استفاده از اینترنت اشیا برای پایش دارایی صنایع تولیدی

یک مانیتور مجهزشده به هوش مصنوعی و تولید شده در شرکت آی بی ام، به یک کارخانه این شانس را می‌دهد که به سمت فاز بعدی تحول اینترنت اشیا حرکت کند. قسمت سخت این تحول، معنادارکردن داده‌ها، نوسازی فرآیند‌های موجود و آموزش مجدد تکنسین‌ها و مهندسان است.

سیستم نظارت بر داراییِ ماکسیمو که ساخته شرکت آی بی ام است، با استفاده از هوش مصنوعی به نرم‌افزار ماکسیمو سوئیت، قابلیت‌هایی اضافه می‌کند. این قابلیت‌ها به شرکت‌ها کمک می‌کند که به سمت فاز دیگری از انتقال دیجیتال حرکت کنند.

کریم یوسف، مدیرعامل واحد کسب و کار اینترنت اشیای شرکت آی بی ام می‌گوید هدف این شرکت از ساخت سیستم نظارت بر دارایی ماکسیمو این است که شرکت‌ها افق‌های جدیدی برای خود ترسیم کنند و طبق داده‌های ثبت شده در این نرم‌افزار عمل کنند.

او ادامه می‌دهد:” ما می‌خواهیم به مشتریان کمک کنیم که داده‌های موجود سازمان خود را قابل فهم کنند. این کار فقط از طریق جمع‌آوری داده امکان‌پذیر نیست و می‌بایست این داده‌ها را به یک جریان منسجم داده تبدیل کزده و آن‌ها را به شکل صحیحی با داده‌های قدیمی ترکیب کنیم”. یوسف می‌گوید که انتقال دیجیتال تولید در نقطه مهمی قرار دارد. او ادامه می‌دهد: ” شرکت‌ها آماده هستند که با استفاده از کلاس‌های مدیریت دارایی و فرآیندهای چندگانه پا به این مرحله بگذارند و پیش بروند. این دارایی ها هسته‌ی اصلی فرآیندهای شرکت‌ها می‌شوند و شما باید راهی جامع برای مدیریت دارایی فیزیکی و فهم وضعیت آن‌ها داشته باشید”.

رید پکین، مدیر تحقیقات شرکت آی دی سی منیوفکچرینگ اینسایتس، می‌گوید شرکت‌هایی که مشتاق به استفاده از این دارایی‌ها هستند، خواهند فهمید که نظارت بر این دارای‌ها در حذف زمان توقف کار کارخانه‌ها، بسیار مفید است. این شرکت‌ها شامل صنایع همگانی، نفت و گاز، فلزات، استخراج، خمیر و کاغذ و شرکت‌های شیمی هستند.

برایان هاپکینز که معاون بخش تحلیل شرکت فورستر است، می‌گوید اخبار مربوط به ماکسیمو یک نمونه از گرایش فروشندگان محصولات تکنولوژی به تعبیه هوش مصنوعی در راهکارهای صنایع خاص هستند. هاپکیز اضافه می‌کند که این قابلیت جدید سریعا تبدیل به یک برگ برنده در صنعت می‌شود و موفقیت در استفاده از راهکارهای هوش مصنوعی به نحوه مدیریت داده وابسته است. مدیریت داده در صنعت دشوار است چرا که داده‌های بسیار زیادی توسط دستگاه‌ها تولید می‌شود و هرگز هم برای مصارف تجاری ذخیره نمی‌شوند. ما فکر می‌کنیم که خرید یک پلتفرم مثل ماکسیمو به عنوان یک راهکار، بدون فهم مدیریت داده در لبه صنعت، بیشتر از این که سودآور باشد، آزاردهنده است.

شرکت آی بی ام برای افزایش قابلیت‌های ماکسیمو توسط یکپارچه سازی قابلیت‌های ابر هیبریدی اپن‌شیفت (openShift) برنامه‌هایی دارد. این ابر از RedHat، Watson Studio، Watson M و چند تکنولوژی اساسی دیگر استفاده می‌کند.

  • فازهای اولیه انتقال دیجیتال

چهار فاز اصلی برای کارخانه‌ها در مسیر تکامل به سمت این مدل کسب‌وکار مبتنی‌ بر داده، وجود دارد:

۱ – ایجاد فهرستی از دارایی‌ها

۲- پیاده‌سازی فرآیند جمع‌آوری داده

۳-سازمان‌دهی و هماهنگ‌سازی داده

۴-استفاده از داده‌ها به منظور توسعه تحلیل‌های پیشگویانه و فرآیند‌های عملیاتی

یوسف ‌می‌گوید اکثر مشتریان شرکت آی‌بی‌ام در فاز اول انتقال دیجیتال هستند و از یک سیستم مدیریت دارایی تجاری برای فرآیند‌های اصلی خود استفاده می‌کنند. گروه کوچک‌تری از شرکت‌ها اقدام به شروع فرآیند جمع‌آوری داده از دارایی‌های موجود کرده‌اند.

یوسف می‌گوید: ” ما هنوز در اول مسیر هستیم. اینجا همان جایی است که مردم باید مشکلات مربوط به دارایی‌های خود را پیگیری و رفع کنند”.

پکین هم تایید می‌کند که اکثر کارخانه‌ها هنوز باید این کار را بکنند. او می‌گوید: برخی از کارخانه‌ها هنوز نیاز دارند که زیرساخت خود را ارتقا دهند تا بتوانند برنامه‌ای در جهت مدیریت دارایی استراتژیک در پیش گیرند. وقتی با مدیران صحبت می‌کنیم متوجه می‌شویم که وقتی دارایی‌ها به هم متصل شوند، توانایی مدیریت داده‌های تولیدی آن‌ها هنوز بزرگترین چالش است”.

فاز بعدی انتقال، داشتن داده‌هایی منسجم برای نظارت بر سلامت دارایی‌های مختلف و ایجاد یک سیستم برای حفظ هشدارهای پیشگویانه است. یوسف می‌گوید تعداد بسیار کمی از شرکت‌ها برای پیش‌بینی خرابی تجهیزات از داده استفاده می‌کنند و اضافه می‌کند ” برخی از مشتریان ما به این سطح رسیده‌اند اما فقط در سطح پروژه‌های موقت این کار را انجام می‌دهند نه در مقیاسی وسیع”.

  • موانع بر سر راه انتقال دیجیتال

هاپکینز از شرکت فارستر می‌گوید کارخانه‌ها باید به سمت ایده‌هایی حرکت کنند که فراتر از جملاتی مثل این باشند: “مدرن‌سازی تکنولوژی برای ایجاد یک استراتژی داده کافی است “. وی اضافه می‌کند: ” ما در پیش‌بینی‌های سال ۲۰۲۰ در دپارتمان فناوری اطلاعات خود، پیش‌بینی می‌کنیم که شرکت‌های پیشرفته به سمت شناخت هزینه سرمایه‌گذاری واقعی روی مدیریت داده حرکت می‌کنند و بودجه‌های استراتژی داده خود را دو و سه برابر می‌کنند”.

یوسف می‌گوید که دو مانع مشترک می‌بیند که شرکت‌ها در آغاز فرآیند‌های اتصال دستگاه‌ها به وب با آن مواجه خواهند شد. مانع اول تصمیم‌گیری زمان آغاز انتقال و دومی توجه به مقیاس کاری است. او همچنین اضافه می‌کند: ” هشتاد درصد تجهیزات شرکت‌ها برای اتصال به یکدیگر باید اول مقاوم‌سازی شوند”. شرکت‌ها باید تصمیم بگیرند که چه نوعی از دارایی‌ها را باید برای آغاز فرآیند جمع‌آوری و پردازش داده انتخاب کنند.

هاپکینز می‌گوید که مدیران فناوری اطلاعات شرکت‌ها به شکل قابل توجهی به قابلیت‌های ذخیره و پردازش داده نیاز خوهند داشت و اضافه می‌کند: ” هزینه پردازش داده در اینترنت اشیای صنعتی از هزینه ذخیره و متمرکزسازی داده در ابر بیشتر خواهد شد”.

مولفه بحرانی دیگر موثر در این انتقال، تضمین سودمندی این مسئله برای تکنسین‌ها است که قرار است به شکل فیزیکی از سیستم‌‌ها نگهداری کنند. یوسف می‌گوید: ” شما باید داده‌های بسیار زیادی را به سمت تکنسین‌ها و مهندسان ارسال کنید و آن‌ها نیز می‌خواهند بدانند که این انتقال چگونه شغلشان را راحت‌تر می‌کند. یوسف اضافه می‌کند که بهبود امنیت در سطح تولید و تاسیس پلتفرم‌های همکاری برای انتقال دانش اولیت‌های فاز بعدی کار شرکت آی‌بی‌ام است.

منابع خبر :

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.

پانزده − 6 =