의미 있는 분석을 위해 스마트 팩토리 데이터를 통합하는 BI 대시보드

산업용 IoT 및 스마트 팩토리의 도래로 인해 새로운 요구 사항이 생겼습니다. 차세대 분석 시스템에서 새로운 방식으로 운영 데이터의 잠금을 해제합니다. 스마트 산업 분석은 비교적 최근의 사용 사례이지만 활동이 뜨거워지기 시작했습니다. 과제는 단순히 운영 로그에 콘텐츠를 저장하는 것 이상으로 여러 산업용 IoT 접점에서 추출한 데이터에서 의미 있는 추세를 찾는 것입니다.

사물 인터넷(IoT) 센서에 의해 생성된 스마트 공장은 다른 기업 데이터 포인트와 상관 관계가 있어야 하며 의미 검색은 일시적인 순간이 아니라 일상적인 워크플로의 일상적인 일부가 되어야 합니다.

IoT 데이터를 일반 프로세스에 통합하려면 분석 소프트웨어가 필요합니다. 이 소프트웨어는 인공 지능 AI 및 기계 학습 기술을 기반으로 합니다. 방정식의 또 다른 부분은 IT 비즈니스 인텔리전스 대시보드를 공장 운영 데이터와 연결하는 IoT 커넥터입니다.

BI 대시보드는 오랫동안 백룸 분석의 일부였지만 대부분은 최근까지 산업용 IoT 데이터 입력을 적절하게 처리할 수 없었습니다. 스마트 팩토리가 고립된 데이터를 피하려면 가능한 분석 기능을 갖춘 BI 대시보드를 선택하는 것이 가장 중요합니다. 오늘날 많은 대시보드가 ​​산업 IoT와 데이터 레이크(대량의 비정형 정보를 집계하기 위한 방대한 스토리지 풀) 또는 클라우드 데이터베이스에 대한 액세스를 결합합니다.

McKinsey의 파트너인 Enno de Boer는 "스마트 공장 데이터는 비즈니스 전반의 다른 기능에서 가져온 데이터와 공통점이 많습니다. "가치가 있으려면 의사 결정에 정보를 제공하는 데 사용해야 합니다." 그렇지 않으면 방대한 양의 데이터를 수집하고 집계하는 데 의미가 없습니다.

가치 사슬 전체

McKinsey의 디지털 제조 작업 및 Global Light House 네트워크의 일부로 World Economic Forum과의 협업을 이끌고 있는 de Boer는 진정으로 가치가 있으려면 전체 가치 사슬에 걸쳐 공장 현장 데이터를 통합해야 한다고 말했습니다.

분석을 더 잘 사용함으로써 de Boer는 "구성 요소 소싱에서 최종 배송에 이르기까지" 모든 것에 영향을 미치는 맞춤형 생산을 보고 있습니다.

오늘날 비즈니스 인텔리전스 분석은 엔터프라이즈 IT 제품의 일반적인 기능입니다. 그러나 이 기술을 운영에 적용하는 것은 더 어려운 것으로 판명되었습니다. ResearchAndMarkets.com에 따르면 장애물 구현에도 불구하고 전 세계는 2026년까지 160억 달러에 이를 것으로 예상됩니다.

Smart Factory Analytics 스코어카드

이제 여러 공급업체에서 향상된 산업 분석 및 BI 대시보드를 제공하기 위해 노력하고 있습니다. 스마트 팩토리 시장의 선두주자로는 ABB, Honeywell International, Robert Bosch, Siemens 등이 있습니다.

스마트 팩토리 데이터의 캡처, 처리, 저장 및 분석과 관련하여 제조 분야에서 주목할만한 발자국을 가진 IT 거물이 혼합의 일부입니다. 이들 중 최고는 IBM, Hewlett Packard Enterprise 및 SAP입니다. 혁신적인 데이터 스타트업은 Cloudera 및 DataStax와 같은 스마트 팩토리 분석의 특수 요구 사항도 목표로 삼았습니다.

클라우드가 공장 분석의 중심이 되면서 클라우드 리더인 Amazon Web Services, Google 및 Microsoft는 전문화된 데이터 워크플로 파이프라인을 구축하고 있습니다. 플레이어는 차례로 Looker, Microsoft, Tableau 등과 같은 최종 사용자 비즈니스 인텔리전스 대시보드를 지원합니다.

스마트 공장 구축

스마트 팩토리 분석을 구축하는 것은 만만치 않은 작업입니다. 디지털 혁신에 관한 IBM 보고서에 따르면 일반적인 제조 현장에서는 한 달에 2,200개 이상의 데이터를 생성할 수 있으며 해당 데이터의 대부분은 분석되지 않습니다. 분석되지 않은 상태로 남아 있는 데이터의 유입은 계속되는 산업용 IoT 개념 증명(POC) 프로젝트의 문제에 기여합니다.

대부분의 산업 데이터는 IT 외부에서 생성된다고 IBM의 산업, 에너지, 자원 및 제조 부문 총책임자인 Manish Chawla는 강조합니다. 그는 최근 업계의 노력이 프로젝트 기반 개선에 중점을 두고 있다고 지적했습니다. 잘못된 계획은 POC의 리드 타임을 연장할 수 있습니다.

“사람들은 기초 없이 펜트하우스를 짓려고 했습니다.”라고 그는 말했습니다.

Chawla는 또한 IBM이 최근 Siemens 및 Red Hat과 협력하여 교차 플랫폼 접근 방식을 통해 Siemens의 산업용 IoT 플랫폼인 MindSphere의 분석을 공장 가장자리에 더 가깝게 실행했다고 말했습니다.

SAP 제품 관리, 제조 및 산업용 IoT 책임자인 Dominik Metzger 부사장은 SAP는 고객이 IoT 및 비즈니스 데이터와 함께 시계열 지향 히스토리언 데이터를 혼합하여 분석할 수 있도록 노력하고 있다고 말했습니다. 데이터 히스토리언은 거버넌스 목적으로 제조 IT 프로세스의 출력을 기록하는 소프트웨어 기능입니다.

Metzger의 경우 최근 몇 년 동안의 주요 변경 사항 중 하나는 데이터 처리의 표준화 정도입니다. Metzger는 데이터 레이크를 스마트 공장을 위한 분석을 가능하게 하는 요소로 인용하면서 "더 경제적이고 확장 가능하게 되었습니다."라고 말했습니다.

SAP는 비즈니스 프로세스에 IoT 데이터 분석을 포함하는 것을 인더스트리 4라고 부르는 인더스트리 4.0 전략의 핵심 다음 단계로 보고 있습니다. 인더스트리 4는 데이터 히스토리언, 에지 서비스, 클라우드 또는 ERP와 같은 소스의 워크플로를 포괄하는 참조 아키텍처입니다. 비즈니스 인텔리전스 기능을 갖춘 시스템입니다.

분석에는 데이터 볼륨이 필요합니다.

스마트 팩토리 분석의 진화는 일반적으로 분석에 영향을 미치는 요인으로 인해 복잡합니다. 예를 들어 AI와 머신 러닝을 기반으로 하는 예측 및 처방 분석의 부상은 몇 가지 구현 과제를 제시합니다. PTC의 AI 및 분석 담당 부사장인 Ed Cuoco에 따르면 여기에서 사용자는 분석을 사용하여 운영에 대해 더 깊이 파고들 때 신중하게 진행해야 합니다.

예를 들어 진단을 위한 분석을 구현할 때 기계 학습이나 AI 유형 솔루션보다 단순한 통계적 프로세스 제어가 선호될 수 있다고 Cuoco는 말했습니다.

"양질의 양질의 과거 데이터가 없으면 원하는 통찰력을 얻지 못할 수도 있습니다."라고 그는 덧붙였습니다.

IoT 플랫폼 제공업체인 PTC는 최종 사용자 및 기타 소프트웨어 제조업체와 긴밀하게 협력하여 공장 일선에서 비즈니스 최종 사용자에게, 때로는 다시 되돌아오는 분석을 제공합니다. PTC의 Vuforia 증강 현실 및 ThingWorx 플랫폼을 사용하여 운영 작업자에게 분석 정보를 전달하는 Fujitsu Smart Factory 프레임워크를 본 최근 거래의 경우가 그렇습니다.

분석을 위한 새로운 그래픽

고급 데이터 분석 현장의 주변부에 오랫동안 존재했던 그래프 데이터 기술은 공장 및 기타 환경에서 수용되고 있습니다. Neo4j의 Aura Enterprise와 같은 그래프 데이터베이스는 유용성이 입증되었으며 사용자의 스마트 공장 분석을 컨텍스트에 적용하고 새로운 운영 효율성을 식별하는 협업 프로젝트를 가능하게 했습니다.

대량의 데이터 분석을 지원하고 행과 열에 데이터를 저장하는 관계형 데이터베이스와 달리 그래프 데이터 형식은 데이터 매핑을 사용하여 데이터 요소 간의 복잡한 연결을 관리합니다. Neo4j의 대상 부문에는 자동차, 보증, 분석, 공급망 관리 및 의료 기기가 포함됩니다. Neo4j의 그래프 분석 및 AI 프로그램 이사인 Amy Hodler에 따르면 의료 부문은 특히 그래프 데이터베이스가 팀 간 협업을 촉진하는 능력을 입증했습니다.

Hodler는 제품 출하 전에 오류를 추적하려는 의료 기기 회사가 Neo4j의 그래프 방법이 유용하다는 것을 발견했다고 말했습니다. 결함이 있는 기기의 모든 하위 구성요소를 추적하여 결함에 대한 책임이 있는지 여부를 결정해야 하기 때문에 이러한 결함을 식별하려면 일반적으로 탐지 작업이 필요합니다.

더 많은 사용자가 분석할 수 있도록 Neo4j는 그래프 데이터 모델을 Tableau, Tibco Spotfire 등과 같은 데이터 시각화 및 검색 대시보드에 연결하는 커넥터를 제공합니다. 이 회사는 자체 Bloom 시각화 도구도 제공합니다.

또한 오픈 소스 NoSQL 데이터베이스의 상용화를 주도한 회사인 DataStax의 소프트웨어 관리 도구가 다수의 시각적 대시보드에 연결되어 있습니다. DataStax 제품의 엔터프라이즈 에디션은 그래프 데이터 처리를 지원합니다. 이 소프트웨어를 사용하는 IoT 애플리케이션 제작자 중에는 남아프리카에 기반을 둔 Locstat가 있으며, 센서 데이터 및 실시간 스트리밍 분석을 분석하기 위해 제품을 배포했습니다.

DataStax의 수석 기술자인 Matthias Broecheler는 "특히 상당히 복잡한 설정을 처리할 때 IoT 환경에서 어떤 일이 일어나고 있는지 이해하려는 시도에서 시각화는 점점 더 중요한 요소가 되고 있습니다."라고 말했습니다.

그는 시각적 분석 도구가 운영 직원, 개발자 및 기타 사람들에게 도움이 된다고 덧붙였습니다. 동시에 Broecheler는 스마트 공장의 일부 결정에는 즉각적인 대응이 필요하다고 언급했습니다. 이러한 원동력은 인간의 변화 없이 공장 현장의 이상을 자동으로 감지하고 대응하는 새로운 형태의 분석 처리 뒤에 있습니다.

안녕, 데이터 사일로

McKinsey의 de Boer는 스마트 공장에서 관리자, 현장 운영 및 IT 개발 팀은 다른 종류의 비즈니스 혁신과 마찬가지로 협력해야 한다고 말했습니다.

그는 이메일 인터뷰에서 "팀이 사일로에서 운영될 때 혁신은 실패하고 단 하나의 기능만이 변화를 시작하려는 시도를 주도합니다"라고 말했습니다. 데이터 민주화를 추진하려면 조직 전체의 사람들이 새로운 기술의 힘과 이를 사용하는 방법을 이해해야 한다고 de Boer는 말했습니다.

제조 부문의 경우 데이터 민주화를 결정하는 운영 담당자의 역할이 중요합니다.

"운영 담당자가 분석 도구를 사용함으로써 기업은 비즈니스 과제에 답하는 솔루션을 보다 쉽게 ​​개발할 수 있게 될 것입니다."라고 de Boer는 말했습니다.

McKinsey의 de Boer는 Global Lighthouse Network의 회원들이 설정한 분석 아카데미 프로그램을 지적하고 이사회에서 생산 일선에 이르는 모든 사람을 포함하여 모든 이해 관계자가 참여를 통해 이익을 얻을 수 있다고 주장했습니다.