Yritysten tietojärjestelmät tuottavat nykyään valtavan määrän dataa, eikä se ole ainakaan vähenemään päin. Teollisuus 4.0:n yksi osa-alue on tiedon hallintaan liittyvät järjestelmät, tietovarastot, Big data sekä sen datan analysointi.
Datalla ei kuitenkaan ole mitään merkitystä, jos se ei ole ihmiselle ymmärrettävässä muodossa. Jos valtavasta massasta ei erotella niitä asioita, joilla on oikeasti merkitystä, se on vain dataa, ei tietoa. Eikä sekään vielä riitä: jonkun täytyy lukea raportit sekä pystyä tulkitsemaan niitä, mielellään oikein, ja tekemään niiden pohjalta johtopäätöksiä sekä toimia niiden mukaisesti. Ei ole helppoa.
Datan analysoinnin tasoja on neljä: kuvaileva, diagnosoiva, ennakoiva ja ohjaileva, tässä vaikeusjärjestyksessä. Mutta myös hyödyllisyysjärjestys on sama.
Kuvaileva analyysi kertoo mitä tapahtui. Muuten kaikki vastuu on lukijalla.
Diagnosoiva analyysi kertoo, miksi jotain tapahtui. Esim. syykoodit määrittelevät miksi kone on stopissa.
Ennakoiva analyysi on jo paljon sivistyneempää teknologiaa. Siinä voidaan käyttää mm. tekoälyratkaisuja apuna ennustamiseen mitä ehkä on tapahtumassa mitatun datan perusteella. Tällaisia voivat olla esim. koneistusparametreistä tehtävä työkalun eliniän ennustaminen.
Ohjaileva analytiikka onkin jo vaikea laji. Siinä analyysijärjestelmien pitäisi olla oppivia, että ne pystyisivät antamaan käyttäjälle toimenpideohjeita. Esimerkkinä voisi olla esim. edellisessä kohdassa viitattu työkalun eliniän ennustaminen. Sen lisäksi, että ohjelmisto kertoo miten työkalulle tulee käymään tietyn ajan kuluessa, se osaa ehdottaa käyttäjälle toimenpiteitä millä työkalun elinikää voidaan pidentää. Näitäkin järjestelmiä on jo olemassa.
Monia analytiikan tasoja kuitenkin yhdistää se, että dataa tulee monista eri lähteistä. Ohjailevaan analytiikkaan sitä voidaan saada esim. koneen kontrollerin käyttöparametreistä, värähtelyantureista, virrankulutuksen mittauksesta, lämpötilasta, ERP:n materiaali- ja työtiedoista,
Hitscan tuottaa dataa koneen käyttöasteesta. Mittaustieto paljastaa mm. tuottavuuserot eri työvuorojen välillä. Syitä voi sitten kukin pohtia kammioissaan. Kun konedataan liitetään tiedot esim. keskeytysten syistä, ERP-järjestelmästä ja työajanseurannasta, saadaankin jo huomattavasti kattavampi kuva tuotannosta ja sen pullonkauloista. Tämä voidaan jo nyt toteuttaa esim. Microsoftin Power BI-sovelluksella erittäin kustannustehokkaasti. Perusversio kun on ilmainen ja sekin mahdollistaa todella monipuolisen ja selkeän raportoinnin ja infonäytöt. Alkutyöt ja järjestelmän perustaminen kannattaa kuitenkin jättää ammattilaisen tehtäväksi. Kun perusta on kunnossa, sitä voi itse muokkailla omiin tarpeisiinsa paremmin sopivaksi. Tarpeet kun tuppaavat ajan myötä muuttumaan.
Me voimme olla apuna tässä asiassa. Laitetaan yhdessä tiedonkeruu ja raportointi kuntoon. Ota yhteyttä niin kerromme lisää!