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!

Saiba mais sobre como você pode usar seus dados em todo o seu potencial no hub Management Perspectives. Lá, você encontrará uma infinidade de recursos para tomadores de decisão executivos da indústria, fornecendo as informações de que você precisa para prosperar no cenário digital em constante evolução.