如何开始工业数据分析
了解工业数据分析的关键组件可以帮助简化工业流程，实现更有效的数据分析。
工业数据分析洞见
- 理解四种类型的工业数据分析意味着对已经发生的事情做出反应和知道将会发生什么以及主动做出改变以优化响应之间的区别。
- 选择工业数据分析的最佳下一步需要理解当前数据分析所处的阶段，以及实现规定性数据分析效益的途径。
学习目标
理解工业数据分析类型。
看看工业信息帮助运营等领域。
学习一个例子提供生产效益的规定性数据分析。
工业数据分析可以简化工业流程。首先，工业数据分析的构建模块是什么?马特·鲁斯，总裁Avanceon在2022年4月21日RCEP PDH网络广播(存档1年)的部分文字记录中，解释了更多关于工业分析的内容。”足够的工业数据分析?为了清晰起见，这篇文章经过了编辑。
相关数据分析文章
本数据分析系列的相关文章有:
-网络直播预览:什么是刚刚够的工业数据分析?
-网络直播问答:问题回答:什么是刚刚足够的工业数据分析?
-工业领域的数据分析颠覆者
-如何克服工业数据分析的障碍
-工业数据分析案例研究，有效性。
提供:Avanceon，控制工程网络广播
工业数据分析的关键组件
工业数据分析的关键组件很简单，因为它是你每天都在使用的东西。它包括所有的后端系统和运营技术(OT)堆栈中的前端系统。
在设施内部，不同的数据源包含在支持分析的东西中。这包括不同的传感器、可编程逻辑控制器(plc)、控制器和输入/输出(IO)设备，它们组成了公司控制流程或生产的方式，以及数据存储组件。设施内部存在的不同业务数据筒仓和操作技术数据筒仓也是关键组件。
将其绑定到前端系统，如pc、web客户端、移动应用程序和平板电脑。从分析的角度来看，重要的是这些信息如何与现有用户界面共享。可视化报告和导航方法是利用数据分析和在正确的时间将信息提供给正确的人以做出数据驱动决策的关键组件。
另一个重要组成部分是网络安全和网络攻击。当开放端口并允许数据流动时，安全性和风险缓解是数据分析的关键组成部分。同样重要的是数据流向哪里。
信息存储库通常是基于云的体系结构。接下来，研究如何协调数据分析的组件。首先要从制造设施开始，特别是操作技术(OT)堆栈。
该设施内有多个不同的数据源，其中包含分析人员需要获取的丰富信息，并了解如何预测和支持建议，或显示需要注意改进的问题。发现问题后，把它们放在一个地方。这可以在首选的云平台或私有云中，但其思想是将数据分析信息从现有数据库中分离出来，从而提高性能。
工业数据收集、整合、分析
一旦数据库中有了数据并进行了清理，就可以在软件或云中进行计算。使用流程运行方式的模型有助于理解发生的异常和问题。从这些例外和问题中，深入研究并使用分析来发展需要采取行动的想法或事件。
一旦分析模型理解、开始学习并能够预测该操作，它就可以向相同的用户界面呈现并生成报告，使人们能够进行所需的流程更改。随着分析变得更智能，事情变得更精细，这种循环可以发生并循环多次。
允许人们基于分析修改流程，为实时流程优化提供了信心和文档需求。系统应该适当地通知并提供发生了什么、原因和时间的可见性。参与者学习如何利用数据，并获得关于数据可以实时提供什么的经验。
分析类型:描述性、诊断性、预测性、规定性
有哪些类型的分析，它们是如何细分的，又是如何划分的?分析的类型可以根据它们所解决的问题来组织。分析可以是描述性的、诊断性的、预测性的和规定性的。
第一种分析是描述性的。描述性分析使用历史数据。它获取数据并将其重新配置为易于阅读的格式，以便您能够描述业务运营的状态，并从过去了解发生了什么。它回答了什么问题:发生了什么，发生了什么?
下一种类型的数据分析是诊断。它使用历史数据并识别数据中发生的异常，突出显示所看到的不同趋势，并允许对这些潜在问题进行调查。通常情况下，数据分析会回答这样的问题:“为什么会发生这种情况?”
下一种数据分析是预测性的。预测使用历史数据，但它填补了现有信息的空白。它根据过去发生的事情创建数据模型，并根据过去的表现预测未来可能的结果。它回答的问题是，当某些事情发生时，在一个过程中会发生什么。
最后是规定性分析。和其他方法一样，这种方法使用历史数据，根据变量估计结果。它还试图优化和设置系统，以便能够提供关于如何改善这些结果的建议。它使用了大量的算法、人工智能(AI)和机器学习结构。
将不同的行业分析结合在一起
分析的每个组成部分都是为了回答一个问题，即什么、为什么、可能发生什么以及接下来该做什么。那在工厂里怎么样?当将分析应用于设施时，会发生什么问题、什么、为什么以及可能发生什么?答案是什么?答案符合并适用于制造三角约束。每个人都熟悉时间、质量和成本是驱动制造设施的主要因素。
理论上，只有其中两个是可以实现的，但分析提供了一条更接近同时实现所有三个目标的路径。有了质量，分析可以回答周围的问题，它有多好，废料是如何生产的，我有什么返工，我有多接近规格和目标?
它可以深入研究这是如何发生的，为什么会发生，以及发生了什么。从时间的角度来看，它挖掘了事情需要多长时间。它谈到了分析和挖掘周期时间。过去的时间是无法挽回的，但未来的时间可以更有效地利用。分析可以帮助挖掘周期时间，转换时间，清洁需要多长时间，以及安排事情需要多长时间。分析可以帮助回答这个问题，它的实际成本是多少?收益率是多少?浪费有多大?有多少停机时间，为什么会发生，生产一个产品的总体运营成本是多少?
设施包含了回答运营和财务人员可能想要回答的关于运营绩效的真正难题的机会。不同类型的分析可以提供帮助。
分析:4种类型，并举例说明
第一个是描述性的。描述性是时间快照。通常将描述性报告作为分析的第一个途径。它利用现有的数据收集。它与历史记录和生产信息相关联，并指出如何报告合规性或结果。它旨在提供关于满足合规性要求或生产的总体结果的信息和见解。
下一种类型的分析是诊断。这是一个实时的可视化，并深入到您的流程和问题的故障排除方面。它适用于大多数企业用来衡量生产率的通用仪表板。它强调事情发生时的关键绩效指标(kpi)。它是根据流程或线路或系统的各种组件组织起来的。它提供了钻取数据的路径，并对事情发生的原因进行深入的诊断。
第三种分析是预测性分析。预测分析是基于实时反馈进行优化。大多数人都熟悉基于时间的维护方法，这发生在今天的大多数设施和工厂。其思想和目标是将定期维护更多地转向预测结构，这是期望的状态。它需要一堆关于资产的物理信息来管理和改进维护。它来自很多不同的地方。主要是很多传感器数据，比如温度和振动。其中很多信息可以通过物联网传感器收集，这些传感器可以从无线网络和各种不同的通信协议中获取信息。
视频提供了一种方式，可以看到过去发生的事情和现在正在发生的事情，并对两者进行比较。在研究预测分析时，人们经常忽略传统的I/O。多个传感器提供了丰富的信息，而无需真正利用所有物联网。有一条路可以做得更多。在收集了所有这些信息之后，就可以根据失败的反馈和失败发生的时间进行数学计算和建模了。在此基础上，可以在预测模型中进行警报和修改，然后考虑集成维护系统。这提供了基于这些警报(而不是预先确定的时间表)安排预防性维护或预测性维护的能力。
分析的最后一个例子是说明性的。规范性的思想是在过去的基础上优化生产。在一个案例中，客户有一个流程，需要从一个产品转换到另一个产品。在最好的情况下，它不需要清洗或更换工具。下一个最好的情况是，如果它只需要清洗，然后是设施中已经存在的许多不同的数据。他们有现有的制造执行系统(MES)软件，提供库存单位(SKU)和其他信息。
在这种规范模型的情况下，来自MES数据库的信息可以通过一些算法和一些分析应用程序运行，并根据这些sku提出建议报告，然后在调度部门进行优化。
工业数据分析能够做到这一点。分析提供了洞察力，能够设置日，周，月和年的时间表。
-由CFE媒体和技术的助理编辑泰勒·沃尔编辑，twall@cfemedia.com，来自控制工程RCEP/PDH开发小时网络直播。
关键字
工业数据分析类型
考虑一下这个
你用过工业数据分析如何推进信息在过程中的应用?
在线
//www.globalelove.com/webcasts/just-enough-industrial-data-analysis/
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。
