Big data w produkcji komponentów samochodowych
Co to jest Big Data i kto to wykorzystuje?
Czym jest Big Data? O samym terminie, jak i zastosowaniu Big Data napisano już tysiące publikacji, a mimo to wciąż nie ma jednoznacznej definicji, która w sposób wyczerpujący określiłaby to zagadnienie. Po części dlatego, że zależnie od kontekstu, Big Data jest różnie rozumiane i utożsamiane z szerokim wachlarzem działań i pojęć. Jedno jest pewne – jak by nie patrzeć na Big Data, dla firm niemal zawsze oznacza to coś wielkiego.
W Big Data chodzi oczywiście o przetwarzanie danych, z tym że odnosi się ono do ogromnych ilości informacji mających najczęściej rozproszone źródła i powstających w sposób dynamiczny. Ponadto o Big Data mówimy wtedy, gdy z powodu różnorodności źródeł danych oraz wielkości ich zbiorów, przetwarzanie nie jest możliwe za pomocą powszechnie dostępnych sposobów.
Kto ma informacje, ten wygrywa
Umiejętność gromadzenia i przetwarzania danych staje się coraz bardziej istotnym czynnikiem w gospodarce. To oczywiste – wszak od zawsze mówiło się, że informacje same w sobie to kapitał, a kto ma dostęp do wiedzy, ten zajmuje uprzywilejowaną pozycję względem tych, którzy tego dostępu nie mają.
Wiedza była i jest towarem o wysokiej wartości. W tym kontekście ogólnie obowiązujące prawidła nie zmieniły się, natomiast w ciągu ostatnich kilkunastu lat w sposób diametralny zmieniło się otoczenie informacyjne działających na rynku podmiotów. Rozwój Internetu, upowszechnienie urządzeń mobilnych, mediów społecznościowych, cyfryzacja administracji, rozwój e-commerce, Internet Rzeczy, rozwój usług i aplikacji dostępnych w chmurze obliczeniowej – wszystko to sprawiło, że w stosunkowo krótkim czasie działające na rynku firmy zmuszone zostały dokonać gruntownej reorganizacji metod zarządzania danymi. Proces ten często określany jest transformacją cyfrową.
Czytaj więcej: Przetwarzanie danych – chmura publiczna, prywatna czy hybrydowa?
Wyzwania w przetwarzaniu danych
W największym skrócie chodzi w nim o to, by na swój użytek móc umiejętnie wykorzystać dostępne dane, których w założeniu jest ogrom, których nieustannie przybywa i z których spora część jest nieustrukturyzowana. W tym kontekście Big Data pełni dla gospodarki zasadniczą rolę – odnosi się bowiem do przetwarzania różnego rodzaju wartościowych informacji, które można wykorzystać do osiągnięcia konkretnych celów.
Ilość danych w Big Data liczona jest w gigabajtach a niekiedy nawet w terabajtach. Jasne jest więc, że do efektywnego i bezpiecznego rozporządzania taką ilością danych potrzeba konkretnych umiejętności, technologii, jak i strategii. Dlaczego do bezpiecznego? Choćby dlatego, że na terenie całej UE obowiązują przepisy związane z RODO, a w Big Data mamy przecież często do czynienia z danymi osobowymi i wrażliwymi. Przetwarzanie tego rodzaju informacji wiąże się z bardzo konkretnymi obostrzeniami prawnymi, których naruszenie grozi wysokim karom.
Big Data – trochę historii
Termin Big Data został po raz pierwszy użyty w latach dziewięćdziesiątych przez informatyka John’a Mashey’a. W ten sposób określił on ilość informacji na tyle sporą, że nie można nią w łatwy sposób zarządzać. Z czasem termin Big Data ewoluował, i tak na początku tego wieku określały go trzy atrybuty:
Volume – ilość danych,
Variety – różnorodność,
Velocity – szybkość przetwarzania.
Po kolejnych 10 latach dodano jeszcze dwa inne atrybuty:
Variability – zmienność
Complexity – złożoność.
W czym pomaga analiza big data?
Big Data z czasem stawało się coraz bardziej złożonym pojęciem ukazując różnego rodzaju zastosowanie oraz modele pozyskiwania i użytkowania informacji w naukach informatycznych. Obecnie Big Data jest podstawą w działaniu wielu sektorów gospodarki, dla których umiejętność rozporządzania dużą ilością danych bezpośrednio przekłada się na:
lepszą decyzyjność,
cięcie kosztów,
optymalizację działań,
wyznaczanie kierunków rozwoju,
umiejętność nabywania elastyczności w działaniu,
szybkie reagowanie na zmienność oczekiwań klientów.
W jakich sektorach wykorzystuje się big data?
Technologie Big Data najczęściej wdrażane są przez podmioty z sektorów, w których cechą wspólną jest konieczność przetwarzania wielkich zbiorów danych. Sektorem takim jest np. branża finansowa i ubezpieczeniowa, telekomunikacja, ale także różnego rodzaju branże z sektora produkcji czy handlu.
Potencjał zastosowania Big Data jest ogromny, dotyka bowiem tak zasadniczych kwestii jak:
ocena ryzyka,
monitorowanie procesów i działalności,
prognozowanie trendów,
predykcja zdarzeń i wyników biznesowych czy
personalizowanie komunikacji w obszarach marketingu i sprzedaży.
A to tylko niektóre z zagadnień. Nie bez powodu metody wykorzystania Big Data (a dokładniej przetwarzania danych) podlegają szeregom regulacji, takich jak np. wspomniane RODO. Warto przypomnieć, że samo wdrożenie RODO w Polsce pociągnęło za sobą konieczność nowelizacji ponad stu ustaw.
Big Data – skala ciągnie rośnie
Dzisiejszy świat charakteryzuje się m.in. tym, że z każdym miesiącem ogólna Ilość gromadzonych i przetwarzanych informacji przez podmioty gospodarcze przyrasta w stopniu wykładniczym. Przybywa źródeł danych i kanałów komunikacji wykorzystywanych na co dzień przez firmy. Intensywny rozwój na tym polu powoduje, że ciągle rośnie zapotrzebowanie na specjalistów od zarządzania danymi, a jednocześnie dostępnych jest coraz więcej technologii wspierających Big Data.
Jak w praktyce działa przetwarzanie tak wielkich ilości danych? Narzędzia do Big Data
Najważniejszym algorytmem stosowanym do sortowania informacji jest MapReduce. Służy on do rozproszenia zbiorów informacji na wiele serwerów porządkujących je i wybierających właściwe elementy zgodne z regułami zapytania. Następnie algorytm gromadzi frazy do postaci wynikowej tak, aby użytkownik otrzymał możliwie dużo wartościowych informacji.
Do ważnych narzędzi wykorzystywanych obecnie w Big Data należą m.in. Avro, Cassandra, Flume, Hadoop, Lucene, Mahout, MongoDB, Neo4j, RapidMiner, Sqoop, Storm czy Terracotta.
Big Data – przykłady zastosowań
Zastosowanie w targetowaniu reklam
Interesującym przykładem zastosowania Big Data są portale społecznościowe, takie jak np. Facebook, które dostosowują wyświetlanie reklam zależnie od preferencji i zainteresowań. Dla przykładu miłośnicy sztuki walki będą częściej widzieć reklamy dotyczące akcesoriów sportowych niż np. osoby zainteresowane programowaniem w C++. Dzieje się tak, ponieważ aktywność użytkowników oraz wyszukiwane przez nich informacje są automatycznie przetwarzane w taki sposób, by w przyszłości na ekranie użytkownika pojawiły się treści potencjalnie najbardziej dla niego interesujące. Dotyczy to oczywiście także reklam, dzięki czemu reklamodawcy mają szansę osiągać lepszą konwersję, a sami użytkownicy w ograniczonej przecież przestrzeni reklamowej nie stykają się z ofertami, które ich nie interesują.
Business Intelligence
Innym zastosowaniem Big Data może być wyszukiwanie informacji ważnych z punktu widzenia decydentów w firmach. Rozwiązania klasy Business Intelligence (BI), których zadaniem jest dostarczanie informacji zarządczej bazują przede wszystkim na systemach dziedzinowych wykorzystywanych w przedsiębiorstwie, niemniej coraz częściej kierownictwo potrzebuje przetworzonych informacji z wielu źródeł zewnętrznych – np. dotyczących trendów konsumenckich czy opinii klientów. W tym przypadku nieodzowne jest przetwarzanie Big Data.
Czytaj także: Narzędzia Business Intelligence
Big Data to nie tylko korzyści, ale również zagrożenia
Rozwój technologii Big Data niesie nowe, poważne zagrożenia ekonomiczne dla firm, ostrzega FTC w opublikowanym ostatnio raporcie.
Choć wykorzystanie analiz Big Data (dużych zbiorów danych) przynosi wiele korzyści, ale jednocześnie może pogorszyć warunki konkurencji, pogłębić ekonomiczne nierówności na rynku i naruszać prywatność oraz podstawowe prawa obywatelskie. Takie ostrzeżenie dla firm opublikowała amerykańska federalna agencja FTC (Federal Trade Commission) w najnowszym raporcie "Big Data: A Tool for Inclusion or Exclusion?".
Tytuł raportu został skopiowany z warsztatów zorganizowanych w 2014 roku przez FTC pod ta samą nazwą i zawiera m.in. komentarze, które się po nich publicznie pojawiły.
Zobacz również:
Systemy Big Data mogą pozwolić na zwiększenie szans dotyczących kształcenia, opieki zdrowotnej i zatrudnienia w środowiskach społecznych, które miały dotąd ograniczone możliwości w tym zakresie. Ale jednocześnie, mogą zmniejszyć możliwości konkurencji, zwiększyć podatność niektórych grup konsumentów na oszustwa oraz zwiększyć ceny produktów.
W ogólności może się okazać, że systemy Big Data nie tylko spowodują utrwalenie obecnych nierówności ekonomicznych, ale również utworzą nowe obszary w których się one pojawią, uważają autorzy raportu.
“Znaczenie analiz Big Data systematycznie rośnie w prawie każdym obszarze biznesu i w bardzo konkretny sposób zaczyna wpływać na miliony konsumentów. Dlatego firmy muszą zapewnić, że wykorzystywane przez nich systemy analityczne nie powodują dyskryminacji i szkodliwego wykluczenia innych użytkowników i firm” mówi Edith Ramirez, pełniąca funkcję prezesa FTC.
W raporcie przedstawiono też zagrożenia dla podstawowych praw obywatelskich, które może nieść analityka predykcyjna powodując nową formę dyskryminacji ludzi.
Analitycy z FTC opublikowali również zestaw pytań kierowanych do firm już stosujących systemy analiz dużych zbiorów danych. Pozwalają one na ocenę czy wykorzystywane w biznesie rozwiązania są zgodne z nowymi regulacjami prawnymi już obowiązującymi w USA. Są to m.in. przepisy takie jak Fair Credit Reporting Act lub FTC Act.
Oprócz tego w 2015 roku w biurze ochrony konsumentów FTC (Bureau of Consumer Protection) utworzono oddział zajmujący się technologiami (Office of Technology Research and Investigation), którego zadaniem jest m.in. ocena algorytmów stosowanych w systemach analiz Big Data i potencjalnych problemów, które mogą one powodować m.in. w zakresie prywatności.
Analitycy z Gartnera przewidują, że w 2018 roku niewłaściwe korzystanie z analityki Big Data będzie przyczyną ponad połowy przypadków naruszeń etyki biznesowej.
Stąd też niektórzy specjaliści uważają, że powinny powstać narzędzia pozwalające na niezależny audyt firmowych algorytmów do analiz Big Data wykorzystywanych przez przedsiębiorstwa i korporacje.
Raport "Big Data: A Tool for Inclusion or Exclusion?" można pobrać z oficjalnej strony FTC.
Big data w produkcji komponentów samochodowych
Optymalizacja procesów produkcyjnych to ważne działanie dla każdego sektora. Nowe technologie znajdują zastosowanie również w branży automotive. Pomaga w tym między innymi bieżąca analiza danych związanych z produkcją komponentów samochodowych. Big data w produkcji to niezwykle przydatne narzędzie, które umożliwia nie tylko zwiększenie zysków poprzez usprawnienie procesów, lecz także ocenę prototypów nowych elementów.
Zobacz również: Studium wykonalności i analiza kosztów dla branży motoryzacyjnej
Big data w produkcji
Analityka big data w produkcji polega na szukaniu, pobieraniu, gromadzeniu i interpretacji danych, które mogą przyczynić się do spełnienia wymaganych celów. Zoptymalizowany system zbierania i analizy danych jest aktualnie niezbędny do stworzenia odpowiednich warunków produkcji. Tego typu procesy pozwalają między innymi bardzo szybko znaleźć potencjalne błędy dotyczące produkcji i od razu przystąpić do ich korygowania. Możliwości analityki danych produkcyjnych są ogromne i stają się prawdziwą siłą zakładów, które wykorzystują tego typu technologie. Wykorzystanie big data w produkcji zapewnia przewagę nad konkurencją przede wszystkim dzięki temu, że takie podejście pozwala na niezwykle sprawną i głęboką analizę możliwych usprawnień procesów w obrębie danej firmy lub zakładu.
Zobacz też: Przemysł 4.0 – Jak wygląda czwarta rewolucja przemysłowa w Automotive?
Technologia zbierania danych o istotnych procesach jest wykorzystywana w wielu różnych branżach. Od lat z jej możliwości czerpią między innymi przedsiębiorstwa z sektora finansowego czy właściciele serwisów internetowych. Big data w produkcji również staje się coraz popularniejszym rozwiązaniem ze względu na potencjał minimalizacji strat, a tym samym maksymalizacji zysków.
Zobacz też: Czym jest Lean SCM, czyli odchudzony łańcuch dostaw? Korzyści w branży automotive
Istotną kwestią w kontekście analizy big data jest wiedza o tym, jak zbierać dane w taki sposób, by były w stanie dostarczyć jak największą wartość. Pierwszym krokiem jest zidentyfikowanie odpowiednich źródeł informacji. Dane dotyczące przemysłu wytwórczego są gromadzone na bieżąco ze wszystkich maszyn będących częścią procesów produkcji. Następnie należy segmentować dane – produkcja komponentów samochodowych składa się z wielu etapów i stanowi dosyć skomplikowany proces, dlatego konieczne jest dokładne sprawdzanie i selekcjonowanie zebranych informacji. Kolejny ważny aspekt to przechowywanie i interpretacja danych. Analiza statystyczna dużych zbiorów informacji to kluczowy krok dla każdego podmiotu wykorzystującego techniki związane z big data – jest to jedyny sposób, by skutecznie wyciągnąć wnioski z zebranych danych.
W jaki sposób analiza big data przekłada się na zwiększenie wydajności produkcji?
Po zgromadzeniu danych generowanych przez pracę linii produkcyjnych możliwa jest realna ocena szybkości i jakości pracy maszyn, a także wydajności osób, które je obsługują. To z kolei sprawia, że big data w produkcji motoryzacyjnej umożliwia wprowadzenie zmian na różnych etapach procesów wytwórczych, które pozwolą usprawnić dostarczanie komponentów samochodowych. Analiza danych produkcyjnych pozwala także zrezygnować z rozwiązań, które nie sprawdzają się w praktyce i prowadzą do ograniczenia wydajności. Jest to także szansa na dostosowanie struktury organizacji po określeniu, jak pracownicy radzą sobie na określonych stanowiskach. Techniki analizy big data mogą zatem wpłynąć na wiele aspektów pracy dostawców różnego rodzaju części – zarówno pod kątem wydajności sprzętu, jak i osób zaangażowanych w dane procesy.
Zobacz też: Części samochodowe Tier 1 i OEM – Jak wygląda produkcja części samochodowych dla OEM i Tier 1?
Big data w produkcji pozwala ocenić, kiedy procesy są najbardziej wydajne
Gromadzenie danych umożliwia ponadto ocenę czasu i warunków, w których produkcja w zakładzie jest najbardziej wydajna. Jest to kwestia, która zależy od wielu delikatnych czynników – często okazuje się, że konkretne dni i godziny wiążą się z lepszymi rezultatami na linii produkcyjnej. To z kolei bezpośrednio przekłada się na możliwość opisania idealnych warunków dla wytwarzania poszczególnych komponentów.
Ocena jakości prototypów – badania podejmowane w obszarze big data w przemyśle
To dopiero część sytuacji, które wiążą się z możliwymi usprawnieniami procesów produkcyjnych z wykorzystaniem analizy danych. Big data pozwala również kompleksowo ocenić każdy prototyp komponentu przed wprowadzeniem go na rynek. Statystyki produkcji danej części pozwalają ocenić czas i środki finansowe niezbędne do wytwarzania jej na szerszą skalę. Dzięki temu możliwe jest dostosowanie projektu na etapie prototypu, co przekłada się na znaczne ograniczenie strat w przyszłości. Kolejnym obszarem, w którym można zauważyć potencjał big data, są negocjacje z potencjalnymi partnerami biznesowymi – konkretne dane mogą posłużyć do przedstawienia bardzo przekonujących argumentów.
Zobacz też: DFM – Design for Manufacturing w branży automotive. Zalety, wartość dodana i koszty
Zastosowanie big data w przemyśle wytwórczym przyszłości
Big data to stosunkowo młoda dziedzina, która już teraz zdążyła wywrzeć spory wpływ na procesy produkcji w branży motoryzacyjnej. Wraz ze wzrostem wydajności obliczeniowej oraz przygotowywaniem nowych rozwiązań tego typu techniki będą w przyszłości znajdować jeszcze szersze zastosowanie. Spore znaczenie w kontekście wykorzystania analizy danych w następnych dekadach będą mieć aktualne trendy związane ze zbieraniem danych. Informacje stają się obecnie jednym z n
ajważniejszych środków, jakimi możemy dysponować, stanowiąc już praktycznie odrębną „walutę”. Zdecydowanie warto poświęcić część zasobów na określenie, jak korzystać z nich w optymalny sposób, czerpiąc z pełnego potencjału analizy big data w produkcji.
Zobacz też: Rewolucja w technologii 3D w branży motoryzacyjnej
Innowacyjne procesy produkcyjne z wykorzystaniem big data
Coraz więcej przedsiębiorstw z sektora automotive w świetny sposób wykorzystuje dane do usprawnienia procesów produkcyjnych. Analiza big data jest wykorzystywana między innymi przez Knauf Industries, lidera nowoczesnych rozwiązań z zakresu produkcji motoryzacyjnej. Przetwarzanie i interpretacja danych stanowi potężne narzędzie, które umożliwia zwiększenie wydajności procesów wytwórczych na nieznaną wcześniej skalę.
Dowiedz się więcej o naszym doświadczeniu związanym z przetwarzaniem plastiku i nie wahaj się z nami skontaktować.