Aktuální vydání

celé číslo

03

2021

Digitální transformace, chytrá výroba, digitální dvojčata

Komunikační sítě, IIoT, kybernetická bezpečnost

celé číslo

Analýzy dat v průmyslu

Data jako nejdůležitější součást inteligentního průmyslu a logistiky je nutné k tomu, aby podnikům přinášela přidanou hodnotu, adekvátně používat. Proto se stala analýza dat nevyhnutným nástrojem optimalizace a automatizace výrobních procesů a řízení logistiky.

Dostupné metody zpracování dat vnášejí nový rozměr i do jejich analýzy. Výsledky analýz shromážděných údajů jsou k dispozici téměř okamžitě, což rapidně zkracuje dobu reakce při rozhodovacích procesech. Informační systém data předzpracuje a vyhodnotí a kompetentní osoba potom disponuje podklady nezbytnými pro kvalifikované rozhodnutí.

V praxi to znamená, že i zaměstnanci na nižších úrovních řízení mohou správně a včas reagovat na mimořádné situace nebo zabránit jejich vzniku. Naproti tomu analýza dat slouží k tomu, aby kyber-fyzické výrobní systémy měly vnořené funkce s prvky autonomní samoregulace.

Jinou podobu využití analýzy dat představuje koncept digitálního dvojčete – virtuální kopie zařízení, dat, procesů, systémů, výrobních linek nebo celé továrny. Digitální dvojče pracuje s exaktními, reálnými a historickými údaji, proto se často využívá při práci se simulačními modely, např. při odhalování úzkých hrdel – snížené propustnosti ve výrobním toku – nebo v prediktivní údržbě.

I přesto, že se prediktivní analýza začíná ve výrobních podnicích teprve zabydlovat, v blízké budoucnosti bude nahrazena analýzou preskriptivní. Preskriptivní analýza využívá pro analýzu událostí soubor nástrojů umělé inteligence. V případě, kdy prediktivní analýza odhaluje, co a kdy se stane, preskriptivní analýza určuje i to, proč se to stane, čímž např. napomáhá při identifikaci budoucích rizik a příležitostí, ale zároveň poskytuje i doporučení, přičemž zohledňuje více možných důsledků potenciálních rozhodnutí.

S prudkým nárůstem umělé inteligence bude nacházet stále častěji uplatnění ve výrobních podnicích i strojové učení a hloubkové učení, především v procesech údržby zařízení a kontroly kvality.

Dalším z očekávaných trendů, které by se měly stát součástí chytrých továren, je vnořená analýza dat. Jednotlivá výrobní a dopravní zařízení budou disponovat vlastními algoritmy, což znamená, že nabudou funkce autodiagnostiky. Zařízení budou automaticky analyzovat vlastní výrobní či logistické operace. 

Vizualizace

Nezbytnou součást analýzy dat představuje distribuce správných dat relevantní skupině zaměstnanců. Zaměstnanci přijímající rozhodnutí potřebují mít přístup k informacím a analýzám, které jsou ve většině případů založeny na ověřených modelech uživatelské zkušenosti (UX) a intuitivních prvcích zobrazování (např. systémy andon).

Vzhledem k tendenci personalizace služeb zákazníkům a zvyšování variability výrobků se stále více využívá vizualizace kontextových údajů i na úrovni operátorů. Kromě zobrazování technicko-pracovních postupů na pracovišti mají operátoři přístup i k dodatečným informacím vázaným na specifika konkrétního produktu.

V současnosti se rozšiřuje trend virtuálních asistentů, který se projeví i v průmyslu. Stále se vylepšující rozhraní mluveného jazyka umožní operátorům komunikovat s podnikovými informačními systémy hlasem. Také ty jim budou moci zprostředkovat požadované údaje i řečovým výstupem. Dojde tak k transformaci informací do multimediální podoby. 

Kybernetická bezpečnost

S narůstajícím množstvím dostupných dat, vzájemně propojených strojů a zařízení připojených do sítě zároveň vzrůstá i nebezpečí kybernetických útoků či zneužití firemních dat. Proto musí společnosti přistupovat ke zvýšeným bezpečnostním opatřením, aby ochránily citlivé obchodní údaje, ale i samotná zařízení. Uložená firemní data je nutné chránit v databázích, datových úložištích a souborových serverech např. nezávislým monitorováním přístupů na síťové úrovni, firewallem blokujícím podezřelé transakce a útoky na databáze.

Navíc vzhledem k platným regulacím týkajícím se zabezpečení osobních údajů musí společnosti při zveřejňování interních zpráv nebo analýz používat vhodnou formu selektivní anonymizace nebo ochránit údaje maskováním dat, které zabraňuje jejich neautorizovanému použití. Mezi časté příčiny zneužití údajů patří krádež autorizovanými uživateli, neopatrnost či nedbalost zaměstnanců. Interní kompromitaci podnikových dat zabraňují bezpečnostní nástroje DLP (Data Leakage Prevention).

Výrobní podniky musí také dbát na ochranu nejen informačních systémů a jednotlivých zařízení (např. PLC), ale i celé informační infrastruktury, protože komplexní sítě internetu věcí jsou náchylné k neoprávněným zásahům. Kromě firewallu zajišťujícího firemní perimetr se výrobní podniky musí chránit i proti neoprávněným zásahům zaměstnanců při prevenci proti sabotáži nebo neúmyslnému ohrožení a poškození výrobních procesů a zařízení. Současná bezpečnostní řešení disponují širokou podporou protokolů SCADA a jsou vhodná i do výrobních prostředí. 

(Anasoft)

Obr. 1. Výsledky dosažené zavedením analýzy dat (zdroj: Accenture)

Obr. 2. Přínosy vnořené analýzy dat (zdroj: Accenture)

Obr. 3. Disruptivní technologie pro dodavatelské řetězce (zdroj: SCM World; 1 057 respondentů)