hirdetés
hirdetés

Lehetőségek és tanácsok

Okosan a karbantartással

Gyorsan nő az előrejelző karbantartás piaca, mivel egyre több vállalat vezet be dolgok internetére és mesterséges intelligenciára épülő megoldásokat, vagy erre készül. Projektjeik azonban könnyen elbukhatnak olyan hibák miatt, amelyeket a bevált gyakorlat alkalmazásával elkerülhetnének.

hirdetés

Stratégiaváltás áll a lendületes piacbővülés hátterében, amelynek jegyében a vállalatok az állapotfüggő karbantartás széles körben alkalmazott modelljét továbbfejlesztve a dolgok internetjére (internet of things, IoT) és fejlett analitikai eszközökre, mesterséges intelligenciára (artificial intelligence, AI) épülő, a meghibásodás kockázatát előrejelző (prediktív) karbantartás felé fordulnak, mutatott rá a területre szakosodott elemző cég, az IoT Analytics. Az új IoT-platformok mellett átállásukat az olcsó, ugyanakkor biztonságosan használható felhőszolgáltatások, a felhőalapú adattárolási lehetőségek és dinamikus adatmodelleket kínáló analitikai megoldások is segítik.

Az IoT Analytics jelentése (Predictive Maintenance Market Report 2017-2022) szerint az előrejelző karbantartás piaca a következő évtized első éveire 10,962 milliárd dollárra fog nőni, ami 2017 és 2022 között átlagosan 39 százalékos éves bővülésnek felel meg. A piac mérete idén várhatóan 3,070 milliárd dollár lesz, de már 2020-ban eléri az 5,983 milliárd dollárt. Jelentéséhez az elemző cég a prediktív karbantartás technológiai elemeit szállító, több mint 110 piaci szereplő kínálatát és üzleti eredményeit tanulmányozta, felhasználói oldalon pedig 47 megvalósult projektet értékelt ki.

– Minthogy működése könnyen érthető, és kézzelfogható eredményekkel szolgál, az előrejelző karbantartás az ipari IoT egyik legvonzóbb alkalmazásának számít a vállalatok körében – mondta Knud Lasse Lueth, az IoT Analytics ügyvezető igazgatója. – A karbantartás optimalizálásával a gyártó vállalatok például ebben a modellben házon belül is 20-30 százalékos hatékonyságnövekedést érhetnek el. Az igazi forradalom azonban a gyárcsarnokok falain kívül zajlik. Néhány eredeti eszközgyártó, különösen a felvonóipar szegmensében már olyan prediktív karbantartási szolgáltatásokat vezet be, amelyek teljesen át fogják alakítani a piac dinamikáját. Az egyes projekteket közelebbről is megvizsgálva látjuk azonban, hogy egyelőre még az előrehaladott fejlesztések is nagyrészt ígérik, semmint szállítják az előrejelző karbantartással kétségtelenül elérhető, nagyobb üzleti értéket.

Tarol az ipar

A dolgok internetjén zajló fejlesztések részletes áttekintését az IoT Analytics egy adatbázissal is segíti, amelyben 1600 tényleges nagyvállalati IoT-projektet osztályoz az interneten – több ezer weboldalon – róluk elérhető információk alapján. Az adatbázis 2018-as frissítésekor az elemző cég többek között a legnagyobb IoT-szegmensek rangsorát is meghatározta.

Idén okosváros kategóriába sorolta a legtöbb (367 darab) projektet az IoT Analytics, a második legnagyobb szegmensnek az ipar bizonyult 265 projekttel, míg a harmadik helyen az okosépületek osztálya végzett 193 fejlesztéssel. Földrajzi megoszlásban Észak-, Közép- és Dél-Amerika a legerősebb régió a projektek 45 százalékával, Európa a fejlesztések 35 százalékával követi, a harmadik helyen pedig Ázsia végzett a beruházások 16 százalékával. Térségenként azonban eltér az egyes IoT-szegmensek mérete.

Forrás: 123rf
Forrás: 123rf

Az adatbázisban szereplő IoT-projektek 17 százaléka a hálózatba kapcsolt ipar kategóriájába tartozik, és a gyáron belüli, valamint azon kívüli fejlesztésekre is kiterjed. A szegmensben a legnépszerűbb ipari alkalmazás a vállalati vagyontárgyak – például emelődaruk, fúrótornyok, villástargoncák és más, hálózatba kapcsolt eszközök, gépek és járművek, de akár egész bányák vagy olajföldek – távoli monitorozása és menedzselése, a karbantartást is beleértve (a nyugat-ausztráliai Rio Tinto bányatelepein például ilyen IoT-fejlesztésen dolgozik a Ciscóval). A projektek második leggyakoribb típusa az okosgyárakat jellemző, holisztikus megoldás kialakítását célozza, amely többek között olyan elemekből épül fel, mint a gyártósorok és szerszámgépek monitorozása, a munkások által viselt, digitális eszközök integrálása, a PLC-egységek hálózatba kapcsolása és távoli vezérlése, valamint a minőség-ellenőrző rendszerek automatizálása. A szegmens az amerikai kontinensen a legnagyobb, az ott zajló IoT-projektek 45 százaléka ebbe a kategóriába tartozik.

Idei évre szóló technológiai előrejelzésében az IoT Analytics a meghatározó trendek közé sorolja az analitikai eszközök és a mesterséges intelligencia felerősödő térhódítását. Az elemző cég szerint 2018 folyamán több vállalat indít majd IoT-projektet tényleges AI-képességekkel felruházott alkalmazások bevezetésére, és a fejlesztések egyik domináns területe a prediktív karbantartás lesz.

Tanácsok hibamegelőzéshez

Hasonló megállapításra jutott a piaci trendek vizsgálatakor a Gartner is. Az elemző cég szerint a gyártóiparban a prediktív karbantartási modellre történő átállás az IoT-beruházások fő mozgatóereje. A vállalatok ezekkel a fejlett analitikai eszközökre, gépi tanulásra és mesterséges intelligenciára építő megoldásokkal ugyanis magasabb szintre emelhetik vagyontárgyaik felügyeletét, így nagyobb működési hatékonyságot érhetnek el, és csökkenthetik költségeiket.

A felmérésben (2018 CIO Agenda Survey), amelyben a Gartner prioritásaikról kérdezte a vállalati informatikai vezetőket, a válaszadók csupán 4 százaléka mondta, hogy bevezetett már AI-képességekkel bíró alkalmazást, de további 46 százalékuk jelezte, hasonlóra készül, és a projekt tervét részletesen kidolgozta.

Más szóval az AI-technológiákat övező nagy érdeklődés ellenére ma még elég kevés érdemi megvalósítással találkozunk. Minden jel arra utal azonban, hogy a közeljövőben jóval több AI-projekt indulhat, ezért a nagy kihívásokkal szembesülő, korai alkalmazók tapasztalataiból sok vállalat tanulhat. A Gartner négy tanulságot szűrt le belőlük a vezetők számára:

Kiindulásképp válasszon könnyen elérhető célokat– Ne essen abba a hibába, hogy AI-projektjétől mindjárt számszerűsíthető, például pénzügyi előnyöket vár. Általában hasznosabb egy jól behatárolt, kisebb projekt megvalósításával kezdeni, és olyan puha eredményeket megcélozni, mint a folyamatok javítása, az ügyfél-elégedettség növelése vagy a versenyképesség felmérése pénzügyi elemzés és iparági összehasonlítás alapján. A kezdeti tapasztalatokat azután a vállalat nagyobb ívű próbaprojektekben és éles használatra szánt AI-alkalmazások bevezetésében hasznosíthatja. Ha a felső vezetés már a kezdet kezdetén számszerűsíthető előnyöket vár, akkor jelölje meg a lehető legkisebb célszámokat, látványosabb eredmények elérésére törekedjen később.

Forrás: 123rf
Forrás: 123rf

Az emberi munkaerő kiváltása helyett annak támogatására összpontosítson – Történelmi okokból az áttörést hozó technológiai vívmányokról sokan a munkahelyek megszűnésére asszociálnak. Bár a bérköltség csökkentése vonzó lehet az üzleti vezetők szemében, a törekvés ellenállást válthat ki azok körében, akik úgy érzik, állásuk veszélybe került. A vállalat így végső soron nem tudja majd előnyére fordítani a mesterséges intelligencia képességeit sem. Rövid távon az AI azzal járulhat hozzá érdemben az üzlet digitális átalakításához, hogy a gépies feladatok átvételével tehermentesíti a munkavállalókat, akik így több időt és figyelmet fordíthatnak értékteremtésre. A mesterséges intelligencia ezáltal érdekesebbé, izgalmasabbá teheti a napi munkát, és persze új munkaköröket is életre hív. A Gartner szerint 2020-ban már a vállalatok 20 százalékánál dolgozni fognak olyan szakemberek, akiknek a feladata kimondottan a neurális hálózatok felügyelete és tanítása lesz.

Tervezzen tudásátadással – Ügyfelekkel folytatott beszélgetéseik alapján a Gartner elemzői arra a megállapításra jutottak, hogy a vállalatok többsége ma még nincs igazán felkészülve az AI bevezetésére. Házon belül ugyanis képtelenek felvonultatni az adatkutatói kompetenciákat, amelyek szükségesek a mesterséges intelligencia tanításához és használatához, ezen a téren kénytelenek külső szolgáltatókra támaszkodni. A Gartner felmérésében az IT-vezetők 53 százaléka azt mondta, hogy vállalata csak korlátozott mértékben képes adatvagyonának hasznosítására. Az elemző cég ezért arra figyelmeztet, hogy 2022-ig az AI-projektek akár 85 százaléka téves információkat eredményezhet, mert rossz adatokból indul ki, hibás algoritmusokkal elemez, vagy a projektcsapat hiányos hozzáértése miatt. A vállalatoknak ezért már az első AI-projekttől kezdve gondoskodniuk kell arról is, hogy a külső szakértők tudását alkalmazottaik átvegyék, és felálljon a házon belüli felkészült csapat, mielőtt kiterjedtebb fejlesztésekbe kezdenének.

Válasszon transzparens AI-megoldást – A mesterséges intelligenciára építő projektek megvalósításában gyakran fontos szerephez jutnak külső, például felhőszolgáltatók szoftverei és rendszerei. Fontos ezért, hogy a szolgáltatási szerződés bizonyos mértékű betekintést adjon az ügyfélnek a mesterséges intelligencia működésébe, döntéshozatali mechanizmusába is. Elsősorban nem azért, hogy ellenőrizhető legyen, az AI helyesen válaszolt-e egy kérdésre vagy sem. A vállalati döntéshozóknak nem csak azt kell megérteniük ugyanis, hogy a mesterséges intelligenciát mire érdemes vagy nem érdemes használniuk, hanem azt is, hogy miért.

Egy laikusnak persze nem lehet mindig részletesen elmagyarázni olyan összetett analitikai modellek működését, mint amilyenek a mélytanuló neurális hálózatok, teszi hozzá a Gartner, de a választási lehetőségeket érthetően bemutató vizualizációra szükség lesz. A törvény által szigorúbban szabályozott területeken ezt az átláthatóságot a megfelelés is megkövetelheti – ha az AI-projektben ügyféladatok is érintettek, akkor a GDPR életbelépése óta ez már egyetlen vállalat számára sem lehet kérdéses.

Kis Endre
a szerző cikkei

hirdetés
Ha hozzá kíván szólni, jelentkezzen be!
 
hirdetés
hirdetés
hirdetés

Kiadónk társoldalai

hirdetés