Vi er på vej ind i en tid, hvor applikationer til dataanalyse danner grundlag for produktionsoptimering, kundeoplevelser og bæredygtig udvikling. Men hvordan tager du disse nye muligheder i brug i din produktion?

For at gøre rejsen let for dig,  er der i artiklen samlet 6 nøgleindsigter fra World Economic Forum og Boston Consulting Groups arbejde med Schneider Electric og nogle af verdens førende produktionsvirksomheder.

Tre organisatoriske prioriteter, du skal have på plads.
En succesfuld implementering af data- og analyseapplikationer kræver at organisation og kompetencer er på plads.

1. Definer en klar strategi for at omsætte data til værdi
For at kunne træffe de rigtige beslutninger om hvilke digitaliseringer, det giver mening at investere i, har virksomheden brug for et klart mål og et overblik over den vej, der leder derhen. Når det bliver tydeligt, hvordan man vil udnytte data, bliver det meget nemmere at skabe forandring i organisationen og få medarbejdere og partnere til at købe ind i processen.

Et eksempel er lakseproducenten Mowi, der i partnerskab med IoT-udviklingshuset EVRYTHNG lavede en end-to-end tracibility platform, hvor forbrugerne kunne følge laksens vej fra havet og til spisebordet. Dette skete ud fra indsigten om, at forbrugerne i stigende grad kræver transparens i forhold til det, de spiser.

2. Skab incitamenter for interne og eksterne interessenter
Skal samarbejdet omkring deling af data lykkedes, kræver det klare incitamenter. Skal data krydse interne organisationssiloer eller virksomhedsgrænser, kan de implicerede aktører frygte at miste forhandlingskraft eller direkte skade deres egen organisation. Derfor er det vigtigt at have relevante incitamenter med i processen. Det kan være finansielle incitamenter. Det kan også være delingen af indsigter, der opstår på baggrund af data, og som giver alle parter en fordel i udviklingen af nye services og produkter. 

3. Opbyg de nødvendige kompetencer i organisationen 
For mange industrielle virksomheder kræver det nye kompetencer at udnytte data og analytics i produktionen. Nye digitale kompetencer skal hentes ind og møde den produktions- og branchespecifikke knowhow i organisationen. Data science kompetencer bliver en nødvendighed, hvis man vil omsætte den digitale informationsopsamling til at forbedre produkter og produktivitet. Dette kan ske via rekruttering eller partnerskaber.

Eksempelvis bilfabrikanten Renaults partnerskab med Google Cloud, hvor de to virksomheder samarbejder om at skabe et skalerbart program for at udvikle Renaults produktionsapparat.

Ud over de tre organisatoriske skridt beskrevet ovenfor, har produktionsvirksomheden også brug for at tage tre teknologiske skridt. 

4. Implementer en åben platform og sæt data fri af de interne siloer
Virksomhedens data er ofte samlet i interne siloer, hvor kun den enkelte forretningsenhed har adgang til dem. Dette kan løses med en cloud-baseret delingsplatform, hvor data kan samles på tværs af siloer og gøres tilgængelige for alle.

Flere store aktører arbejder på at udvikle deres egne proprietærer løsninger, som mindre virksomheder kan købe sig ind i. Man bør dog være opmærksom på ikke at låse sig på en løsning, der på sigt giver problemer med at dele data med andre virksomheder.
Derfor arbejder det europæiske GAIA-X initiativ på at skabe en åben standard for deling af data på tværs af systemer.

5. Skab dataforbindelser med minimal latency og høj bandwith
Datadrevne applikationer vil i højere og højere grad være afhængige af forbindelser, der kan levere informationer så tæt på real time som muligt. Ellers bliver det umuligt at automatisere beslutninger, som skal træffes her og nu.
Det kræver hurtige og stabile forbindelser – og ofte også trådløse forbindelser. Dette gør det langt mere effektivt at installere overvågning de relevante steder i produktionen. 5G netværk er et af de værktøjer, der kan bruges til at nå dette mål.

6. Få styr på data-sikkerhed og privacy 
Datasikkerhed er ikke overraskende et must have. Når data kan flyde frit i organisationen, er det afgørende, at de det ikke falder i de forkerte hænder. Det er fx vigtigt, man kun deler de data, der skal til for at træne en optimeringsalgoritme sammen med andre virksomheder. Forretningshemmeligheder, som eksempelvis indgrediens-mix til et produkt, må ikke slippe ud. Og medarbejdere og evt. kunders privatliv må ikke kompromitteres.

Vil du vide mere?
Disse 6 skridt er en kort oversigt over hvilke områder, der er vigtige at overveje, når din produktion skal udnytte data til at opnå effektivitet. Vil du vide mere om de enkelte punkter, kan du hente rapporten Data Excellence: Transforming manufacturing and supply systems her, eller kontakte Flemming.Hansen@se.com for at høre om, hvordan Schneider Electric kan hjælpe dig på denne rejse.