Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Manufacturing Technology >> Technologie industrielle

Dans la fabrication, les données et les matériaux sont tout aussi précieux

Que vous soyez une nouvelle entreprise de fabrication ou une entreprise qui existe depuis des décennies, le problème des données fragmentées peut rapidement créer de graves problèmes et des inefficacités dans votre entreprise. De nombreuses entreprises peuvent ne pas comprendre pleinement ce risque car, dans la fabrication, les processus pour résoudre un problème sont souvent physiques. Pourtant, des données numériques sont impliquées dans la plupart des domaines de l'entreprise, et lorsque des problèmes surviennent, ils peuvent être négligés ou déclassés car cela ne semble pas avoir de conséquences immédiates.

Les startups manufacturières ont souvent les bonnes ressources pour faire face à la fragmentation des données, mais elles peuvent ne pas être conscientes du problème. Au fur et à mesure que la technologie de fabrication progresse, il y a sans aucun doute une augmentation des opportunités de prendre et d'exploiter de nouvelles technologies. Cela pourrait être l'utilisation d'une imprimante 3D, dans laquelle une conception générée par ordinateur est utilisée pour créer quelque chose qui est prêt à être vendu immédiatement. Ces fabricants utiliseront les derniers outils de conception, ainsi que des applications et des technologies pour exécuter les opérations commerciales quotidiennes.

L'un des problèmes les plus courants dans la gestion des opérations quotidiennes est que ceux qui dirigent l'entreprise peuvent avoir un état d'esprit étroit lorsqu'il s'agit de gérer les données générées. Nous nous trouvons dans un cycle quotidien où nous nous efforçons fortement de nous assurer que nous avons la bonne quantité de matériaux de la part des fournisseurs pour faire le travail. Il s'agit de savoir ce qui doit être produit, combien, où il sera livré et quand. Ensuite, il y a le travail quotidien le plus critique :gérer l'argent et savoir quels comptes clients sont à jour, quels fournisseurs doivent être payés et quand.

Mais il y a aussi un aspect plus large des affaires modernes que les fabricants doivent aborder :ce que l'on peut apprendre de toutes les données générées tout au long du cycle de vie de la fabrication, de la conception à la fabrication en passant par l'expédition et les comptes fournisseurs. En examinant les données historiques, il y a presque toujours quelque chose à apprendre qui peut avoir un impact positif sur les résultats d'une entreprise. Le problème est de le trouver et de savoir ce qui a de la valeur et ce qui est du bruit. Comme les données sont réparties dans des silos autour de l'entreprise, il est facile d'être submergé d'informations inutiles. Les données peuvent être mal interprétées par différentes parties de l'entreprise car elles sont générées par diverses applications et souvent stockées à différents endroits.

C'est là que les entreprises de fabrication bien établies rencontrent des problèmes plus importants, pour la simple raison qu'elles ont beaucoup plus de données historiques qui ont été créées au fil du temps, dans de nombreuses applications héritées qui sont rarement utilisées ou complètement retirées, ce qui rend les données difficiles à localiser, ou incompatible avec les nouvelles technologies d'aujourd'hui. Cependant, les fabricants ne peuvent pas supprimer ces données, car elles ont probablement encore une valeur immense pour l'entreprise.

La défragmentation des données devient finalement cruciale pour tous les fabricants. Alors que le volume de données collectées continue de croître à un rythme exponentiel et que la pression concurrentielle augmente dans tous les secteurs, il est nécessaire d'obtenir des informations et de la valeur à partir de ces données.

La première étape consiste à localiser les données. Cela peut ne pas être facile, car la majorité des données d'un fabricant sont probablement cachées profondément dans des applications qui ne sont pas responsables de l'exécution des opérations commerciales quotidiennes monotones. La plupart de ces données historiques sont désormais considérées comme « secondaires » et sont archivées pour être conservées. Mais de la valeur est perdue dans ce processus, car les données archivées sont tout aussi essentielles pour obtenir des informations que le reste des données produites dans l'ensemble de l'entreprise.

Par exemple, les données détenues dans les archives de développement et de test peuvent donner un aperçu des premières tentatives avec de nouveaux processus qui ont échoué mais qui restent prometteurs. Si ces données sont combinées avec des informations sur de nouveaux matériaux, outils ou techniques, elles pourraient montrer comment ces nouveaux processus pourraient fonctionner maintenant. Mais pour ce faire, les fabricants doivent avoir la capacité de localiser et d'accéder aux données, et de les analyser, quel que soit leur âge ou l'endroit où elles sont stockées.

Il s'agit du facteur le plus critique pour garantir la disponibilité des données dans l'ensemble de l'entreprise. Une fois les données localisées, la tâche d'extraction de la valeur de ces données peut commencer. Cela permettra à toutes les entreprises de fabrication - petites ou grandes, nouvelles ou bien établies - de se réunir et de poser des questions sur les informations qui peuvent générer de nouvelles efficacités dans l'ensemble de l'entreprise et fournir l'avantage concurrentiel dont elles ont besoin dès maintenant.

Theresa Miller est technologue principale chez Cohesity.


Technologie industrielle

  1. Utilisation du Big Data et du cloud computing en entreprise
  2. La fabrication basée sur les données est arrivée
  3. Produire des résultats commerciaux avec des projets Big Data et l'IA
  4. Comment la RA et l'IIoT transforment la fabrication
  5. Pour la gestion de flotte, l'IA et l'IoT sont mieux ensemble
  6. Fabrication basée sur les données :avantages, défis et stratégies
  7. Analyse prédictive dans le secteur manufacturier :cas d'utilisation et avantages
  8. Défis de mise en œuvre de l'industrie 4.0 dans la fabrication de l'aérospatiale et de la défense
  9. Comment l'IA et la robotique améliorent-elles la qualité et l'efficacité de la fabrication ?