Data jako klíčová součást inteligentního průmyslu a logistiky se musejí adekvátně použít, aby podnikům přinášela přidanou hodnotu. Proto se stala datová analytika nevyhnutelným nástrojem pro optimalizaci a automatizaci výrobních procesů a řízení logistiky (dodavatelského řetězce). Smart Industry řešení a dostupné digitální technologie vnášejí nový rozměr i do analýzy dat. Výsledky analýz shromážděných údajů jsou dostupné v reálném čase, což rapidně snižuje reakční dobu při rozhodovacích procesech. Informační systém zpracuje a vyhodnotí data a kompetentní osoba disponuje nezbytnými podklady pro kvalifikované rozhodnutí. V praxi to znamená, že i zaměstnanci na nižších úrovních řízení mohou adekvátně a včas reagovat na mimořádné situace nebo zabránit jejich vzniku. Datová analytika však slouží i k tomu, aby Smart Industry systémy postavené na principech kyberneticko- fyzikálních výrobních systémů mohly disponovat vnořenými funkcemi s prvky autonomní samoregulace. Jinou podobu využití analytiky představuje koncept digitálního dvojčete – virtuální kopie zařízení, dat, procesů, systémů, výrobních linek nebo celé továrny. Dvojče pracuje s exaktními, reálnými a historickými údaji, proto se často využívá při simulačních modelech např. odhalování snížené propustnosti ve výrobním toku, nebo za účelem prediktivní údržby. I přesto, že se prediktivní analýza začíná ve výrobních podnicích teprve zabydlovat, v blízké budoucnosti bude nahrazena analýzou preskriptivní. Ta využívá soubor nástrojů, např. simulace, neuronové sítě a strojové učení, za účelem komplexní analýzy události. V případě, kdy prediktivní analýza odhaluje, co a kdy se stane, preskriptivní analýza určuje, i proč se to stane, čímž např. napomáhá při identifikaci budoucích rizik a příležitostí, ale zároveň poskytuje i doporučení, přičemž zohledňuje více možných důsledků potenciálních rozhodnutí. S růstem umělé inteligence bude nacházet častěji uplatnění ve výrobních podnicích i strojové učení (machine learning) a hloubkové učení (deep learning), především v rámci procesů údržby zařízení a kontroly kvality. Další z očekávaných trendů představuje vnořená analytika. Jednotlivá výrobní a dopravní zařízení budou disponovat vlastními algoritmy, což znamená, že budou automaticky provádět analýzy vlastních výrobních či logistických operací. Nezbytnou součástí datové analytiky je distribuce správných dat relevantní skupině osob. Zaměstnanci přijímající rozhodnutí potřebují mít přístup k rychle pochopitelným datům a analýzám, které jsou ve většině případů založeny na ověřených modelech uživatelské zkušenosti a intuitivních prvcích zobrazování. Vzhledem ke zvyšující se tendenci personalizace služeb koncovým zákazníkům, zvyšování variabilizace, dynamické a agilní výroby se stále více využívá vizualizace kontextových údajů i na úrovni operátorů, čímž dochází k demokratizaci dat v rámci výrobních podniků. Kromě zobrazování technicko-pracovních postupů na pracovišti mají operátoři přístup i k dodatečným informacím vázaným na specifika konkrétního produktu. /mim/
