Открытые Системы. Что нужно для эффективного управления производственными и технологическими данными

Эксперты отрасли — о специфике и наиболее острых вопросах управления данными, порождаемыми на уровне систем MES, АСУТП и промышленного Интернета вещей.

В результате цифровизации и роботизации количество данных на производстве растет, как снежный ком. И, как снег на голову, на специалистов промышленных компаний могут внезапно обрушиться проблемы, порожденные неэффективным управлением данными. Широкий разговор на эту тему состоялся на организованной издательством «Открытые системы» первой всероссийской конференции по управлению данными и продвинутой аналитике в промышленности Industrial Data 2024. О специфике работы с данными на производстве, о ее аспектах, требующих особого внимания, и о способах повышения эффективности управления данными мы расспросили экспертов, принявших участие в этой конференции.

Ключевая специфика — в природе данных на производстве

Опрошенные нами эксперты единодушны в том, что управление производственными и технологическими данными имеет свою специфику, корень которой кроется в природе этих данных.

«Главная особенность данных на производстве — их аналоговый характер. Источниками обычно выступают датчики и оборудование, которые могут “шуметь”, сбоить, ломаться, поэтому для оценки качества собираемой с них информации нужно применять специальные методы, — считает Дмитрий Демидов, руководитель Лаборатории инноваций НОРБИТ. — Впрочем, иногда и в других отраслях приходится использовать характерные для производства подходы, если источниками данных выступают датчики или программно-аппаратные комплексы, например, банкоматы».

С ним соглашается Сергей Евтушенко, заместитель директора подразделения консалтинга DIS Group: «Производственные компании используют большое количество данных счетчиков, датчиков, контроллеров и т. д. Эти данные отличаются значительным объемом, который, в зависимости от количества регистраторов и частоты съема показаний, может достигать огромных значений. С другой стороны, качество этих данных зависит в первую очередь от качества и своевременного обслуживания оборудования, здесь человеческий фактор оказывает только косвенное влияние».

Полную версию статьи читайте на сайте “Открытых Систем”.