Liikaa siiloutunutta dataa, liian vähän toimintaa: Näin teol­li­suus­joh­ta­jat voivat muuttaa operatiivisen datan kilpailueduksi teollisen tekoälyn avulla

Teknologiajohtajat, tietohallintojohtajat ja digitalisaatiosta vastaavat tarvitsevat laadukasta ja helposti saatavilla olevaa dataa. Vaikka valmistava teollisuus, energia-ala ja yleishyödylliset palvelut ovat käsitelleet dataa jo vuosikymmeniä, painopiste on ollut operatiivisessa toiminnassa datakypsyyden kustannuksella.

”Dataa käytetään usein vain rajallisesti. Se jää järjestelmiin ja lokitiedostoihin, eikä sitä hyödynnetä kunnolla analytiikassa. Datan tulisi kuitenkin palvella kaikkia: tuotantotyöntekijöitä, kenttähenkilöstöä, myyntiä, asiakastukea, tuotekehitystä ja johtoa”, Matti Partanen, Etteplanin teollisuuden palveluratkaisujen johtaja, sanoo.

Yritysten tulisi pyrkiä kokonaisvaltaiseen näkymään yhdistämällä dataa eri lähteistä, kuten turvallisuudesta, laadusta, kunnossapidosta, jälkimarkkinoinnista ja toimitusketjusta.

Generatiivisen tekoälyn nousun myötä kiinnostus tekoälyä kohtaan on kasvanut. Sen odotetaan tekevän datalla melkein mitä vain ja tuottavan konkreettista lisäarvoa.

”Yritykset odottavat tekoälyn hyödyntämiseltä monia etuja, kuten parempaa suorituskykyä, vähemmän seisokkeja, pienempiä materiaali- ja energiakustannuksia sekä tehokkaampaa työvoiman käyttöä. Yritykset etsivät myös liiketoimintaa mullistavia käyttötapauksia, mutta usein on turvallisempaa aloittaa sisäisistä prosesseista ja kerryttää kokemusta vähitellen”, Partanen kertoo.

Monet AI-hankkeet kuitenkin pysähtyvät pilottivaiheeseen. Syynä on usein se, että perustat – kuten datan saatavuus, saavutettavuus ja laatu – eivät ole kunnossa.

Menestyksen avain on datakypsyydessä. Yritysten tulisi ensin arvioida, kuinka hyvin digitaaliset teknologiat ja automaatio on integroitu toimintaan.

”Usein huomataan vasta kantapään kautta, että data on siiloutunutta ja hajallaan eri muodoissa. Relevantti data pitää tuoda yhteen esimerkiksi data-alustalle tai reunalaskentaan, johon tekoälyllä on pääsy”, Partanen kehottaa.

”Organisaatiorakenteet ovat usein myös siiloutuneita. Datan jakaminen eri yksiköiden kesken on nyt tärkeämpää kuin koskaan.”

Partanen suosittelee aloittamaan datan ja tekoälyn strategian kehittämisestä. Sen on oltava tiiviisti linjassa yrityksen strategian kanssa. Strategiaan sisältyvät liiketoimintamahdollisuudet ja käyttötapaukset, ja se antaa ohjeistuksia organisaatiolle, johtamiselle, datan hallinnalle, teknologioille, yksityisyydelle ja etiikalle.

"Liian usein käyttötapaukset määritellään liian korkealla tasolla, eivätkä ne vastaa tehdasympäristön todellisia tarpeita.”

Yritysten ei kannata jäädä jumiin täydellisen strategian rakentamiseen. Sen sijaan tekoälyprojektit kannattaa aloittaa konkreettisista käyttötapauksista, jotka liittyvät toiminnallisiin ongelmiin, ja kehittää strategista kehystä samanaikaisesti. Ongelmat voivat olla esimerkiksi tuotannon hävikki, suunnittelematon seisokkiaika tai ylimääräinen energiankäyttö.

"Selkeä käyttötapaus on olennaista, jotta tekoälytyökalut voivat tuottaa konkreettisesti hyödynnettävää tietoa. Esimerkiksi tekoäly voi tutkia tietyn laakerin kulumisen syitä teollisuuskoneessa ja yhdistää tämän ihmisälyyn. Lisäksi tekoäly voi kerätä tietoa useista lähteistä huolto- tai jälkimarkkinapalveluiden tarjoajalle ja esittää löydökset ymmärrettävässä muodossa", Partanen sanoo.

Monissa tapauksissa paras lähestymistapa on käyttää räätälöityjä tekoälyagentteja, joilla on selkeä tavoite. Ne ovat tehokkaampia ja sopeutuvampia kuin perinteiset ohjelmistot ja algoritmit.

Tekoälyagenttien kehittäminen tuottaa usein nopeimmat voitot, kuten parantuneen tehokkuuden. Ne voidaan integroida sisäisiin prosesseihin auttamaan käyttäjiä tekemään parempia päätöksiä.

Kun tekoäly alkaa tuottaa tuloksia, käyttäjien on voitava luottaa ja ymmärtää niitä. Tämä vaatii muutoksenhallintaa, läpinäkyvyyttä, koulutusta ja palautekierroksia.

"Tämän saavuttaminen vaatii aikaa ja asiantuntemusta. Jotta teollisen tekoälyn avulla voidaan menestyä, se edellyttää syvällistä liiketoimintaosaamista, ymmärrystä teollisesta ympäristöstä, insinööritaitoa ja IT-osaamista. Vain harvat konsulttiyritykset voivat tarjota tätä osaamista. Me Etteplanilla voimme, ja meillä on vahvaa näyttöä siitä", Partanen toteaa.

Haluatko tietää lisää, miten siiloutunut operatiivinen data muutetaan todelliseksi liiketoiminta-arvoksi teollisen tekoälyn avulla? Lataa ilmainen oppaamme: Create value with Industrial AI