制造商感到難于管理客戶和供應(yīng)商。
今天的制造商似乎受壓于顧客的持續(xù)降價(jià)行為。為了回應(yīng)，他們需要提高工作效率，獲得更大的收益，提高運(yùn)營效率。同時(shí)，組件制造商發(fā)現(xiàn)他們需要及時(shí)處理客戶的不穩(wěn)定訂購模式 -- 準(zhǔn)時(shí)制(JIT)制造方法通常是這些問題的主要原因。JIT很難預(yù)測需求。
使問題更糟糕的是生產(chǎn)交貨期的長度，這意味著制造商在需求之前要?jiǎng)?chuàng)建庫存。此外，制造商需要更好地管理他們的第三方供應(yīng)商，建立無縫和立即檢測產(chǎn)品問題的能力和資源。
一個(gè)限制因素是當(dāng)前的專有制造傳感器控制促進(jìn)器架構(gòu)堆棧。
它限制了能夠?qū)⒃磾?shù)據(jù)跨系統(tǒng)組合和使用預(yù)測分析解決許多生產(chǎn)問題。多數(shù)制造商想要將制造源數(shù)據(jù)連接到遺留的數(shù)據(jù)業(yè)務(wù)和計(jì)劃系統(tǒng)。這樣做需要連接互相不兼容的制造源數(shù)據(jù)。要做到這一點(diǎn)，他們需要從傳感器數(shù)據(jù)噪聲隱性知識(shí)轉(zhuǎn)向?qū)鞲衅髟磾?shù)據(jù)的自動(dòng)校正。這一步意味著可以在現(xiàn)場，傳感器數(shù)據(jù)的自動(dòng)化完成。
通過這一步，制造商將能夠發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系，以及潛在的預(yù)測變量。能夠應(yīng)用預(yù)測分析和機(jī)器學(xué)習(xí)于實(shí)時(shí)和歷史時(shí)間序列數(shù)據(jù)是邁向源數(shù)據(jù)修正和情境化的關(guān)鍵的一步。下圖顯示了理想狀態(tài)下的連供應(yīng)鏈到制造到客戶的配送。實(shí)現(xiàn)這一目標(biāo)的制造商將獲得競爭優(yōu)勢，爭取勝利。有一件事很清楚，今天制造業(yè)的問題本質(zhì)上是跨領(lǐng)域。他們需要發(fā)現(xiàn)問題和癥狀的能力。要做到這一點(diǎn)，相比其他大數(shù)據(jù)的機(jī)會(huì)，數(shù)據(jù)在使用或分析前需要情境化和糾正。
只有這樣，我們才有機(jī)會(huì)解決制造業(yè)的大問題。所缺失的是智能數(shù)據(jù)層采集到制造業(yè)數(shù)據(jù)源，讓他們用于解決上述問題/機(jī)會(huì)。對于連續(xù)和離散制造業(yè)都是如此。這可以同時(shí)得到所有相關(guān)的結(jié)構(gòu)化數(shù)據(jù)源，不必去控制器或SCADA系統(tǒng)采集數(shù)據(jù)。
如何直接到達(dá)傳感器?
靠的是能夠在現(xiàn)場情境化和修正數(shù)據(jù)，在數(shù)據(jù)進(jìn)入數(shù)據(jù)湖和Hadoop或進(jìn)行說明性的分析時(shí)。所以說數(shù)據(jù)質(zhì)量的能力是本質(zhì)。有了數(shù)據(jù)流和復(fù)雜事件處理，你有可能實(shí)現(xiàn)規(guī)范的分析和采取行動(dòng)。有了它，以機(jī)器智能功能建模的預(yù)測分析可以一旦發(fā)現(xiàn)問題就建模。通過數(shù)據(jù)發(fā)現(xiàn)，關(guān)系可以被證明。同時(shí)，你可以加入產(chǎn)品供應(yīng)商和客戶的數(shù)據(jù)并集成到云上。它讓你連接并發(fā)現(xiàn)相關(guān)的流程問題。
三個(gè)宏觀變化顯然有可能永遠(yuǎn)影響和改變制造業(yè)。
所以這些都要求情境化、修正的數(shù)據(jù)。他們需要能夠從許多源頭發(fā)現(xiàn)、集成和合并數(shù)據(jù)。所有這些都能使生產(chǎn)優(yōu)化并將自身連接到其他業(yè)務(wù)。如果正確的處理好，這對制造商來說是一個(gè)巨大的機(jī)遇。