IIoT ja BI – näin ne tehostavat teollisuuden analytiikkaa

20.11.2019 Protacon Blogi

Teollisen internetin avulla saadaan kerättyä valtava määrä dataa, joka mahdollistaa liiketoiminnan kannalta parempien päätösten tekemisen.

Teollinen internet (IIoT eli Industrial Internet of Things) tekee monimutkaisten tuotantoympäristöjen hallinnan ja ohjaamisen mahdolliseksi. Sen avulla saadaan kerättyä valtava määrä dataa, joka mahdollistaa liiketoiminnan kannalta parempien päätösten tekemisen. Silloin kuvaan astuu tiedolla johtaminen (BI eli Business Intelligence). Yhdistämällä nämä kaksi asiaa teollisuusyritys voi tehostaa toimintaansa huomattavasti ja saavuttaa merkittävää kilpailuetua.

IoT vs. IIot

Kun puhutaan IoT:stä (Internet of Things), viitataan usein sen kuluttajalähtöisiin ilmentymiin. IIoT (Industrial Internet of Things) puolestaan kuvaa esineiden internetin soveltamista teolliseen ympäristöön.

Kun IoT kehitettiin, sen sovelluskohteet olivat pääasiassa teollisuusympäristössä. Käytön laajentuessa myös muille toimialoille ja kuluttajatuotteisiin, alettiin teollisuudessa käytettävää IoT:tä kutsua nimellä IIoT eli Industrial Internet of Things.

Käytännössä IIoT tarkoittaa älykkäitä sensoreita ja mittalaitteita, joita hyödynnetään esimerkiksi tuotannon koneissa ja laitteissa. Ne keräävät automaattisesti tietoa koneen toiminnasta ja välittävät sen langattomasti palvelimelle tai pilveen. Laitteita voidaan myös seurata ja ohjata etänä internetin välityksellä.

IIoT eli teollinen internet mahdollistaa

  • Tehokkaan seurannan:
    Laitteiden toimintaa voidaan seurata ja hallita paikasta riippumatta reaaliaikaisesti. Esimerkiksi kone- tai laitevalmistaja voi kerätä dataa ympäri maailmaa toimivista laitteistaan parantaakseen niiden toimivuutta ja saadakseen hyödyllistä tietoa tuotekehitystä varten.
  • Aidon ymmärryksen:
    Teollisuusyrityksen dataa voidaan yhdistellä ja analysoida tavoin, jotka tarjoavat sellaista uutta tietoa, jota ei ole aiemmin ihmissilmin tai excelin avulla kyetty huomaamaan. Esimerkkinä voidaan ajatella erilaisia laatukustannuksiin (cost of poor quality) liittyviä tekijöitä, jotka tunnistamalla saavutetaan merkittäviä säästöjä ja parannetaan asiakaskokemusta.
  • Ongelmien ennakoinnin:
    Datan pohjalta voidaan ennustaa tulevaa ja ennakoida muutoksia ja ongelmia. Selkeä esimerkki teollisen internetin hyödyistä on ennakoiva kunnossapito, joka perustuu sensoridataan. Sen avulla voidaan seurata koneiden todellista kuntoa reaaliajassa ja ennustaa tulevia vikoja.

Ilman analytiikkaa IIoT:n hyödyt valuvat hukkaan

Jopa 73% yritysten keräämästä datasta jää analysoimatta.

Teollisuusyritys voi kerätä IIoT:n avulla valtavia datamääriä vaivattomasti. Jotta tästä datasta olisi hyötyä yritykselle, sitä tulisi pystyä käsittelemään tehokkaasti ja erottaa päätöksenteon kannalta oleellinen tieto. Tutkimuskeskus Forresterin mukaan jopa 73% yritysten keräämästä datasta jää analysoimatta.

Ihminen ei kykene manuaalisesti tällaisten datamäärien tehokkaaseen käsittelyyn, vaan avuksi tarvitaan datan analysointia tukeva järjestelmä. Järjestelmän avulla raakadata järjestetään ja siitä jalostetaan tietoa. Näin ns. Big Datasta eli massadatasta saadaan erotettua päätöksenteon kannalta oleellinen osa ja tuotua se helposti tulkittavaan muotoon, jotta ihminen voi tehdä sen pohjalta johtopäätöksiä ja tulkintoja.

BI tekee IIoT:llä kerätystä datasta analysoitavaa

Kun tuotannon laitteelta saadaan kerättyä dataa, se siirretään tuotannon ohjaamiseen käytettävään järjestelmään tai esimerkiksi ERPiin. Siellä tietoa voidaan hyödyntää järjestelmän omien raporttien kautta tiettyyn rajaan asti. Mahdollisuudet eivät kuitenkaan lopu tähän.

Tuotannon tietojen yhdistäminen muiden järjestelmien tietoihin on mahdollista ilman erillisten integraatioiden rakentamista tai manuaalista datan kokoamista. BI:n eli business intelligencen -ratkaisun avulla dataa voidaan yhdistellä joustavasti eri järjestelmistä ja tehdä aiempaa syvempiä analyyseja automatisoidusti ja tehokkaasti. 

BI-ratkaisu kokoaa yrityksen useissa järjestelmissä sijaitsevan tiedon yhteiseen raportointityökaluun. Sen kautta dataa voidaan analysoida ja esittää automaattisesti visuaalisessa ja helposti tulkittavassa muodossa.

Siirrä teollisuusyritys ennustavaan analytiikkaan IIoT:n ja BI:n avulla

Laitteiston vikojen ennustaminen osien kulutuksen mukaan tai säätilojen vaikutus tavaratoimitusten aikatauluun ovat hyviä esimerkkejä siitä, miten ennustaminen voi auttaa teollisuusyrityksen toiminnan ohjaamisessa.

Moni teollisuuden ja tuotannon parissa työskentelevä ja siihen liittyvien haasteiden kanssa kamppaileva haaveilee siitä, että tulevaa voisi ennustaa. Hyviä uutisia: sen ei tarvitse olla enää vain haavekuva!

Kun teollisuusyrityksen tilanteesta ja sen tuotannosta on saatu reaaliaikainen tilannekuva, voidaan ottaa askel eteenpäin. IoT:n ja BI:n avulla yrityksen toiminnasta kerätyn datan pohjalta sekä siihen liitettyjen ulkoisten tietolähteiden avulla tulevaisuudesta voidaan tehdä ennusteita ja mallinnuksia tutkimalla datasta löytyviä korrelaatioita ja trendejä.

Laitteiston vikojen ennustaminen osien kulutuksen mukaan tai säätilojen vaikutus tavaratoimitusten aikatauluun ovat hyviä esimerkkejä siitä, miten ennustaminen voi auttaa teollisuusyrityksen toiminnan ohjaamisessa. Kun nämä asiat tiedetään etukäteen, voidaan ennakoida ja välttää katastrofit.

Lue lisää teollisuusyrityksen tiedolla johtamisesta

Jos kiinnostuit aiheesta, suosittelemme lataamaan maksuttoman oppaamme tiedolla johtamisesta teollisuudessa. Oppaassa kerromme, millaisia haasteita teollisuusyrityksen tiedolla johtamiseen liittyy, miten pääset liikkeelle tiedolla johtamisen kehittämisessä ja milloin kannattaa harkita BI-ratkaisun käyttöönottoa.

Markus Keskiruokanen ja Lauri Eklin

Kirjoittaja Markus Keskiruokanen ja Lauri Eklin