Dane jako waluta przyszłości

17 lipca 2020

Transformacja cyfrowa łączy w sobie szereg technologii. Połączenie Internetu Rzeczy, sztucznej inteligencji, uczenia maszynowego czy Big Data odgrywa istotną rolę w takich branżach jak produkcja przemysłowa czy dystrybucja. Niezależnie od sektora i wielkości firmy, cyfrowa transformacja stała się już dla biznesu koniecznością, a jej nieodłącznym elementem są dane.

Digitalizacja jako indywidualne doświadczenie przedsiębiorstw 

Na pytanie, czym jest digitalizacja, nie ma jednej poprawnej odpowiedzi. Ile jest przedsiębiorstw, tyle jej rodzajów, a co za tym idzie – możliwości wykorzystania jej potencjału. Wdrożenie cyfryzacji wymaga przede wszystkim zmiany ze strony samej organizacji, która musi być mentalnie i społecznie przygotowana do funkcjonowania w warunkach dużej niepewności. Obecnie sporo firm wciąż ma problem ze zdefiniowaniem, jak wykorzystać potencjał cyfrowej transformacji. Z badania Smart Industry Polska przeprowadzonego w 2018 roku wyłania się obraz polskiego przedsiębiorcy, który walczy o utrzymanie swojej firmy na konkurencyjnym rynku i mierzy się z barierami rozwoju technologicznego. Konsekwencją tych codziennych zmagań jest odkładanie na  drugi plan tematyki innowacji i długofalowej strategii. Punktem wyjścia do pokonania tych trudności często okazuje się konieczność „odczarowania” zagadnienia cyfryzacji, uświadomienia przedsiębiorcom, że może ona być tym, czego konkretnie i indywidualnie od niej potrzebują. Prawdziwą digitalizacją jest szukanie wartości i innowacji na styku kompetencji poszczególnych działów w danej firmie. Natomiast w efektywnym wdrażaniu nowych technologii, najcenniejsze okazują się dane. 

Big Data w przemyśle cyfrowym 

Dane mają w przemyśle cyfrowym krytyczne znaczenie. Umożliwiają wnioskowanie, wspieranie decyzji pracowników czy tworzenie nowych planów pod presją czasu. Dziedziną, która zajmuje się praktycznym zastosowaniem danych i technologiami z tym związanymi jest Big Data. Coraz chętniej wykorzystywane są w niej narzędzia sztucznej inteligencji – algorytmy uczenia maszynowego. Ciekawym przykładem zastosowania Big Data jest predykcyjne utrzymanie ruchu (Predictive Maintenance) pozwalające na ustawiczne monitorowanie pracy maszyn i reagowanie na problemy natychmiast po otrzymaniu komunikatu alarmowego. Wskaźniki diagnostyczne tworzone w oparciu o dane dostarczane w czasie rzeczywistym przez sieć umożliwiają ciągłe śledzenie anomalii i diagnozowanie sytuacji awaryjnych. W ekonomii przemysłu szczególne znaczenie odgrywa wczesne wykrywanie awarii, pozwala bowiem uniknąć kosztów naprawy i wymiany sprzętu oraz konsekwencji niedotrzymania umów. Najnowsze technologie pozwalają na monitorowanie stanu urządzeń, opierając się na tanich i niskoenergetycznych czujnikach działających w technologiach Internetu Rzeczy (IoT), połączonych z analizą informacji w chmurze i sztucznej inteligencji. Stosowane rozwiązania wykorzystują algorytmy i analitykę danych, pomagając przewidywać problemy lub awarie. W przeciwieństwie do tradycyjnych rozwiązań monitorowania stanu, współczesne rozwiązania IoT nie wymagają infrastruktury przewodowej, serwerów ani anten i są łatwiejsze do zintegrowania z istniejącą infrastrukturą.

Pozyskiwanie danych i technologie chmurowe 

Cyfryzacja w praktyce oznaczać może szereg zmian: od wdrożenia opomiarowania w zakładzie, przez nowe rozwiązania w zakresie oprogramowania, po rozwiązania sprzętowe wyposażone w funkcje cyfrowe. Przykładem rozwiązania software’owego może być Siemens MindSphere. Jest to oprogramowanie narzędziowe zapewniające bezpieczne pozyskiwanie danych, ich obróbkę i przechowywanie w chmurze. Znacząco upraszcza analitykę rozproszonych źródeł danych. Pozyskanie dużej ilości informacji o procesach produkcyjnych, stanie maszyn, stanach magazynowych (w tym surowców do produkcji), kosztach energii, dostępności personelu i innych informacji otwiera drogę do bardzo konkretnych innowacji i usprawnień działania przedsiębiorstwa. Dzięki MindSphere możemy zebrać wszystkie dane produkcyjne i wyeksportować je do bezpiecznej chmury danych. Za pomocą dedykowanych aplikacji możemy następnie tworzyć dowolne wskaźniki i raporty wspierające podejmowanie strategicznych decyzji w przedsiębiorstwie.

 

Innym przykładem zastosowania danych i sztucznej inteligencji w cyfryzacji jest moduł ze zintegrowanym chipem obsługującym sztuczną inteligencję dla sterownika SIMATIC S7-1500. Dzięki wykorzystaniu algorytmów uczenia maszynowego można na przykład zoptymalizować obsługę robotów przemysłowych. W procesie uczenia się sztuczna inteligencja (AI) wymaga dużych ilości danych, które są dostępne tylko wówczas, kiedy procesy zostały zdigitalizowane i połączone ze sobą.

Cyfrowy bliźniak 

Z racji tego, że tak wiele produktów nie jest już czysto mechanicznych, lecz stanowi połączenie układów i części mechanicznych i elektronicznych, model 3D nie jest wystarczający do odwzorowania projektu. Rozwiązaniem, które jest w stanie odwzorować rzeczywiste zachowania produktu, jest cyfrowy bliźniak (ang. digital twin). Przez wiele osób jest on kojarzony przede wszystkim z przemysłem motoryzacyjnym, gdzie wykorzystuje się go między innymi podczas projektowania i budowy pojazdów oraz linii technologicznych. Rozwiązanie to może jednak wspomagać różne procesy projektowania i rozwoju, w szczególności tam, gdzie powstające produkty łączą konieczność projektowania mechanicznego, materiałowego i elektrycznego.

 

Obszar zastosowań cyfrowego bliźniaka obejmuje całościowy cykl życia produktów, gdzie dane z pracujących u klientów urządzeń stanowią informacje pozwalające na iteracyjny proces rozwoju i udoskonalania projektu. Przykładowo symulacja samochodu może korzystać z rzeczywistych warunków roboczych i przeprowadzać eksperymenty w postaci zmiany smaru lub ulepszenia oprogramowania w celu lepszego sterowania silnikiem lub też zmiany materiału wykorzystywanego w określonych miejscach pojazdu. Symulacja może wpływać na poprawę zachowania części składowych oraz dać możliwość znalezienia rozwiązania problemu i ulepszenia kolejnej wersji. Obecnie, w najbardziej wyrafinowanych systemach cyfrowy bliźniak może być zsynchronizowany z produktem fizycznym, poprzez włączenie danych z realnego urządzenia, co daje możliwość uzyskania odpowiedzi na pytania dotyczące zachowania produktu w świecie rzeczywistym. 

Dane kluczem do rewolucji 4.0

Na naszych oczach dokonuje się rewolucja 4.0 w przemyśle, której paliwem jest cyfryzacja. Składa się na nią grupa technologii, którą można sprowadzić do jednego wspólnego mianownika: odejścia od technologii analogowych na rzecz cyfrowych, w których decydujące znaczenie ma jednoznaczny zapis informacji – danych zerojedynkowych. W technologiach cyfryzacji to dane mają decydujące znaczenie. Jednocześnie oznacza to, że dla każdej firmy cyfryzacja będzie czym innym. Ostatecznie, prawdziwą digitalizacją jest połączenie i szukanie wartości na styku organizacji wewnętrznych w naszych firmach.

 

Z zastosowaniem danych wiążą się także nowe zawody, na przykład analityka sieci prognozowania dostaw. Pracownicy na tym stanowisku nie dokonują ocen i predykcji potrzeb rynkowych na podstawie „przeczucia” czy raportów z poprzednich lat, tylko na podstawie analizy różnego rodzaju danych liczbowych. Osoba taka dzięki dostępnym narzędziom cyfrowym podejmować będzie decyzje w oparciu o dane z narzędzi, takich jak uczenie maszynowe i cognitive computing.

 

W praktyce digitalizacja oznacza robotyzację, wdrożenie cyfrowego opomiarowania, przechowywanie danych w chmurze, przemysłowy Internet Rzeczy, sztuczną inteligencję, uczenie maszynowe, Big Data czy cyfrowego bliźniaka. Cyfrowy przemysł ewoluuje i rozwija się, podobnie jak inne dziedziny naszego życia, bardzo dynamicznie. Pozwoli przedsiębiorstwom wytwarzać szybciej, w sposób bardziej elastyczny, tańszy i w wyższej jakości. Dla nas konsumentów oznacza to lepsze, doskonalsze produkty – inteligentne autonomiczne samochody, sprzęt AGD, który sam zadba o to, by się nie popsuć lub poinformuje nas o możliwej awarii, inteligentną odzież, która będzie monitorować stan naszego zdrowia i zadba o nasze bezpieczeństwo.

Nowe spojrzenie na dane

Już w 2018 roku monetyzacja danych została uznana za jeden z wiodących trendów Internetu Rzeczy, według badania przeprowadzonego przez EY. Coraz więcej firm zaczyna zdawać sobie sprawę z ich potencjału, choć stosowane modele biznesowe są w większości wciąż dość tradycyjne. Czwarta rewolucja przemysłowa zakłada gospodarkę opartą o wiedzę, a ta z kolei pochodzi z danych. Wiele firm wciąż ma jednak problem ze zdefiniowaniem, jak skonsumować potencjał drzemiący w cyfrowej transformacji, jak pójść o krok dalej korzystając z jej dobrodziejstw. Konkurencja opiera się obecnie na tempie, w jakim przedsiębiorcy uświadamiają sobie ten potencjał. Aleksander Poniewierski, autor książki „SPEED – no limits in the digital era”, przyznaje, że zbieranie danych i sposoby ich przetwarzania stanowią nowy rodzaj własności intelektualnej. Najbardziej konkurencyjne będą te firmy, które najszybciej uznają dane za podstawową wartość i nauczą się na niej zarabiać. 

Autor: Łukasz Otta, Digital Transformation Director Siemens Digital Industries