Here is your data lake: Go fish!
Ti år inde i den digitale revolution inden for lagerautomatisering samler en overraskende stor del af vores kunder stadig ikke data. Blandt dem, der samler data, er der mange, der ikke analyserer dem. Af dem, der analyserer data, er det overraskende mange, der ikke reagerer på resultaterne. Konklusion: Der er stadig et meget stort potentiale for digitalisering inden for lagerstyring.
Domæneviden eller Data Engineer?
Lad os vende det om for at prøve at forstå, hvorfor de, der samler store mængder data, ikke høster fordelene, og hvordan du kan udnytte potentialet.
I de tidlige dage af den digitale transformation forestillede mange af os – eller det gjorde jeg i hvert fald – at hvis vi bare havde en gigantisk database, ville optimeringer og indsigter strømme ud af den. Big data var det store buzzword.
I dag har vi en masse værktøjer tilgængelige til at indsamle data og skabe en kæmpe database med viden, men nu er virkeligheden, at den rene mængde af data er for overvældende. Især hvis man ikke har den nødvendige domæneviden til at udlede meningsfulde indsigter og handlinger.
Interne Data Engineer kan være fremragende til at analysere data, men uden domæneviden og operationel indsigt, som operatører og udbydere af lagerautomatiseringssystemer besidder, leder de ofte i blinde efter selv de mest åbenlyse indsigter.
Adgang til data sætter ikke mad på bordet, hvis du ikke ved, hvordan du skal fiske efter den rette data. For at udnytte data fuldt ud skal du anvende domæneviden fra dine operatører og dine udstyrsleverandører.
Undskyld, vi har ikke tid til at spare en time om dagen
De, der samler data uden at handle på dem, har ofte en undskyldning, som vi alle kan genkende: mangel på tid.
Et perfekt eksempel på dette er kunderne af vores egen AI-løsning, Operator Eye, som øger driftstiden på Körbers Layer Picker. Dette gøres ved at bruge neurale netværk til at analysere billeder i realtid for at undgå uplanlagte stop og automatisk reset maskinen, hvis en alarm skyldes en ikke-kritisk hændelse som et løst slipsheet.
En forbedring af driftstiden med 8-12% er tilfredsstillende nok for vores kunder. Så når vi fortæller dem, at alle de data, som Operator Eye indsamler, kan bruges til at forbedre driften betydeligt gennem hele værdikæden, affejer de det med en sætning som: "Lyder godt, men vi har ikke tid eller ressourcer lige nu".
Jeg forstår det fuldstændigt. Vi har alle travlt, og at gennemgå dine stamdata kan føre til meget arbejde på tværs af din drift. Men svaret minder mig altid om den gamle tegneserie med folk fra stenalderen, der siger "Nej tak, vi har for travlt" til manden, der tilbyder dem hjul, mens de sveder og skubber en vogn fuld af tunge sten.
Skab en database hvor du nemt kan få værdifulde indsigter
Så er der resten af jer. I der villigt ville acceptere hjulet, hvis bare I havde en vogn klar til at blive skubbet. Hvor skal man begynde?
Først begynder du med at indsamle data for at skabe et grundlag. Helst data, der afspejler kvalitet, driftsmæssig tilgængelighed af dit udstyr, eller en anden output, der giver dig mulighed for at måle fremskridt.
Hvis du virkelig vil have værdi ud af dine data, er næste skridt at skabe projekter, hvor du matcher disse data med stamdata. Alt for ofte er lagerets stamdata forkerte eller utilstrækkelige. Hvis du kan identificere forkerte stamdata som volumen eller størrelsen på dine produkter, kan du skabe en positiv indvirkning gennem hele din værdikæde ned til, hvor mange produkter, der passer i en lastbil.
Alt ovenfor har vi gjort tingængeligt med data fra Operator Eye og vores Digital Enablement-platform. Vores platform kombinerer evnen til at identificere forkerte stamdata med indsigter i alarmer og maskiners nedetid, og det gør at vi kan opdage, om visse typer alarmer udløses af specifikke produkter, en bestemt vægtklasse eller andre produktparametre. Selvom det lyder simpelt, kan det have en enorm indvirkning på mængden af varer, der bevæger sig gennem dit lager.
Konklusion – fokus på datakvalitet og domæneviden
Selvom den digitale revolution ikke sker så hurtigt som forventet, kan virksomheder stadig opnå en enorm konkurrencefordel ved at udnytte deres data. Men vi må erkende, at det ikke er nok at indsamle store mængder data. Vi skal fokusere på kvaliteten af vores dataindsamling, bruge operatørers og leverandørers domæneviden, og måske vigtigst af alt: begynde at handle på indsigterne for at skabe forretningsværdi.
I dag er vi i stand til at skabe en masse indsigter, og det er min erfaring, at når vi begynder at handle på disse indsigter, kan vi tage store skridt mod de længe ventede fordele ved den digitale revolution.