Tehdasdatan visualisointi dataputkessa

Abstract

Opinnäytetyön tavoitteena oli tutkia, pystyvätkö pilviratkaisut ja tekoäly merkittävästi tehostamaan tehdasdatan hyödyntämistä erityisesti visuaalisessa muodossa. Eri visualisointisovelluksilla, kuten Power BI:llä, Grafanalla ja Reactilla havaittiin olevan omat vahvuutensa ja heikkoutensa. Työssä käytettiin konstruktiivista tutkimusmenetelmää, jossa keskityttiin konkreettiseen ongelmanratkaisuun ja valittuja visuaalisen analytiikan sovelluksia testattiin käytännön osuudessa. Työssä kartoitettiin IIoT:n käyttöön liittyviä mahdollisuuksia ja haasteita, kuten testattujen ympäristöjen käyttöönottoa, yhteensopivuutta, investointien kustannuksia ja visualisoinnilla saavutettuja hyötyjä.

Lopputuloksena voitiin todeta, että datan visualisoinnilla on mahdollista saavuttaa merkittäviä hyötyjä, erityisesti ennakoivan kunnossapidon osalta, joka vähentää odottamattomia seisokkeja, säästää kustannuksia ja on osana datan elinkaaren hallintaa. Datan käyttäjäystävällinen esitysmuoto auttoi tehostamaan tuotantoprosesseja, analysoimaan dataa ja ennaltaehkäisemään ongelmia.

The purpose of this thesis was to investigate how cloud solutions and artificial intelligence can significantly improve the use of factory data, especially in visual form. Different visualization applications, such as Power BI, Grafana and React, were found to have their own strengths and weaknesses. The thesis used a constructive research methodology, focusing on practical problem-solving and selected visual analytics applications were tested in the practical part. The thesis also mapped out the opportunities and challenges of IIoT, such as the implementation of tested environments, compatibility, investment costs, and the benefits of visualization.

The results showed that data visualization can achieve significant benefits, especially in the case of predictive maintenance. Predictive maintenance can help to reduce unexpected downtime, save costs, and improve data lifecycle management. The user-friendly presentation of data can help to improve production processes, analyze data, and prevent problems.