ساخت یک پلتفرم داده عالی برای معدنکاری

برای ایجاد توسعه پایدار در معادن و ورود به حوزه معدنکاری دیجیتال و معدنکاری هوشمند اولین مرحله ورود به حوزه معدنکاری داده محور است. حال برای معدنکاری داده محور داشتن یک سیستم جمع‌آوری و مدیریت داده نقش اساسی دارد که اصطلاحا به آن “پلتفرم داده” می‌گوییم.

برای هر شرکت بزرگی، پلتفرم داده‌ها و تجزیه و تحلیل پیشرفته دیگر یک گزینه نیست، بلکه یک ضرورت است. چنین پلتفرمی به‌عنوان یک مخزن مرکزی برای همه داده‌ها عمل می‌کند، آن‌ها را به یک منبع واحد از حقیقت تقطیر می‌کند، و از مقیاس‌بندی برنامه‌های پیچیده دیجیتالی و تحلیلی پیشرفته که داده‌ها را به ارزش تجاری (نمایشگاه) تبدیل می‌کنند، پشتیبانی می‌کند. شرکت‌های بدون ریسک ارزش‌های جدی خود را روی میز می‌گذارند. برای مثال، برای یک شرکت برق، یک پلتفرم داده و تجزیه و تحلیل می‌تواند هزینه‌ها را تا 15 درصد در برخی از مناطق عملیاتی و تعمیر و نگهداری کاهش دهد (البته در ایران ما تجربه بالای 60 درصد هم داشته‌ایم)، در حالی که صرفه‌جویی در فعالیت‌های بالادستی شرکت‌های نفت و گاز می‌تواند حتی تا 20 درصد افزایش یابد.

متأسفانه، بیشتر شرکت‌های انرژی و مواد، به نوعی خود را در پلتفرم‌هایی که از اولین پذیرندگان دیجیتالی مانند خرده‌فروشی، سفر و خدمات مالی عقب مانده‌اند، می‌بینند. اگرچه بسیاری از این شرکت‌ها سال‌ها سیستم‌های داده پیچیده‌ای برای برخی عملکردها، مانند تصویربرداری لرزه‌ای و پردازش در نفت و گاز و تجسم جریان در انتقال داشته‌اند، آنها اغلب برای اتصال سیستم‌ها و داده‌های متفاوت به روشی به‌راحتی مقیاس‌پذیر، در تلاش هستند. بسیاری از آنها پیچیدگی ناامیدکننده‌ای را تجربه کرده‌اند، برخی با شکست‌های دردناکی مواجه شده‌اند، و تعداد کمی هنوز در تلاش برای کشف اولین گام‌ها در ساخت پلتفرم‌های داده خود هستند.

با این حال، غلبه بر موانعی مانند این، می‌تواند تفاوت زیادی در رقابتی ماندن برای شرکت‌های انرژی و مواد ایجاد کند. پلتفرم‌های قوی داده و تجزیه و تحلیل می‌توانند به آنها کمک کنند تا ارزش قابل توجهی را از بازدهی بهبود یافته بدست آورند و فرصت‌های درآمد و رشد جدید را کشف کنند. از طریق کار خود برای حمایت شرکت‌های بسیاری از صنایع، پنج دیدگاه کلیدی و گاهی غیرقابل درک را در مورد بهترین راه برای ایجاد سریع پلتفرم برای افزایش ارزش واقعی کسب‌وکار شناسایی کرده‌ایم.

نگرش 2: از داده‌های موجود برای ایجاد تکه‌های بایت اندازه استفاده کنید.

ما متوجه شده‌ایم که دو مانع مشترک بسیاری از شرکت‌ها را از ساخت پلتفرم‌های جدید داده و تجزیه و تحلیل باز می‌دارد. یکی از موانع، از کارافتادگی است که وقتی سازمان‌ها به تلاش عظیم مورد نیاز فکر می‌کنند، ایجاد می‌شود. اما تجربه ما نشان می‌دهد که به چنین “تلاش بیگ بنگ” نیاز نیست. در عوض، موفقیت از ساختن یک پلتفرم به صورت مکرر، تکه تکه حاصل می‌شود.

یک شرکت ماینینگ دارای معماری داده‌ای بود که بیش از 200 سیستم مجزا را در بر می‌گرفت که برخی مجزا شده و برخی ناسازگار بودند. این باعث ایجاد مشکلات کنترل نسخه برای داده‌ها شد و به این معنی بود که هیچ منبع واحدی از واقعیت وجود نداشت. علاوه بر این، مشاهده موجودی داده‌ها ضعیف بود. این شرکت نمی‌توانست تمام سیستم‌ها و داده‌های خود را قبل از ساخت معماری داده جدید خود پاکسازی کند، زیرا زمان و تلاش مورد نیاز کسب‌وکار را به خطر می‌اندازد. در عوض، به طور مکرر کارکرد و موارد استفاده حیاتی را در سراسر شرکت (مانند دیجیتالی کردن جریان کار تعمیر و نگهداری دارایی) انجام داد و پلت فرم جدید خود را بلوک به بلوک ساخت. این به آن امکان می‌دهد از داده‌ها و معیارهای موجود برای جان بخشیدن به برنامه‌های جدید به سرعت استفاده و تأثیر خود را ثبت کند.

به طور مشابه، معاون استراتژی دیجیتال در یک شرکت در ابتدا قصد داشت پلتفرم داده و تجزیه و تحلیل جدید خود را در یک تلاش بیگ بنگ ایجاد کند. با این حال، این پلتفرم باید از بسیاری از عملکردهای حیاتی «روشن نگه داشتن چراغ‌ها» پشتیبانی می کرد که هیچ حاشیه قابل قبولی برای خطا وجود نداشت. بنابراین، به زودی آشکار شد که تنها راه معقول برای ادامه، ساختن قطعه قطعه بود، با برنامه‌های غیر بحرانی که ابتدا مورد بررسی قرار گرفت تا عناصر پلتفرم آزمایش و اصلاح شوند. بلوک‌هایی که از برنامه‌های کاربردی حیاتی پشتیبانی می‌کنند، می‌توانند ساخته شده و به طور کامل آزمایش شوند تا از انتقال روان از پلتفرم موجود به پلتفرم جدید اطمینان حاصل شود.

دومین مانعی که بسیاری از شرکت‌ها با آن مواجه می شوند، سازگاری نیاز با تعداد زیادی داده و پاکسازی داده‌ها قبل از اجرای هر گونه الگوریتم معنی‌دار است.  بسیاری از شرکت‌های انرژی و مواد هنوز در مراحل اولیه در تعیین ساختار داده‌های خود، تعریف حاکمیت داده‌های خود، و گرفتن یک منبع واحد از حقیقت برای مجموعه داده‌های خود هستند. آنها به حجم کافی از داده‌های مناسب نیاز دارند، اما خبر خوب این است که آنها احتمالاً آنچه را که برای موارد استفاده با بیشترین تأثیر نیاز دارند، یعنی داده‌های با کیفیت خوب برای مهمترین معیارهای تجاری خود، دارند.

بسیاری از شرکت‌ها متوجه نیستند که داده‌های زیادی در اختیار دارند؛ سایرین احساس می‌کنند وظیفه استخراج داده‌ها را پایمال  می‌کنند. یکی از شرکت‌ها شک داشت که داده‌های کافی برای پشتیبانی از موارد استفاده خاص در امور مالی، مانند پرسش‌های مشتری، داشته باشد. با پشتیبانی ما، داده‌های تجاری به‌راحتی در دسترس را شناسایی کرد که می‌توانست توسط داده‌های تیم مالی تأیید شود که برای دستیابی به هدفش برای کاهش زمان نگهداری مشتری بیش از اندازه کافی بود.

در عین حال، مدیران اغلب تصور می‌کنند که داده‌های آنها قبل از استفاده، نیاز به پاکسازی کامل دارند. مطمئناً پاکسازی داده‌ها مورد نیاز خواهد بود. حتی بدون مدیریت داده‌های اصلی، راه‌های آسانی برای پردازش داده‌های موجود برای استخراج خروجی با کیفیت بالا وجود دارد. یک OEM باید داده‌های بیش از 90 نمونه برنامه‌ریزی منابع سازمانی (ERP) را کپی می‌کرد، وظیفه‌ای که بسیاری در سازمان نگران بودند سال‌ها طول بکشد. در عوض، انتظار می‌رود که یک تیم متخصص با استفاده از الگوریتم‌های موجود، کار را در ماه‌ها به پایان برساند.