Estratégias de otimização de dados para a indústria transformadora

Os dados são cada vez mais o motor da inovação na indústria transformadora. Para explorar a forma como os dados estão a impulsionar a inovação hoje em dia e como irão moldar a indústria transformadora de amanhã, os líderes da Rackspace technology® e da Amazon Web Services (AWS) reuniram-se recentemente com líderes seniores de TI da indústria transformadora numa mesa redonda, "Unlocking the Potential of Data in Manufacturing"

Em conjunto, analisámos a forma como os fabricantes integram a IoT, a automação e os dados para impulsionar e otimizar o design e a produção de tudo, desde automóveis a dispositivos médicos inteligentes.

Hemanta Banerjee, Vice-Presidente de Serviços de Dados em Nuvem Pública da Rackspace Technology, recordou que, há dois anos, a transformação digital era vista apenas como uma palavra da moda, um título de projeto ou algo solicitado aos conselhos de administração. Banerjee sublinhou que a transformação é uma parte integrante do funcionamento das empresas. Apontou três factores que afectam o sucesso de uma organização durante o processo de transformação: nuvem pública, pessoas e dados. "Os dados são os mais importantes, uma vez que permitem compreender o que está a acontecer no seu processo comercial e melhorar esse processo. A dificuldade passa então a ser a forma de aproveitar os dados para melhorar os nossos processos de fabrico ou tornar a nossa cadeia de abastecimento mais eficiente", observou.

Desafio

Embora muitos fabricantes já tenham tirado partido do que os dados têm para oferecer, há ainda algumas preocupações que mantêm os executivos acordados à noite. Uma preocupação comum é a residência dos dados, que envolve o armazenamento, a gestão e a proteção dos dados pessoais e das comunicações. Existe também o dilema da centralização versus descentralização, em que as empresas de fabrico optam por manter os dados num local centralizado ou distribuí-los por vários nós descentralizados.

"Anteriormente, concentrámo-nos na consolidação, para podermos tirar melhor partido dos dados", afirmou Isaac Tan, Diretor de TI da APAC no fabricante de equipamento médico Hologic. "Agora estamos a explorar formas de descentralizar, sem deixar de alcançar os resultados desejados. Temos de estar atentos às questões da residência dos dados, considerando a melhor forma de organizar as equipas ou de agregar dados"

"O desafio que enfrentamos atualmente é a recolha de dados de várias fontes", partilhou Azuhar Mohammed, Diretor do Centro de Soluções Globais de Especialização e Inovação da Sanofi. "Temos muitos sistemas em diferentes países, mas estamos a tentar implementar as nossas soluções para normalizar os dados. O próximo passo é reunir os nossos dados de várias fontes, como vendas, marketing, finanças e RH, levá-los para um único local, como um lago de dados, e depois utilizar esses dados com análises inteligentes para que a empresa tome uma decisão significativa".

Viagem de transformação

Muitos fabricantes já iniciaram o seu percurso de transformação digital, tirando o máximo partido das oportunidades de dados oferecidas pelas novas tecnologias.

O fabricante de produtos farmacêuticos Sanofi, por exemplo, já explorou a automatização de processos robóticos (RPA) em 2017. "Agora, estamos a utilizar a aprendizagem automática e a IA para criar um processo de tomada de decisões inteligente", afirmou Mohammed, da Sanofi. "Estamos a aplicar a IA aos nossos processos de modelação e a implementar o reconhecimento de padrões com base em grandes conjuntos de dados para aumentar a produtividade da I&D."

Para Tan, embora a escala seja um desafio, não dissuadiu a Hologic da sua aposta na IoT.

"Estamos muito concentrados em ligar todos os dispositivos que colocamos nas instalações dos nossos clientes", afirmou Isaac. "Do ponto de vista da conetividade, é fundamental ter mais pontos de dados e mais sensores instalados."

No entanto, o fabricante de dispositivos médicos nem sempre teve a sua estratégia de dados bem definida. Tan elaborou: "Há alguns anos, a nossa abordagem era: 'Basta introduzir todos os dados, depois tiramos algum sentido deles' Com o tempo, percebemos que isso precisava de ser corrigido. A equipa de TI nunca conseguirá satisfazer as diversas exigências das partes interessadas em todo o mundo. Como é que podemos ajudar toda a gente em vez de dar o que pedem? Foi assim que lidámos com a situação. Pensámos em produtos de dados descentralizados ou distribuídos. Estamos a tratá-los separadamente, mas também estamos a criar uma estrutura e certos componentes fundamentais de tecnologia que lhes permitirão construir mais rapidamente".

Tan também recomendou a criação de um modelo de dados comum que possa servir de padrão para o desenvolvimento e que possa ser acedido sempre que necessário.

De facto, os projectos de transformação digital são mais do que meros empreendimentos pontuais. Banerjee observou que estes projectos decorrem normalmente ao longo de vários anos. "É uma longa viagem", disse. "Não se trata de um projeto único, mas sim de um modo de vida."

Estratégia de otimização de dados

Uma verdade aparentemente universal é que, independentemente da fase de modernização dos dados em que se encontra, se tiver dores de cabeça, estas resultam normalmente da existência de silos de dados. Shwetank Sheel, Diretor de Vendas de Serviços de Dados - APJ na Rackspace Technology, observou que o primeiro passo para acabar com os silos é identificá-los e trazê-los à superfície.

"Outros falaram sobre como enfrentar os desafios colocados pelos dados centralizados e descentralizados", disse Sheel. "Mas no contexto de um lago de dados com curadoria, juntamente com análises descentralizadas, uma das coisas que vi muitos clientes falarem - de uma perspetiva de governança - é a ideia de um catálogo ou um fluxo de produtos de dados. Quando se está a tentar impulsionar a inovação, seja em unidades empresariais ou em vários países, comece por indexar os dados já existentes em vez de começar do zero."

Para determinar o ROI, Sheel disse que as organizações devem primeiro confirmar que os dados de que necessitam existem internamente. "Ao centrarmo-nos nos casos de utilização e nos seus resultados, trabalhamos normalmente com os utilizadores para os ajudar a compreender o potencial dos dados e, em seguida, criamos um quadro que ajuda tanto o indivíduo como a organização a identificar o valor do caso de utilização, o custo da sua obtenção e se os dados existem mesmo na organização. Este processo é depois seguido de uma análise avançada com IA e aprendizagem automática", explicou Sheel.

Banerjee observou que, em última análise, a distribuição da análise pelas unidades de negócio provou ser bem sucedida até à data.

"Vimos que estamos a afastar-nos de uma equipa central de dados que faz tudo, para, em vez disso, distribuir a função de dados pelas empresas e a equipa central fornecer estruturas, orientações e infra-estruturas que lhes permitam ter êxito."

Esta publicação foi criada com o patrocínio da Amazon Web Services (AWS).