Depois de analisar os casos de uso de big data em manufatura, você deve estar impressionado. Você pode até correr para aproveitar os poderes do big data e superar seus rivais. Mas não é assim tão simples. Antes de dar um passo e começar seu projeto de adoção de big data, é preciso conhecer os truques que podem estar esperando por você. Então, aqui está um guia para tornar sua ‘jornada’ de adesão ao big data o mais tranquilo possível:

Preparar… Apontar…

Para se preparar para um projeto de big data, você precisa encontrar a abordagem correta. Ao invés de ficar obcecado com a ideia de big data, correr para pegar o orçamento e depois não extrair valor dele, primeiro, você deve lançar as bases para a possível ‘novidade’ futura. Os seguintes passos visam a isso e são característicos do alinhamento entre negócios e TI. Então, vamos olhar para eles da perspectiva de melhorar a qualidade do produto em uma empresa.

Etapa 1. Depois de ler bastante sobre as possibilidades do big data, analise sua estratégia de negócios e entenda quais metas podem ser alcançadas com a ajuda desse recurso.

Etapa 2. Como profissional de TI, você deve obter mais detalhes sobre os problemas e necessidades de fabricação de sua empresa. A melhor maneira de fazer isso é conversar com a gerência de engenharia de sua fábrica e perguntar como está o processo de melhoria de qualidade. Há chances são de que o processo seja problemático e nenhuma solução foi encontrada, e é aí que você – com muita cautela, sem muita gíria de TI – explica que esses desafios podem ser resolvidos com uma coisa chamada big data analytics.

Etapa 3. Tente obter o consentimento da gerência de engenharia para provar (se necessário) à alta gerência da empresa que eles precisam de big data. Também avise-os que seu envolvimento será necessário para ajudar os analistas de dados a entender os detalhes necessários do processo de fabricação.

Etapa 4. Determine uma faixa específica de quanto um projeto de big data custa e fale com a sua alta gerência sobre a adoção do recurso e quais efeitos ele trará.

Vai!

Você não pode testar os recursos do big data em tarefas complexas logo no início. Assim como você não pode ir ao espaço alguns dias depois de decidir se tornar um astronauta. As empresas de manufatura devem começar com um projeto simples (por exemplo, tentar obter uma qualidade de saída estável em uma fábrica de vacinas). Um projeto inicial simples permite que você veja como o big data pode resolver seus problemas com baixos riscos e investimentos. Isso, por sua vez, provavelmente afetará positivamente a opinião da sua alta gerência e os incentivará a planejar novos investimentos em big data (para projetos analíticos mais sérios). Enquanto que um projeto inicial excessivamente complexo e de alto risco, como a reorganização de todo o processo de produção na fábrica de vacinas, pode sempre colocá-los contra big data, porque os altos investimentos do projeto podem desaparecer facilmente sem deixar vestígios.

E, se falarmos sobre qualquer projeto de adoção de big data mais globalmente, eles devem sempre ser divididos em fases “digeríveis” que devem ser abordadas separadamente. Aqui, propomos as seguintes fases para sua aventura de big data:

  • Agregação de dados.
  • Uso de algoritmos analíticos simples.
  • Voltar-se para métodos analíticos mais sofisticados.
  • Automação incremental de sua gestão de produção.

Agregação de dados

Muito antes que qualquer análise possa acontecer, você precisa começar a agregar dados. Em alguns casos, isso não é um problema: basta implantar/adicionar sensores em seu equipamento de fabricação, preparar instalações de armazenamento de dados e aproveitar o fluxo de dados “recém-cortados”.

Mas em outros casos, por exemplo, se o seu ciclo de produção dura meses ou mesmo anos, pode ser difícil porque você pode não ter a informação de como os parâmetros dos processos de produção influenciam o rendimento. E sem saber, tudo é realmente um tiro no escuro. Mas não fique chateado: existem maneiras de lutar contra isso. Por exemplo, tente não se concentrar em todo o ciclo de fabricação de uma só vez. Em vez disso, concentre-se em uma parte de seu processo de fabricação (digamos, a inoculação na produção de queijo), reúna dados sobre ela, analise-a e veja como você pode melhorá-la.

Realizando pequenas mudanças analíticas e avançando em direção ao big data

À medida que sua solução de big data evolui, você pode conseguir diferentes resultados analíticos de acordo com essas etapas de insights reveladores em manufatura:

  1. Inicialmente, você pode executar uma análise de big data relativamente simples para fazer alterações direcionadas em seus processos de fabricação (para melhorar a qualidade do produto, por exemplo).
  2. Depois, você pode aprofundar seus dados para encontrar maneiras de alterar seus processos de negócios. Por exemplo, você costumava realizar manutenção reativa e, com big data, você inicia a manutenção preventiva.
  3. Quando chegar a hora, você pode até mesmo transformar seu modelo de negócios, encontrando uma maneira melhor de fazer isso por meio de big data analytics (por exemplo, você decide se aproximar do cliente fabricando carros inteligentes conectados; você instala sensores neles, analisa os dados dos carros em uso e fornece serviços pós-venda).

Nos estágios iniciais, você precisará apenas dos métodos analíticos mais comuns, como correlações e análise de regressão. E à medida que as suas competências e necessidades de big data crescem, os métodos analíticos tornam-se mais elaborados. Com o tempo, você “emprega” a análise preditiva e o aprendizado de máquina. E, como você pode imaginar, se acha que correlações simples são úteis, métodos analíticos complexos farão você se sentir tonto com novas oportunidades.

Automação de gerenciamento de produção

A automação de seu gerenciamento de produção é provavelmente a maneira mais sofisticada de usar big data em processos de manufatura. Este é o ponto em que você, como ser humano, raramente é visto no local de fabricação. O conceito de gestão de produção automatizada é bastante simples: seus dados de sensores históricos e de entrada são analisados ​​em tempo real e os aplicativos de controle enviam comandos direcionados aos atuadores em seu equipamento.

Um bom exemplo de automação de gerenciamento de produção é o caso das turbinas eólicas da General Electric. Os sensores fornecem dados sobre a geração de energia e direção do vento, de acordo com o qual o passo da lâmina é alterado para otimizar a eficiência da turbina eólica.

Um exemplo para esclarecer

Suponha que sua empresa produz alimentos para bebês e decide usar big data. A primeira coisa a fazer aqui é encontrar os conhecimentos necessários para guiá-lo através do projeto de adesão (aqui, ler muito e contratar consultores de big data seria uma boa escolha). E depois de obter uma compreensão profunda do big data, você contrata a equipe necessária e inicia a agregação de dados (implantar/adicionar sensores de dados em sua área de produção e preparar o armazenamento de dados).

Para o exemplo, vamos imaginar que, sistematicamente algumas vezes por mês, seus lotes de comida para bebês diminuem substancialmente em qualidade. Agora, a equipe de big data (em conjunto com os tecnólogos de engenharia) pode descobrir o que causa essas quedas de qualidade. E eles percebem que o seu processo de fabricação não permite as variações na qualidade da matéria-prima (ingredientes para alimentos para bebês). Se a qualidade dos ingredientes for menor, a máquina não será “ajustada” para obter uma produção de melhor qualidade (digamos, você não ajusta a temperatura e os tempos de cozimento). Além disso, eles também encontram uma maneira de reduzir seus tempos totais de produção. Essa aplicação de big data (melhor garantia de qualidade) pode ser um bom primeiro projeto.

Obter insights valiosos de maneira rápida e barata torna a sua empresa mais interessada em recursos de big data e algoritmos analíticos mais complexos. E, em pouco tempo, sua empresa começa a executar análises preditivas, análise de desgaste de equipamentos e aprendizado de máquina. Entre outras coisas, ele permite que você faça manutenção preventiva, o que proporciona que a equipe reaja a tendências alarmantes na fábrica antes que qualquer dano real seja causado.

E quando chegar a hora de expandir globalmente, sua empresa decide usar o seu grande poder de dados para garantir e controlar a qualidade dos alimentos para bebês em todos os seus franqueados.

Agora, Sobreviva

Assim que você iniciar uma ação real de adoção de big data, haverá alguns impedimentos no caminho (digamos, do lado da gestão de projetos). E é por isso que você precisa observar os desafios de gerenciamento que o big data pode trazer para a produção:

Falta de habilidades técnicas internas.

Por mais tentador que seja, você não deve terceirizar completamente todo o projeto de adoção. Caso contrário, será difícil obter a compreensão de big data tão necessária. Além disso, terceirizar completamente não é uma saída, porque – especialmente nos estágios iniciais – você precisará experimentar muito. E é simplesmente mais fácil se as pessoas “de casa” estiverem envolvidas. É por isso que é natural contratar novos funcionários especializados em tecnologia ou reciclar os antigos.

Antes de iniciar alguma ação real, seria uma boa ideia recorrer a consultoria de big data, pois ela pode aliviar as dificuldades dos projetos e contribuir para o entendimento dele. Mas antes de se dirigir ao consultor mais próximo, há algo que você precisa saber: só será vantajoso se você organizar a transferência de conhecimento para seus funcionários de tecnologia.

Falta de tecnólogos de engenharia na equipe.

Não apenas os desenvolvedores trabalham com big data. Sua equipe de tecnologia precisará trabalhar em estreita colaboração com os tecnólogos de engenharia. Em primeiro lugar, porque os técnicos precisam entender seus processos de fabricação e os tecnólogos podem ajudá-los. Em segundo lugar, porque os próprios tecnólogos podem ver formas preciosas de melhorar a produção e seu gerenciamento, se aprenderem as oportunidades gerais de big data. Portanto, você deve garantir que sua equipe de big data tenha um número suficiente de tecnólogos de engenharia qualificados.
 

Resistência a novas tecnologias.

Alguns funcionários – esperamos que a menor parte – provavelmente resistirão ao big data. E não há nada de pessoal nisso: para criaturas de hábitos, é mais conveniente usar as tecnologias antigas. Treinar sua equipe e controlar o uso da nova solução pode ajudar a lidar com esse desafio.

Vamos Ensaiar Mais uma Vez

Para começar a usar big data na manufatura:

  • Encontre a abordagem certa para o seu big data. Analise com cuidado as necessidades de sua empresa, encontre uma maneira de preenchê-las com big data e nunca corra atrás das tendências apenas por diversão.
  • Planeje com prudência a adoção de big data. Não pule para a parte mais difícil desde o começo. Encontre um projeto de pequena escala para testar o big data. Agregue dados, teste algoritmos simples e, só então, experimente os mais desafiadores.
  • Preste atenção a desafios de gerenciamento. Obtenha uma compreensão completa do big data, não terceirize o projeto por completo, envolva um número necessário de tecnólogos de engenharia.

Fonte: https://www.scnsoft.com/blog/big-data-in-manufacturing-a-guide-on-how-to-start#preparation