数字化转型:工业物联网分析成熟之旅
完全增强的工厂允许流程专家通过异常而不是通过反应进行管理。根据一家拥有控制工程工程师选择奖(Control Engineering Engineers’Choice Award)产品的公司的说法,一旦公司可以通过例外来管理流程,他们就创建了一个智能工厂。
学习目标
- 了解如何控制操作,并了解根本原因。
- 看看在沟通不足的情况下,植物是如何被数据驱动的。
- 学习如何连接系统以获得更深入的操作性能洞察和优化,创建更智能的数字化方法来创建增强工厂。
工业过程制造商多年来一直在捕捉时间序列数据并将其存储在数据库中(历史学家)。虽然收集过程是必不可少的,但原始数据对于改进操作毫无意义。
接下来的问题是:如何充分发挥捕获数据的潜力来提高运营性能?刚刚开始数字化之旅的公司会随着时间的推移经历一系列的技术进步。每一步都代表着数字技术,甚至分析技术的成熟。
植物从捕捉数据到分析数据,以不断改进。公司可以使用以下模型从获取数据到实现功能全面的增强设施。考虑图中所示的模型。
在控制之下,却看不到根本原因
工业使用监控和数据采集(SCADA)系统和分布式控制系统(dcs)来控制复杂的生产过程,在出现故障时向控制室发出信号。这允许流程专家采取纠正措施。为了更深入地研究并找到问题的根本原因,流程工程师通常使用电子表格在传感器生成的数据中搜索异常。
虽然公司已经开始了其“受控工厂”模式的步骤,但行业必须投资历史学家。存储的捕获数据通过趋势客户端为流程专家提供了更多的见解。然而,对于大量的数据,历史学家缺乏一种快速分析有用数据的简单方法。
这是由数据驱动的,但沟通差距减缓了改善
公司经常求助于数据科学家来帮助分析时间序列数据。然而,数据科学家和工程师之间的沟通差距减缓了这一过程。工程师可能会花大量时间解释这个过程,以便数据科学家可以进行计算。
如今,有更好的方法将数据分析的权力交给运营专家。这是数字化之旅的下一步。
现代解决方案使用数据科学功能来预测过程异常的潜在根本原因。当流程以最佳状态运行时,工程师可以在仪表板上可视化流程,并使用叠加来创建理想的指纹配置文件。反过来,这使得操作专家能够监控性能并创建软传感器。这就是“数据驱动工厂”。
因为工程师可以做出数据驱动的决策,他们可以为改进业务目标做出贡献。
连接系统以获得更深入的操作性能洞察,优化
当工程师从分析时间序列数据中获得价值时,他们数字化旅程的下一步就是解锁数据孤岛。公司可以从驻留在第三方系统中的数据中更深入地了解运营绩效。
顾名思义,这就是“互联工厂”。
希望连接系统的行业将需要其信息技术部门的帮助。在此阶段,信息技术(IT)专家将存储库和分析平台连接起来。这允许轻松访问这些应用程序中的所有上下文数据。虽然时间序列数据有助于流程专家获得更广泛的操作视角,但上下文分析使他们能够更深入地了解生产性能。
一个完全连接的工厂可以帮助企业实现业务目标。这包括减少碳足迹、控制产品质量和增加正常运行时间。
更智能的数字化方法创建了一个增强的工厂
数字化之旅的最终目标是创建一个“增强工厂”。尽管这个术语听起来很复杂,但几个世纪以来,这个模型一直被用来解释工业商业世界之外的其他过程。
我们可以把增强型工厂想象成终极智能工厂,或者完全拥抱工业4.0的工厂。
随着数据洞察和趋势的可用,流程专家可以开始自动化任务并使用机器学习(ML)和人工智能(AI)。添加这些层可以减少重复,创建异常检测模型,并获得采取纠正措施的说明性建议。过程专家还可以使用连接的解决方案来规划最佳的维护时间。
完全增强的工厂允许流程专家通过异常而不是通过反应进行管理。一旦企业可以通过例外来管理他们的流程,他们就创建了真正的智能工厂。
埃德温·范·戴克是营销副总裁TrendMiner.由内容经理马克·霍斯克编辑,控制工程,CFE媒体和技术,mhoske@cfemedia.com.
关键词:增强工厂建议,工程师选择奖
考虑一下这个
你好吗使用数据分析来改善运营?
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献,并获得你和你的公司应得的认可。点击在这里开始这个过程。