grepton-logo

Hol is állok pontosan az adataim használatában? A deskriptív analitikától a preskriptív analítikáig

Napjainkban egyre erőteljesebb elvárás a gyártók felé a nagy fokú rugalmasság. Bár a Just-in-Time a covid idején jelentősen háttérbe szorult, az utóbbi hónapok során újra egyre többet hallani róla. Mindamellett olyan iparágakban jelenik meg az egyedi tömeggyártás vagy az agilis gyártás fogalma, mint az autóipar vagy az elektronikai ipar. Ezek mind újabb kihívások elé állítják a gyártó vállalatok döntéshozóit, akiknek nem csupán a folyton változó külső körülményekhez, de a változó vevői és eladói igényekre is válaszolniuk kell – a korábbiaknál jelentősen rövidebb határidő alatt.
analitika gr

Mindez vajon lehetséges-e a meglévő eszközkészlettel?

A fentiek minden korábbinál pontosabb tervezést, továbbá a tervek könnyű és rugalmas módosítását teszik szükségessé.

Ennek nulladik lépése, hogy minden pillanatban képes legyek megmondani, hogy épp hogyan áll a gyártásom, mi történik a csarnokban:

  • Milyen alapanyagokkal tervezhetek?
  • Mekkora a késztermék raktáram?
  • A félkész termékeim (WIP) milyen készültségi szinten állnak?
  • Pillanatnyilag milyen erőforrásokkal rendelkezem? Hány gépem megy? Amelyik nem megy, az miért nem megy? Milyen karbantartási műveletek vannak beütemezve? Milyen nem tervezett karbantartási műveletek zajlanak épp?
  • Hány operátorral fogom tudni elindítani a következő műszakot? Ez különösen a jó idő közeledtével, az iskolai szünetek idején válik izgalmas kérdéssé…

Ha a fenti kérdések legtöbbjére (vagy még ennél is többre) magabiztos választ tudok adni, továbbá ezek a válaszok pontos adatokkal vannak alátámasztva, akkor azon kevés gyártó vállalat szerencsés dolgozói vagyunk, amelyek már rendelkeznek deskriptív analitikai adatréteggel.

A Microsoft, az adatelemző eszközök egyik piacvezető gyártója, az analitikai érettséget négy szintre osztotta:

 

  1. szint: Deskriptív analitika. Tipikusan a “Mi történt?“ kérdésre keresi a választ. Ezáltal szinte azonnali információkat kapok a termelésem állapotáról. A tervezetthez képest hogy állnak a tényadatok? Milyen minőségügyi paraméterek mellett értem el a kívánt darabszámot? Milyen gyakran történik az adott meghibásodás az adott gyártógépen?

    A fenti kérdésekre kapott szinte azonnali válaszokkal nem csupán a döntéshozatali idő rövidül le jelentősen, de a termelési tervek is a valós idejű adatokon alapulnak. A tervező kollégák így jelentős időt és utánajárást spórolnak meg, ha a terveket a tényekhez próbálják igazítani.

  2. szint: Diagnosztikaanalitika. Az előző, “Mi történt?” kérdéstől eljutunk a következő kérdéshez: “Miért történt ez?

    A deskriptív elemeket tovább elemezve a gyökérokokig jutunk el. Ezeket felismerve, azok megelőzését is fókuszba helyezhetjük.

    Itt nem csupán egy hirtelen fellépő géphiba adatalapú kiértékelése lehetséges, hanem például a terv-tény adatok közti eltérések kiértékelése, vagy a selejt arány hirtelen növekedésére is választ kaphatunk.

  3. szint: Prediktív analitika. A különböző historikus adatok felhasználásával és elemzésével a jövőbeli eseményeket tudjuk prognosztizálni. Itt már a múlt utólagos kiértékeléséből, a korábbi tapasztalatok alapján a jövőben várható eseményeket előre jelezhetjük. “Mi fog történni?

    Ami elsőre eszünkbe juthat, azok a prediktív karbantartás eszközei: a géphibát objektív adatok alapján már azelőtt előre lehet jelezni, hogy azok bekövetkeznének egy nem tervezett leállást, és az azzal járó óriási veszteségeket, gyártáskiesést okozva. 

    Minden gyárban van egy-egy felbecsülhetetlen értékű, veterán “szaki”, aki már a gép rezgéséből, hangjából meg tudja állapítani, hogy az adott gép csapágyas, időszerű a szervízelése. Ehhez azonban több éves, vagy akár évtizedes tapasztalat szükséges a gép mellett – ami viszont hosszú távon a gyűjtött adatok elemzésével helyettesíthetővé válik.

    Ennél hétköznapibb példa, amikor historikus adatok alapján előre tudjuk jelezni, hogy a péntek délutáni műszakban nem lesz elég erőforrás, ezért nem fogjuk tudni teljesíteni a heti tervet.

  4. szint: Preskriptív analitika. “Mi a teendő?

    A preskriptív analitika segít meghatározni, hogy egy-egy folyamat fejlesztése, javítása milyen azonnali, közvetlen hatással járna.

    Segít továbbá a termelési tervek optimalizálásában, vagy akár a logisztikai folyamatok fejlesztésében, a raktárkészlet méretének javításában.

    Ennek egy tipikus felhasználási esete, hogy melyik operátor dolgozzon melyik gépen, melyik rendelésen és mikor? Mennyi túlóra elrendelése szükséges az adott héten a tervek teljesítéséhez?

    A preskriptív analitikában a gépi tanulás és a mesterséges intelligencia eszközei támogatják a folyamatok optimalizálását, akár több millió változó hatékony kiértékelésével.

    Az adatvezérelt döntési folyamatok, ezen belül a BI megoldások bevezetése még sok cég számára valódi kihívást jelent.  Egy 2019-es amerikai kutatás szerint a vállalatok mindössze 46 százalékának volt világosan meghatározott és kommunikált adat- és elemzési stratégiája, amelyre támaszkodhat. (2021 IDG Data & Analytics Study ).

    Az adatok optimális felhasználása nem csak valós idejű információkra alapozott döntéseket tesz lehetővé, de valódi üzleti értéket és ezáltal versenyelőnyt jelent minden cég számára.

Érdekel!