મેન્યુફેક્ચરિંગ માટે બિગ ડેટા એનાલિટિક્સ / Big Data analytics for Manufacturing

 #લેખ

1.      લેખો

2.      મેન્યુફેક્ચરિંગ માટે બિગ ડેટા એનાલિટિક્સ

મેન્યુફેક્ચરિંગ માટે બિગ ડેટા એનાલિટિક્સ

પ્રકાશિત : ગુરુવાર 12-05-2022

દર્શના ઠક્કર કહે છે કે ડેટા એનાલિટિક્સ બિઝનેસ માલિકોને આંકડાકીય તથ્યોના આધારે નિર્ણયો લેવાની મંજૂરી આપે છે.

વૈશ્વિક માહિતી માહિતી સંગ્રહ ક્ષમતા

છેલ્લા કેટલાક વર્ષોમાં માહિતી સંગ્રહ કરવાની ક્ષમતામાં ક્રાંતિ આવી છે. કાગળ, ફિલ્મ, ઓડિયોટેપ અને વિડિયોટેપમાં એનાલોગ ડેટા સ્ટોરેજથી માંડીને સીડી, ડીવીડી અને હાર્ડ ડ્રાઈવથી લઈને ક્લાઉડ સ્ટોરેજ સુધીના ડિજિટલ સ્ટોરેજ સુધી ડેટા સ્ટોરેજ ટેક્નોલોજીને બિન-રેખીય વૃદ્ધિ પ્રદાન કરી છે. આ વિશાળ ડેટા સ્ટોરેજ ક્ષમતાએ સમયસર અને કાર્યક્ષમ રીતે ડેટા પુનઃપ્રાપ્તિની જરૂરિયાત શરૂ કરી છે.
 
આટલા મોટા પ્રમાણમાં ડેટા સ્ટોરેજને કારણે જરૂરી માહિતી અસરકારક રીતે પુનઃપ્રાપ્ત કરવામાં જટિલતા આવી છે. તેણે વ્યાપક ડેટા મેનેજમેન્ટ અને ડેટા એનાલિટિક્સ માટે જરૂરિયાત ઊભી કરી છે.
 
ઔદ્યોગિક ઈન્ટરનેટ ઓફ થિંગ્સ (IIoT) હવે ઉત્પાદન ઉદ્યોગમાં સંપૂર્ણ રીતે ઉપયોગમાં લેવાય છે. તે કનેક્ટિવિટી વધારવામાં અને ઘણાં સ્ટ્રક્ચર્ડ અને અનસ્ટ્રક્ચર્ડ ડેટા જનરેટ કરવામાં મદદ કરે છે. આ ડેટા છોડ અને પ્રક્રિયાઓ પર અનુમાનિત અને પ્રિસ્ક્રિપ્ટિવ ક્રિયા માટે ખૂબ જ માન્ય છે. હવે બુદ્ધિશાળી ઉત્પાદન પરિવર્તનને વેગ આપવા માટે આ ડેટાની સંપૂર્ણ શક્તિનો લાભ લેવાનો સમય છે. સ્પર્ધાત્મકતા વધારવા માટે આ ડેટાનો અસરકારક ઉપયોગ પરંપરાગત અભિગમ અને પ્રમાણભૂત સોફ્ટવેર સાથે ઘાતકી છે. આર્ટિફિશિયલ ઈન્ટેલિજન્સ, મશીન લર્નિંગ અને ક્લાઉડ કોમ્પ્યુટિંગ જેવી ઉભરતી ટેક્નોલોજીનો ઉપયોગ વ્યવસાયોના લાભ માટે જટિલ ડેટાના સંચાલનમાં મદદ કરે છે.
 
વધુમાં, કોવિડ-19 રોગચાળા અને તેના આર્થિક વિક્ષેપો સાથે, વ્યવસાયોને હવે અસ્તિત્વ ટકાવી રાખવા અને વ્યવસાય કામગીરીનું સંચાલન કરવા માટે વધુ સારા ડેટાનો ઉપયોગ કરવાની જરૂરિયાતનો અહેસાસ થાય છે. સાયબર સિક્યુરિટીના વધતા બનાવોએ ડેટા ગવર્નન્સ કામગીરીની જાગૃતિને વેગ આપ્યો છે.
 
આ બધું વ્યવસાયો કેવી રીતે ડેટાના વધતા જથ્થાને એકત્રિત કરે છે, તેનું સંચાલન કરે છે, તેનો ઉપયોગ કરે છે અને તેનું વિશ્લેષણ કરે છે તે બદલાઈ રહ્યું છે. આ વલણ બિગ ડેટા અને બિગ ડેટા એનાલિટિક્સ છે. ચાલો આ ટેક્નિકલ શબ્દકોષને સમજીએ.

બિગ ડેટાના 5 વિ.

બિગ ડેટા એ ડેટા સેટ્સ છે જે પરંપરાગત ડેટા-પ્રોસેસિંગ એપ્લિકેશન સૉફ્ટવેર દ્વારા વ્યવહાર કરવા માટે ખૂબ મોટા અથવા જટિલ છે. ઘણા ક્ષેત્રો સાથેનો ડેટા વધુ આંકડાકીય શક્તિ પ્રદાન કરે છે, જ્યારે ઉચ્ચ જટિલતા સાથેનો ડેટા ઉચ્ચ ખોટા શોધ દર તરફ દોરી શકે છે.
 
મોટા ડેટા એનાલિટિક્સ વિશાળ, વૈવિધ્યસભર ડેટા સેટ્સ સામે અદ્યતન તકનીકોનો ઉપયોગ કરે છે જેમાં ટેરાબાઇટથી ઝેટાબાઇટ્સ સુધીના વિવિધ સ્ત્રોતો અને કદના માળખાગત, અર્ધ-સંરચિત અને અનસ્ટ્રક્ચર્ડ ડેટાનો સમાવેશ થાય છે.
 
આજકાલ, વધુ અને વધુ સંસ્થાઓ ડેટા સ્ટોરેજ માટે ક્લાઉડ પર સ્વિચ કરી રહી છે. ગૂગલ ડ્રાઇવ, વન ડ્રાઇવ, એમેઝોન વેબ સર્વિસ અને માઇક્રોસોફ્ટ એઝ્યુર જેવા વિવિધ પ્લેટફોર્મનો ઉપયોગ કંપનીઓ ડેટા સ્ટોરેજ જરૂરિયાતો માટે કરે છે. મુખ્ય કારણ એ છે કે ક્લાઉડ ડેટા ગમે ત્યારે એક્સેસ કરી શકાય છે. તે સંસ્થાઓને યોગ્ય નિર્ણય લેવામાં મદદ કરે છે.
 
પરંતુ સંગઠનાત્મક ડેટા વિવિધ પ્લેટફોર્મ પર પથરાયેલો છે, અને ડેટાનો એક ભાગ પણ પરિસરમાં છે. ડેટા વિશ્લેષણમાં એક પડકાર છે જ્યારે વિવિધ પ્લેટફોર્મ્સ પર આ તમામ વિખરાયેલા ડેટાને સંયોજિત કરીને માહિતી મેળવવાની જરૂર છે. પરંપરાગત ERP સોફ્ટવેર જરૂરી માહિતી પ્રદાન કરી શકતું નથી જે ક્રિયાને આગળ ધપાવે છે.
 
મલ્ટી-લોકેશન જટિલ ડેટાનું સંચાલન કરવા માટે ડેટા એનાલિટિક્સ માટે AI અને ML-આધારિત અદ્યતન સોફ્ટવેર ટૂલ્સનો ઉપયોગ વધી રહ્યો છે.
 
બિગ ડેટા એ વિવિધ સ્ત્રોતોમાંથી ડેટાનો સંગ્રહ છે અને તે પાંચ લાક્ષણિકતાઓ દ્વારા વર્ણવવામાં આવે છે 5 Vs બિગ ડેટા: વોલ્યુમ, મૂલ્ય, વિવિધતા, વેગ અને સત્યતા.
 
i વોલ્યુમ: તે મોટા ડેટાનું કદ અને માત્રા સૂચવે છે જે કંપનીઓ મેનેજ કરે છે અને તેનું વિશ્લેષણ કરે છે
 
ii. મૂલ્ય: વ્યવસાયના પરિપ્રેક્ષ્યમાં તે સૌથી મહત્વપૂર્ણ "V" છે. મોટા ડેટાનું મૂલ્ય સામાન્ય રીતે આંતરદૃષ્ટિ શોધ અને પેટર્નની ઓળખથી આવે છે જે વધુ અસરકારક કામગીરી, મજબૂત ગ્રાહક સંબંધો અને અન્ય સ્પષ્ટ અને પરિમાણપાત્ર વ્યવસાય લાભો તરફ દોરી જાય છે
 
iii. વિવિધતા: તે વિવિધ ડેટા પ્રકારોની વિવિધતા અને શ્રેણી દર્શાવે છે, જેમાં અનસ્ટ્રક્ચર્ડ ડેટા, સેમી-સ્ટ્રક્ચર્ડ ડેટા અને રો ડેટાનો સમાવેશ થાય છે
 
iv. વેગ: તે તે ઝડપ છે કે જેના પર કંપનીઓ ડેટા પ્રાપ્ત કરે છે, સંગ્રહિત કરે છે અને તેનું સંચાલન કરે છે - દા.ત., સોશિયલ મીડિયા પોસ્ટ્સની ચોક્કસ સંખ્યા અથવા શોધ ક્વેરી એક દિવસ, એક કલાક અથવા સમયના અન્ય એકમમાં પ્રાપ્ત થાય છે
 
v. વેરેસીટી: આ શબ્દ " સત્ય" અથવા ડેટા અને માહિતી સંપત્તિની ચોકસાઈ, જે ઘણીવાર
 
ઉત્પાદનમાં એક્ઝિક્યુટિવ-સ્તરનો વિશ્વાસ ડેટા એનાલિટિક્સ નક્કી કરે છે

વિશ્વભરની 60% કંપનીઓ ડેટા અને એનાલિટિક્સનો ઉપયોગ કરે છે

મેન્યુફેક્ચરિંગ એનાલિટિક્સ એ મેન્યુફેક્ચરિંગ ડેટાનું આંકડાકીય અને નિયમ-આધારિત વિશ્લેષણ છે જે વપરાશકર્તાઓને પ્રક્રિયાને વધુ સારી રીતે સમજવા માટે સક્ષમ બનાવે છે. તે તેમની કામગીરીમાં સુધારો કરે છે, શ્રેષ્ઠ પ્રથાઓને ઓળખે છે અને મજબૂત બનાવે છે, ઘટનાઓની પ્રક્રિયા કરવા માટે ઝડપથી પ્રતિક્રિયા આપે છે અને ઉત્પાદનની ગુણવત્તા, ઉપજ અથવા કિંમતને અસર કરતા પહેલા સંભવિત સમસ્યાઓની અપેક્ષા રાખે છે.
 
ઉત્પાદન ઉદ્યોગોમાં, ડેટા એનાલિટિક્સના રેકોર્ડ્સનો ઉપયોગ સાધનોનો ઉપયોગ વધારવા, ખર્ચ ઘટાડવા, પ્રક્રિયામાં સુધારો કરવા, માનવ-આધારિત ભૂલો ઘટાડવા અને ઉત્પાદનમાં સચોટ મશીનની સ્થિતિ અને વલણો દર્શાવે છે તે ઊંડાણથી કરી શકાય છે.
 
આ સિવાય, બિગ ડેટા ટૂલ્સ મેન્યુફેક્ચરિંગ કંપનીઓને ઉત્પાદનોની વેચાણ પેટર્ન સમજવામાં મદદ કરે છે. તે સેલ્સ ડિપાર્ટમેન્ટને ભૂગોળમાં વિવિધ ઉત્પાદનોના કલાકારો માટે સપ્લાય ચેઇનનું આયોજન કરવાની મંજૂરી આપે છે. 
 
ડેટા એનાલિટિક્સના ઉત્પાદનમાં સફળતા માટેના મહત્ત્વના મુદ્દાઓ
1. સાચો ડેટા મેળવવાની ખાતરી કરો.
2. સારી માત્રામાં ડેટા મેળવવાની ખાતરી કરો.
3. મેન્યુઅલ ડેટા તૈયારી માટે ડેટા એનાલિટિક્સ ટીમનો ઉપયોગ ન કરવાની ખાતરી કરો.
4. યોગ્ય નિર્ણય લેવા માટે ડેટા પર ધ્યાન કેન્દ્રિત કરવું.
5. ખાતરી કરો કે પરિણામો કાર્યક્ષમ છે.
 
મેન્યુફેક્ચરિંગ ઇન્ડસ્ટ્રીઝમાં ડેટા એનાલિસિસનો ઉપયોગ
ડેટા એનાલિટિક્સ વડે બિઝનેસની વિવિધ જરૂરિયાતો વિશેની આગાહીઓ ચોક્કસ અને અસરકારક રીતે કરી શકાય છે. ઉત્પાદનના કિસ્સામાં, આ વિશ્લેષણોનો ઉપયોગ સમગ્ર મૂલ્ય સાંકળ અને વ્યવસાયિક કાર્યોમાં કરી શકાય છે.
 
1. અનુમાનિત જાળવણી
પ્લાન્ટ અને મશીનરીની સ્થિતિ વિશે સચોટ માહિતી સાથે, જાળવણી અને સમારકામની પ્રવૃત્તિઓનું આયોજન એવી રીતે કરી શકાય છે જે પ્રાપ્ત કરવામાં મદદ કરે છે:
i. ઉત્પાદન લક્ષ્ય
ii. જાળવણી ખર્ચમાં
ઘટાડો iii ડાઉનટાઇમ ઘટાડવો
iv. પ્લાન્ટ અને મશીનરીનું આયુષ્ય વધારવું અને
વિ. પ્લાન્ટ અને મશીનરી અને કર્મચારીઓનો શ્રેષ્ઠ ઉપયોગ.
 
2. ડિમાન્ડ ફોરકાસ્ટિંગ
સેલ્સ અને માર્કેટ ડેટા પૃથ્થકરણ લક્ષ્ય બજારના ભૌગોલિક વિસ્તારની વિવિધ સીઝનમાં વેચાણ પેટર્ન મેળવવામાં મદદ કરે છે. આ પ્લાન્ટ સ્તરે અને સમગ્ર વિતરણ નેટવર્ક અથવા વેરહાઉસમાં કાચો માલ, WIP અને તૈયાર માલનો સમાવેશ કરતી ઇન્વેન્ટરી જાળવવામાં મદદ કરે છે. તે સુધારવામાં મદદ કરે છે:
i. પ્લાન્ટ અને મશીનરીનો ઉપયોગ
ii. ખરીદી કાર્યની વાટાઘાટ શક્તિ
iii. માનવ સંસાધન આયોજન, અને
iv. લોજિસ્ટિક ખર્ચ ઑપ્ટિમાઇઝ.
 
3. કિંમત ઑપ્ટિમાઇઝેશન
ઑપરેશન કોસ્ટ, બજાર સ્પર્ધા અને માંગ પેટર્ન સહિત વિવિધ ચલોના ડેટાના સચોટ સેટ સાથે એક સંસ્થા ઉત્પાદન શ્રેણી માટે કિંમત નિર્ધારણ વ્યૂહરચના મેળવી શકે છે. ભાવમાં યોગ્ય અને સમયસર નિર્ણય લેવામાં મદદ મળે છે:
i. વેચાણ વધારવા માટે
ii. માર્કેટ સ્ટેક વધારવા માટે, અને
iii. નવા બજાર/ગ્રાહક આધારમાં પ્રવેશ.
 
4. ઉત્પાદન વિકાસ
વૈશ્વિક સ્તરે ટેક્નોલોજીના વપરાશમાં વધારો થતાં, કોઈપણ કંપની વર્ષો સુધી સમાન ઉત્પાદન સાથે ટકી શકતી નથી. કોઈપણ સંસ્થાના અસ્તિત્વ અને વિકાસ માટે વર્તમાન ઉત્પાદન અને નવા ઉત્પાદન વિકાસમાં નવી સુવિધાઓ ઉમેરવી જરૂરી છે. નવી સુવિધાઓ, સલામતીનાં પગલાં અને નવા ઉત્પાદનો બજારમાં પહેલાં કરતાં વધુ વખત ઉમેરવામાં આવે છે. તે તમામ મેન્યુફેક્ચરિંગ કંપનીઓને નવીનતા માટે તેમના અંગૂઠા પર રાખે છે. બજારમાં ઉત્પાદનની કામગીરી, સ્પર્ધા અને હરીફોની કિંમતોની રચના વિશે સચોટ અને પર્યાપ્ત માહિતી સંસ્થાને મદદ કરે છે. આવા ડેટા એનાલિટિક્સ કંપનીઓને તેનો નિર્ણય લેવાની મંજૂરી આપે છે:
i. સંશોધન અને વિકાસ પર ખર્ચો
ii. કિંમત નિર્ધારણ વ્યૂહરચના
iii. નવા ઉત્પાદન લોન્ચ માટે લક્ષ્ય શેડ્યૂલ, અને
iv. વૈવિધ્યકરણ નિર્ણય.
 
5. વોરંટી વિશ્લેષણ
સામાન્ય રીતે, કંપનીઓ દ્વારા ઓફર કરવામાં આવતી વોરંટી અવધિ ઉત્પાદનોના વાસ્તવિક સ્વસ્થ પ્રદર્શન સમયગાળા કરતાં પ્રમાણમાં ઓછી હોય છે. કંપની દ્વારા પૂરી પાડવામાં આવેલ વોરંટી અવધિ કંપનીના ખરીદ વર્તનને અસર કરે છે. વોરંટી ફરિયાદમાં અને બહાર ગ્રાહકની ફરિયાદના સચોટ ડેટા વિશ્લેષણ સાથે, કંપની યોગ્ય નીતિ-નિર્માણ નિર્ણય લઈ શકે છે. આ ઉપરાંત, તકનીકી ક્રાંતિને કારણે, ઉત્પાદનોના સ્પેરપાર્ટ્સ પણ વારંવાર અપ્રચલિત થાય છે. સ્પેરપાર્ટ્સની સચોટ માહિતી અને રિપ્લેસમેન્ટ પેટર્નના આધારે, કંપની ચોક્કસ મોડલ માટે સ્પેરપાર્ટની ઉપલબ્ધતા માટે તેની વોરંટી અને વોરંટી નક્કી કરી શકે છે, જે સુધારવામાં મદદ કરશે:
i. બ્રાન્ડ વફાદારી
ii. બજારની પ્રતિષ્ઠા
iii. રેફરલ વેચાણ, અને
iv રિપ્લેસમેન્ટ ખર્ચમાં ઘટાડો.
 
મેન્યુફેક્ચરિંગ કંપનીઓ માટે ડેટા એનાલિટિક્સનો લાભ
મેન્યુફેક્ચરિંગ સંસ્થાઓ માટે, ડેટા એનાલિટિક્સ માત્ર એન્ટરપ્રાઇઝ ઇન્ફર્મેશન સિસ્ટમ્સમાં છુપાયેલા જ્ઞાન અને મૂલ્યનો ઉપયોગ કરવાની તક આપે છે. સંસ્થાની અંદરની તે નિર્ણાયક માહિતી મેન્યુફેક્ચરિંગ સંસ્થાના નીચેના સ્તંભોને મજબૂત બનાવવામાં મદદ કરે છે:
i. નવીનતામાં ક્રાંતિ લાવવા માટે
ii. સપ્લાય ચેઇન મેનેજમેન્ટને વધારવું

iii. જાળવણી ખર્ચમાં ઘટાડો
iv. ઉત્પાદનમાં સુધારો
v. સુધારેલ માર્કેટિંગ અને વેચાણના પ્રયાસો, અને
vi. નફાકારક વેચાણ પછીની અને સેવાઓનો વિકાસ અને સંચાલન કરો.
 
ટૂંકમાં, ડેટા એનાલિટિક્સ બિઝનેસ માલિકોને આંકડાકીય તથ્યોના આધારે નિર્ણયો લેવાની મંજૂરી આપે છે. તે હકીકતનો ઉપયોગ બજાર અને સ્પર્ધાના લાંબા ગાળાના દૃષ્ટિકોણનું મૂલ્યાંકન કરીને ભાવિ કંપની વૃદ્ધિ માટે યોગ્ય વ્યૂહરચના પસંદ કરવા માટે થઈ શકે છે.
 
ડેટા એનાલિટિક્સ વિશેના કેટલાક તથ્યો
1. વિશ્વભરની 60% કંપનીઓ પ્રક્રિયા અને ખર્ચ-કાર્યક્ષમતા વધારવા માટે ડેટા અને એનાલિટિક્સનો ઉપયોગ કરે છે (MicroStrategy, 2020).
 
2. 53% વ્યવસાયોએ 2017 (રિસર્ચ ગેટ, 2019) માં મોટા ડેટા એનાલિટિક્સ અપનાવ્યા.
 
3. 78% સંસ્થાઓ માને છે કે તેઓ ડેટા અને એનાલિટિક્સનો અસરકારક રીતે ઉપયોગ કરી રહ્યાં છે (MicroStrategy, 2020).
 
MSME કંપનીઓ માટે, બિઝનેસ વૃદ્ધિ માટે ઐતિહાસિક ડેટાનો ઉપયોગ કરવાનો સમય છે. મારા તમામ MSME ગ્રાહકોને, હું હંમેશા ગ્રાહકને જાળવી રાખવા માટે સલાહ આપું છું અને હેન્ડહોલ્ડ કરું છું અને નવું માર્કેટપ્લેસ શોધતા પહેલા રેફરલ બિઝનેસ માટે બ્રાન્ડ લોયલ્ટીનું નિર્માણ કરું છું.
 તે ફક્ત આંતરિક વ્યવસાય ડેટા અને બાહ્ય બજાર દળોનું વિશ્લેષણ કરીને પ્રાપ્ત થાય છે.

દર્શના ઠક્કર

દર્શના ઠક્કર MSME ટ્રાન્સફોર્મેશન સ્પેશિયાલિસ્ટ અને સ્થાપક, ટ્રાન્સફોર્મેશન – ધ સ્ટ્રેટેજી હબ છે. એમબીએ દ્વારા અનુસરવામાં આવેલ ઇલેક્ટ્રિકલ એન્જિનિયર - સમૃદ્ધ ઉદ્યોગ અનુભવ સાથેની કામગીરી, દર્શના પરિવર્તન, ખર્ચમાં ઘટાડો અને સંસાધનોના ઉપયોગમાં નિષ્ણાત છે. તેણીએ માઇક્રો અને સ્મોલ એન્ટરપ્રાઇઝીસના પરિવર્તનમાં 25 વર્ષનું રોકાણ કર્યું છે. દુખાવાના વિસ્તારો અને એસએમઈની વાસ્તવિક જીવનની સમસ્યાઓને ઉકેલવામાં તેણીનો સમૃદ્ધ અનુભવ સંસ્થાઓને ઝડપી પરિણામો પ્રાપ્ત કરવામાં મદદ કરે છે. મર્યાદિત સંસાધનો સાથે વ્યવસાયિક કામગીરીનું સંચાલન કરવામાં તેણીની કુશળતા ગ્રાહકોને તેમની વ્યવસાયિક પ્રથાઓને વર્તમાન સંસાધનો સાથે સંચાલિત વ્યક્તિથી સંચાલિત સિસ્ટમમાં પરિવર્તિત કરવામાં મદદ કરે છે.
 
દર્શનાએ ઘણી સંસ્થાઓને નફાકારકતા વધારવા અને ટકાઉ વૃદ્ધિ હાંસલ કરવામાં મદદ કરી છે. તે આપણા દેશના સ્ટાર્ટ-અપ ઇકોસિસ્ટમને ટેકો આપવા માટે ઉત્સાહી છે. તે CED, ગુજરાત સરકાર સાથે ઉદ્યોગસાહસિક વિકાસ કાર્યક્રમમાં બિઝનેસ ફંક્શન એક્સપર્ટ તરીકે, સેકન્ડ જનરેશન પ્રોગ્રામ (SGP)માં ઔદ્યોગિક વિષયોની ફેકલ્ટી તરીકે અને સ્ટાર્ટ-અપ મેન્ટર અને સ્ટાર્ટ-અપ પસંદગી સમિતિના સભ્ય તરીકે સંકળાયેલી છે. CED ઇન્ક્યુબેશન સેન્ટરમાં. તે આઈઆઈસીએ અને કોર્પોરેટ બાબતોના મંત્રાલય, ભારત સરકારમાં નોંધાયેલ પ્રમાણિત કોર્પોરેટ ડિરેક્ટર છે. આ ઉપરાંત, તે એક લેખક છે અને MSME ઉદ્યોગ સાથે સંબંધિત તેના બ્લોગ, લેખ અને કેસ સ્ટડી પ્રકાશિત કરે છે. ઈમેલ: darshana.transform@gmail.com