收集分析工厂楼层工业资产数据很难记录为前沿多年来,电厂楼层管理员和对口分析工业机数据以提醒生产大错,识别质量故障或引导资产提高性能
工业资产与传感器数字化并经由物工业互联网连接后,制造商仍想分析机器数据以创造生产效率、减少停机率、控制成本和促进更好的决策目标日志在规模化时大为改观而不是植物管理者或维护者从电子表格中特定资产分析历史数据,略微改变路面,今天的制造厂商正努力批发变换目的是创建灵活智能操作网络,使资产和系统网络全自动化并近实时优化
智能操作引擎领域如预测维护、实时质量控制和事件原由分析测试由人工智能和机器学习驱动高级解析分析类在工业界仍然有些模糊,使用案例已经激起极大兴趣和增长显示IoT分析工业AI分析市场2019年点击150亿美元,顶级使用案例预测维护,近四分之一回答者引用(24.3%),其次是质量检验和保证(20.5%)、制造流程优化(16.3%)和供应链优化(8.4%)
工业解析用量剧增植根于想利用植物底层或现场工业资产生成的大量数据,包括机器人、自动化电池、机油机和风轮机跨行业制造商加速数字化工作后,IDC Insights估计典型工厂每天生成多兆字节数据,期望数字乘以5-10乘法,视行业而定,未来5年
Kevin Prouty集团副总裁Kevin Prouty表示, 制造洞察力和能源洞察力IDC.数据过多工程师用Excel电子表格分析
企业分析对工业解析
多数制造厂商都同意这一概念,即可调取数据以产生底线冲击,无论是增加利润、生产率或两者并用。问题在于数据分布库中 以不同格式 无上下文 并大量存储时间序列数据 多数企业解析大数据工具 设计结构化非结构化数据Excel数十年来一直是这个空间的分析工具, 但它效率低下, 任何洞见都与单个工程师隔离处理一个具体问题
企业信息技术和操作技术组为数据收集和分析所采方法也存在差异。多数企业分析努力包括摄取数据、规范化数据并置入中央存储库或数据湖中,极有可能置云中,以便各种企业用户获取不同类型的分析资料从OT角度讲,数据收集和分析工作多半是局部和策略性工作。OT人知道如何为单机单题搭建分析模型,SAS系统.并应用到工厂所有机器 和工厂全球, 他们像鹿头灯一样凝视着我们
工业分析学和企业总分析学之间的另一个大空白是理解机器的具体性质和提供历史学家系统收集的数据上下文能力以及监督控制数据采集系统与金融系统结构化内容不同,时间序列数据缺乏理解原数据集与具体过程或条件关系的背景-例如,哪些因素可能影响泵操作没有适当的上下文, 无法完全利用数据驱动操作性能、条件监控或预测性或指令性维护应用
Bry Dillion表示, 云度、社区与渠道副总裁OSIOSEPI系统集成时间序列数据流数据与泵相关联时,你必须理解数据集与过程相关以获取上下文最优化流水泵 并不知道标定或吞吐量, 有可能优化泵到泵破解点你不能光带原始数据期望机器学习解析它编辑注解:在新闻发布时间,Aveva刚刚宣布等待获取OSOSO更多信息见http://awgo.to/bSDYC
核心组件
工业解析可采取多种形式,但核心构件和属性似乎遍及平台企业分析中许多重提升发生在云中,而工业分析软件则需要显著边端处理能力,因为需要近实时处理和分析数据并靠近源以避免延迟和安全问题
Ed Cuoco表示, PTC解析副主席求求平衡并发数据云处理 并配有边际能力驱动洞见 离机器近或内部
Advantech假设AI驱动边端处理比云基工业解析提供更好的性能,同时确保更高安全度Advantech的边缘AI系统由Nvidia Jetson平台供电,可替代由厂面工人进行的传统视觉质量检验边端服务器系统以各种AI模型支持,对饼干厂的烤品进行实时检验,自动化设定烘烤时间和炉温过程,以确保更加一致高质量cookie制作
James Yung表示, Advantech服务器级产品产品管理者James Yung表示 :向云发送数据 需要很长时间回回答
鉴于植物底层数据异质性,工业解析平台必须同时有能力取出最不相干的信息类型并用某种方法实现数据正常化和上下文化具体地说,客户需要知道从设备或生产线生成数据时上下文,然而,从不同边缘设备高速收集OT上下文数据仍然困难重重,更不用说以结构化方式打包它与第三方工业数据源并发或上传IT应用全企业洞察
自动化伙伴Rockwell自动化和PTC创建智能对象,灵活数据模型自动发现并收集富饶高速OT数据,允许上层IT应用消化,如企业资源规划和产品生命周期管理系统智能对象解锁上下文OT数据快速并兼容IT下游应用解释 Rockwell自动化数字变换主管Gaurav VermaIT应用可收集企业层面的大量商业洞察力,但没有智能对象则是不可能的。”
视觉机并高度偏向建模层以区分制造分析平台软件执行自动化连续数据采集过程,包括使用专家系统以及机器学习分类器准备流程和产品数据并实现背景化端端结果为电厂底层数字双生关系,使用机器学习高级解析法可表面异常并提供洞察力帮助减少停机时间视觉机器首席执行官Jon Sobel表示:「我们应用数据模型并搭建公共结构协调数据”。结构应用数据有效分析 对人来说太难
不论方法不同,多数或甚至全部工业解析工具平台都使用某种形式的AI和机器学习帮助发现资产数据大溢模式,以构建资产模型和生产楼层流程并实现流程自动化,作为智能操作的一部分AI驱动解析模型可成为生产线上任务关键元素,创建数字双生机,允许模拟、测试优化流程并分析数以万计参数以理解和预测啤酒质量影响,Henning Ochsenfeld解释数据科学和机器学习工程主管Henning Ochsenfeld西门子数字产业.人无能,他解释建模现有关键性能指数 和生产线获取的大量数据之间的关系
新兴工业解析平台的另一元素证明至关重要,即公民开发者能力外观,使OT专业人员而不仅仅是IT和数据科学家容易建模问题和视觉洞察力西门子低码平台在工业解析组合中起到作用
与平台方法不同Seeq数据分析软件被评为专门设计帮助处理工程师和专题专家交互并模拟尺度时间序列数据Seeq与存储于各种过程历史学家系统 和SCADA系统 以及ITO平台如PTC ThingWorx和SiemensMindshere相联
鉴于工厂自动化的复杂性和工业数据的多样性,将没有任何分析产品适合所有使用案例和所有假设的帐单专家表示组织需要考虑长期策略 和问题求解工具集间别画明线-重要的是把所有东西放进桌面并看他们如何打在一起' SteveCordreevich说, 产品管理电源副总裁兼油气工商单位GED数字.不把工业解析项目看成侧面项目 因为,如果你这样做,你就会花很多时间和精力 在一个酷工项目上, 但不一定要改变企业运作方式
