Dojrzałość IoT i przemysłu połączonego
Państwa przemysł połączony zmierzony wg obszarów tematycznych, a następnie przełożony na priorytetową mapę drogową.
10 obszarów tematycznych, 177 pytań, skala 5 poziomów. I działanie, które pozwala przejść z jednego poziomu na kolejny.
10 obszarów tematycznych modelu referencyjnego, już opracowanych od N1 do N5. Jedna firma, jedna jednostka biznesowa, albo 300 naraz.
Dojrzałość IoT i przemysłu połączonego
10 obszarów tematycznych, 177 pytań, skala 5 poziomów.
Nordhavn Industries
53 / 100
Oni mierzą swoją dojrzałość z Datamensio
Przykład
Ta sytuacja mogłaby być Państwa sytuacją.
Weźmy przykład firmy: trzy oddziały, trzy arkusze kalkulacyjne, żadnej wspólnej odpowiedzi.
Nikt nie potrafi tego skonsolidować.
Nordhavn Industries, 2400 osób w Hamburgu, Lyonie i Porto. Zamawiający pyta, na jakim etapie jest grupa. Każdy oddział odpowiada we własnym arkuszu, z własnymi skalami.
Trzy tygodnie, jedna wspólna baza.
Diagnoza Model referencyjny dojrzałości IoT przemysłowego (niecertyfikujący), zbudowany na skali CMMI o 5 poziomach uruchomiona jednocześnie na trzech oddziałach, na podstawie notatek ze spotkań z osobami odpowiedzialnymi. Model referencyjny był już gotowy, podobnie jak 10 obszarów tematycznych i poziomy od N1 do N5.
Dwa wydatki uniknięte, zanim zostały poniesione.
Wynik 53 na 100, luka skoncentrowana na trzech obszarach tematycznych. Asystent IA wykrył, że dwa działania planu pokrywają się z działaniami z innego audytu. Prezentacja wyników dla komitetu powstała w jedno zdanie.
Czego dzięki temu uniknięto
- 3oddziały zmierzone na tej samej podstawie, zamiast trzech kwestionariuszy do przetworzenia
- 2zdublowane działania wykryte przed poniesieniem wydatku
- 1prezentacja wyników dla komitetu, bez ręcznego opracowania
Te liczby pochodzą z przykładu. Mogłyby być Państwa liczbami.
Norma narzuca procesy. Datamensio mówi, na jakim etapie Państwo są.
01
Model referencyjny jest już gotowy
Obszary tematyczne, pytania i poziomy od N1 do N5 opracowane. Nie zaczynają Państwo od pustego arkusza.
02
Wynik jest gotowy tego samego dnia
Online, przez link do samooceny albo podczas spotkania. Obszar po obszarze, porównywalny w czasie.
03
Luka staje się wycenionym planem
Każde przejście na kolejny poziom niesie ze sobą działanie. IA priorytetyzuje według oczekiwanego efektu, nie według kolejności z normy.
04
Postęp da się wykazać
Kampania po kampanii, względem Państwa celu i względem Państwa przeszłości. Tego właśnie oczekuje Państwa zarząd.
Skala dojrzałości
Jeden poziom, kolejny i działanie, które je łączy.
To właśnie ten mechanizm (poziom, poziom wyższy oraz działanie łączące jedno z drugim) przekształca stwierdzenie faktu w trajektorię.
Czy dane zebrane z urządzeń są wykorzystywane w codziennych decyzjach produkcyjnych?
- N1
Dane pozostają w sterownikach lub historii maszynowej. Żadne przekazywanie danych nie jest użyteczne poza interwencjami technicznymi.
- N2
Niektóre urządzenia przekazują dane do paneli, konsultowanych głównie podczas doraźnych analiz lub po incydencie.
- N3
Dane z określonego zakresu zasilają wskaźniki przeglądane podczas rytuałów produkcyjnych. Zespoły wykorzystują je do identyfikowania przestojów i strat.
- N4
Wskaźniki wynikające z danych stanowią wspólny punkt odniesienia dla produkcji, utrzymania ruchu i jakości. Odchylenia uruchamiają udokumentowane działania, z przypisanym właścicielem i terminem.
- N5
Zastosowania są okresowo przeglądane, wskaźniki i modele dostosowywane na podstawie uzyskanych wyników, a fundament jest powielany na innych liniach lub w innych zakładach wraz z udokumentowanym wnioskami.
Działanie umożliwiające przejście z poziomu 2 do poziomu 3
Wybrać linię pilotażową, zdefiniować na niej trzy wskaźniki wynikające z danych maszynowych (dostępność, przyczyny przestojów, rzeczywista wydajność), wyświetlać je na stanowisku pracy i wpisać do porządku codziennego spotkania produkcyjnego z wyznaczoną osobą odpowiedzialną za odchylenia.
« Dzięki Datamensio realizujemy nasze cele ze znacznie większą skutecznością. Służby inspekcyjne EFRR oraz naszego ministerstwa nadzorującego szczególnie doceniły to podejście, które dostarcza im wiarygodnych danych. »
Dyrektorka CCI 94CCI Île-de-France
« Uważamy, że to rozwiązanie najlepiej odpowiada potrzebie skalowania naszego projektu transformacji i mierzenia jego wpływu zgodnie z naszymi wymaganiami. »
Maja SucekChief Operating Officer, Interreg Danube
Rzadko sam
Model referencyjny da się łączyć z innymi. Niech Państwo połączą kilka, by objąć całą działalność, albo pozwolą IA napisać własny.
Wykonajcie swój pierwszy pomiarna IoT.
O czym jest ten model referencyjny
IoT przemysłowe oznacza zbiór kompetencji, które pozwalają urządzeniu produkcyjnemu wytworzyć użyteczne dane, a następnie umożliwiają tym danym dotrzeć do decyzji. Obejmuje to instrumentację maszyn i mediów technicznych, protokoły i bramki służące do zbierania danych, konwergencję technologii operacyjnych i systemów informatycznych, przechowywanie i modelowanie szeregów czasowych, zastosowania biznesowe (utrzymanie ruchu na podstawie stanu, śledzenie wydajności, identyfikowalność, energia) oraz zabezpieczenie sieci hali produkcyjnej. Temat ten jest programem transformacji przemysłowej, a nie wymaganiem do spełnienia.
W praktyce trudno nim zarządzać, ponieważ poziom dojrzałości jest bardzo nierówny między zakładami i halami produkcyjnymi. Ile z Państwa urządzeń jest rzeczywiście zinstrumentowanych i jakie wielkości mierzą? Czy zebrane dane są wykorzystywane przez zespoły produkcyjne, czy też kończą się na panelu, którego nikt nie otwiera? Kto jest właścicielem sieci hali produkcyjnej, od produkcji po dział informatyczny? Dyrektor przemysłowy często dysponuje wieloma projektami pilotażowymi i żadną skonsolidowaną wizją osiągniętego poziomu.
Warto rozwiać częste nieporozumienie: połączyć nie znaczy sterować. Wiele organizacji liczy swoje czujniki i bramki, co mierzy wyposażenie, a nie kompetencję. Dojrzałość odczytuje się gdzie indziej: w jakości i kontekstualizacji danych, w standaryzacji powielarnego fundamentu między zakładami, w zdolności do upowszechnienia pilotażu zamiast jego mnożenia. Rozwój architektur typu warstwa unifikacji danych przemysłowych oraz rosnące wymagania segmentacji sieci przesuwają środek ciężkości z czujnika na architekturę.
Diagnoza dojrzałości odpowiada na inne pytanie niż inwentaryzacja techniczna. Inwentaryzacja mówi, co zostało zainstalowane. Diagnoza umiejscawia każdy obszar tematyczny na skali progresywnej i wskazuje konkretne działanie umożliwiające przejście na kolejny poziom. Luka między wynikiem a celem generuje plan działania, który sztuczna inteligencja grupuje w priorytetową mapę drogową. Wyniki porównuje się między jednostkami biznesowymi oraz w czasie, co pozwala obiektywizować trajektorię danego zakładu zamiast dyskutować o wrażeniach.
Model referencyjny jest gotowy do użycia i możliwy do dostosowania. Mogą Państwo dostosować obszary tematyczne, pytania i poziomy do swojego sektora, dyskretnego lub procesowego, jednozakładowego lub wielozakładowego. Sztuczna inteligencja precyzuje sformułowania poziomów zgodnie z metodą CMMI albo buduje wariant na podstawie Państwa własnych dokumentów: schematu architektury przemysłowej, standardów zakładowych, planu generalnego fabryki.
Norma referencyjna: Model referencyjny dojrzałości IoT przemysłowego (niecertyfikujący), zbudowany na skali CMMI o 5 poziomach
Oceniane obszary tematyczne
Strategia i zarządzanie przemysłem połączonym
Istnienie sformalizowanej trajektorii, powiązanie z planem przemysłowym, role między produkcją, metodami a działem informatycznym, model finansowania projektów.
Instrumentacja urządzeń i mediów technicznych
Pokrycie maszyn i mediów technicznych, mierzone wielkości, standardy czujników i modernizacji (retrofit), uwzględnienie instrumentacji w specyfikacjach zakupu maszyn.
Łączność i sieci hali produkcyjnej
Architektura sieciowa, pokrycie przewodowe i bezprzewodowe, protokoły przemysłowe i bramki, zarządzanie urządzeniami poza siecią, dostępność i redundancja.
Konwergencja OT i IT
Granice i odpowiedzialności między technologiami operacyjnymi a systemami informatycznymi, interfejsy z MES i ERP, zarządzanie cyklami życia i aktualizacjami, decyzje architektoniczne.
Zbieranie, jakość i kontekstualizacja danych
Modele danych i nazewnictwo punktów pomiarowych, znakowanie czasowe, zarządzanie szeregami czasowymi, kompletność i niezawodność przepływów, powiązanie ze zleceniami produkcyjnymi i urządzeniami.
Wykorzystanie i zastosowania przemysłowe
Śledzenie wydajności i OEE, utrzymanie ruchu na podstawie stanu i predykcyjne, identyfikowalność produktu, monitorowanie energii, kontrola jakości, przyswojenie przez zespoły terenowe.
Bezpieczeństwo podłączonych systemów przemysłowych
Inwentaryzacja urządzeń, segmentacja i izolacja, zarządzanie dostępem zdalnym i dostawcami zewnętrznymi, wykrywanie anomalii, plany ciągłości działania w przypadku niedostępności.
Platformy, edge i chmura
Podział przetwarzania między brzeg a centrum, wybrany sposób hostowania, interoperacyjność i odwracalność, zarządzanie kosztami przechowywania i obliczeń.
Kompetencje i organizacja
Wewnętrzne kompetencje w zakresie automatyki, danych i cyberbezpieczeństwa przemysłowego, szkolenie operatorów, zależność od integratorów, mechanizmy animacji między zakładami.
Skalowanie i pomiar wartości
Standaryzacja powielarnego fundamentu, zestaw wdrożeniowy dla każdego zakładu, pomiar oczekiwanych i uzyskanych korzyści, decyzja o upowszechnieniu lub zakończeniu pilotażu.
Krótsza wersja modelu referencyjnego, licząca 34 pytań, jest dostępna do samooceny online. Pełna wersja obejmuje 10 obszarów tematycznych i 177 pytań.
Najczęściej zadawane pytania
Czy ten model referencyjny prowadzi do certyfikacji?
Nie. Dojrzałość IoT przemysłowego nie jest dziedziną podlegającą certyfikacji: żadna jednostka nie wydaje w tym zakresie zaświadczeń. Diagnoza mierzy poziom osiągnięty przez Państwa praktyki i wyznacza trajektorię rozwoju, zakład po zakładzie.
Czym różni się to od technicznej inwentaryzacji naszych podłączonych urządzeń?
Inwentaryzacja mówi, co zostało zainstalowane. Diagnoza umiejscawia każdy obszar tematyczny na skali progresywnej, od fundamentu sieciowego po wykorzystanie terenowe, i przypisuje każdej luce działanie pozwalające przejść na wyższy poziom. Zakład bardzo mocno zinstrumentowany może wykazywać niską dojrzałość, jeśli dane nie są wykorzystywane.
Ile czasu zajmuje ocena?
Wersję krótką wypełnia się w 20 do 30 minut, gdy robi to osoba odpowiedzialna znająca zakres. W trybie zespołowym na poziomie zakładu, z udziałem działów metod, utrzymania ruchu, informatyki przemysłowej i produkcji, należy liczyć od jednego do dwóch tygodni, przy czym większość czasu pochłania zbieranie danych.
Czy można dostosować model referencyjny do naszego sektora?
Tak. Obszary tematyczne, pytania i poziomy można modyfikować, mogą Państwo również dodać własne osie, na przykład uwzględniające ograniczenia środowiska procesowego lub regulowanego. Sztuczna inteligencja dostosowuje sformułowania zgodnie z metodą CMMI albo buduje wariant na podstawie Państwa dokumentów architektonicznych i standardów zakładowych.
Jak porównać kilka fabryk bez wprowadzania ich w rywalizację?
Ten sam model referencyjny stosuje się w każdym zakładzie, co czyni wyniki porównywalnymi wg obszarów tematycznych. Benchmark służy do zidentyfikowania miejsc, w których dany zakład rozwiązał już problem, z którym mierzą się inne, oraz do ponownego wykorzystania jego rozwiązania. Transwersalna mapa drogowa konsoliduje następnie audyty w plan grupowy.
Czy plan działania jest wyceniony?
Każda luka między wynikiem a celem generuje działania, do których katalog usług przypisuje rozwiązanie wraz z kosztem, terminem i oczekiwanym wpływem na wynik. Podejmują Państwo decyzje na podstawie rzędów wielkości, a nie intencji.
Czy odpowiadanie wymaga wiedzy technicznej?
Pytania dotyczą praktyk i organizacji, a nie konfiguracji sterowników. Niektóre wymagają udziału automatyka lub odpowiedzialnego za sieć: tryb zespołowy pozwala przypisać te pytania właściwej osobie.
Gdzie przechowywane są dane?
We Francji, u OVH, z kopią zapasową u Scaleway. Żaden transfer poza Unię Europejską nie ma miejsca. Wykorzystywane modele sztucznej inteligencji mogą być wybierane, w tym spośród rozwiązań europejskich.