Suzanne Gill finds out what data analytic solutions are available today for both process and factory applications and gathers advice about successful integration of these solutions."> 得到的数据 - 必威betway西

得到的数据

2020年11月16日

将数据转化为可操作的信息对任何行业4.0项目的成功至关重要。苏珊娜吉尔发现今天数据分析解决方案是可用的过程和工厂应用程序和收集建议这些解决方案的成功整合。

制造业数据每日生产过程和离散应用是呈指数增长的。在短期内,大量的额外的数据(结构化和非结构化)将从内部和外部来源变得可用。这个原始数据转化为有用的见解需要操作技术(OT)和信息技术(IT)决策者采用数据分析和管理政策。

总裁兼总经理玛西娅Gadbois ADISRA,指出有许多制造业用例数据包括预测分析,预测质量,需求预测,库存管理,保证分析。“这些用例依赖历史数据,模式或之间的关系是确定的各种数据点,和实时数据,在对收益率产生的最大影响因素优化,”她说。

她继续解释决策者应遵循的五个主要支柱收集来自各种数据源的见解。第一个是决定哪些信息是需要培养OT,协同决策的供应链,线条,部门,和植物。简单地说,找到确定的信息“发生了什么”?下一步是寻找见解从数据得出结论的来源关于“为什么它发生了什么?这些见解帮助驱动数据驱动决策。

第三支柱是项目远见通过历史数据预测未来结果,问“接下来会发生什么,为什么”?第四支柱与敏捷性的数据,或人或所需的保证数据流程可以不管他们访问的位置。它回答这个问题的合适的人可以访问速度所需的数据信息转化为行动”?

最后,第五个支柱是使数据策略与业务目标实时适应市场变化和创新。简单地说,‘挑战需要解决和数据在哪里协助这些战略决策”?

“为了回答这些问题,必须利用数据分析和数据治理,“Gadbois说。“数据分析是使用数据、统计数据和定性分析驱动决策和行动。数据治理的实践需要确保管理各种数据源。

“ADISRA的产品必威官方登陆集中在三个主要领域——描述性的分析,诊断,和预测。描述性分析使用统计数据收集和可视化数据协助决策关于“发生了什么事?的诊断分析使用统计发现有价值的洞察力来回答这个问题“为什么会这样”?最后,预测分析使用统计数据预测接下来会发生什么?”

Gadbois指出,制造业数据分析的旅程,有几个必要步骤。首先,定义要解决的问题和找到解决问题所需要的数据,无论是历史、结构化或非结构化。不要害怕把数据的遗留系统和数据集成到一个新的来源。尽管分析的长期愿景的旅程,从小事做起,同时继续发展这个项目。识别利益相关者,以及他们如何定义成功。得到支持从业务上他们想看到的东西和使用数据治理,以保证业务的参与。
最后,在量化的测量方法和不断改进模型作为新的信息可用。

数据和分析
CMO &副总裁迈克尔•Risse Seeq公司列举了成功的三个关键方面从数据到基于数据的决策在行业4.0计划。这些都是数据,人,和分析。他说:“首先,也是最重要的是数据和正在进行的访问,在遗留系统和工业应用,因为最好的策略将调整和改进过程中行业4.0计划。不与敌人作战计划生存联系!”

根据Risse,开始一个先进的分析项目的能力与数据,在筒仓和不同系统和各种类型的,绝对是至关重要的。”计划开始假设需要什么数据,数据移动或聚合的先决条件,综述不兼容所需的不可避免的变化和调整。敏捷性和适应变化的核心行业4.0,因此从固定的期望和昂贵的数据转换工作在福利和证明的价值实现的见解是错误的。”

Risse说一致的发现成功的行业4.0项目的识别和利用员工的技能。这些人知道植物、流程和程序。在实践中这意味着创新和现有员工的能力,从而提高组织的整体能力,推动改善结果因为见解和能力分布,与中央集权的行动。

这一观点听起来与所有关注数据科学家和机器学习。但据Risse,炒作什么数据科学家错过的是他们不知道的植物,资产,或植物如何运行的第一原则模型——所以他们找到的见解的能力值在变化的环境中原材料,价格和时间表是有限的。核电站的员工知道最好的,另一方面,知道他们需要什么改进的结果,他们只是需要改进先进的分析软件更容易和更快的见解。

最后,对数据的访问和正确的人,是时候将他们聚集在一起,提供创新的最大能力和需求。“因此,当务之急是把数据分析的科学和创新前沿的劳动力。高级分析应用程序必须结束,使访问软件的创新在幕后,像谷歌搜索栏包装MapReduce算法,或者超级应用集成映射,AI和计费系统,”Risse总结道。

分解分析
根据埃丽诺价格,业务发展高级领导人,生命科学和特种化学品在霍尼韦尔过程解决方案,在最简单的形式中,四种类型的分析在制造现在:

•描述性分析:发生了什么事?
•诊断分析:它为什么会发生?
•预测分析:会发生什么?
•说明性的分析:建议行动。

价格解释说,最常见的分析-描述性是做每一天,在每一个业务。这是综述现有的原始数据通过使用商业智能工具来解释发生了什么。这个步骤使原始数据可以理解的解释发生了什么。最常见的技术数据聚合和数据挖掘的历史数据。

“调查过去的表现来确定发生了什么和为什么发生的角色是诊断分析,用于组件原理分析(PCA)、属性重要性和敏感性分析,”她说。“从过去转向未来导致预测分析,事件发生概率的预测使用统计模型和机器学习。描述性分析预测模型的基础。数据科学家与主题专家合作,优化这些模型更好的预测。一些最新的分析技术被应用机器学习算法,例如,先进的模式识别”。

价格继续说道:“最先进的分析类型是说明性的,推荐一个或多个课程行动分析数据。说明性的分析可以推荐所有有利的结果基于一个指定的课程或动作或行动可以显示各种课程达到指定的结果。

提供建议的成功整合分析解决方案价格表示:“对于任何数据的分析是至关重要的。如果想要制造的整体视图,是很重要的分解数据仓库,将来自不同数据源的数据组合为一个单一的环境,如数据湖。结构化和非结构化数据的生产过程、设备和业务都可以存储在数据湖泊,使提高洞察力跨广泛的利益相关者。

“当数据被收集并存储在所有不同的系统变量,属性,测量,事件等,数据contextualisation成为一个关键的考虑。任何数据contextualisation组织相关数据收集使用元数据,它提供了关于数据的数据。Contextualisation提供更广泛的了解是很重要的数据分析的关键,聚合模型和解释数据。”

键值
吉姆•Chappell AVEVA AI和高级分析主管,说4.0实现行业的最大障碍不是生成和收集数据本身,但从数据中提取价值。“键值来自数据分析解决方案,提供上下文到大型,复杂的数据集,”他说。“从先前难以接近和不同来源的数据聚合到单个源的真理。通过先进的数据分析和可视化——先进使用机器学习和模式识别,可以提炼出可操作的见解。这些分析工具使人们深刻的和以信息采取行动在他们的来源,识别并解决问题之前进一步复合成严重故障点级联问题。”

据Chappell说,预测分析企业采用的解决方案是最常见的工具着手一个数字转换的过程。现有的历史数据分析了解资产的运营行为。先进的模式识别和机器学习然后部署实时监控资产和识别异常资产是如何执行的。然后确定潜在的操作问题,诊断和矫正失败可能发生之前数天或数周。

规范的分析预测分析解决方案增加了一层复杂性。一旦异常已确定,这些工具评估的潜在影响和开最有效的行动,以防止资产失败。除此之外,预后分析利用更先进的人工智能评估未来的状态,如预测资产的剩余使用寿命。相结合,这些数据分析解决方案使组织预测资产失败,评估风险,然后开经济最有利的行动解决潜在的资产失败。

“数据的质量是不可或缺的行业4.0项目的成功,“继续Chappell。“数字工具,使用人工智能功能,如机器学习,只是一样好下的数据分析。潜在的能力来执行一个成功的分析战略管理和牧师数据的能力,确保质量、集成、可访问性和安全性。历史学家协调和集成多个数据源的数据的数据,确保清洁,准确和结构化分析有效。”

Chappell建议企业应该开始他们的数字的旅程通过实现一个或两个数字解决方案可以与他人修改和补充。

利用
萨因Meah、高级主管、数字转换和生命周期服务,欧洲爱默生说,客户很感兴趣利用分析创建生产、操作和工厂级的好处。“通常情况下,他们想分析应用于提高可靠性,降低能源消耗,提高质量,并确保安全,”他说。

”数据,更好的是,可操作的数据,可以使公司为生活带来工业设施动态传感器和分析网络来检测潜在的问题影响生产或之前工厂人员的安全风险。工厂工人配备实时洞察主动评估操作设备的完整性,和目标维护最小同时确保业务连续性风险。”

根据Meah,数据驱动的分析,从统计分析预测行为,应该很熟悉这些负责生产运营方面的改进。这种形式的分析已经部署了许多年,但我们已经看到一个指数的计算能力,而数据存储成本降低,算法也变得更加复杂。我们现在有能力在这个分析中使用机器学习,可以删除需要计划一个机器的所有功能。

他说:“操作分析——嵌入式领域知识可以影响和提高性能的简单设备,复杂的资产,处理单位,和整个生产工厂,可以为制造商和加工企业存在一个巨大的机会。

“失效模式效应分析是另一种形式的principles-driven分析被广泛用于预测或防止超过80%的失效模式。爱默生为例,建立了近500个故障模式影响分析模型的共同资产上发现的一种植物。我们知道的数据收集和解释数据转化为可操作的信息所需的算法。终端用户只需要决定是否值得投资获得的数据,建立数字可重复的方式改进。”

Meah指出,它是必不可少的加工和生产植物利用现有的基础设施、系统和仪器为了实现可伸缩成功集成分析工具。这需要使用分析解决方案,是为了安全地连接从遗留系统和仪表和提取数据。同样重要的是要对现场设备数据的安全访问驻留在过程控制系统和任何新添加的硬件和软件监控和优化。

那慕尔开放式架构(诺亚)是一个标准的系统架构专门设计用于支持数字转换活动在不影响工厂网络安全(可用性、完整性、机密性)和安全。诺亚增加了现有的自动化架构和基于现有标准现场总线协议和标准等软件应用程序接口(API),它支持更复杂的集成领域的数字组件级别的企业层次。


联系信息和档案……

相关文章…

打印这一页|电子邮件这一页