5步骤,数据驱动的制造业

有很多炒作“行业4.0”“智能制造、”“工业物联网(IIoT)”和其他相关的条款,但这都归结到一个问题:我如何成为一个数据驱动的制造商?

公司努力是数据驱动的,意识到决策将更客观、更容易实现预期的结果。事实上,许多公司理解自动化决策过程具有极其重要的价值,让智能机器立刻做出决定。

数据驱动的决策影响业务的方方面面。但在这篇文章中,我将集中在制造业领域,在自动化决策涉及系分析,让机器和系统分析驱动行为制造地板上真正的发现的智能制造!

那么,怎样才能成为一个数据驱动的制造商?我认为有五个基本步骤:

1. 得到你所需要的数据。
2. 组织数据。
3. 分析和呈现数据。
4. 自动化分析。
5. 创新。

让我们仔细看看每一个步骤。

1。得到你所需要的数据
尽管这可能听起来微不足道,得到需要的数据是最难的部分项目,由于相关数据的来源很广(机器、系统、人),利用所有的复杂性。在某些情况下,行业标准的信息交换方法帮助(如OPC UA、IPC排名,和其他人),但是,常常需要开发定制的解决方案为单个系统或设备。问题是放大当制造业外包或分布在工厂和地理位置。

基于数据作出决定,最基本的需求,数据及时,值得信赖的,完整的。

• 及时的:你越早获得数据,更相关和有价值,更有可能的是你可以做一些有用的东西。这涉及创建生活连接设备和系统,确保所有相关的数据尽快处理后生成的。
• 值得信赖的:如果你不能相信的数据,你不能做出正确的决定(也称为“垃圾,垃圾”)。
• 完整的:为了确保没有空白数据,收集系统需要实现从源端到端的跟踪数据,并警告如果有什么失踪。

2。组织的数据
与数据生成多种格式在许多不同的系统,通常是具有挑战性的存储和链接在一起。挑战包括:

不同的数据源和内容
来自不同机器和系统通常在不同的数据格式、结构,甚至是内容。例如,产品标识符使用外包制造商可能不一样的内部使用的系统。甚至关键指标如“第一遍收益率”可能意味着不同的事情不同的人。实现数据治理机制的关键是解决这些问题,确保一致的内容,命名,和指标计算所有数据源。这个过程的一个重要结果是一个“共同的语言”在所有用户的数据。

存储和结构
一些公司将所有的数据存储在一个“数据湖”,通常使其原始格式的数据。然而,这往往使数据很难查询和分析。更好的方法是尽可能结构数据并将其存储在高性能分析系统,如柱形储存的数据库。设计合理,分析系统和数据湖可以工作在和谐创建所有结构化和非结构化数据的整体视图,不管在哪里存储。

数据的复杂性
要真正了解你的过程和产品的质量,你需要结合整个生产流程的数据,甚至包括数据尽可能从供应商和客户。即使是简单的从许多供应商和产品含有部分由机器和系统的过程涉及几十个。数据库的模式需要能够理解的关系在你的数据并创建一个数字螺纹连接所有相关的机器,每个制造过程和产品数据产品。

保持低成本
数据存储是昂贵的。你是否把你的数据在云存储本地,成本是重要的。问题是加剧了行业监管或客户需求涉及长时间保留数据。理想的数据平台将有多个数据存储层长期数据保留,同时仍然允许快速访问数据分析岁的点击一个按钮。

3所示。分析和呈现数据
有如此多的数据可用,它可以令人生畏的用户。高科技工厂今天一天产生向上的1 tb的数据。因此总结的关键数据和“泡沫”关键的见解,这样用户可以很快看到大局。

这需要持续的执行24/7分析数据到达,kpi可以计算并呈现给用户。问题必须识别和优先,用户必须有足够的信息来理解问题并迅速找到根源。

能够在一个简单的和用户友好的方式显示数据是实现用户采用任何分析的关键系统。在某些情况下,这可以通过标准的商业智能(BI)工具,如表或微软BI。然而,对于更复杂的工程应用中,常常需要创建自定义应用程序设计来解决具体问题。在任何情况下,您选择的数据平台需要支持两种类型的访问。

如果数据总结和提出了一个干净的和可以理解的方式,它很快就会导致“民主化”,让用户在许多角色整个组织受益于这一个值得信赖的版本的真实数据。

4所示。自动化分析
当数据可用立即自动和分析,您可以开始考虑的端到端自动化基于分析的结果。有许多应用程序也可以受益于这种能力,调整设置设备基于传入的材料,识别异常值,分类缺陷检查图像,将可疑产品,并自适应地改变测试配方基于数据从之前的生产步骤。制造商实现这些功能可以显著降低成本,提高质量和效率。这是真正的智能制造!

5。创新
当你有一个基础设施,收集和组织数据,使它可以在点击一个按钮,可以部署和执行分析和工厂之间,你有所有需要的食材,让你的想象力自由驰骋,充分利用最新和最优的分析工具和技术。

今天,公司意识到维持竞争优势的关键在于人工智能和机器学习。他们竞相招募数据科学家的知识和经验需要将数据转化为深刻而有意义的见解。你的数据平台需要支持他们的努力:

• 向他们提供他们需要的数据可靠和瞬间。
• 使他们能够使用最新的开源模型数据和专用工具。
• 赋予他们和监控他们的解决方案部署到生产环境。

总结
成为一个数据驱动的公司需要一个全面的方法,包括:

• 快速而准确的获取需要的数据。
• 组织和存储数据,节省成本和可访问的方式。
• 为用户提供他们所需要的数据和见解。
• 基于分析的结果的自动化操作。
• 提供数据与环境科学家、数据和工具,他们需要构建创新的解决方案。