Dataanalys - en förutsättning för den smarta industrin

Automation Region har pratat med tre experter – hur ser de på utvecklingen inom området och vilka råd vill de ge organisationer som vill komma igång att skapa värde med hjälp av dataanalys?

Kristian Sandström är senior forskare på Rise i Västerås och han driver flera tillämpade industriella forskningsprojekt där dataanalys är en viktig komponent.

– I många av våra projekt används dataanalys med syfte att utveckla lösningar inom AI eller maskininlärning men redan på vägen dit brukar grundläggande bearbetning, analys, och visualisering av data generera nya insikter, frågor och ibland oväntade svar, säger Kristian Sandström.

Han betonar också att dataanalys kan skapa värde på olika sätt – till exempel genom att beskriva ett nuläge, optimera verksamheter och processer, eller för att skapa innovation. Analysen ger en gemensam och objektiv bild av verksamheten som alla funktioner inom organisationen kan samlas kring. Samtidigt krävs det god domänkunskap och en viss försiktighet i hanteringen.

– Använd rätt processer och metodik för ändamålet, säger Kristian Sandström. Vad är målsättningen, vilket case ska adresseras med dataanalys och hur mäts framgång? Vilka är användarna och hur ska de ta till sig resultaten?

Prediktiv processkontroll och faktabaserade beslut

Micael Baudin, Senior Development Engineer på Seco Tools, och Fredrik Jakobsson, ansvarig för AR&3D på Mindflower, har samarbetat i utvecklingen av en visualiseringslösning för industrin. Syftet med projektet är att tillgängliggöra komplexa data för operatörer och stärka deras möjligheter att tillgodogöra sig information för att ställa diagnos och felsöka prediktivt.

– Vi behöver gå från reaktiv processkontroll mot ett mer prediktivt förhållningssätt genom produktens hela livscykel, säger Micael Baudin. Då kan vi uppnå mer precisa toleranser, minskade ledtider, högre maskinutnyttjande, lägre energiförbrukning och lägre underhållskostnader. Vilket i sin tur ger våra kunder mervärde i flera plan.

– I grund och botten handlar dataanalys om att sammanställa relevant information och säkerställa datakvalitet, säger Fredrik Jakobsson. Vi behöver göra informationen mer tillgänglig och visuell för att underlätta faktabaserade beslut.

Micael Baudin lyfter två aspekter som han menar är mycket viktiga när det gäller dataanalys – säkerställ ett konstant dataflöde i flera steg av buffring, och säkerställ tidssynkronisering för alla dataströmmar.

– Kraven på datasamplingsfrekvensen ökar och många uppkopplade enheter saknar funktionalitet för tidskoncept, säger Micael Baudin. En dataanalys blir aldrig bättre än den data som analysen bygger på.

Fredrik Jakobsson betonar vikten av att veta var data kommer ifrån och att det finns rutiner för att säkerställa att informationen är korrekt. Han framhåller också att det är viktigt att presentera analysen på ett bra sätt.

– Resultaten ska tillgängliggöras på ett jämlikt och demokratiskt sätt genom pedagogiska och väl genomtänkta gränssnitt som ger ökad nytta av analyserna, säger Fredrik Jakobsson.

Så skapar du värde med dataanalys

1. Anpassa processer och metodik för ändamålet – värdeskapande dataanalys kräver domänkunskap och noggrannhet.
2. Sträva efter prediktiv processkontroll genom produktens hela livscykel.
3. Säkerställ ett konstant dataflöde i flera steg av buffring med tidssynkronisering för alla dataströmmar.
4. Säkerställ att du vet var din data kommer ifrån samt att informationen är korrekt.
5. Tillgängliggör information och resultat med väl genomtänkta visualiseringar.