Os dados corretos da fonte correta criam os modelos corretos

As fábricas conectadas estão se tornando comuns, à medida que os fabricantes reconhecem e adotam o poder que seus dados operacionais podem desbloquear. De fato, a pandemia de COVID-19 forçou muitas empresas a mudar e se adaptar ao “novo normal”, com o protagonista principal desses esforços sendo a base das capacidades de dados – digitalização.

Ao revelar sua tecnologia, pessoas e processos – e extrair esses dados operacionais – muitos descobriram inúmeras capacidades e conexões adormecidas que lhes proporcionam ainda mais insights sobre a operação, capacidade e eficiência de suas linhas de produção.

Mas com todos esses novos dados disponíveis, a grande questão é: esses dados são usados ao máximo? As empresas estão extraindo cada byte de informações utilizáveis e, em seguida, implantando-os onde e quando podem fazer a diferença – tomando as decisões certas no momento certo?

Qual é a sua fonte?

Em muitos casos, a decisão certa pode ser afetada por onde a decisão está sendo tomada, o que é indiscutivelmente tão importante quanto como a decisão está sendo tomada. Cada caso de uso é diferente, pois há valor em resolver problemas no dispositivo, controle, borda e/ou nuvem.

O valor da nuvem reside em tipos específicos de aplicativos, como compartilhamento de dados entre ecossistemas e a cadeia de fornecimento, agregação de dados e visualização não em tempo real (monitoração de energia), aplicativos de computação intensiva, desenvolvimento e treinamento de modelos de aprendizado de máquina, só para citar alguns.

Mas, normalmente, quanto mais longe você estiver da fonte dos dados, menos atualizações verá nos dados – o que significa que os valores intermediários dos dados podem estar faltando. Como resultado, os usuários da nuvem geralmente veem apenas um pequeno conjunto de possíveis valores de dados e dados internos do dispositivo; os modelos de processo, controle e dispositivo não são visíveis.

Na maioria dos casos, as decisões devem ser tomadas o mais próximo possível da fonte – a borda – para manter o contexto e a velocidade dos dados. A contextualização e a modelagem na borda permitem insights de análise mais ricos, e as soluções baseadas em borda para nuvem podem aproveitar o melhor dos dois mundos para oferecer maior agilidade e produtividade.

Quando você coleta e analisa dados mais perto da fonte, obtém feedback em tempo real. Sem essa imediaticidade, você pode construir um modelo ou simulação com recursos e escopo limitados – porque você não sabe o que não sabe! Você precisa de informações que permitam entender a capacidade real, não apenas a capacidade observada típica. Mas uma solução de borda é apenas parte do quadro.

Análise de dados: limites e mitos

Análise, IA e aprendizado de máquina podem ser ferramentas poderosas quando usadas em conjunto com bibliotecas e especialistas em domínio – que podem entender e desbloquear valor e oportunidades não vistos – e podem fornecer oportunidades para otimização de processos e previsões futuras com base no comportamento observado. Mas essas ferramentas não podem ser aplicadas genericamente, devido à grande variedade de possíveis aplicações em todo o amplo espectro industrial.

A análise de dados também não fornece um quadro completo. Você verá apenas os dados que pode observar, portanto, recursos e limitações adicionais geralmente não são visíveis, e um status de quadro completo pode não estar disponível.

Não há fatias suficientes

Pegue, por exemplo, um caminhão de pizza artesanal e o que os dados operacionais nos dirão sobre ele. Ele opera por X horas, Y dias por semana, servindo Z pizzas, com um tempo T entre o pedido e a entrega. O que não podemos “observar” são as capacidades do caminhão: Quantas horas por dia ele poderia operar? Quantas horas o pessoal precisa trabalhar? Eles são treinados e em que nível? Qual é o número máximo de porções? Qual é o seu alcance (e velocidade) entre os pontos? Ele é devidamente mantido? Que equipamentos (capacidades) estão na cozinha? Outros alimentos podem ser preparados?

O exemplo do caminhão de pizza ilustra como muitas empresas enfrentam uma mistura de dados e modelos, onde alguns dos detalhes não estão prontamente disponíveis. Isso é particularmente verdadeiro ao tentar examinar dados remotamente. Compreender os limites dos dados observáveis e considerar onde dados adicionais podem ser coletados e incluídos dará, em última análise, uma imagem mais robusta de qualquer situação.

A isso se somam os múltiplos desafios em torno da disponibilidade de dados, incluindo a taxa de amostragem, a forma como os dados são expressos e as limitações causadas pelos recursos de comunicação de rede, resultando em grandes lacunas nos dados.

O que se encaixa em mim?

Você precisa entender o problema que está tentando resolver e o resultado que está tentando alcançar. Se você precisa saber mais e fazer mais, é melhor começar com a análise, que lhe dará insights sobre onde existem problemas, para que você possa criar uma estratégia para resolvê-los. Isso geralmente significa adicionar sensores adicionais ou construir modelos para modelar a solução. Esses modelos também podem ser críticos para descobrir e explorar soluções que você nunca tentou antes.

Há valor em resolver problemas no dispositivo, controle, borda e nuvem, mas em todos os casos, você deve tentar usar as ferramentas que melhor atendem às suas necessidades. De fato, você pode até se encontrar implantando uma solução híbrida.

É crucial encontrar o equilíbrio certo para desbloquear todo o potencial de uma fábrica. O objetivo final deve ser aplicar o conhecimento do domínio e a modelagem certa para criar uma simulação precisa usando uma imagem completa dos dados – não apenas o que você já sabe!