MI – Manufacturing Intelligence (Big Data / AI)
ข้อดีของ MI (Manufacturing Intelligence)
พูดคุยกับคุณรุ่งโรจน์ Managing Director บริษัท C.S.I. Group บริษัทที่มีประสบการณ์ในการทำงานด้านซอฟต์แวร์ในกลุ่มอุตสาหกรรมมาเป็นเวลามากกว่า 30 ปี เกี่ยวกับความสำคัญของ Industry 4.0 และแนวทางการปรับตัวของธุรกิจและโรงงานอุตสาหกรรมให้ปรับตัวเองเป็น 4.0
-
Industry 4.0 คืออะไร
-
Mass production กับ Mass customization ต่างกันอย่างไร
-
Industry 4.0 กับ AI มีส่วนช่วยให้การผลิตของโรงงานอุตสาหกรรมอย่างไร
-
ปรับโรงงานให้เข้ากับ Industry 4.0 ต้องทำอย่างไร
-
โซลูชันของ C.S.I. ที่จะเข้ามาช่วยปรับตัวให้เป็น Industry 4.0
Low Cost when compare to old Technology and Architecture
Top Management
Responsibility และ Production System
Responsibility for Directors
-
Corporate strategic, Business unit strategic and team strategic and team strategic
Production System
-
BI (Business Intelligence)
Business Planning & Logistics
Responsibility for Management
-
Planning, Logistics, Sales, HR …
Production System
-
ERP (Enterprise Resource Planning)
Manufacturing Operations Management
Responsibility for Operators
-
Operational, Production Management and optimization
Production System
-
MES (Manufacturing Execution System)
-
MDC (Manufacturing Data Collection)
Industrial Automation
Responsibility for Technicians
-
Monitoring.
-
Process Control and Process Execution
Production System
-
SCADA (Supervisory Control And Data Acquisition)
-
MACHINE
ข้อมูลเกี่ยวกับ MI Platform
Data Lake – Raw Data Storage & Processing
จัดเก็บข้อมูลทั้งหมดของคุณไว้ในที่เก็บส่วนกลางได้ทุกขนาด
Data Lake คือที่เก็บส่วนกลางซึ่งช่วยให้คุณจัดเก็บข้อมูลที่มีและไม่มีโครงสร้างในทุกขนาดได้ คุณสามารถจัดเก็บข้อมูลตามที่เป็นโดยไม่ต้องวางโครงสร้าง และยังสามารถใช้การวิเคราะห์ประเภทต่างๆ ได้ ตั้งแต่แดชบอร์ดและการแสดงภาพไปจนถึงการประมวลผล Big Data การวิเคราะห์แบบเรียลไทม์ และ Machine Learning เพื่อสร้างแนวทางการตัดสินใจที่ดีขึ้น
Data Lake คืออะไร｜AWS Website
▶ Handles Structured and unstructured data
▶ Hadoop based
▶ Map reduce algorithms
Data Warehouse
Data Warehouse คืออะไร
A data warehouse is a central repository of information that can be analyzed to make better informed decisions. Data flows into a data warehouse from transactional systems, relational databases, and other sources, typically on a regular cadence. Business analysts, data scientists, and decision makers access the data through business intelligence (BI) tools, SQL clients, and other analytics applications
Data Warehouse Concepts｜AWS Website
▶ Handles only structured data
▶ MPP based (massively parallel processing)
▶ Column based
▶ Cloud (Google/Redshift)
Visualization and Analytics
Analyzing & Visualizing your Data for Business Analytics
Business Analytics & Data Visualization are two faces of the same coin. You need the ability to chart, graph, and plot your data. Just as a picture is worth a thousand words, a visual is worth a thousand data points. A key aspect of our ability to understand what’s going on is to look for patterns, and these patterns are often not evident when we simply look at data in tables. The right visualization will help you gain a deeper understanding in a much quicker timeframe.
Data Visualization｜AWS Website
▶ Handles structured data
▶ Supportd visualization and reporting in ”exploratory” mode
รับทราบสถานการณ์ได้แบบเรียลไทม์ (ตรวจติดตาม)
จากการแสดงผลสถานะและผลลัพท์การผลิตได้แบบเรียลไทม์หลังจากมีการปรับให้ข้อมูลดูง่ายขึ้นแล้วนั้น ไม่เพียงแต่จะมีประโยชน์กับผู้ดูแลเท่านั้น แต่ยังส่งผลให้ทางพนักงานหน้างานรับรู้ข้อมูลแผนและผลลัพท์การผลิตได้ด้วย
รับรู้ผลลัพท์การทำงานได้
จากการรับรู้และวิเคราะห์ผลลัพท์การทำงานของเครื่องจักรทำให้สามารถเพิ่มกำลังการผลิตของเครื่องจักรหรืออัตราการผลิต และสามารถคำนวณต้นทุนการผลิตได้อย่างถูกต้องแม่นยำยิ่งขึ้น นอกจากนี้ จากการรับรู้สถานะการทำงานของเครื่องจักรในหลายๆ ฐานการผลิตทำให้สามารถวางแผนการผลิตและจัดการกับสินค้าเร่งด่วนได้อย่างมีประสิทธิภาพและลดการสูญเปล่าได้
ค้นพบและแก้ไขความผิดปกติได้ตั้งแต่เนิ่นๆ ด้วยระบบ Andon (แสดงสัญญาณเตือน)
การดักข้อมูลสัญญาณเตือนจากเครื่องจักร และหากเกิดความผิดปกติขึ้นก็จะส่งข้อมูลไปยังกระบวนการผลิตถัดไป รวมถึงแจ้งไปยังพนักงานหน้างานและผู้ดูแลด้วย ทำให้สามารถค้นพบและแก้ไขปัญหาได้ตั้งแต่เนิ่นๆ
วิเคราะห์และทำความสะอาดข้อมูลบิ๊กดาต้า
บิ๊กดาต้าที่รวบรวมมาได้นั้นจะสามารถนำมาใช้ในการวิเคราะห์ไลน์ผลิตที่มีคุณภาพต่ำหรือกระบวนการที่มีสมรรถภาพต่ำ อันนำไปสู่การปรับปรุงคุณภาพและพัฒนากระบวนการทำงานในภาพรวมได้ นอกจากนี้ในข้อมูลที่รวบรวมมานั้นยังอาจจะมีข้อมูลที่ซ้ำซ้อนหรือผิดพลาดรวมอยู่ด้วยจึงต้องดำเนินการ “ทำความสะอาดข้อมูล (Data Cleansing)” หรือการจัดระเบียบข้อมูล เพื่อให้ข้อมูลมีความแม่นยำถูกต้องยิ่งขึ้น
ข้อมูลที่เกี่ยวข้อง
กลุ่มบริษัท C.S.I. ได้รับการรับรองในฐานะคู่ค้าของทาง AWS (Amazon Web Service)
ทางกลุ่มบริษัทซีเอสไอได้รับการรับรองในฐานะคู่ค้าของ AWS (Amazon Web Service) ตั้งแต่วันที่ 1 มกราคม พ.ศ. 2562 เป็นต้นไป
Partner Level
Select Consulting Partner
การแนะนำ C.S.I. ในเว็บไซต์ทางการของ AWS
C.S.I. เข้าร่วมงานนิทรรศการ “Digital Innovation Meets Business @ CEBIT ASEAN Thailand 2018” ซึ่งจัดขึ้น 3 วันระหว่างวันที่ 18 ตุลาคม – 20 ตุลาคม 2561
C.S.I.Group
28th Floor Silom Complex Tower
191 Silom Road, Bangrak,
Bangkok 10500 Thailand
TEL : 02-231-3851
FAX : 02-231-3860
