Preskriptívna analytika

Preskriptívna analytika predstavuje najpokročilejší stupeň vyspelosti dátovej analytiky. Nadväzuje na deskriptívnu analytiku, ktorá opisuje, čo sa stalo, diagnostickú, ktorá skúma prečo, a prediktívnu, ktorá odhaduje pravdepodobný vývoj. Odpovedá na otázku, čo treba urobiť. V priemyselnej výrobe, logistike a prostredí digitálnych dvojčiat využíva matematické algoritmy, modely strojového učenia a optimalizačné metódy. Automaticky navrhuje najvhodnejší postup a v niektorých prípadoch ho vykoná bez zásahu človeka.

V Priemysle 4.0 slúži preskriptívna analytika ako nástroj na rozhodovanie kyberneticko-fyzikálnych systémov. Spracúva telemetriu zo senzorov internetu vecí (IoT) v reálnom čase, historické prevádzkové dáta a vonkajšie premenné, napríklad narušenia dodávateľského reťazca, počasie či kolísanie cien energie. Na ich základe simuluje tisíce možných scenárov. Tie potom vyhodnocuje podľa konkrétnych podnikových obmedzení a cieľov, ako sú minimalizácia nákladov, zvýšenie priepustnosti alebo zníženie emisií uhlíka. Výsledkom sú matematicky overené odporúčania, podľa ktorých možno konať.

Vďaka tejto schopnosti sa digitálne dvojčatá menia z pasívnych virtuálnych zobrazení na aktívne systémy na podporu rozhodovania. Digitálne dvojča s preskriptívnou analytikou neupozorní operátora iba na blížiacu sa poruchu stroja alebo úzke miesto v logistickej sieti. Vypočíta aj optimálny plán údržby, presmeruje dotknuté zásielky alebo v reálnom čase upraví parametre strojov, aby problém zmiernilo ešte pred jeho dopadom na výrobu.

Hlavné súčasti

Optimalizačné algoritmy: Matematické modely, napríklad lineárne programovanie, zmiešané celočíselné programovanie a heuristické vyhľadávacie algoritmy, vyhodnocujú milióny premenných a obmedzení a hľadajú najlepší postup. Zabezpečujú, aby odporúčané rozhodnutia zodpovedali vopred stanoveným prevádzkovým cieľom, ako sú minimalizácia nákladov, maximalizácia výťažnosti alebo energetická účinnosť.

Strojové učenie a umelá inteligencia (AI): Pokročilé prediktívne modely poskytujú podklady preskriptívnemu nástroju, predpovedajú budúce stavy a odhaľujú zložité nelineárne vzťahy v priemyselných dátach. Vďaka nim sa systém priebežne učí z výsledkov minulých rozhodnutí a postupne spresňuje odporúčania.

Simulácia a digitálne dvojčatá: Virtuálne kópie fyzických zariadení, procesov alebo celých dodávateľských reťazcov slúžia na bezpečné skúšanie scenárov „čo ak“ v digitálnom prostredí. Preskriptívny nástroj tak môže otestovať dôsledky rôznych rozhodnutí ešte pred ich uskutočnením vo fyzickom svete.

Pravidlové systémy a správa obmedzení: Tieto súčasti určujú prevádzkové hranice, bezpečnostné limity, zákonné požiadavky a podnikové pravidlá, ktoré systém musí dodržiavať. Pevným zakódovaním obmedzení sa zabezpečí, že všetky vytvorené odporúčania sú fyzicky uskutočniteľné, bezpečné a v súlade s priemyselnými normami.

Spätná väzba a vykonávanie v uzavretej slučke: Mechanizmus zaznamenáva výsledky vykonaných rozhodnutí a vracia ich do analytických modelov, aby sa zvýšila ich budúca presnosť. V plne automatizovaných systémoch môže preskriptívny nástroj v uzavretej slučke zapisovať riadiace príkazy priamo do programovateľných logických automatov (PLC) alebo systémov dispečerského riadenia a zberu dát (SCADA).

Využitie vo výrobe a logistike

V kusovej aj procesnej výrobe sa preskriptívna analytika často používa na dynamické plánovanie výroby a prediktívnu údržbu. Keď napríklad digitálne dvojča zistí neobvyklé vibrácie CNC frézky, preskriptívny nástroj na odchýlku nielen upozorní, ale preskúma aj aktuálne zákazky, dostupnosť nástrojov a rozvrhy údržbárov. Potom určí najvhodnejší čas na odstavenie stroja kvôli oprave, automaticky naplánuje prácu technika, objedná náhradný diel a presmeruje čakajúce zákazky na iné stroje, aby čo najviac obmedzil celkový pokles priepustnosti. V procesných odvetviach, ako sú chemická výroba alebo výroba ocele, optimalizuje v reálnom čase zloženie chemických zmesí alebo teploty pecí podľa kolísajúcej kvality surovín a okolitých podmienok.

V logistike a riadení dodávateľského reťazca preskriptívna analytika optimalizuje trasy vozidiel a rozmiestnenie zásob a rieši optimalizáciu slottingu v sklade. Pri narušení prevádzky, napríklad po uzavretí prístavu alebo počas extrémneho počasia, systém vyhodnotí náhradné prepravné trasy, kapacity dopravcov a zmluvné pokuty. Následne vytvorí optimalizovaný plán na zmiernenie dopadov. Logistickým koordinátorom napríklad určí, ktoré kontajnery presmerovať na železnicu a ktoré prioritné komponenty urýchlene prepraviť letecky. V inteligentných skladoch dynamicky počíta najúčinnejšie trasy vychystávania a stratégie rozmiestnenia zásob podľa aktuálneho tempa objednávok a dostupnosti vybavenia.

Prínosy a úskalia

Hlavným prínosom preskriptívnej analytiky je prechod od reaktívneho k proaktívnemu a autonómnemu rozhodovaniu. Ten výrazne skracuje prevádzkové prestoje, znižuje výrobné náklady a zlepšuje využitie zdrojov. Keď sa zo zložitých problémov s mnohými premennými odstránia ľudské predsudky a kognitívne obmedzenia, podniky môžu dosiahnuť optimálnu prevádzkovú efektivitu, ktorú matematicky nemožno vypočítať ručne. Prepojenie s digitálnymi dvojčatami navyše umožňuje rýchlo testovať scenáre a prispôsobovať sa výkyvom trhu a narušeniam dodávateľského reťazca s nebývalou pružnosťou.

Zavedenie preskriptívnej analytiky má však aj značné úskalia, najmä pokiaľ ide o kvalitu dát a systémovú integráciu. Systémy potrebujú veľmi presné dátové toky v reálnom čase z rôznych zdrojov vrátane systémov plánovania podnikových zdrojov (ERP), systémov riadenia výroby (MES), systémov dispečerského riadenia a zberu dát (SCADA) a zariadení internetu vecí (IoT). Chybné vstupné dáta vedú k chybným alebo nebezpečným odporúčaniam. Matematické modely sa navyše navrhujú a udržiavajú veľmi ťažko a vyžadujú špecializované znalosti dátovej vedy. Prekážkou je aj dôvera ľudí. Operátori a manažéri musia odporúčaniam veriť, čo môže byť ťažké, keď algoritmy fungujú ako „čierne skrinky“ bez transparentného a zrozumiteľného zdôvodnenia.

Súvisiace pojmy

Preskriptívna analytika úzko súvisí s viacerými základnými pojmami z oblasti digitálnych dvojčiat a priemyselného internetu vecí (IoT). Patrí k nim prediktívna údržba, ktorá poskytuje predpovede porúch zariadení potrebné na plánovanie zásahov. Analytika sa opiera aj o kyberneticko-fyzikálne systémy (CPS), ktoré zabezpečujú obojsmernú komunikáciu medzi fyzickými strojmi a digitálnymi modelmi. Ďalším súvisiacim pojmom je diskrétna simulácia udalostí (DES), metóda modelovania a analýzy prevádzkových tokov v digitálnom dvojčati na testovanie preskriptívnych scenárov.

Časté otázky

Čím sa preskriptívna analytika líši od prediktívnej analytiky? Prediktívna analytika na základe historických dát predpovedá, čo sa pravdepodobne stane, napríklad že čerpadlo zlyhá do 50 hodín. Preskriptívna analytika navyše určí najlepší postup v danej situácii. Môže napríklad odporučiť operátorovi znížiť otáčky čerpadla o 15 %, aby vydržalo do najbližšej plánovanej údržby, a zároveň automaticky objednať náhradné tesnenie.

Čo je preskriptívna analytika v uzavretej slučke? Ide o automatizovaný systém, v ktorom softvér vykoná odporúčaný krok bez súhlasu človeka. Ak napríklad digitálne dvojča zaznamená pokles účinnosti chladiacej veže, systém v uzavretej slučke operátora iba neupozorní, ale cez systém dispečerského riadenia a zberu dát (SCADA) priamo upraví polohy ventilov a otáčky ventilátorov, aby obnovil optimálny výkon.

Prečo je digitálne dvojča potrebné pre preskriptívnu analytiku? Preskriptívna analytika môže pracovať aj so surovými dátami, digitálne dvojča jej však poskytuje potrebný kontext a modely zariadení založené na fyzikálnych zákonoch alebo ich správaní. Slúži ako bezpečné virtuálne prostredie, v ktorom môže preskriptívny nástroj simulovať a overiť, aké dôsledky by mali jeho odporúčania v reálnej prevádzke, skôr než sa použijú na hodnotných fyzických priemyselných zariadeniach.

Ktoré odvetvia najviac využívajú preskriptívnu analytiku? Najväčší prínos má pre kapitálovo náročné odvetvia so zložitými dodávateľskými reťazcami a nízkymi maržami. Patrí sem automobilová výroba, spracovanie ropy a plynu, chemický priemysel, ťažká logistika a letecký a kozmický priemysel. Aj malé zlepšenia v dostupnosti zariadení, spotrebe energie alebo plánovaní trás tam prinášajú úspory v miliónoch dolárov.