ในยุคสมัยที่ Industrial Internet of Things (IIoT) จะเข้ามามีบทบาทเป็นอย่างมากต่อทุกๆ อุตสาหกรรม การนำข้อมูลเหล่านั้นมาวิเคราะห์และประมวลผลเพื่อปรับปรุงกระบวนการการทำงานให้มีความคุ้มค่าสูงสุดอยู่ตลอดนั้นจะกลายเป็นงานของวิศวกรในอนาคต
ข้อมูลจากการผลิตจะเพิ่มขึ้นอย่างมหาศาลจนตั้งตัวไม่ทัน
เทคโนโลยีใหม่ๆ ทางด้าน IIoT ที่จะมาช่วยติดตามข้อมูลรายละเอียดต่างๆ ที่เกิดขึ้นในการผลิต เพื่อนำไปวิเคราะห์และโต้ตอบหรือแนะนำสิ่งต่างๆ ได้นั้นเกิดขึ้นทุกวัน Sensor นั้นไม่ได้จำกัดแค่การติดตั้งในสายการผลิตอีกต่อไป แต่ยังครอบคลุมไปถึงการตรวจจับข้อมูลสภาพแวดล้อมการผลิต, อุปกรณ์ Wearable สำหรับติดตามพนักงาน, การติดตามพลังงานที่ใช้ในการผลิต, การติดตามระบบ Logistics และอื่นๆ อีกมากมาย
ไม่เพียงแต่ข้อมูลดิบเท่านั้น ข้อมูลอื่นๆ ที่หลั่งไหลเข้ามาจากระบบ Big Data, Machine Learning และ API ต่างๆ จากคู่ค้าเองก็จะเป็นข้อมูลจำนวนมหาศาลอีกกลุ่มที่จะเกิดขึ้นในวงการการผลิตในทุกๆ อุตสาหกรรม ทำให้ในการผลิตหรือกระบวนการใดๆ นั้นมีข้อมูลสำหรับใช้ในการวิเคราะห์และปรับปรุงอย่างมหาศาลจนน่าตกใจ
ด้วยเหตุเหล่านี้เอง ทุกๆ ธุรกิจการผลิตจึงต้องเตรียมพร้อมรอรับกับการเกิดขึ้นของข้อมูลจำนวนมหาศาลเหล่านี้ เพื่อคว้าโอกาสใหม่ๆ ที่อาจเกิดขึ้นได้ทั้งในแง่ของการปรับปรุงกระบวนการเดิม และการสร้างธุรกิจใหม่ๆ ให้ตอบโจทย์ต่อความต้องการของอุตสาหกรรมใดๆ
การวิเคราะห์ข้อมูลจะมีความซับซ้อนสูงขึ้น เครื่องมือที่ใช้ต้องเปลี่ยนไป
ที่ผ่านมาเรามักคุ้นเคยกับการวิเคราะห์ข้อมูลด้วยการใช้เครื่องมือ Spreadsheet และการวิเคราะห์จากรายงานของระบบ ERP แต่ในอนาคตเมื่อข้อมูลจำนวนมหาศาลดังที่ได้กล่าวไปข้างต้นเกิดขึ้นมา เหล่าวิศวกรเองนั้นก็ต้องมีหน้าที่ในการทำความเข้าใจข้อมูลใหม่ๆ ที่เกิดขึ้นมาแต่ละชุด และมีความคิดสร้างสรรค์ในการนำข้อมูลบเหล่านั้นไปใช้วิเคราะห์ให้เกิดประโยชน์ ซึ่งหลายๆ ครั้งด้วยขนาดของข้อมูลเอง ก็ทำให้แม้แต่การทำความเข้าใจข้อมูลเหล่านั้นก็ยังเป็นเรื่องยากขึ้นมา และเครื่องมือสำหรับการวิเคราะห์ข้อมูลแบบเดิมๆ ที่ใช้งานอยู่นั้นก็ไม่ตอบโจทย์อีกต่อไป
การรับมือกับการวิเคราะห์ข้อมูลที่ซับซ้อนนี้ โดยทั่วไปก็มักตกเป็นภาระของฝ่ายวิเคราะห์ข้อมูลที่สร้างขึ้นมาใหม่โดยเฉพาะด้วยการจ้าง Data Scientist จากภายนอกเข้ามาก่อน อย่างไรก็ดี เหล่าวิศวกรในสายการผลิตต่างๆ เองนั้นก็จะมีบทบาทสำคัญเป็นอย่างมากในการทำงานร่วมกับ Data Scientist เหล่านี้เพื่อให้เกิดการเตรียมข้อมูลและ/หรือการวิเคราะห์ข้อมูลที่สามารถนำผลลัพธ์ไปใช้งานเกิดประโยชน์ได้จริง ทำให้เหล่าวิศวกรนั้นก็ต้องมีพื้นฐานทางด้าน Data Science อยู่พอสมควรสำหรับใช้ในการตัดสินใจ
และในระยะยาว การวิเคราะห์ข้อมูลขนาดใหญ่เหล่านี้ในรายวันก็จะกลายเป็นงานใหม่ของเหล่าวิศวกรเพื่อตรวจสอบประสิทธิภาพของการผลิตและการระบุปัญหาที่เกิดขึ้นในสายการผลิต ไปจนถึงการมองหาวิธีการแก้ไขปัญหาที่มีความคุ้มค่าและได้ผลอย่างสูงสุดในระยะยาว ทำให้การใช้เครื่องมือวิเคราะห์ข้อมูลขนาดใหญ่จำนวนมากเหล่านี้ให้เป็นนั้น กลายเป็นเรื่องที่หลีกเลี่ยงไม่ได้สำหรับเหล่าวิศวกรอีกต่อไป
การเรียนรู้ศาสตร์ทางด้าน Data Analytics ตั้งแต่วันนี้คือสิ่งที่จำเป็น
การเปลี่ยนการผลิตให้กลายเป็นงานแบบ Data-driven ให้ได้นั้นต้องอาศัยทั้งความสนใจของเหล่าวิศวกรเองและการสนับสนุนจากองค์กร ถึงแม้ในการปรับตัวครั้งนี้ของวงการการผลิตนั้นจะไม่ได้คาดหวังไปถึงการเปลี่ยนให้เหล่าวิศวกรต้องกลายเป็น Data Scientist แต่อย่างน้อยๆ วิศวกรเหล่านี้ก็ต้องมีความสามารถในการวิเคราะห์ข้อมูลด้วยระบบ Data Analytics และการแสดงผลข้อมูลด้วย Data Visualization ด้วยตนเองผ่านทางระบบ Self-Service เพื่อให้เกิดความคล่องตัวในการนำข้อมูลใดๆ มาวิเคราะห์ประกอบการตัดสินใจในแต่ละวันอย่างต่อเนื่อง ทำให้การอบรมให้ความรู้เหล่าวิศวกรเพื่อให้รองรับต่อการวิเคราะห์ข้อมูลจำนวนมหาศาลที่จะเกิดขึันในอนาคตอันใกล้นี้เป็นจริงขึ้นมาได้นั่นเอง
ธุรกิจการผลิตที่เหล่าวิศวกรสามารถวิเคราะห์ข้อมูลและนำข้อมูลต่างๆ ไปใช้ประกอบในการตัดสินใจได้ด้วยตัวเองนั้น จะมีประสิทธิภาพและความคล่องตัวในการทำงานที่สูงกว่าธุรกิจอื่นที่ขาดวิศวกรผู้มีทักษะเหล่านี้เป็นอย่างมาก และทักษะเหล่านี้เองที่จะกลายเป็นขีดความสามารถในการแข่งขันใหม่ของธุรกิจการผลิตในอนาคต
อ้างอิง http://dataconomy.com/2017/04/data-analytics-modern-engineer/