Michael Risse believes that there are three main trends driving more rapid insights from manufacturing big data."> 从数据中获得洞察力 - 必威betway西

从数据中获得洞察力

2019年11月11日

迈克尔Risse认为有三个主要趋势推动制造业大数据的快速洞察。

大数据与分析交织在一起，因为它是分析工具用来提取价值或洞察力的原材料。大数据在传统意义上引领了分析，因为数据，尤其是不断增长的数据量，一直是从信息中提取价值的创新方式背后的驱动力。例如，首先是网络，然后是大数据和对这个术语的巨大兴趣，然后是一种理解数百万个网页的方法:谷歌MapReduce和Page Rank，谷歌搜索栏包装的算法。

因此，分析并不是什么新鲜事，这个概念和数据一样古老。韦氏在线词典指出，“分析”一词的第一次使用是在1590年，当时它被定义为“逻辑分析的方法”，而“分析”一词首次使用于1581年，定义为“将一个整体分离为其组成部分”。

今天，从数据中获得洞察力的压力是如此普遍，以至于“分析”已经成为所有类型软件的营销材料中的一个一次性术语:可视化、电子表格、商业智能和仪表板——并且总是伴随着“可操作的洞察力”的承诺。分析有多种形式:描述性的、预测性的、诊断性的、交互式的、规定性的、基础的、实时的、历史的，以及作为例子的根本原因。

然而，尽管有这些词汇和用例，但对制造业组织内分析状态的研究表明，当前分析采用状态与期望的分析采用状态之间存在差距。简单地说，组织不能及时获得他们想要或需要的洞察，以推动改进业务和生产结果。随着数据量的增加，这种差距只会随着数据丰富但信息贫乏(DRIP)问题的恶化而扩大。

然而，分析有三个趋势，有潜力跟上与工业物联网(IIoT)和大数据相关的数据创建和存储的创新。

三个趋势
首先是高级分析，这是一套全新而独特的产品。用“先进”这个形容词来搭配“分析”似乎有点奇怪，因为它可以指过去50年里任何新的或当代的东西，但它却是行业分析机构高德纳(Gartner)和管理咨询公司麦肯锡(McKinsey & Company)选择的词。

他们对高级分析的定义集中在将机器学习、人工智能和数据科学的创新集成到分析产品中。必威官方登陆例如，麦肯锡关于高级分析的报告——《埋藏的宝藏:过程工业中的高级分析》——对来自数据新见解的机会有如下解释。“分析可以极大地提高性能，同时降低成本:这种价值分布在数千个机会中，在整个公司的站点网络中可能价值数千万甚至数亿欧元……因此，制造商必须着手进行分析转换工作，从车间操作员(控制流程)到流程工程师(使用深入的见解来推动下一波改进)，再到经理(不断监督绩效)。”

将数据科学创新应用于分析也可以被称为“增强”或“加速”，因为用户体验通过改进创新来改善结果。

随着高级分析解决方案的部署，许多引人注目的场景成为人们关注的焦点。例如，设备的预测分析可以对即将发生的故障发出警告，这样运营商就可以采取措施防止意外停机。通过深入研究接近实时的数据，工程师可以进行微小的调整，将批处理周期时间缩短10分钟，从而将每年的批处理数量增加数百个。管理层可以收到关于商品价格的近乎实时的警报，使他们能够做出提高工厂盈利能力的决定。

云
第二个变化是使用云技术在制造业领域应用大量的分析能力，现在越来越多的制造业客户可以选择云技术。人们可以看到公共云平台——谷歌、亚马逊和微软——在行业展会上的重点。

谷歌、亚马逊和微软首次在今年3月IHS举办的CERA Week活动中占据重要地位。亚马逊网络服务(AWS)目前为拥有石油和天然气专业知识的员工提供50个职位空缺，以补充在GE、AVEVA和其他工业自动化供应商拥有经验的现有员工名单。微软和谷歌也在整个自动化生态系统中进行类似的招聘。

对于制造企业来说，这意味着更多基于云计算的选项，可以通过弹性基础设施(可以根据客户需求增长和收缩)提供更快的时间来实现分析解决方案，同时具有更高的灵活性和更低的计算成本。虽然云部署不是高级分析部署的必要条件，而且许多客户要么选择内部部署，要么被限制在内部部署，但它为组织机构带来了另一个机会。这将意味着流程制造中的大数据存储模式将发生变化，目前的大数据存储模式大多是内部部署的、基于历史的和专有的。

基于云的数据存储和聚合模型的具体好处包括制药行业的例子，其中基于云的数据湖结合了来自传感器、批处理系统、质量系统和实验室信息管理数据集的数据。这使得这些组织能够为基于it的数据科学家和一线流程工程师提供制造过程的全面视图。

另一个来自采矿业的例子是，能够在云中部署分析，同时与内部数据源集成，以加快部署时间，并允许使用基于浏览器的分析应用程序访问任何员工。

从任何行业的管理角度来看，能够查看跨工厂收集的数据，以实现一致的最佳实践，并比较生产指标的kpi是另一个云支持的好处。

让专家
最后，在高级分析和云支持的组织中，有一件事是不会改变的，那就是领域专业知识的重要性。主题专家——流程工程师和其他在数据、资产和工厂或设施的流程方面具有专业知识的员工——仍然是一个关键的组成部分。

这些员工已经用电子表格分析了30年的数据，比计算尺、笔和纸的使用早了整整一代人。为了改善结果，需要将这些员工及其专业知识与先进的分析技术和当前的数据科学创新结合起来。

减少洞察时间的一个例子是，一家最终用户公司能够通过使用先进的分析软件将工程师的洞察时间从两周缩短到一个小时。这使得日产量增加了100桶，每年的产量提高了200万美元。

除了改进分析所带来的底线改善外，还有机会简单地有时间进行分析和调查。例如，一个资产的根本原因分析计划花费400个小时，需要5个工程师的努力，而不是由一个工程师在不到1小时内解决。

通过在其组织中启用一线专业知识，制造商可以实现大量的产量、可用性、生产率和利润率的提高。

结论
制造业组织内部数据量的激增，增加了寻找见解的难度。然而，寻找洞察力和“分析驱动”的压力比以往任何时候都要大，这给工厂高管和中小企业都带来了压力，但正在进行改变以解决这一问题。

高级分析集成了数据科学创新，云模型为数据存储、收集和上下文带来了新的机会。总之，这些进步将使中小企业能够找到洞察力，从而做出改善业务结果和盈利能力的决策。

Michael Risse是Seeq Corporation的首席营销官兼副总裁。


联系详情和档案…

相关文章…

打印本页|通过电子邮件发送本页