Ứng dụng Big Data trong sản xuất
Phân tích kinh doanh là ưu tiên hàng đầu và là một trong những lĩnh vực chuyển động nhanh nhất trong ngành sản xuất. Sản xuất là một ngành có nhiều bộ phận chuyển động liên tục theo thời gian thực : nguồn nhân lực, nguyên liệu thô, đầu tư vốn, thiết bị sản xuất, dịch vụ hậu cần, chưa kể đến nhu cầu của khách hàng luôn thay đổi. Dữ liệu được tạo ở mỗi lượt sản xuất, nhưng nó thường ở trong silo, bị giới hạn trong các hệ thống CNTT riêng lẻ trong nhà máy. Điều này đúng với tất cả các nhà sản xuất, cho dù hàng không vũ trụ và quốc phòng, ô tô, máy móc công nghiệp hoặc các sản phẩm nhà máy.
Với các công cụ phân tích Big data bạn có thể nhanh chóng pha trộn và liên kết dữ liệu tương tự để đạt được kết quả quyết định trong vài giây.Sử dụng những gì bạn học được từ các phân tích sản xuất của mình để cải thiện hiệu quả của quy trình, tập trung giám sát sản xuất, phục vụ khách hàng tốt hơn và biến dữ liệu thời gian thực thành thông tin chi tiết đúng lúc.
Big data là điều cần thiết để đạt được năng suất và hiệu quả đạt được và khám phá những hiểu biết mới để thúc đẩy đổi mới. Với phân tích Big data, các nhà sản xuất có thể khám phá thông tin mới và xác định các mẫu cho phép họ cải thiện quy trình, tăng hiệu quả chuỗi cung ứng và xác định các biến ảnh hưởng đến sản xuất.
Những lợi ích khi áp dụng phân tích Big data trong sản xuất
Trong thị trường ngày nay, việc khám phá tác động và tương tác giữa hiệu quả sản xuất, chất lượng sản phẩm, nhu cầu của khách hàng và sự xuất sắc của dịch vụ đơn giản là không thể nếu không có các phân tích có ý nghĩa. Dưới đây là bốn cách các nhà sản xuất hàng đầu là cách mạng hóa ngành công nghiệp của họ với phân tích dữ liệu:
Cải thiện sản xuất, hiệu suất nhà máy và sản phẩm với các ứng dụng phân tích tự phục vụ
Những người trong ngành sản xuất có truyền thống truy cập thông tin chi tiết thông qua các báo cáo tĩnh từ các ứng dụng doanh nghiệp và các công cụ kinh doanh thông minh, tất cả chỉ được quản lý và sử dụng bởi bộ phận CNTT. Cách cũ này, chủ yếu được thiết kế và xây dựng vào những năm 1990 nói chung là phức tạp, không linh hoạt và tốn thời gian.
Bởi vì các triển khai phân tích tốt nhất là dashboard do người dùng tạo đang chạy trên cơ sở hạ tầng do CNTT quản lý, tối ưu hóa cho tự phục vụ là chìa khóa để giúp phân tích dũ liệu nhanh hơn
Ứng dụng Phân tích tự phục vụ sẽ trao quyền cho nhân viên sản xuất cá nhân và toàn bộ các tổ chức đều có thể xem và hiểu dữ liệu trong chuỗi cung ứng , trong hoạt động sản xuất và trong suốt toàn bộ vòng đời dịch vụ.
Với các khả năng hiển thị bổ sung vào hiệu suất hoạt động, nhân viên sẽ có thể giám sát dữ liệu trong toàn bộ tổ chức và áp dụng nó để cải tiến kinh doanh liên tục và cải tiến quy trình thông qua các triết lý của six
sigma hoặc nguyên tắc lean . Ứng dụng Tự phục vụ triển khai theo khung DMAIC để hỗ trợ chu trình cải tiến dựa trên dữ liệu cho phép một cá nhân khám phá và xác định nguyên nhân gốc của lỗi sản phẩm hoặc tắc nghẽn trong sản xuất.
Ví dụ : Dashboard này là một ví dụ về quy trình và phân tích sản xuất, nơi người dùng có thể
khám phá hiệu suất của một vài chục đơn đặt hàng được sản xuất bởi một nhà sản xuất bằng cách sử dụng hai máy móc. Người dùng có thể duyệt qua các đơn đặt hàng được lấp đầy bên trái và xem sản xuất thực sự được điều hành bởi tập hợp nhiều bộ dữ liệu trên một dashboard duy nhất. Biểu đồ này mô tả
các số liệu chính ảnh hưởng đến sản xuất (thiết lập, downtime , tốc độ chạy). Chúng ta hãy Lưu ý cách sự khác biệt trong xu hướng phương sai giữa Hai máy. Tại sao máy 123 Chạy tốt hơn Máy 456?
Tăng cường hiệu quả lập kế hoạch bán hàng và vận hành với dự báo chính xác
Những cải tiến lớn trong sản xuất phải bắt đầu từ nguồn cung cấp cho chuỗi cung ứng.Điều quan trọng là mọi chuyên gia trong chuỗi cung ứng đều có thể cung cấp hàng hóa và dịch vụ bằng cách sử dụng các hệ thống thông tin khác nhau được tích hợp dữ liệu chặt chẽ.
Các nhà sản xuất ngày nay phải đối mặt với nhiều nguồn dữ liệu: lực lượng lao động và lập kế hoạch đặt hàng từ hệ thống ERP, thông tin đặt hàng từ hệ thống MES, nhật ký thời gian và tham dự, dữ liệu báo động và sản xuất từ các nhà sản xuất thiết bị khác nhau, và các hệ thống PLC và SCADA khác nhau. Liên kết các silo thông tin này là chìa khóa để hiểu bức tranh lớn và ra quyết định chính xác cho chuỗi cung ứng.
Cải thiện hoạt động chuỗi cung ứng với phân tích thời gian thực
Các cuộc cách mạng hơn trong hoạt động chuỗi cung ứng là khả năng nhìn và hiểu những gì đang xảy ra với dữ liệu trong thời gian thực và từ một thiết bị di động. Dữ liệu sản xuất liên tục thay đổi nhưng ngay lập tức có liên quan. Sử dụng dữ liệu vào đúng thời điểm là rất quan trọng để hoạt động có lợi hơn.
Thông tin kinh doanh trên thiết bị di động cuối cùng cũng cung cấp thông tin khi nào và ở đâu cần thiết để đưa ra quyết định nhanh chóng.
Công ty Coca-Cola Consolidated (CCBCC) là công ty đóng chai Coca-Cola độc lập lớn nhất ở Hoa Kỳ, có các công nhân trên mặt đất tương tác và hợp tác với dashboard trực quan từ bất cứ nơi nào ngay cả những người lái xe tải ở các thành phố khác nhau.
CCBCC đã giải quyết một nút thắt lớn trong chuỗi cung ứng của họ, do hạn chế về báo cáo, bằng cách cung cấp cho các nhà lãnh đạo và hơn 800 nhân viên cập nhật dashboard hàng ngày trên thiết bị di động. Dashboard hoạt động hàng ngày này chủ yếu được sử dụng bởi các tài xế xe tải thực hiện việc giao hàng và sản phẩm thực tế.
Người lái xe tải cần biết nơi giao hàng có lợi nhất, hiệu quả nhất có thể được thực hiện, và không mất nhiều ngày và giờ để giải câu đố đó.
Dashboard này được chia thành các lĩnh vực cần thiết khác nhau như hóa đơn, hiệu suất giao hàng và thời gian giao hàng. Nó cũng có khả năng đi sâu vào dữ liệu cơ bản để khám phá thông tin cụ thể trong các lãnh thổ và chi nhánh.
Lắng nghe và phản ứng với phản hồi của khách hàng nhanh hơn
Vào cuối ngày, mong muốn và nhu cầu của khách hàng là vấn đề. Các nhà sản xuất cần thu thập dữ liệu khách hàng bằng cách nghe nhiều kênh khác nhau như phương tiện truyền thông xã hội, trung tâm cuộc gọi và khảo sát khách hàng. Khi tìm hiểu sâu sắc từ thông tin khách hàng, tốc độ hành động với các thông tin đó là điều quan trọng nhất.
Trane, một công ty hàng đầu về hệ thống và thiết bị điều hòa không khí, đã chuyển từ sử dụng bảng tính sang tích hợp trực quan hóa dữ liệu tự phục vụ với dữ liệu dịch vụ khách hàng để cải thiện đáng kể tốc độ của họ để hiểu rõ hơn khách hàng 10-100 lần.
” Chúng tôi cần lắng nghe và chúng tôi cần diễn giải dữ liệu đó. Và chúng tôi muốn nhanh chóng phản ứng theo hai cách. Chúng tôi muốn phản ứng trực tiếp bằng cách trả lời khách hàng của chúng tôi. Chúng tôi cũng muốn phản ứng như một doanh nghiệp và xác định chiến lược những gì quan trọng đối với khách hàng của chúng tôi. Keith Michael Nealy, nhà phân tích khách hàng cao cấp từ Trane.”
Với dữ liệu trực quan hóa, Trane theo dõi các số liệu chính để ghi điểm phản hồi của khách hàng nhanh hơn. Họ có thể đào sâu vào dữ liệu của họ để tìm câu trả lời, ví dụ, các kỹ thuật viên có đến đúng giờ trong một khu vực nhất định không? Nhân viên bán hàng, nhân viên sản xuất và giám đốc điều hành đều có thể nhìn thấy rất nhanh các quận hoạt động hàng đầu và dưới cùng, cũng như đi sâu vào dữ liệu cơ bản để tìm hiểu lý do tại sao khách hàng vui vẻ hoặc phàn nàn.
Những trở ngại lớn khi áp dụng phân tích Big data trong sản xuất
Hầu hết các doanh nghiệp, nhà sản xuất đều gặp những khó khăn khi triển khai các dự án phân tích Big data trong sản xuất vì những lý do sau đây.
Thiếu hiểu biết về lợi ích của dữ liệu
Vì nhiều lý do, các nhà sản xuất nhỏ và lớn có thể không thấy giá trị hữu hình của việc nắm lấy dữ liệu.
Các công ty nhỏ hơn có ít hơn 1.000 nhân viên thường không có một đội ngũ nhân viên CNTT lớn. Các nhà sản xuất có ít hơn 250 nhân viên có thể có năm nhân viên CNTT, tất cả họ đều làm việc quá sức và có thể có kiến thức hạn chế về thông tin kinh doanh, phần mềm và công nghệ cơ sở dữ liệu. Những công ty nhỏ hơn này đại diện cho hơn 99% doanh nghiệp sản xuất và gần 85 phần trăm công nhân trong lĩnh vực sản xuất của Hoa Kỳ. Nhưng các công ty này, các nhà lãnh đạo có thể thiếu các nhân viên kỹ thuật để giúp họ hiểu được lộ trình giá trị.
Trong nhiều năm, các công ty lớn đã đầu tư vào kho dữ liệu đắt tiền và các công cụ phân tích vì họ có nhân viên để triển khai và quản lý các khoản đầu tư này. Trong số đó, đã có những thành công và thất bại. Hầu hết các triển khai này liên quan đến nhiều người và nhiều tháng và / hoặc năm để triển khai. Đội ngũ kỹ thuật của họ thường có tồn đọng công việc lớn và có thể không hoàn toàn đánh giá cao những lợi ích của việc trao quyền cho người dùng cuối.
Ngân sách đầu tư hạn chế
Các doanh nghiệp thuộc mọi quy mô phải sống trong khả năng của họ. Các công ty lớn hơn với ngân sách lớn hơn có thể đầu tư nhiều hơn vào công nghệ thông tin. Họ có thể thuê các chuyên gia công nghệ để triển khai, quản lý và quản lý các khoản đầu tư này. Nhưng các công ty nhỏ hơn có ít vốn khả dụng để đầu tư vào công nghệ. Họ nhạy cảm hơn nhiều với số tiền đầu tư vào công nghệ và nhân viên công nghệ của họ.
Trong cả hai trường hợp, khi một cái gì đó mới xuất hiện có thể giúp cải thiện hệ thống dữ liệu và tăng tốc độ để hiểu rõ hơn, cần có thời gian để các công ty đánh giá và xác nhận công nghệ mới.
Dữ liệu không chính xác hoặc không đầy đủ
Ngay cả các công ty lớn với các nhóm phân tích chuyên dụng cũng có dữ liệu xấu. Phần lớn thời gian dành cho việc triển khai một giải pháp thông tin kinh doanh là trong việc chuẩn bị dữ liệu và đảm bảo dữ liệu đầy đủ và chính xác. Triển khai cũng bao gồm thực hiện các quy trình để thu thập, làm sạch và tải dữ liệu chi tiết nhanh hơn.
Các công ty nhỏ hơn thường thiếu nguồn lực nội bộ để thực hiện công việc kỹ thuật này,
và, kết quả là, dựa vào bảng tính cho hầu hết phân tích và khám phá dữ liệu. Ngay cả các công ty lớn có đầu tư lớn vào nhân viên, kho dữ liệu và phần mềm phân tích cũng yêu cầu tồn đọng có thể vượt quá một năm. Điều đó bởi vì các công cụ họ đã triển khai yêu cầu nhân viên kỹ thuật xây dựng và phân phối báo cáo và phân tích mong muốn, và nhân viên đã bị hạn chế với khối lượng công việc hiện có.
Theo kinh nghiệm của các chuyên gia có năm cách để thực hiện thay đổi và vượt qua những thách thức này trong sản xuất:
- 1. Giải quyết một nhu cầu rõ ràng
- 2. Bắt đầu với một dự án nhỏ
- 3. Làm việc với một nhóm nhỏ
- 4. Học cách thực hành tốt nhất
- 5. Tận dụng kinh nghiệm để tránh sai lầm
Kết luận
Big data đã đến trong sản xuất và theo một xu hướng rất nhanh. Không cần phải nói rằng nó sẽ chi phối toàn bộ tương lai của ngành sản xuất vì rõ ràng từ Nghiên cứu Kinh tế Thông minh do Wipro thực hiện – ‘Sản xuất và khoa học dữ liệu’ trong đó 86% người trả lời khảo sát báo cáo sự gia tăng lớn trong việc thu thập dữ liệu và 90% người được hỏi cho biết công ty của họ đã trưởng thành khả năng phân tích dữ liệu cho nhiều quy trình sản xuất.
Các câu hỏi thường thấy là : Làm thế nào các nhà sản xuất sử dụng những khối lượng dữ liệu khổng lồ này để có được những hiểu biết có giá trị đến lượt nó sẽ giúp mang lại lợi nhuận? Là thu thập dữ liệu dễ dàng hoặc lộn xộn với các vấn đề liên quan đến chất lượng và tính minh bạch ? Có dễ dàng tích hợp dữ liệu từ nhiều nguồn khác nhau không ?
Đã đến lúc chuyển từ dự báo đơn thuần các vấn đề sử dụng dữ liệu sang thực sự giải quyết các câu hỏi trên bằng cách sử dụng dữ liệu một cách hiệu quả. Mặc dù có sự phức tạp giữa lý thuyết và thực hành dữ liệu tại cửa hàng, các công ty được khảo sát đã tìm thấy một số vùng thoải mái, nơi có thể truy cập các lợi ích của thông tin do máy tạo thời gian thực.
Như đã đề cập ở trên, nhiều doanh nghiệp có khả năng phân tích dữ liệu trưởng thành và sử dụng những hiểu biết thu thập được từ phân tích dữ liệu sản xuất, hai phần ba các công ty báo cáo tiết kiệm hàng năm từ 10% trở lên về chi phí chất lượng và hiệu quả sản xuất. Trong mộtxu hướng phân tích dữ liệu phát triển nhanh như vậy sẽ cung cấp cho các nhà sản xuất một cơ hội lớn để dự đoán, đổi mới và thực hiện chuyển đổi số cho doanh nghiệp của mình.
Bài viết tham khảo nguồn từ Tableau và Internet.