Обработка и очистка производственных данных часто представляют собой сложную задачу, однако при масштабировании улучшений на всю организацию этот процесс становится приоритетным.

Значение интеграции данных

Крупные хранилища данных аккумулируют информацию из различных источников, распределённых по всему предприятию. Чем шире охват данных, поступающих из производственных и логистических процессов, тем эффективнее искусственный интеллект способен выявлять закономерности и формировать прогнозы.

Изолированный сбор данных из отдельных источников приводит к появлению разрозненных хранилищ. Для устранения разрывов между такими системами бразильский производитель стекла Vivix применил платформу для разработки low-code ИИ-приложений Mendix, что позволило связать различные хранилища данных.

Результаты внедрения единой архитектуры данных

Внедрение единой архитектуры данных и её очистка позволили Vivix достичь следующих результатов:

• Сокращение времени на решение производственных проблем на 85%
• Экономия 6 000 рабочих часов в год
• Повышение энергоэффективности печей на 5%
• Снижение затрат на обслуживание на $1 млн в 2025 году

Ускорение обработки обращений клиентов стало возможным благодаря единой архитектуре данных: время ответа сократилось с двух-трёх недель до двух-трёх дней. Это позволило быстрее принимать решения, снижать операционные издержки и обеспечивать стабильность процессов.

Организационные изменения и подход к цифровой трансформации

Создание отдела промышленной трансформации было инициировано руководством компании, что обеспечило широкие возможности для экспериментов и формирование портфеля решений, а не ограничение одним пилотным проектом. В компании также была введена должность менеджера по управлению ценностью для отслеживания результатов проектов.

Vivix работала с современными системами автоматизации, что облегчило создание необходимой базы данных. Основные сложности возникали из-за разрозненности бизнес-уровней, а не технологических ограничений.

Гибкая методология и повторное использование архитектуры

Единая база данных поддерживает эксперименты с агентным ИИ, цифровизацией, предиктивным обслуживанием и робототехникой. Чем больше точек данных, тем проще определять направления для развития инноваций. Даже неудачные проекты способствуют накоплению данных для последующего анализа.

Архитектура и наработанные основы повторно используются для проектов в логистике, обслуживании, производстве и безопасности. Применяется гибкая методология: если проект не приносит ожидаемой ценности, его останавливают и ресурсы направляют на другие инициативы.

В результате компания получила возможность эффективно использовать любые доступные данные, что способствует развитию новых решений и открывает возможности для дальнейших инноваций.