如何组织、保护和应用自动化中的大数据

大数据洞察

• 大数据和分析工具可以帮助制造商分析大量数据，并对其运营做出更好的决策。
• 制造商可以改善客户体验和满意度，同时通过更短的创新周期实现更好的产品生产。

---

当推出支持人工智能的机器视觉来自动化检测过程时，制造商推动质量改进计划，着眼于提高产量、提高工艺效率和降低成本。在更高的层面上，许多制造商将此类努力视为与工业4.0或工业物联网(IIoT)相关的更广泛的智能制造战略的一部分-使用快速，简单且具有成本效益的技术实施来变得更加灵活，高效和创新。

“最终，一个能够通过提高质量、降低成本或两者兼而有之来使其产品与众不同并更具竞争力的制造商，将处于更有利的发展地位，”宝洁首席执行官马克斯·范思哲(Max Versace)表示Neurala．

杰里米·多德森，首席信息安全官NextLink实验室他指出，通过自动化特定流程和使用大数据分析，制造商可以识别运营中的瓶颈和低效率，并进行改进，从而提高效率和生产力。

什么是大数据?

Gartner将大数据定义为高容量和/或多样化的信息资产，需要具有成本效益和创新的信息处理形式。大数据和分析工具可以帮助制造商分析大量数据，并对其运营、供应链和产品开发做出明智的决策。

Dodson解释说:“制造商可以通过收集和分析生产过程中的数据来实时识别和解决质量问题，从而提高产品质量。”“通过采用新技术，制造商可以在竞争中保持领先地位，在市场上获得竞争优势。简化操作和提高效率有助于制造商降低成本，提高盈利能力。”

大数据有利于自动化

将大数据和自动化目标超越制造领域，可以以一种变革性的方式跨越整个组织，从人力资源和营销到提高客户满意度。通过使用大数据和分析来更好地了解客户的需求和偏好，制造商可以改善客户体验，不仅可以提高客户满意度，还可以通过更短的创新周期实现产品的个性化。

思科边缘/工业物联网产品营销经理Chris Liu表示:“由于5G无线、OPC和其他全系统IP标准的快速发展，可用的数据量正在爆炸式增长，这推动了设施中安装和连接的设备数量的增加。西门子工业股份有限公司

然而，随着大数据继续呈指数级增长，数据的数量也在增长黑暗的数据或组织中任何人完全未使用的数据。根据Splunk赞助的TRUE Global Intelligence最近的一份“暗数据状态”报告，大约55%的组织数据不仅未被开发，而且实际上可能完全隐藏，未被发现，未被量化，甚至未知。

“大多数公司产生的数据已经远远超过他们正在使用的数据，”杰夫·温特说。温特引用了德克萨斯大学的一项研究，该研究估计，数据可用性每提高10%，财富1000强公司的平均收入就会增加20亿美元。温特解释说，在公司能够提高管理和处理如此大量数据的能力之前，重要的是要定义其对工业4.0的愿景，以及它对组织的意义。

“在数字化转型方面，公司可以有许多不同的目标。优化生产与降低成本、开拓新市场、创造新的商业模式或改变客户体验有着不同的标准，”温特说。“这一切的核心是正确捕获和利用这些数据的能力。”

数字化优化vs数字化转型

许多公司目前专注于数字优化，这仅仅意味着在他们已经做的事情上做得更好。优化本身并不是特别具有变革性。优化可能涉及大数据和人工智能的应用，例如，在减少浪费的同时，更快、更有效地制造和交付产品给客户。

相比之下，数字化转型涉及使用大数据和人工智能从根本上改变公司的运营方式。数字化优化和数字化转型带来了不同的挑战、好处和复杂性。不管数字化转型的目标是什么，转型通常要困难得多，因为它影响到组织中的所有人员和流程，而优化很少有这样的影响。

温特说:“我正在与一些公司合作，他们的整个数字化转型任务就是改变客户体验。“制造业只是其中的一小部分，但这还包括一种全新的商业模式，即基于结果的合同，将产品作为服务销售，这将极大地改变运营管理、项目管理和工程设计。”

制造商需要考虑的关键大数据问题

在定义愿景、选择目标并决定是关注数字化优化、转型还是两者兼而有之之后，下一步是了解需要解决的问题，并确定需要为每个问题收集的必要数据。

范思哲表示，例如，如果一个项目以最小化产品召回费用为中心，那么仅仅存储被检查产品的图像和检查结果是不够的。他解释说，如果你想在召回事件中迅速采取行动，那么记录生产日期、时间、批号、产品号、分销商或客户发货地点也很重要。“只有这样，你才能开始定义数据收集、组织、保护和存储的过程，以便在需要时快速访问。”

根据Dodson的说法，数据治理是另一个需要考虑的关键因素。必须建立明确的政策和程序来管理和保护数据，包括谁可以访问数据以及如何使用数据。制造商应实施强大的网络安全措施，以防止数据泄露和网络威胁。这包括加密、防火墙和安全数据存储。

数据质量也是最重要的。必须确保所收集的数据是准确和相关的。这需要验证数据质量的流程，并确保数据得到一致的管理。数据分析是成功的另一个关键因素。制造商需要有一个分析和使用收集到的数据的计划。这可能包括使用数据可视化软件或雇佣数据分析师来帮助解释数据。

Dodson说:“在数据存储和基础设施方面，制造商应该有一个可扩展的、可靠的基础设施来存储和管理他们运营中产生的大量数据。”“数据隐私也很重要。制造商需要对他们如何收集和使用数据保持透明，并尊重客户和员工的隐私。这可能需要实施同意管理系统并遵守相关的数据隐私法规。”

刘说，在制造方面，数据稳定性是另一个需要考虑的关键因素。凭借令人印象深刻的100毫秒数据采集速率，系统稳定性对于确保数据在采集周期内不丢失至关重要。”

最后，为了从大数据中获得最大价值，制造商可能需要在不同部门和系统之间共享和集成数据。这样做需要仔细规划和协调，以确保以安全和可控的方式共享数据。

边缘或云计算方面的考虑

当涉及到技术和自动化的使用增加时，需要仔细平衡内部部署边缘计算和基于云的方法的优缺点。最成功的实现采用混合方法，权衡对处理速度的需求和对处理能力的需求。对于工业应用，本地边缘计算在实时处理方面总是比云更快。本地计算的其他优势包括对基础设施和数据的更好控制。

使用内部部署方法，制造商可以更好地控制其基础设施和数据，因为它们都位于组织的设施中。在某些情况下，内部部署方法可能提供更高级别的安全性，因为制造商对其数据中心的物理安全性有更多的控制，并且可以根据需要实现额外的安全措施。

缺点包括前期成本较高。建立本地基础设施可能比使用基于云的服务更昂贵，因为制造商必须购买和维护所有必要的硬件和软件。有限的可伸缩性是另一个缺点。随着需求的变化，本地基础设施可能更难以扩展或缩小，因为它需要物理地添加或删除硬件。

相比之下，基于云的解决方案提供了更低的前期成本。基于云的服务通常以订阅的方式付费，这可能比购买和维护本地硬件和软件更具成本效益。基于云的服务通常更容易随着需求的变化而扩展或缩小，因为提供商可以根据需要添加或删除资源。

基于云的服务对基础设施和数据的控制较少。使用基于云的方法，制造商依靠提供商来维护和保护基础设施和数据。虽然云计算提供商通常具有强大的安全措施，但仍然存在数据泄露或其他安全事件的风险。

最终，在内部部署和基于云的方法之间做出决定将取决于制造商的具体需求和优先级。对于制造商来说，仔细评估他们的选择并选择最能满足他们对安全性、成本、控制和可扩展性需求的方法是至关重要的。

网络安全的关键作用

虽然大数据和自动化带来的好处是巨大的，但对于制造商来说，在推出新技术时优先考虑网络安全至关重要。如果没有适当的网络安全措施，制造商可能会暴露敏感数据，并遭受代价高昂的数据泄露，这可能会破坏其技术进步带来的所有好处。

-推进自动化协会(A3)是CFE媒体和技术内容合作伙伴。编辑克里斯·瓦夫拉，网络内容经理，控制工程、CFE媒体与技术、cvavra@cfemedia.com．

原创内容可在推进自动化协会(A3)．

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。