Data Warehouse และ Big Data กำลังพัฒนาสู่ Data Lake

Internet of Things (IoT) และ Machine Learning ได้กลายเป็นกุญแจสำคัญสำหรับอุตสาหกรรมยุค 4.0 โดยทั้งสองอย่างนี้จะส่งผลให้มีการรวบรวม และวิเคราะห์ข้อมูลอย่างไม่เคยมีมาก่อนและก่อให้เกิดองค์ความรู้เชิงลึกและประโยชน์มากมาย ไม่มีอะไรใหม่พอที่จะตอบโจทย์การนำข้อมูลเชิงอุตสาหกรรมไปใช้เพื่อการพัฒนาเลย โดยสิ่งใหม่ในตอนนี้ คือการเตรียมข้อมูลปริมาณมหาศาลอย่างไรให้มีประสิทธิภาพ เพราะบ่อยครั้งที่ข้อมูลขนาดใหญ่เหล่านี้คือส่วนหนึ่งในข้อมูล Data Warehouse และรวมไปถึง Big Data ด้วยเช่นกัน ข้อมูลจากระบบที่แยกอิสระแตกต่างกัน ส่งผลให้ต้องผ่านกระบวนการในการจัดกลุ่มและจัดเรียงหลายขั้นตอน เพื่อให้พร้อมต่อการตอบคำถามทั่วๆไป

 

 

แล้วเรื่องนี้มีความหมายอย่างไรในมุมมองนักอุตสาหกรรม?

นักอุตสาหกรรมผู้ผลิตควรวางแผนสำหรับการจัดการชุดข้อมูลขององค์กรทั้งหมดให้เป็นส่วนหนึ่งของ Data Lake ขนาดใหญ่

Data Lake คือ พื้นที่เก็บข้อมูลขนาดใหญ่ที่เก็บข้อมูลดิบที่หลากหลายใน format ดั้งเดิม ประกอบด้วยข้อมูลเชิงโครงสร้าง กึ่งโครงสร้างและไร้โครงสร้าง โดยโครงสร้างของข้อมูลและความต้องการนั้นไม่สามารถกำหนดลงไปได้จนกว่าจะนำข้อมูลเหล่านั้นไปใช้งาน (แตกต่างอย่างสิ้นเชิงกับระบบฐานข้อมูล) การเปลี่ยนไปใช้ Data Lake นั้นเน้นความยืดหยุ่นในการเข้าถึงเครื่องมือวิเคราะห์และลดความจำเป็นในการเตรียมระบบศูนย์กลางเพื่อจัดเตรียมข้อมูล ด้วยนิยามเช่นนี้ Data Lake จึงถูกจัดเตรียมเพื่อรองรับแหล่งข้อมูลที่หลากหลาย ตอบโจทย์ความต้องการในการเข้าถึงและจะถูกกำหนดรูปแบบเมื่อถึงเวลาจะนำข้อมูลไปใช้งานเท่านั้น

มีข้อมูลบางอย่างที่อาจเก็บในรูปแบบที่ไม่เหมือนกันอยู่ภายใน ERP แบบดั้งเดิมที่อาจเป็นประโยชน์ต่อการพัฒนาสู่ยุคอุตสาหกรรม 4.0 ตัวอย่างเช่น สินทรัพย์ประเภทที่สามารถใช้ในกระบวนการผลิตได้หลากหลาย สามารถนำไปใช้เพื่อผลิตสินค้าได้หลากหลาย SKUs ซึ่งแต่ละส่วนอาจแตกต่างกันที่ชิ้นส่วนห่อหุ้มหรือชิ้นส่วนสึกหรอของแต่ละ SKUs นอกจากนี้อาจยังมีจุดแตกต่างในส่วนของผู้ดำเนินการและวิธีการที่พวกเขาดำเนินการกับสินทรัพย์เหล่านั้น ข้อมูลเหล่านี้จึงหลากหลายตามคำสั่งผลิตและตามผู้ดำเนินการผลิตที่ได้รับมอบหมาย ซึ่งบ่อยครั้งข้อมูลเหล่านี้ถูกเก็บอยู่ในระบบ ERP นั่นเอง

โดยจำนวนของอุปกรณ์ IoT ที่ถูกติดตั้งเชื่อมต่อเข้ากับอุปกรณ์ต่างๆ ในแต่ละกระบวนการที่หลากหลายนั้นจำเป็นต้องให้สมดุลกับข้อมูลทางธุรกิจที่มีอยู่ ข้อมูลบน ERP ถือเป็นข้อมูลสำคัญที่จะนำไปใช้เพื่อพัฒนาประสิทธิภาพได้ครบถ้วนทุกมุมมอง ทั้ง form และ format ของข้อมูลบนระบบการผลิตอาจมีลักษณะแตกต่างในแต่ละช่วงเวลา ซึ่งแสดงถึงการป้อนและความรวดเร็วที่วัดได้โดยตรงจากอุปกรณ์การผลิตและอุปกรณ์ IoT แม้ format ของข้อมูลที่แตกต่างกัน แต่ก็ไม่ได้ลดทอนความสำคัญในการพิจารณามุมมองทั้งหมดในกระบวนการผลิตไปจนถึงการส่งมอบให้เกิดขึ้นได้อย่างเข้าใจจริง ข้อมูลทั้งหมดที่แตกต่างแต่มีความเชื่อมโยงกันจำเป็นต้องได้รับการพิจารณาอย่างใกล้ชิดเพื่อส่งต่อให้กับเทคโนโลยี Machine Learning เพื่อสร้างกระบวนการประเมินการบำรุงรักษาล่วงหน้าได้อย่างถูกต้อง เซ็นเซอร์ข้อมูลสำหรับช่วงเวลาใดก็ตามต้องสามารถนำไปใช้เพื่อประเมินบริบทของคำสั่งการผลิตที่เริ่มต้นดำเนินการไปแล้วได้ นอกจากนี้เทคโนโลยีการวิเคราะห์ข้อมูลชั้นสูงและ Machine Learning สามารถใช้ชุดข้อมูลร่วมกันนี้ได้

ข้อมูลคือรากฐานสำคัญ

ความต่อเนื่องของข้อมูลถือเป็นรากฐานสำคัญในการทำความเข้าใจและเข้าถึงโอกาสที่จะปรับปรุงพัฒนา เทคนิคแบบดั้งเดิมที่ใช้การนำเข้าและส่งออกข้อมูลเป็นชุดๆ สู่ส่วนกลาง และข้อมูลใน Data Warehouse ที่จัดเรียงแล้วจำนวนมากอาจจำเป็นต้องมีการปฏิวัติครั้งใหญ่ Storage เก็บข้อมูลและเครื่องมือในการประเมินจึงเป็นสิ่งจำเป็นอย่างยิ่งในการประเมินชุดข้อมูลที่ไดนามิกและการความต้องการในการเรียกใช้ข้อมูลในยุคอุตสาหกรรม 4.0 

อุตสาหกรรม 4.0 ยังคงอยู่ในช่วงเริ่มต้นและจะเชื่อมร้อยเข้ากับเทคโนโลยีขั้นสูงมากมายในอนาคต Data Lake เป็นเพียงแค่ส่วนหนึ่งเท่านั้น สำหรับข้อมูล

เพิ่มเติมเกี่ยวกับบทบาทของอุตสาหกรรม 4.0 จะมีผลกระทบอย่างไรต่ออุตสาหกรรมการผลิตและ ERP สามารถอ่านได้ในเอกสารฉบับล่าสุด ที่นี่

QAD พร้อมที่จะให้คำปรึกษาด้านเทคโนโลยีและช่วยให้คุณลงทุนด้านเทคโนโลยีอย่างมีประสิทธิภาพ ยินดีให้คำปรึกษาโดยที่ปรึกษามืออาชีพ

สำหรับข้อมูลเพิ่มเติม กรุณาติดต่อ:        
คุณ ฐายิกา กงไกรลาศ (Business Development Representative)       
โทร : 02-202-9375       
อีเมล์ : t7k@qad.com 

 

More Blog Entries

Akebono ปรับกระบวนการโลจิสติกส์อย่างมีประสิทธิภาพด้วย QAD Automation Solutions

...

อุตสาหกรรมยุค 4.0 กับการเพิ่มวงจรผลิตภัณฑ์

สิ่งที่อุตสาหกรรมยุค 4.0 ส่งผลกระทบอย่างแท้จริงกับภาคธุรกิจคือ...