и прогнозирование в реальном времени.

Индустрия 4.0 изначально была ориентирована на шумиху, а не на ценность; варианты использования стоимости появятся в этой рецессии, сжатой с маржой

Некоторые производители все еще пытаются превратить стремления ИИ (например, ChatGPT) в ощутимую добавленную стоимость для своего предприятия. Некоторые из этих сложностей перевода с добавленной стоимостью могут быть связаны с беспорядочными данными, чрезмерно сложной аналитикой или распространением поставщиков, что приводит к трудностям с внедрением и интеграцией.

Эти трудности, связанные с созданием решений, соответствующих назначению, будут иметь несколько последствий. Три точки зрения, которые для меня важнее всего

1. Инженерия данных как основное направление.Инженерия данных станет более приоритетной задачей, поскольку широко разрекламированные варианты использования машинного обучения не могут создать ценность без качественных данных.
2. Соответствие целевой аналитике. Аналогичным образом, инструменты и варианты использования машинного обучения изменятся в перспективе: производители станут лучше различать варианты использования для анализа данных, машинного обучения и глубокого обучения.
3. Консолидация поставщиков.Во всем технологическом стеке производители начнут бороться с распространением поставщиков, приобретя несколько точечных решений Индустрии 4.0 и стремясь консолидировать поставщиков и технологические стеки. Это станет особенно очевидным для горизонтального SaaS с практически полным отсутствием вариантов использования и внедрения для производства.

Инжиниринг данных как фундаментальный фокус

Изначально производители слишком усердствовали с искусственным интеллектом и вариантами использования больших данных. После того, как несколько вариантов использования закончились только экспериментальным чистилищем, они поняли, что основной причиной было качество данных. Проблема заключалась не в красиво построенных информационных панелях, невероятно подробных аналитических данных или проницательных инструментах прогнозирования. Скорее, основная проблема заключалась в эффективном соединении разрозненных данных. Специалисты по работе с данными не только осознали, насколько несопоставимы их различные производственные системы (по MES, CMMS и т. д.), но также увидели, что, несмотря на наличие формальных инструментов, большая часть фабрик по-прежнему работает на базе Excel. Неоднозначность источника правды и ясности в отношении потребностей в данных ограничивает возможности для любых вариантов использования расширенной аналитики. Это требует дополнительной поддержки для включения истинного источника правды во все множество информационных панелей и аналитики, которые раскручивают команды Индустрии 4.0.

Аналитика соответствия назначению: от ясности до машинного обучения

Машинное обучение было и остается очень модным, руководители подталкивают команды цифрового производства к разработке сценариев использования, включающих технологии машинного обучения, для прогнозирования тенденций, решения проблем с качеством и многого другого. Однако, помимо ажиотажа, многие результаты достижимы просто с помощью более качественной аналитики данных и базового статистического анализа.

Качественный анализ первопричин, отчеты об эффективности труда, аналитика технического обслуживания и другой базовый анализ могут создать ощутимую ценность гораздо быстрее, чем долгосрочные цели машинного обучения. Это особенно верно, если качество данных является неопределенным.

Машинное обучение можно использовать в производстве для обнаружения закономерностей в данных, которые можно использовать для прогнозирования или рекомендаций, но перед тем, как с головой погрузиться в машинное обучение, требуется базовая аналитика и контекстуализация данных. Более того, создание моделей глубокого обучения может становиться все более сложным и дорогостоящим. Существует абсолютно долгосрочное ценностное предложение, но оно часто строится на основе понимания базовой исследовательской аналитики, а также стандартных наборов инструментов машинного обучения.

В 2023 году многие производители перейдут от раскрученных вариантов использования машинного обучения и глубокого обучения к, казалось бы, базовым вариантам использования аналитики данных, ориентированным на то, чтобы дать конечному пользователю возможность принимать более взвешенные решения, автоматизировать отчетность и предоставить лучший контекст производственных данных. Проще говоря, базовая видимость и аналитика будут иметь приоритетное значение в 2023 году, поскольку производители увидят необходимость начинать с базовых вариантов использования, чтобы они служили основой для будущих, более зрелых вариантов использования.

Консолидация поставщиков

По мере того, как маржа сокращается в условиях инфляции и рецессии, производители будут стремиться сократить расходы, особенно общие и административные расходы и расходы на ИТ. При этом главной целью будет консолидация поставщиков. Я считаю, что горизонтальные SaaS (независимые от отрасли — зависящие от функций) пострадают особенно сильно. Производители изо всех сил пытались интегрировать отдельные инструменты SaaS для обслуживания, управления задачами, аналитики и оповещения как для интеграции процессов, так и для интеграции данных и ИТ. Это разочарование приведет к значительной консолидации по мере сокращения маржи.

У вертикального SaaS есть шанс: технология, которая выполняет несколько функций, но разработана специально для производителей, может выжить в этой грядущей консолидации поставщиков. Это так в первую очередь потому, что настоящая технология не так уж сложна. На самом деле важны нюансы производственных процессов, сосредоточенность на решении проблем и последовательная интеграция с методами работы и операционной моделью производителя, которые предотвратят отток.

2023 год может показать, что производители действительно заботятся о том, чтобы их поставщик MES, поставщик платформы IoT и другие поставщики не только понимали операции и производство, но, в большей степени, понимали конкретные процессы и нишевые требования своих клиентов.

Краткое содержание

1. Инженерия данных как основа. 2023 г. может показать производителям, что инженерия данных является фундаментальной предпосылкой, предшествующей вариантам использования расширенной аналитики и машинного обучения.
2. Соответствие целевому назначению.Поскольку маржа сокращается, производители в 2023 году могут больше сосредоточиться на возможностях немедленного создания ценности с помощью простых вариантов использования, соответствующих назначению. Производители перейдут от заботы о типе аналитики и инструментов к заботе о непосредственной ценности.
3. Консолидация поставщиков.Производители в 2023 году могут быть вынуждены консолидировать поставщиков, особенно универсальных горизонтальных SaaS, которые считали внедрение и интеграцию производства второстепенными. Вертикальные инструменты SaaS, которые действительно учитывают конечных пользователей-производителей, добьются успеха.