Datamodellering er en afgørende proces for den moderne produktionsvirksomhed, da det transformerer produktionsvirksomhedens enorme mængde rå produktionsdata til standardiseret, sammenhængende og anvendelig information.
Datamodellering er derfor nøglen til avancerede analyser og optimeringer, da det samler produktionens mange datakilder med forskellige målesystemer og samplingfrekvens i én datamodel, hvor du kan sammenligne og anvende dine data.
Det giver en dybere forståelse af din produktion, og det kan identificere optimeringsmuligheder og forbedre din beslutningstagning.
Hvad er datamodellering?
Datamodellering handler om at flytte og strukturere den enorme mængde produktionsdata, du har til rådighed, så den fremstår standardiseret og i relation til hinanden – typisk i én samlet cloudbaseret datamodel. Det gælder data og attributter fra hele produktionslinjen, hvad enten det er realtidsdata fra dine maskiner, data fra recepter, data fra din ERP-system eller OEE-data.
En helt central del af datamodelleringen er etablering af sporbarhed. Mange forbinder sporbarhed med evnen til eksempelvis at trække produkter tilbage, hvis der opstår et problem. Men sporbarhed er også nøglen til at knytte data sammen på tværs af produktionen, gerne automatisk og i realtid.
Klassificering af data
Med datamodellering kan du klassificere data og information på en helt ny måde. Datamodellering er derfor et afgørende element i en digitaliseret og effektiv produktion, da det skaber et standardiseret grundlag for analyse og valid databehandling.
I grove træk kan du se på det sådan her:
Med en organiseret datamodel går du fra at have data til at få information. Du går fra enkeltstående data med forskellig samplingsfrekvens til helhedsbilleder og det forkromede overblik over hele din produktion.
Det er godt for din sporbarhed, for ESG-rapportering og for din generelle produktionseffektivitet.
Datamodel vs datamodellering
Datamodellering er vejen, du følger for at skabe den strukturerede plan – selve datamodellen – der beskriver, hvordan din data skal organiseres og anvendes i dine applikationer og databaser. En datamodel er altså dit blueprint for datahåndtering og resultatet af hele datamodelleringsprocessen.
Hvorfor er datamodellering vigtigt for produktionsvirksomheden?
Datamodellering er en afgørende digitaliseringsdisciplin for produktionsvirksomheder, da det giver konkurrencemæssige fordele i form af avancerede optimeringsmuligheder.
Når du har organiseret produktionsdata, kan du foretage komplekse dataanalyser med mange variabler og med værktøjer som Power BI, AI og Machine Learning.
Outputtet er optimeringsmuligheder på tværs af hele produktionen, du ellers ikke havde set i en mere fragmenteret og silo-opdelt datastruktur.
Hvad er produktionsvirksomhedens data-udfordringen?
Hos integra2r betragter vi datamodellering som næste skridt på digitaliseringsstigen. Det gælder særligt produktionsvirksomheder, der allerede er gode til at indsamle data, hvilket langt de fleste er.
Det gælder også virksomheder, der har en optimeret produktion, men som ønsker at tage deres produktionsoptimering til næste niveau.
Mange af de produktionsvirksomheder vi samarbejder med, har allerede gode og valide OEE-data, data fra kvalitetssystemet, vedligeholdelsessystemet og receptsystemet. De har store mængder data fra hele forsyningskæden, men få har udnyttet datamodellering til at standardisere og relatere data til hinanden og dermed få det produktionsmæssige helhedsbillede.
Udfordringen er forskellig samplingsfrekvens
Udfordringen er, at datainput kommer i mange forskellige former, modeller og tidsintervaller fra applikationer, maskiner, måleenheder, systemer og operatører. Nogle systemer gemmer data på én måde, nogle systemer leverer data hvert sekund. Andre hver time.
For at kunne konvertere data til information og brugbar viden, er der typisk brug for en specialist med et dyt kendskab til det enkelte system eller site, hvilket er både ressourcekrævende og tidstungt.
Med en datamodel kan du se optimeringsmuligheder på tværs af din produktion med det samme. Og det er heri det store potentiale og konkurrencefordelen ligger.
Fordele ved datamodellering for produktionsvirksomheden
Fordelene ved datamodellering er mange, men her er tre udvalgte fordele for produktionsvirksomheden.
Datatilgængelighed
Med datamodellering gør du din data tilgængelig i én datamodel. Det er her, du transformerer enkeltstående data til helhedsbilleder og dermed gør data til information og brugbar viden, du kan implementere i din produktion.
Artificial Intelligence, Machine Learning & Business Intelligence
Ved at have organiseret dine data korrekt, får du mulighed for at koble avancerede AI-teknologier, Machine Learning og Business Intelligence oven på din datamodel til at foretage komplekse analyser.
Du også koble information sammen ved hjælp af sporbarhed og dermed se sammenhænge på tværs af produktionen på en helt ny og langt mere effektiv måde end før.
Det gør det eksempelvis muligt at udtrække handlingsorienterede indsigter og forudsigelser samt omdanne store datasæt til overskuelige rapporter og dashboards.
Samlet kan det give en mere proaktiv tilgang til produktionsoptimering, hvor du kan reagere, inden problemerne opstår.
Cloud-baseret database
Datamodellen kan lagres i skyen, hvilket giver en lang række fordele for produktionsvirksomheden:
- Vi kan gemme data, udtrække data og tilpasse data i store mængder på tværs af produktionsites, uden det påvirker selve produktionen.
- Vi får IT-værktøjer, der gør os i stand til at gemme og bearbejde stort set alt den data, vi har brug for.
- Det er relativt set en billig løsning.
Eksempler på succesfuld datamodellering
Herunder har vi samlet to konkrete eksempler på, hvordan en succesfuld implementering af datamodellering kan udfolde sig i bedre sporbarhed i form af ressourceforbrug og dashboards i realtid.
Optimeret energiforbrug til ESG-rapporten
Når du samler datakilder fra dit energiforbrug, dine maskiner og dit produktionsoutput i én datamodel, kan du spore, hvordan dit energiforbrug varierer i produktionsflowet af det enkelte produkt.
Det giver dig ESG-data og et sammenligningsgrundlag, hvor du kan benchmarke dit energiforbrug op imod din produktionsmængde af et enkelt produkt eller en hel produktklasse.
Er der eksempelvis en type mælkeprodukt, der kræver 10 procent mere energi at producere end en anden, kan du vælge at optimere den pågældende produktion eller omlægge produktionen til et mere energieffektvt produkt.
Sporbarhed i realtid med en live datamodel
En anden tilgang til datamodellering er at kigge på Unified Namespace. Den går kort fortalt ud på at danne og organisere dine data i realtid og opbygge en datamodel live. En central datamodel, der ideelt set indeholder alle dine informationer et sted, i en struktur. Det betyder nødvendigvis ikke, at alt skal laves om fra starten, da du sagtens kan starte med at kigge på de vigtigste områder først.
Fordelene er eksempelvis, at du kan lave dashboards, der 1:1 repræsenterer produktionens aktuelle flow, og at du dermed kan fange fejl i opløbet, inden de sker, eller lige når de sker.
I forhold til afsætningen og markedsføringen af varer bliver det også muligt for forbrugere – lad os sige i bilbranchen – at følge produktionen af deres nye bil step-by-step.
Du går altså fra at være reaktiv til at kunne være proaktiv og fange fejl i opløbet, hvilket kan spare store omkostninger.
Sammenhængen mellem et Manufacturing Execution System (MES) og datamodellering
Manufacturing Execution Systems (MES) spiller en afgørende rolle i digitaliseringen af produktionsprocesser, og dataindsamling er kernen i effektive MES-løsninger, hvor ISA 95 typisk er model-standarden.
Hos integra2r anser vi implementeringen af et MES-system som det første – og mest afgørende – spadestik i at arbejde med datamodellering. Det skyldes, at man i et MES-system tager en portion af den data, der er til rådighed i produktionen og lægger ind i systemet.
Det er dermed første del-organisering af data og fundamentet for din datamodellering.
Udfordringen er, at MES-systemet ikke omfatter alt den tilgængelige data fra start, da et MES-system typisk kun er integreret med en del af produktionssystemerne.
I bedste fald – og for at få det fulde overblik over produktionsflowet – har du et MES-system, der opsamler data fra hele produktionssystemet, men det kræver, at systemet er fuldt integreret med både ERP-systemet, økonomisystemet, kvalitetssystemet, PLC-systemet, iOT-enheder mv. Altså hele produktionsprocessen.
Implementering af MES og datamodellering er en trinvis proces, hvor MES-systemet er fundamentet, du løbende udbygger – eksempelvis ved at implementere forskellige cloudløsninger eller integrationer.
Har du spørgsmål til datamodellering?
Vi håber, du er blevet klogere på datamodellering, og hvordan det kan optimere din produktion.
Har du spørgsmål, er du altid velkommen til at tage fat i Senior MES Architect Poul Klemmensen på pkl@integra2r.com eller (+45) 9154 5445.