Digitala tvillingar – allt viktigare för svensk industri
Av Detta årstionde kommer dramatiskt ändrat sättet som data hanteras. Enligt Martti Makinen så är företag äntligen redo och kapabla att utnyttja data från sina slutna system.
– Förtroendet för molntjänster och förmågan att samla in data från olika källor har ökat avsevärt. Kraven för att erhålla information från olika system- och utrustningsleverantörer kommer också att driva förändringen, säger han.
Behovet av att visualisera sin data ökar i takt med att mängden omgivande information växer.
– Kommunikationskapaciteten hos enheter, olika sensorsinformation och behovet av att använda dem kommer att växa i samma proportion, förklarar Martti Makinen och fortsätter:
– En bild säger mer än tusen ord speglar väl den betydande ytterligare fördelen med visualisering för tydlig visning av stora och omfattande datamassor.
Digitala tvillingar är användbara inom alla områden där visuell representation av information möjliggör en enklare och snabbare förståelse av enheter. Martti Makin menar att process- och tillverkningsindustrin ligger i framkant och är de som mest aktivt sökt efter lösningar för att hantera olika systemdata. Detta för att göra verksamheten effektivare och säkrare.
Idag använder företagen ofta modeller som är baserade på distribuerad datahantering inom företagens egna segment och system.
– Gemensamma vyer och presentationer har sammanställts från separata rapporter med olika metoder. Informationen når ofta inte sina användare, och rollbaserad information har inte i praktiken varit möjlig , säger Martii Makinen.
Det finns ingen direkt genväg till lycka när det gäller artificiell intelligens heller Martti Makinen
Med en sådan datamodell får verksamheten alltid information om händelser med en fördröjning. Beslut kan inte fattas effektivt i realtid.
– När man övergår till realtidsdatavisualisering är det också nödvändigt att förnya företagets sätt att använda data och gå vidare för att använda den nya datavisualiseringsapplikationen istället för de befintliga. Om en ny typ av modell inte används är också investeringen i den meningslös, säger han.
Vid användningen av artificiell intelligens och maskininlärning är det nödvändigt att ta hänsyn till de förutsättningar som krävs för deras funktion.
– Maskininlärning kräver en rutinmässig lärandeperiod, under vilken de korrekta observationerna av maskininlärning väljs bland de felaktiga eller snarare onödiga. Artificiell intelligens å andra sidan behöver korrekt information för att fatta rätt beslut, säger Martti Makinen.
Informationen måste också stödja det beslutsfattande som förväntas av artificiell intelligens.
– Det finns ingen direkt genväg till lycka när det gäller artificiell intelligens heller, säger han.
Felaktig bakgrundsinformation leder till felaktiga slutsatser. Samma lagbundenhet gäller också för artificiell intelligens.
På vilket sätt gynnar datavisualisering personalen på golv? Hur? Det frågar vi Martti Makinen.
– Genom att se till att de har en säker och lämplig arbetsmiljö och de nödvändiga verktygen och kunskapen att använda. Genom att använda rollbaserad kunskap, betona saker som bör uppmärksammas, kan personalens färdigheter och erfarenhet på golvet och särskilt praktikanterna förbättras betydligt, säger Martti Makinen och fortsätter:
– På detta sätt kan uppmärksamheten riktas mot viktig information, reagera på den utan dröjsmål, samtidigt som man säkerställer att viktiga indikationer inte drunknar i dataljudet.