Senzory na moderních výrobních linkách i strojích chrlí každý den nemalé množství různých dat. A pokud firmy dokážou s takto jednoduše získanými informacemi správně pracovat, mohou uspořit nemalé finance jak na servisu zařízení, tak třeba také optimalizací výroby. „Bohužel, většina firem zatím tápe a obrovský potenciál, který se v big datech ukrývá, nedokáže efektivně využít," říká Lukáš Jílek, senior manažer v oddělení Strategie a provozních činností společnosti Deloitte Česká republika.
Na to, co přesně jsou big data, neexistuje přesná definice. Jak je vnímáte vy?
Osobně za ně považuji taková data, kdy se sbírá tisíce parametrů každou sekundou a tyto informace se ukládají do datových skladů. Pokud bych to měl vyjádřit čísly, tak jsou to situace, kdy se během pár minut vygeneruje více než 1 GB dat. Důležitou součástí mojí definice je také to, že jde o potřebu komplexního řešení zahrnujícího vyhodnocování. Pokud firma sbírá a hodnotí jen jeden či dva parametry za nějaký delší časový úsek a je schopna je analyzovat v klasických nástrojích typu Excel, tak bych hovořil spíše jen o datech, nebo o small datech.
O jakých parametrech se u průmyslových provozů můžeme bavit?
Dnes se dá sbírat skutečně prakticky cokoliv, a to i v reálném čase. Ze stroje lze získat například data o tlaku, teplotě zařízení, vibracích, otáčkách či o tom, co se na stroji momentálně vyrábí. Do toho je možné sbírat i informace z okolí stroje, senzory mohou měřit i teplotu a vlhkost okolí, které může mít vliv na přesnost stroje. A díky takovým informacím je pak možné třeba zautomatizovat řešení určitých problémů. Jde tak o jeden z důležitých nástrojů konceptu Průmyslu 4.0.
Jsou si firmy vůbec vědomy potenciálu, který v sobě taková data ukrývají?
Myslím, že obecně vzato si to uvědomují velmi dobře. Setkáváme se s klienty, kteří už vědí, že když budou data sbírat, získají určitou přidanou hodnotu, kterou v současné chvíli nemají. Problém je ale v tom, že většina firem vůbec neví, jak se získanými daty naložit. Jinak řečeno, získaná data jim nedokážou odpovědět na otázky, které si ohledně výroby kladou. Sbírají velké množství dat jen za účelem sběru bez dalšího plánu, a protože nemají jasně definováno, co je důležité, může jim právě nějaký klíčový parametr uniknout.
Základem je tedy jasné definování otázky, na kterou chtějí znát odpověď a na to konto poté určit, jaká data a jak často se budou sbírat, kde se budou skladovat a jak se budou vyhodnocovat. A k tomu si firma buď může najmout interně odborníka na big data, který má zkušenosti se zaváděním takových řešení, případně se lze obrátit na odborníky z akademických orgánů. Existují i různé asociace, které cílí na edukaci zodpovědných manažerů v daných firmách, k dispozici jsou i poradenské firmy a určitým způsobem se angažuje i státní aparát.
Liší se nějak očekávání, co data mohou firmě přinést a následná realita?
Firmy očekávají, že jim informace pomohou k rychlejšímu rozhodování, automatizaci i k predikci potenciálního selhání stroje. Že budou vědět, kdy je třeba vyměnit určité součástky, protože budou lépe znát jejich opotřebení a podobně. Doufají, že jim sběr dat pomůže snížit náklady. Avšak realita je taková, že kompletně digitalizovaných firem, které skutečně plnohodnotnou práci s big daty zavedly a informace z nich vyplývající komplexně využívají, je v ČR malé množství. Jsou to prakticky desítky, maximálně stovky firem. Aktuálně jsou to u drtivé většiny podniků spíše ostrůvky digitalizace, které cílí na řešení konkrétních problémů jako například zlepšení kvality pomocí strojového vidění, automatické přeplánování výroby, zlepšení skladového hospodářství či automatizace interní logistiky.
(Celý rozhovor naleznete v příštím vydání Technického týdeníku.)