Drive manufacturing operational efficiency and performance

تحسين الإنتاج والجودة والاستدامة باستخدام التحليلات المتقدمة

بالنسبة للصناعة التحويلية، يعد استخدام البيانات لتحسين الكفاءة التشغيلية والأداء وثيق الصلة بشكل خاص حيث يمكن تطبيق حالة الاستخدام على أي نوع من أنظمة إنتاج التصنيع، بما في ذلك البنية التحتية للتحكم الرقمي المحوسب، وأنظمة سلسلة التوريد والمستودعات، وأنظمة الخدمات اللوجستية والاختبار، وهكذا.

في حين أن الشركات المصنعة ركزت تقليديًا على المقاييس الوصفية والتشخيصية التاريخية، بدأت الآن في استخدام التحليلات المتقدمة والتعلم الآلي وعلوم البيانات لقياس تحسينات الأداء وتطوير توصيات استباقية وتنبؤية وتوجيهية.

تركز حالة الاستخدام هذه على بنية النظام الأساسي للبيانات المطلوبة لاستيعاب البيانات التي تنتجها أنظمة تنفيذ التصنيع (MES) وأنظمة إدارة المستودعات (WHMS) وأنظمة إدارة الصيانة المحوسبة (CMMS)، وأنظمة الصيانة، وتخزينها وإدارتها واكتساب رؤى منها لقياس الكفاءة التشغيلية للمعدات والخطوط والمصانع بالإضافة إلى مقاييس الأداء.

ومن خلال استيعاب البيانات المتعلقة بعمليات الإنتاج والأداء وتنظيمها وتحليلها، يمكن للمصنعين تحديد الاختناقات وأوجه القصور وإزالتها لتحسين جداول الإنتاج وزيادة المخرجات. ومن خلال تطبيق نفس النهج على البيانات المتعلقة بجودة المنتجات، يمكن للمصنعين تحديد الأنماط والأسباب الجذرية للعيوب، مما يساعدهم على تنفيذ تدابير أكثر فعّالية لمراقبة الجودة. وبالإضافة إلى ذلك، وبإدراج بيانات عن استهلاك الطاقة، يمكن للمصنعين تحديد المجالات التي يمكنهم فيها دفع كفاءة الطاقة لتقليل التكاليف وتحسين الاستدامة.

يمكنك تحسين الصيانة التنبؤية وخفض التكاليف باستخدام منصة بيانات شاملة

توضح البنية المقدمة هنا كيف يمكننا دمج مكونات Oracle الموصى بها لبناء بنية تحليلات تغطي دورة حياة تحليلات البيانات بأكملها، من الاكتشاف إلى الإجراء والقياس، وتوفر مجموعة واسعة من مزايا الأعمال الموضحة أعلاه.

توضح هذه الصورة كيف يمكن استخدام Oracle Data Platform للتصنيع لدعم الكفاءة التشغيلية والأداء. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. استيعاب، تحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5. القياس، العمل

يتضمن ركيزة مصادر البيانات والاكتشاف ثلاث فئات من البيانات.

1. 1. تتضمن بيانات Oracle App بيانات من Fusion SaaS وOracle E-Business Suite وتجربة العملاء
2. 2. سجلات الأعمال (بيانات الطرف الأول) CRM والمعاملات ومعلومات الحساب والإيرادات والهامش
3. 3. تتضمن بيانات الطرف الثالث أسعار الفوركس وخلاصات السوق وأسعار السلع

تضم دعامة الاستيعاب، التحويل أربع قدرات.

1. 1. يستخدم استيعاب الدفعة أدوات تكامل بيانات OCI وOracle Data Integrator وDB.
2. 2. يستخدم النقل المجمع OCI FastConnect ونقل بيانات OCI وMFT وOCI CLI.
3. 3. يستخدم تغيير رصد البيانات OCI GoldenGate.
4. 4. البث المباشر يستخدم OCI Streaming Kafka Connect.

تتصل جميع الإمكانات الأربع بشكل أحادي الاتجاه في مخزن بيانات الخدمة والتخزين السحابي داخل الركيزة المثابرة، والإشراف، والإنشاء.

بالإضافة إلى ذلك، يرتبط استيعاب التدفق بمعالجة التدفق ضمن دعامة التحليل والتعلم والتنبؤ.

تتكون دعامة الاستمرار والدقة والإنشاء من خمس قدرات.

1. 1. يستخدم مخزن بيانات العرض Oracle Autonomous Data Warehouse وExadata Cloud Service.
2. 2. يستخدم تخزين السحابة تخزين كائنات OCI.
3. 3. تستخدم Hadoop المُدارة خدمة Oracle Big Data Service
4. 4. تستخدم المعالجة الدفعية تدفق بيانات OCI.
5. 5. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. يتصل التخزين السحابي بشكل غير مباشر بمخزن بيانات الخدمة؛ كما أنه متصل بشكل ثنائي الاتجاه بمعالجة الدفعات.

تتصل إمكانيتان في ركيزة التحليل والتعلم والتنبؤ. يتصل مخزن بيانات الخدمة بإمكانية التحليلات والتمثيل المرئي وأيضًا بمنتجات البيانات وإمكانية واجهات برمجة التطبيقات. يتصل التخزين السحابي بإمكانية التعلم الآلي.

يتكون عمود التحليل والتعلم والتنبؤ من اثنتين من الإمكانيات.

1. 1. تستخدم التحليلات والتمثيل المرئي Oracle Analytics Cloud وGraphStudio وموردي البرامج المستقلين (ISV).
2. 2. يستخدم التعلم الآلي Oracle Machine Learning.

يرصد عمود "التدبير، الفعل" كيف يمكن استخدام تحليل البيانات: من قبل الأفراد والشركاء.

يتألف الأشخاص والشركاء من الكفاءة التشغيلية (أوقات المعالجة، ومعدلات الخطأ، واستخدام الموارد)، وتحديد اختناق العملية، وقيمة عمر العميل، وتحليل السوق والتنافسية، وإسناد الأداء.

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

ربط البيانات واستيعابها وتحويلها

يتألف حلنا من ثلاث ركائز، يدعم كل منها إمكانيات نظام أساسي محدد للبيانات. توفر الركيزة الأولى إمكانية توصيل البيانات واستيعابها وتحويلها.

هناك أربع طرق رئيسية لضخ البيانات في بنية لتمكين مؤسسات التصنيع من تعزيز الكفاءة التشغيلية والأداء.

• لبدء عمليتنا، سنعمل على تمكين النقل المجمع من بيانات المعاملات التشغيلية. تُستخدم خدمات النقل المجمع في الحالات التي يلزم فيها نقل كميات كبيرة من البيانات إلى Oracle Cloud Infrastructure (OCI) للمرة الأولى، على سبيل المثال، البيانات من المستودعات التحليلية المحلية الحالية أو مصادر السحابة الأخرى. ستعتمد خدمة النقل المجمّع المحددة التي سنستخدمها على موقع البيانات وتكرار النقل. على سبيل المثال، قد نستخدم خدمة OCI Data Transfer أو OCI Data Transfer Appliance لتحميل كمية كبيرة من البيانات المحلية من التخطيط التاريخي أو مستودعات تخزين البيانات. عندما يجب نقل كميات كبيرة من البيانات بشكل مستمر، نوصي باستخدام OCI FastConnect، التي توفر اتصال شبكة خاصة مخصصًا وعالي النطاق بين مركز بيانات العميل وOCI.
• يشيع طلب عمليات الاستخراج المتكررة في الوقت الفعلي أو في أقرب وقت فعلي، ويتم استيعاب البيانات بانتظام من أنظمة إدارة المستودعات والجدولة وإدارة الطلبات باستخدام OCI GoldenGate. تستخدم OCI GoldenGate التقاط تغيير البيانات لاكتشاف أحداث التغيير في الهيكل الأساسي للأنظمة التي يلزم خدمتها (على سبيل المثال، إضافة مكون جديد وعمليات صيانة مكتملة وتغييرات في الطقس وما إلى ذلك) وإرسال البيانات في الوقت الفعلي إلى طبقة ثابتة و/أو طبقة التدفق.
• بالنسبة إلى شركات التصنيع، قد يساعد تحليل البيانات في الوقت الفعلي من مصادر متعددة في توفير رؤى قيمة حول كفاءتها التشغيلية وأدائها العام. في حالة الاستخدام هذه، نستخدم استيعاب العمليات لاستيعاب كل البيانات المقروءة من أجهزة الاستشعار من خلال IoT والاتصالات M2M والوسائل الأخرى. تعد القدرة على رصد دفق البيانات وتحليلها في الوقت الفعلي أمرًا بالغ الأهمية لقدرة الشركة المصنعة على إجراء الصيانة التنبؤية للأصول. يمكن أن تنشأ التدفقات من عدة أنظمة ISA-95 المستوى 2، مثل أنظمة التحكم الإشرافي والحصول على البيانات (SCADA)، والضوابط المنطقية القابلة للبرمجة، وأنظمة التشغيل الآلي للدُفعات. سيتم استيعاب البيانات (الأحداث) وسيتم إجراء بعض التحويلات/التجميعات الأساسية قبل تخزينها في تخزين كائنات OCI. يمكن استخدام تحليلات التدفق الإضافية لتحديد الأحداث المرتبطة ويمكن إعادة أي أنماط محددة (يدويًا) لفحص البيانات الأولية باستخدام OCI Data Science.
• لتحليل بيانات التدفق عالية التردد هذه في الوقت الفعلي، سنستخدم معالجة التدفق لتقديم تحليلات متقدمة. في حين أن أدوات التحليلات التقليدية تستخرج المعلومات من البيانات أثناء التخزين، فإن تحليلات البث تقيّم قيمة البيانات أثناء نقلها، أي في الوقت الفعلي. وهذا ليس الفائدة الوحيدة. ونظرًا لأن تحليلات التدفق يمكن أن تكون مؤتمتة للغاية، يمكنها مساعدة الشركات المصنعة على تقليل تكاليف التشغيل. على سبيل المثال، يمكن أن توفر تحليلات البث بيانات في الوقت الفعلي عن تكاليف المرافق الأساسية، مثل الكهرباء والمياه. ويمكن للمصانع والمصانع بعد ذلك استخدام أداة تحليلات متدفقة مؤتمتة للوصول إلى رؤى فورية بشأن المجالات التي يمكن تحسينها لتقليل تكاليف الطاقة والاستجابة بشكل مناسب لأحداث تشغيلية معينة باستخدام الذكاء الاصطناعي. كما يمكن أن ينتج عن تدفق التحليلات تنبؤات في الوقت الفعلي حول متطلبات صيانة المعدات القادمة، مما يساعد الشركات على الاستعداد مسبقًا لأي إصلاحات قادمة أو عمليات صيانة روتينية.
• في حين أن الاحتياجات في الوقت الفعلي تتطور، فإن الاستخراج الأكثر شيوعًا من أنظمة ERP والتخطيط وإدارة المستودعات وإدارة النقل هو نوع من استيعاب الدفعات باستخدام عملية ETL. يتم استخدام استيعاب مجموعة المعالجة لاستيراد البيانات من الأنظمة التي لا يمكنها دعم تدفق البيانات (على سبيل المثال، نظام الإشراف على البيانات والتحكم فيها والحصول عليها القديم أو أنظمة إدارة الصيانة). يمكن استيعاب هذه المستخلصات بشكل متكرر، في كثير من الأحيان كل 10 أو 15 دقيقة، ولكن لا تزال مجموعة في طبيعتها حيث يتم استخراج مجموعات من المعاملات ومعالجتها بدلاً من المعاملات الفردية. تقدم OCI خدمات مختلفة لمعالجة استيعاب الدفعة، مثل خدمة تكامل بيانات OCI الأصلية وOracle Data Integrator تعمل على طبعة OCI Compute. وسيستند اختيار الخدمة في المقام الأول إلى تفضيلات العملاء وليس إلى متطلبات تقنية.

الحفاظ على البيانات ومعالجتها وتنظيمها

يتم بناء استمرارية البيانات ومعالجتها على ثلاثة مكونات (أربعة مكونات اختياريًا). سيستخدم بعض العملاء جميعهم، بينما سيستخدم آخرون مجموعة فرعية. اعتمادًا على وحدات التخزين وأنواع البيانات، يمكن تحميل البيانات إلى تخزين الكائنات أو تحميلها مباشرةً إلى قاعدة بيانات علائقية منظمة للتخزين الدائم. عندما نتوقع تطبيق إمكانات علوم البيانات، يتم عادةً التقاط البيانات التي يتم استرجاعها من مصادر البيانات في شكلها الأولي (كملف أصلي غير معالج أو استخراج) وتحميلها من أنظمة المعاملات إلى تخزين السحابة.

• التخزين السحابي هو طبقة الاحتفاظ بالبيانات الأكثر شيوعًا في النظام الأساسي للبيانات. ويمكن استخدامها مع كل من البيانات المهيكلة وغير المهيكلة. يعد تخزين كائنات OCI وتدفق بيانات OCI وOracle Autonomous Data Warehouse اللبنات الأساسية. يتم تسجيل البيانات المسترجعة من مصادر البيانات بصيغتها الأولية وتحميلها إلى تخزين كائنات OCI. مخزن كائنات OCI هو طبقة استمرار البيانات الأساسية، وSpark في تدفق بيانات OCI هو محرك المعالجة الدفعية الأساسي. تتضمن المعالجة الدفعية العديد من الأنشطة، بما في ذلك المعالجة الأساسية للضوضاء وإدارة البيانات المفقودة والترشيح استنادًا إلى مجموعات البيانات الصادرة المحددة. تتم إعادة كتابة النتائج إلى طبقات مختلفة من تخزين الكائنات أو إلى مخزن علائقي دائم استنادًا إلى المعالجة المطلوبة وأنواع البيانات المستخدمة.
• يعد استخدام Oracle Big Data Service لـ Hadoop (Hadoop المُدارة) بديلاً لتكوين تخزين كائنات OCI وتدفق بيانات OCI. يمكن أيضًا استخدام التكوينين جنبًا إلى جنب اعتمادًا على العميل وما إذا كان لديهم استثمار حالي في نظام Hadoop البيئي، إما من منظور منتج أو مهارة. يمكن للعملاء الذين يستخدمون بالفعل تخزين الكائنات ضمن Hadoop (بدلاً من نظام الملفات الموزعة Hadoop) نقل هذا التكوين إلى Oracle Big Data Service. يمكن أيضًا تشغيل المكونات الأخرى في بيئة Hadoop، مثل Hive، ودفع استخدام خدمة البيانات الكبيرة اعتمادًا على أدوات التصور وعلوم البيانات التي يستخدمها العميل أو ينوي استخدامها. بينما توضح هذه البنية جميع الخدمات المقدمة من Oracle، قد يختار العملاء الاستمرار في استخدام بعض مكوناتهم الحالية، وخاصة أدوات التصور وعلوم البيانات الموجودة لديهم بالفعل.
• سنستخدم الآن خدمة مخزن البيانات للحفاظ على البيانات المنسقة في نموذج محسّن لأداء الاستعلام. يوفر مخزن بيانات الخدمة طبقة علائقية مستمرة تستخدم لخدمة بيانات منسقة عالية الجودة للمستخدمين النهائيين مباشرة عبر أدوات مستندة إلى SQL. في هذا الحل، يتم تكوين طبعة Oracle Autonomous Data Warehouse كمخزن بيانات يخدم مستودع بيانات المؤسسة، وإذا لزم الأمر، متاجر بيانات على مستوى النطاق أكثر تخصصًا. كما يمكن أن يكون مصدر البيانات أيضًا لمشروعات علوم البيانات أو المستودع المطلوب لـ Oracle Machine Learning. قد يأخذ مخزن بيانات الخدمة أحد الأشكال المتعددة، بما في ذلك Oracle MySQL HeatWave أو Oracle Database Exadata Cloud Service أو Oracle Exadata Cloud@Customer.

تحليل البيانات والتنبؤ والعمل

وتيسر ثلاثة مناهج تقنية القدرة على التحليل والتنبؤ والعمل.

• تعد إمكانات التحليلات المتقدمة ضرورية للصيانة وتحسين الأداء. في حالة الاستخدام هذه، نعتمد على Oracle Analytics Cloud لتقديم التحليلات والتمثيلات المرئية. يمكّن ذلك المؤسسة من استخدام التحليلات الوصفية (تصف الاتجاهات الحالية مع الرسوم البيانية والرسوم البيانية)، والتحليلات التنبؤية (تتنبأ بالأحداث المستقبلية، وتحدد الاتجاهات، وتحدد احتمالية النتائج غير المؤكدة)، والتحليلات الوصفية (تقترح إجراءات مناسبة لدعم اتخاذ القرار الأمثل).
• بالإضافة إلى التحليلات المتقدمة، يُستخدم علم البيانات والتعلم الآلي والذكاء الاصطناعي بشكل متزايد للبحث عن الحالات الشاذة، والتنبؤ بمكان حدوث أي أعطال، وتحسين عملية التوريد. يمكن استخدام علوم بيانات OCI أو خدمات الذكاء الاصطناعي لـ OCI أو Oracle Machine Learning في قواعد البيانات. نستخدم أساليب التعلم الآلي وعلم البيانات لإنشاء نماذج الصيانة التنبؤية وتدريبها. يمكن بعد ذلك نشر نماذج التعلم الآلي هذه للتسجيل عبر واجهات برمجة التطبيقات أو تضمينها كجزء من خط أعمال تحليلات تدفق OCI GoldenGate. في بعض الحالات، يمكن نشر هذه النماذج في قاعدة البيانات باستخدام Oracle Machine Learning Services REST API (لإجراء ذلك، يجب أن يكون النموذج بصيغة Open Neural Network Exchange). بالإضافة إلى ذلك، يمكن نشر علوم بيانات OCI لأجهزة الكمبيوتر المحمولة التي ترتكز على Jupyter/Python أو Oracle Machine Learning لخوارزميات تعلم الآلة والحواسيب المحمولة Zeppelin داخل مخزن بيانات المعاملات أو الخادم. وبالمثل، يمكن لـ Oracle Machine Learning وOCI Data Science، إما بمفردها أو بالاشتراك معها، تطوير نماذج توصيات/قرارات. يمكن نشر هذه النماذج كخدمة، ويمكننا نشرها خلف بوابة واجهة برمجة تطبيقات OCI ليتم تقديمها على أنها "منتجات بيانات" وخدمات. وأخيرًا، بمجرد إنشاء نماذج التعلم الآلي، يمكن نشرها في التطبيقات التي تعد جزءًا من نظام تحكم موزع (إذا كان مسموحًا به) أو نشرها على الحافة عبر جهاز Oracle Roving Edge أو ما شابه ذلك.

يمكن تطبيق النماذج المتعددة التي تم إنشاؤها عن طريق الجمع بين علم البيانات والأنماط المحددة بواسطة التعلم الآلي على أنظمة الاستجابة واتخاذ القرار التي تقدمها خدمات الذكاء الاصطناعي.

• يمكن أن يساعد اكتشاف OCI الشاذ في مراقبة مقاييس أداء سلسلة التوريد (على سبيل المثال، مخزون المواد الخام، إنتاجية الإنتاج، العمل قيد التنفيذ، أوقات العبور، دوران المخزون، وما إلى ذلك) في الوقت الفعلي لتحديد الاضطرابات ومعالجتها. في سلسلة التوريد المعقدة، يمكن أن يساعد مجموع نقاط الشذوذات المحددة في ترتيب أولويات اضطرابات الأعمال الملحوظة خلال الإجراءات.
• يمكن أن يساعد تقدير OCI في التنبؤ بمقاييس سلسلة التوريد، مثل الطلب والعرض وقدرة الموارد، بحيث يمكن اتخاذ الإجراءات المناسبة للإعداد في وقت مبكر.
• يمكن أن تساعد OCI Vision ولغة OCI على فهم المستندات، مثل تقارير جودة المنتجات الصادرة وتقارير أخطاء المنتجات، لإثراء بيانات سلسلة التوريد.

المكون النهائي ولكن الحرج هو حوكمة البيانات. سيتم توفير ذلك من خلال كتالوج بيانات OCI، وهو خدمة مجانية توفر إدارة البيانات وإدارة البيانات الوصفية (للبيانات الوصفية التقنية وبيانات تعريف الأعمال) لجميع مصادر البيانات في النظام البيئي للنظام الأساسي للبيانات. تعد OCI Data Catalog أيضًا مكونًا مهمًا للاستعلامات من Oracle Autonomous Data Warehouse إلى OCI Object Storage حيث توفر طريقة لتحديد موقع البيانات بسرعة بغض النظر عن طريقة التخزين الخاصة بها. وهذا يسمح للمستخدمين والمطورين وعلماء البيانات باستخدام لغة وصول مشتركة (SQL) عبر جميع مخازن البيانات المستمرة في البنية.

فوائد استخدام البيانات لتحسين الكفاءة التشغيلية والأداء

مع زيادة سرعة الأعمال - ومستوى المنافسة -، لا يمكن للأنظمة القديمة المستخدمة لتقديم بيانات التشغيل الهامة مواكبة ذلك. تحتاج هذه الأنظمة إلى الكثير من التدخل اليدوي لجمع ودمج وإنشاء تقارير من البيانات المجزأة والمنعزلة، وهذا يعني أن المعلومات تصل متأخرة جدًا لمنح الشركة الميزة التي تحتاجها.

يعد الاستخدام الأمثل لموارد الإنتاج الخاصة بك أمرًا بالغ الأهمية لتحسين عمليات التصنيع الخاصة بك. كل دقيقة تقضيها في إنتاج المنتجات الخاطئة أو إنتاج المنتجات المناسبة بشكل غير فعال لا تؤدي فقط إلى زيادة التكاليف والهدر، بل تمنعك أيضًا من تقديم ما يحتاجه عملاؤك. يمكن أن يحقق تحسين العمليات وتحسين الأداء العديد من الفوائد للمصنعين، بما في ذلك ما يلي:

• كفاءة أعلى وتقليل وقت الإنتاج وتكاليفه وزيادة الإنتاج وتحسين الإنتاجية
• عيوب أقل وتحسين جودة المنتج وزيادة رضا العملاء
• التحديد السريع لمخاطر ومخاطر السلامة، مما يؤدي إلى تحسين ممارسات السلامة وتقليل الحوادث في مكان العمل
• تقليل النفايات وتحسين كفاءة منظومة التوريد وتحسين مستويات المخزون
• تحسين القدرة على المنافسة على السعر والجودة والابتكار، مما يمنح الشركات ميزة تنافسية في أسواقها
• تحسين الاستدامة من خلال تقليل النفايات، وتعزيز كفاءة الطاقة وتقليل التأثير البيئي لعمليات التصنيع