Krönika: Enhetlig data livsnödvändigt för tillverkningsföretag i AI-eran
Generativ AI har potentialen att omvandla tillverkningsindustrin, och göra det möjligt för branschen att arbeta mer effektivt och hållbart. En viktig del av denna omvandling är införandet av industriell IoT (IIoT). Användningen av industriell IoT är utbredd i Sverige, särskilt inom tillverkningsindustrin, och ambitionerna att införa AI-teknik sträcker sig också till andra branscher och samhället i stort. Men AI är dock bara så bra som de data den använder. Och för att kunna dra full nytta av AI-driven innovation på ett effektivt sätt, måste tillverkningsföretag därför bli bättre i sin analys av den data som AI-funktionerna byggts på.
Vi ser nu en ny industriell revolution som drivs av AI och analys, där data är det som verkligen driver på utvecklingen. Genom att nyttja data och ta bort interna datasilos, både strukturerade och ostrukturerade, kommer tillverkningsföretag få möjlighet till en helomfattande översikt över hur deras verksamhet verkligen fungerar.
Genom att använda data för att få full insyn i sin interna verksamhet, kan tillverkningsföretag enklare upptäcka ineffektivitet och förutse potentiella störningar i försörjningskedjan. Detta kan också underlätta hållbarhetsinitiativ för att minska företagens koldioxidutsläpp. Det första steget är att integrera data från ett antal olika system, från ERP-plattformar och data från leverantörer, till lager- och lagerhanteringssystem.
Det har dock inte alltid varit lätt att kombinera data, och större tillverkningsföretag har ofta flera ERP-system vilket har skapat datasilos, ibland till följd av sammanslagningar och förvärv. Tillverkningsföretag hanterar också enorma mängder data från källor som sträcker sig från IIoT-sensorer i fabriker till företagets IT-plattformar och operativ teknik, exempelvis industriella styrsystem (ICS). Och framför allt IIoT-enheter producerar enorma mängder data. Ostrukturerade data är därför en särskild utmaning, eftersom de kan komma från flera olika källor som maskinloggar, data från sensorer och videofiler från kameror. Utan en molnbaserad dataplattform som kombinerar data kommer tillverkningsföretag inte ha någon riktig insyn i sin försörjningskedja.
När tillverkningsföretagen väl har lyckats integrera och konsolidera data för hela organisationen, inklusive fabriker, kan de utnyttja AI på många olika sätt. Till exempel kan AI-chattbotar användas på fabriksgolvet och låta medarbetarna ställa frågor på ett naturligt språk, vilket innebär att de kan få snabbare tillgång till den information de behöver än tidigare.
Generativa AI-verktyg kan också rekommendera sätt för medarbetarna att lära sig, erbjuda information om hur de kan utföra vanliga arbetsuppgifter mer effektivt, samt spåra var varor befinner sig och hur lång tid de tar att leverera. Stora språkmodeller kan ta in data så som rapporter från inspektioner och underhållsdokument och utifrån dessa hjälpa medarbetarna att hitta sätt att optimera dessa processer, eller fokusera på potentiella hållbarhetsvinster genom att analysera energianvändning och utsläpp.
Om tillverkningsföretag ignorerar denna uppmaning till förändring kommer de inte att kunna dra nytta av fördelarna med generativ AI, som är avgörande för att hantera tillverkningsbranschens utmaningar både nu och i framtiden.
Genom att sammanföra data från hela försörjningskedjan och från fabrikssystem, kan tillverkningsföretagen vara mer innovativa, undvika störningar i försörjningskedjan, och till och med minimera koldioxidutsläppen. För att uppnå detta måste de dock anamma ett enhetligt tillvägagångssätt för dataanalys, som också kommer göra det möjligt för tillverkningsföretag att utveckla mer hållbara, effektiva och innovativa sätt att tillverka och skicka varor världen över.
Mats Stellwall, Principal Architect AI/ML på Snowflake