Ofrecer innovación de productos para maximizar el retorno de la inversión en fabricación

Ofrecer innovación de productos para maximizar el retorno de la inversión en fabricación

  • Big Data
  • agosto 4, 2022
  • No Comment
  • 13
  • 15 minutes read


La fabricación es un negocio evolutivo basado en la infraestructura, los procesos comerciales y las operaciones de fabricación construidas durante décadas sobre una serie continua de éxitos, aprendizajes y conocimientos. Los métodos y procesos utilizados para abordar el desarrollo, lanzamiento, optimización de productos y gastos de capital forman la base para el desarrollo de la industria.

Las empresas actuales basadas en datos e inteligencia artificial están siendo recompensadas al aprovechar los casos de uso para la optimización de procesos y productos que antes no eran posibles, pueden pronosticar y capturar la demanda en la cadena de suministro y, lo que es más importante, introducir nuevas formas de ventas basadas en servicios en lugar de productos.

¿Los impulsores de este desarrollo? El surgimiento de lo que llamamos «fabricación inteligente» se ve impulsado por el aumento de la potencia informática en la periferia, en la nube, por nuevos niveles de velocidad de conexión habilitados por 5G y fibra, y combinado con el mayor uso de análisis y análisis avanzados. Aprendizaje automático habilitado (ML).

Pero incluso con todos los avances tecnológicos que están permitiendo estos nuevos negocios basados ​​en datos, existen desafíos. Investigación reciente de McKinsey con el Foro Económico Mundial
estima que el potencial de creación de valor de los fabricantes y proveedores que implementan la Industria 4.0 en sus operaciones es de 37 billones de dólares para 2025. Una cifra realmente enorme. Pero el desafío con el que aún luchan la mayoría de las organizaciones es la transición de probar soluciones puntuales a crear un impacto duradero a escala. Actualmente, solo el 30 % de las empresas utilizan soluciones de la Industria 4.0 en la fabricación.

En los últimos dos años, los desequilibrios de la demanda y las fluctuaciones en la cadena de suministro han provocado que los fabricantes necesiten con urgencia una transformación digital. Pero, en verdad, los mayores desafíos que enfrenta la industria han existido y existirán fuera de estas circunstancias extraordinarias recientes. Los fabricantes siempre se esforzarán por lograr una mayor transparencia en su cadena de suministro y siempre se esforzarán por optimizar y agilizar las operaciones para mejorar los márgenes. En una encuesta reciente de Omdia/Databricks, los fabricantes reconocieron su impulso continuo para mejorar la eficiencia, la productividad, la adaptabilidad y la resiliencia para lograr una mayor rentabilidad, una mayor productividad (rendimiento) y nuevas fuentes de ingresos.

Objetivos actuales del negocio de fabricación.

Con un entendimiento claro de que tanto CDAO, CIO como los propietarios de la línea de negocios necesitan lograr valor financiero cuando se acercan a soluciones de transformación de datos impulsadas por la tecnología, las siguientes innovaciones de productos anunciadas en la última cumbre Data + AI están organizadas para asociarse fácilmente con cada una de ellas. asociarse con el flujo de valor de fabricación.

Optimización de operaciones y creación de cadenas de suministro ágiles

La transmisión de datos combinada con la convergencia de datos de TI/OT impulsa a los fabricantes conectados de hoy al permitir casos de uso de valor agregado, como el control y la optimización avanzados de procesos en tiempo real, la previsión de la demanda de la cadena de suministro y la garantía de calidad a través de la visión artificial. La clave para desbloquear estos casos de uso es la capacidad de transmitir fuentes de datos y procesarlas casi en tiempo real. Databricks anunciados en el Data + AI Summit proyección de la velocidad de la luz cuyo objetivo es mejorar el rendimiento para lograr un mayor rendimiento, una latencia más baja y costos más bajos. El anuncio incluye mejorar el soporte del ecosistema para los conectores, expandir la funcionalidad para procesar datos con nuevos operadores y API, simplificar la implementación, las operaciones, el monitoreo y la resolución de problemas.

La transmisión de datos es importante para empresas como Cummins, una multinacional que diseña, fabrica y vende productos de motores, filtración y generación de energía que utiliza la transmisión para recopilar datos de telemetría de los motores y analizarlos en tiempo real para alertas de mantenimiento.

Si la transmisión de datos es un núcleo fundamental de la fabricación conectada, el análisis avanzado impulsado por el aprendizaje automático y la IA son el verdadero pináculo del valor. El desafío que enfrentan tanto los CIO como los propietarios de la industria es que si estos modelos no son fáciles, escalables y confiables para construir, probar e implementar, entonces no serán utilizados por los científicos de datos o, lo que es más importante, por el negocio al que sirven. , ser usado.

Innovaciones en MLflow tubería fue anunciado, lo que permite a los científicos de datos crear canalizaciones de ML de calidad de producción que combinan código de ML modular con las mejores prácticas de desarrollo de software para hacer que el desarrollo y la implementación de modelos sean rápidos y escalables. Las nuevas capacidades en torno al monitoreo de modelos afectarán la fabricación, ya que es común que nuestros clientes actuales y potenciales tengan una cantidad significativa de modelos que abarcan operaciones, cadenas de suministro y ventas/marketing. Se vuelve imposible realizar un monitoreo adecuado de la deriva del modelo sin un marco automatizado. Las canalizaciones de MLflow ayudarán a mejorar los marcos de gobernanza del modelo, ya que los fabricantes ahora pueden aplicar prácticas de CI/CD en torno a la creación y gestión de la configuración de la infraestructura del modelo ML. Este servicio hace que Databricks ML sea resistente para las cargas de trabajo de producción, lo que permite a los clientes monitorear su modelo, diagnosticar variaciones de rendimiento y solucionar los problemas subyacentes.

Obtenga más información sobre las canalizaciones de MLflow: al blog

Puntos finales del modelo sin servidor Mejore la entrega de modelos alojados de Databricks existentes al ofrecer escalabilidad horizontal a miles de consultas por segundo (QPS), ahorros potenciales de costos con escalado automático y métricas operativas para monitorear el rendimiento en tiempo de ejecución. En última instancia, esto significa que los modelos alojados de Databricks son adecuados para el uso de producción a gran escala. Muchos de nuestros clientes de fabricación implementan una cantidad significativa de modelos, y las empresas históricamente han luchado con el costo de tener que configurar un solo clúster para cada punto final. Los puntos finales sin servidor permiten a los fabricantes:

  • Mantenga las implementaciones de modelos dentro del ecosistema de Databricks
  • Reduzca el tiempo que lleva implementar modelos ML en producción
  • Reduzca la complejidad arquitectónica general: no es necesario utilizar servicios nativos de proveedores de la nube
  • Acelere el viaje hacia MLOps unificados y modele la gobernanza en toda la empresa, un resultado importante desde la perspectiva de aumentar la supervisión y supervisión regulatoria

Las cadenas de suministro se están beneficiando de la innovación en el intercambio de datos dentro y entre empresas con la introducción de salas limpias de datos en Unity Catalog. Las salas limpias de datos abren una amplia gama de casos de uso dentro de la cadena de suministro de fabricación y la subcontratación, lo que permite la colaboración en toda la cadena de valor para crear pronósticos de demanda predictivos o proporcionar a los procesadores datos anónimos de optimización de procesos.

Con Unity Catalog, puede habilitar controles de acceso detallados a los datos y satisfacer sus necesidades de privacidad. El gobierno incorporado permite a los participantes tener un control completo sobre las consultas o trabajos que se pueden ejecutar en sus datos.

Las cadenas de suministro de fabricación tienen la capacidad de ver tres niveles profundos dentro de una cadena de suministro sin comprometer la propiedad intelectual cuando se trata de múltiples proveedores/vendedores en la cadena de suministro.

Las salas limpias también abren nuevos modelos comerciales al allanar el camino para la creación de redes de colaboración entre fabricantes y otras industrias adyacentes (por ejemplo, bienes de consumo y minoristas como ejemplos) para crear experiencias de cliente perfectas en múltiples facetas de la vida diaria.

Obtén más información sobre el catálogo de Unity: al blog
Obtenga más información sobre los puntos finales del modelo sin servidor (disponible a fines del segundo trimestre, principios del tercer trimestre en la vista previa pública cerrada) – al blog
Más información Delta Sharing – salas limpias de datos – al blog

Mercado de ladrillos de datos

consideraciones organizacionales

En la era actual del Gran Retiro y la presión de una posible desaceleración comercial, la estabilidad organizacional está en la mente de todos los ejecutivos. Databricks ve el poder de las soluciones de código abierto y lo ha anunciado Lago Delta 2.0 será completamente de código abierto.

¿Qué significa esto para su empresa?

  1. Puede recurrir a un grupo más grande de empleados calificados que tienen un amplio conocimiento técnico en lugar de depender de los conocimientos técnicos en soluciones de caja negra.
  2. Sus equipos de datos pueden ponerse al día rápidamente mediante el uso de una plataforma común
  3. usar Catálogo de la unidad Sus datos serán accesibles a una audiencia más amplia mientras mantiene la gobernanza
  4. Reduzca los costos de SQL con Databricks SQL Serverless significa que más personas usarán los datos y su negocio democratizará los datos en todos los grupos, lo que permitirá obtener información más granular que impulsará su negocio.
  5. Como beneficio organizacional adicional, es importante señalar que en un análisis reciente del desempeño de mercado de nuestros clientes, nuestros principales fabricantes de ladrillos de datos, los clientes de Lakehouse han superado al mercado general en más del 200 % en los últimos dos años.

Shell Oil es un ejemplo representativo del valor habilitado por Lakehouse, ya que tenía grandes cantidades de datos inconexos y arquitecturas heredadas que dificultan el aprendizaje automático escalable en más de 70 casos de uso. La arquitectura de Lakehouse en Delta Lake reúne almacenamiento de datos, BI y ML, lo que permite nuevos casos de uso que antes no eran posibles, como informes para la toma de decisiones internas.

Más información sobre el Lago Delta – al blog

Consultas SQL más rápidas

Generación de nuevas fuentes de ingresos

Como se indicó anteriormente en la encuesta de Omdia/Databricks, generar nuevas fuentes de ingresos es la tercera iniciativa comercial más importante. Databricks responde a esta necesidad con el lanzamiento Basado en Databrick Marketplace compartición delta, un mercado abierto para compartir productos de datos, como conjuntos de datos, cuadernos, tableros y modelos de aprendizaje automático. Para acelerar los conocimientos, los consumidores de datos pueden descubrir, evaluar y acceder a más productos de datos de terceros que nunca.

Mercado de ladrillos de datos

Los fabricantes pueden acelerar los proyectos para monetizar los datos y crear flujos de ingresos alternativos (por ejemplo, vendiendo datos de procesos anónimos o datos de componentes de productos para usar en información de mantenimiento predictivo). Databricks Marketplace preparará el escenario para que los fabricantes finalmente traten los datos como un activo en el balance general.

Obtenga más información sobre el mercado de ladrillos de datos: al blog

Para obtener más información sobre Databricks y estos emocionantes anuncios de productos, haga clic aquí e incluye varias sesiones de trabajo centradas en la fabricación de la cumbre Data + AI que le pueden interesar:

Sesiones de trabajo
Por qué un lago de datos es fundamental durante el apocalipsis de la fabricación – Corning
Prediga y evite el tiempo de inactividad de la máquina con IA y alertas de expertos – John Deere
Cómo implementar una capa semántica para tu Lakehouse – AtScale
Mantenimiento predictivo de aviación aplicado: sin datos de sensores – FedEx Express
Manufactura inteligente: Optimización de procesos en tiempo real con Databricks – Tredence
El foro de la industria manufacturera



Related post

Sunrun ahora ofrece cargadores para vehículos eléctricos

Sunrun ahora ofrece cargadores para vehículos eléctricos

Conducir bajo el sol. conducir a la luz del sol. Este es el sueño que se ha hecho realidad para millones…
puede tesla [TSLA] ¿Alcanzar una capitalización de mercado de 2 billones de dólares para 2025?

puede tesla [TSLA] ¿Alcanzar una capitalización de mercado de…

Las acciones de Tesla se han polarizado desde la salida a bolsa inicial del fabricante de automóviles, pero después de que…
El cambio climático es una amenaza existencial y las empresas necesitan datos para combatirlo

El cambio climático es una amenaza existencial y las…

La cumbre climática COP26 del año pasado en Glasgow calificó la década de 2020 como la década crucial para prevenir los…

Leave a Reply

Tu dirección de correo electrónico no será publicada.