De reden voor digitaliseren Research & Development in chemicaliën
Sinds 2015 worden technologieën zoals laboratoriumautomatisering en kunstmatige intelligentie (AI) sneller dan ooit toegepast. Dit heeft wijdverspreide implicaties voor de R & D-processen die chemische bedrijven gebruiken en biedt nieuwe mogelijkheden voor toonaangevende bedrijven om digitalisering te gebruiken om gegevensanalyses en -ontdekkingen te bespoedigen.In de afgelopen jaren hebben chemische bedrijven zich met variërende snelheden langs de volgende paden ontwikkeld (zie afbeelding boven dit artikel):
- Ideevorming: Open innovatie en co-creatie met klanten zijn de norm geworden voor de meeste spelers.
- Organisatie: Toch houden veel bedrijven nog steeds vast aan interne R & D-functies en aarzelen om flexibele samenwerkingsnetwerken te gebruiken waardoor waarde op tafel blijft liggen.
- Connectiviteit: Het gebruik van Internet of Things (IoT) en aangesloten labs is in opkomst, maar vaak is informatie nog steeds gefragmenteerd over wereldwijde R & D-sites.
- Proces: Automatisering neemt toe als onderdeel van Industry 4.0-initiatieven.
- Analyse: Analytics- en AI-initiatieven gaan welsiwaar vooruit, maar toegang tot geconsolideerde kwaliteitsgegevens blijft een uitdaging.
- Vaardigheden: spelers uit de industrie huren nieuwe profielen in (bijvoorbeeld data scientists), maar aarzelen om flexibele externe netwerken te bouwen.
Twee ontwikkelingspaden
Omdat chemische bedrijven enorme hoeveelheden gegevens genereren met R & D, zijn connectiviteit en analyse twee bijzonder veelbelovende ontwikkelingspaden. Deze categorieën vereisen dat nieuwe benaderingen worden toegepast om toegang te krijgen tot geïntegreerde, hoogwaardige gegevens. Dat is vooral belangrijk voor bedrijven waar massale initiatieven voor gegevensharmonisatie hun grenzen hebben bereikt.
Geavanceerde datatoegangsoplossingen
Gezien de vooruitgang van de digitale technologie in AI, is het nu mogelijk om geavanceerde datatoegangsoplossingen te bouwen. Oplossingen die bestaande R & D-systemen van bedrijven ondersteunen, automatisering en machinaal leren toepassen voor data-inname en mensgerichte, intuïtieve toegang tot de gegevens bieden via virtuele agenten en chatbots. Dit maakt een nieuwe manier van werken in het chemisch lab mogelijk.
Van legacy tot digitaal: nieuwe manieren om met data te werken
R & D vastgeroest in traditioneel patroon
Terwijl veel chemische bedrijven digitale strategieën hebben ontwikkeld en ‘vuurtoren’-projecten hebben geïmplementeerd in sommige bedrijfsonderdelen, lijkt R & D vast te zitten in traditioneel experimenteel ontwerp en gegevensverwerking.
Veel tijd navigatie door gegevensbronnen
Zoals weergegeven in figuur 2 (hieronder), besteden onderzoekers en laboranten nog steeds veel tijd aan het navigeren door verschillende interne en externe gegevensbronnen. Denk aan laboratoriumjournaals, laboratoriuminformatiebeheersystemen (LIMS), standaard operationele procedures (SOP’s), wettelijke gegevens, analyses, product databladen, wetenschappelijke literatuur, CRM-informatie (Customer Relationship Management) en octrooidatabanken.
Veel zelfredzaamheid chemicus
Hoewel sommige resultaten tussen deze verschillende bronnen worden gedeeld, wordt de meeste informatie niet overgedragen. De chemicus moet dus de informatie zelf verzamelen en samenvoegen om de kwalitatief beste beslissing te nemen. Bovendien zijn werknemers snel geneigd te vertrouwen op ervaringen die zijn verzameld binnen hun eigen micro-omgeving.
Tijd om informatiebeheer opnieuw te bekijken
Hoewel de traditionele manier van werken tot nog toe succesvol was, beginnen de steeds toenemende hoeveelheid gegevens, de druk van innovatieve concurrenten en nieuwe technologische mogelijkheden de R & D-medewerkers te overspoelen. Het is dus tijd om informatiebeheer opnieuw te bekijken in de laboratoriumomgeving en ondersteunende digitale technologieën te gebruiken om snel de waarde te oogsten en te verbeteren die wordt gegenereerd uit deze talloze gegevensbronnen.
Belangrijkste uitdaging is drieledig
De belangrijkste uitdaging binnen R & D vanuit een data-perspectief is drieledig: zeer gefragmenteerde informatie vanwege datasystemen die uiteenvallen door chemische toepassing, niet homogene datakwaliteit en een beperkt vermogen om externe activiteit effectief te volgen. Veel bestaande gegevensbeheersystemen zijn ook ontwikkeld zonder rekening te houden met de mens. Hierdoor zijn ze zeer complex in gebruik en worden zelden aanvaard door nieuwe werknemers.
Tijd vrijmaken voor R & D creativiteit
Door recente technologieën zoals labautomatisering en AI te integreren, kunnen deze barrières echter worden overbrugd. Leidend tot intuïtieve toegang tot gegevens en het vrijmaken van R & D-tijd voor creativiteit. Chemische managers erkennen dit steeds vaker: 51 procent van de respondenten uit de industrie in de Technology Vision 2018-enquête van Accenture heeft bevestigd dat ze van plan zijn om KI-oplossingen de komende twee jaar toe te passen in R & D. Dientengevolge zullen chemische bedrijven de sprong maken naar een geheel nieuwe manier om hun R & D-gegevens om te zetten in bedrijfswaarde.
Uiteenlopende informatie digitaliseren
Het inzetten van AI maakt het mogelijk om zowel gestructureerde als ongestructureerde gegevens te extraheren en effectief te indexeren. Op deze manier kunnen bedrijven de integratie en opschoning van uiteenlopende informatie automatiseren. Denk aan labrapporten, afbeeldingen, spreadsheets, tekstdocumenten of presentaties. In combinatie met gevestigde technologieën zoals optische karakterherkenning wordt zelfs de digitalisering van handgeschreven documenten economisch haalbaar.
Een geheel nieuwe manier van werken
Het door bovenstaande processen gecreëerde kennisplatform (zie figuur 3 hieronder) kan onderzoekers en portfoliomanagers laten evolueren naar een geheel nieuwe manier van werken. Medewerkers kunnen bijvoorbeeld in normaal menselijke taal vragen stellen aan een chatbot. En die chatbot gebruikt – achter de schermen – geavanceerde analyses om binnen enkele seconden antwoorden te bieden. Mogelijke vragen zijn:
- Op basis van historische gegevens. Hoe zal een nieuwe formulering presteren in het laboratorium, in de productie of in een toepassing?
- Is er al eerder een vergelijkbaar experiment uitgevoerd. In het bedrijf of elders? Wat was de uitkomst? Wat werd er op dat moment gemist? Is een interne expert beschikbaar?
- Waar zou dit product geschikt zijn voor andere toepassingen en nieuwe markten?
Ongekende mogelijkheden
Daarnaast kunnen intelligente systemen worden getraind om externe informatie te analyseren en taken uit te voeren, zoals het detecteren van potentiële octrooi-inbreuken of het bieden van inzicht in relevante marktactiviteiten aan ontwikkelaars. Bovendien kan O & O met centraal beheerde informatietechnologieën volledig worden geïntegreerd in een IT-architectuur voor nieuwe bedrijven (bijvoorbeeld SAP S / 4HANA) en profiteren van gedeelde, consistente stamgegevens en meer directe interactie met andere reeds digitaal verbeterde functies.
Bedrijfsresultaten leiden tot uitkomsten
Aanzienlijke efficiëntiewinsten
Naast een meer responsief R & D-proces, wordt R & D-digitalisering geleverd met een sterk ondersteunende businesscase: de kosten van digitalisering, inclusief de opbouw van software, hardware en infrastructuur en veranderende gevestigde bedrijfsprocedures, zullen worden gecompenseerd door aanzienlijke efficiëntiewinsten.
Economische waarde genereren
Het toepassen van digitale maatregelen op R & D kan economische waarde genereren via drie specifieke effecten
- Ten eerste kan het gebruik van digitale capaciteiten in R & D het innovatieproces met maximaal 15 procent versnellen, gebaseerd op de projectervaring van Accenture Strategy. Voorbeelden hiervan zijn snellere voorbereiding en experimenten door laboratoriumautomatisering en robotica, en een sneller vermogen om onderzoek te voltooien en relevante informatie te verzamelen via alom beschikbare gegevens.
- Ten tweede maakt de verbeterde beschikbaarheid en analyseerbaarheid van O & O-gegevens het eenvoudiger om de technische haalbaarheid van ontwikkelingsprojecten te schatten en de toewijzing van middelen te optimaliseren, wat leidt tot een hoger succespercentage voor O & O-projecten.
- Ten derde verhoogt het gebruik van digitale technologieën om betere beslissingen te nemen in de gehele innovatietrechter de waarde van de O & O-portefeuille.
Hoewel elk geval in zijn individuele context moet worden beoordeeld, is de R & D-digitalisering gebaseerd op de projectervaring van Accenture Strategie voor meerdere drivers met economische waarde, zoals weergegeven in Figuur 4.
Implicaties voor uw R & D
Het plannen en ontwerpen van een technisch platform voor de digitalisering van R & D-gegevens vraagt om een praktische aanpak. Dit om te voorkomen dat er een mooie technische oplossing wordt gecreëerd die geen substantiële voordelen biedt. In plaats van alleen beschikbare gegevens te consolideren en AI en analytische functionaliteit toe te voegen, moeten chemische bedrijven platformontwerp en implementatiepaden benaderen op basis van de vereisten van R & D-belanghebbenden.
Geen one-size-fits-all oplossing
Automatisering en AI-technologie zijn beschikbaar en klaar voor gebruik. Er is echter geen one-size-fits-all oplossing. De implementatietijdlijn en -inspanning zijn afhankelijk van de diversiteit aan R & D-gegevens en -toepassingen. Bovendien speelt een rol op welk niveau van functionaliteit en reikwijdte gegevens moeten worden opgenomen.
Verschuiving vereiste vaardigheden
Bedrijven die hun R & D-capaciteit willen verbeteren, moeten bovendien nadenken over de menselijke implicaties van een nieuwe technologie. Voor hun R & D-bedrijfsmodellen en voor hun werknemers. Samenwerkingsprocessen kunnen evolueren naar meer kruisbestuiving tussen bedrijven en regio’s. Traditionele R & D-functies zoals ideeëncouting of experimenteel ontwerp en uitvoering zijn mogelijk niet langer nodig. Daarentegen zijn mogelijk meer technische mogelijkheden vereist om het gegevensbeheersysteem te gebruiken en data-inname te behouden. Maar ook om continu gebruik van analysevoorbeelden te evolueren op basis van de behoeften van de R & D-belanghebbenden. Rekening houdend met deze verschuiving van vereiste vaardigheden, zou een chemisch bedrijf ook moeten evalueren welke capaciteiten intern kunnen worden gebouwd en welke moeten worden aangeworven bij een steeds groter wordend extern R & D-ecosysteem.
Prestaties naar een hoger niveau tillen
Gezien de snelle vooruitgang op technologisch gebied en de belangrijke potentiële voordelen van businesscases moet R & D-digitalisering een “must-do” zijn voor de agenda van elk bedrijf. Het is nu tijd voor spelers in de chemische industrie om na te denken over het ontgrendelen van de waarde die in hun gegevens is verborgen en om de R & D-prestaties naar een hoger niveau te tillen.
Voorbehoud
Deze informatie is met de grootst mogelijke zorg samengesteld uit verschillende informatiebronnen, maar (interpretatie)fouten zijn niet uitgesloten. Er kan dus geen enkele wettelijke verplichting aan deze tekst worden ontleent. Iedereen die met dit onderwerp te maken krijgt, heeft zelf de verantwoordelijkheid om zich in de materie te verdiepen!
Reacties
Een reactie posten