在今天的工业景观中最振奋的技术中，是人工智能，机器学习和大数据。在这些进步的核心是分析，具有收集关键信息的能力，以提高决策和推动工业转型。近6,200家近6,200家工厂的LNS研究调查与两年前的工业组织的分析进展相比。结果表明，工业公司正式分析方案有显着增加，这是非常好的新闻;但该研究还揭示了制造商仍有更多的数据工作。
由于调查结果，与Mesa International一起进行LNS研究刚刚发布了最新的两年期报告，“重要的分析在2020年：一个新世界。”综合研究对工业公司使用分析的使用深入分析，并提供了更具体的改进建议。此外，研究看着Covid-19大流行对制造商的影响。
请点击它在11月9日至13日的Pack Expo Connects: OptiMate，新的机器接口与连接和智能功能，以优化您的设备质量和性能，由科西亚。预览陈列室这里。
根据今年进行的调查，在工业企业中，使用正式分析程序的人数增加了52%。此外，诊断能力也提高了102%，预测能力提高了66%。这些都是分析技术使用方面的重大改进，这对于制定产业转型战略并加速其成功至关重要。
虽然正式分析的增长和这些类型的能力在很有希望，但继续滞后的一个领域是规范性分析。LNS研究调查显示，过去两年的规定能力增加了39％，良好的诊断和预测分析的增加背后。规定的分析通过提供特定的建议 - 即，我们应该与预测结果不同于其诊断和预测对应物。这种能力使规定的分析在为未来的行动准备和惯例/何时表现时，特别重要。
对于寻求持续改进和改变其运营的工业公司，在规范性能力范围内有很大的机会。规定性是唯一建议特定行动的分析类型。但是，对于工作，组织的分析必须是可靠和信任的。连续过程控制中的实时优化（RTO）是基于经过熟悉的第一原理数学模型的规范性分析的常见示例，该模型由使用它们的过程工程师理解。甚至在分析在制造之前也存在RTO，因此，有些人可能不会认为它是规范性的。但是，RTO为分析提供了急需的信任，以使规范性有效。
寻求工业转型和运营改进的制造商的底线是，答案在您的指尖 - 以您自己的数据为单位。关键是为了确保您的数据首先值得信赖，可提供广泛，并表现出价值。然后，采用各种类型的分析 - 包括规定的分析 - 以创造有效的行动。利用分析是促进基于数据和学习的组织的核心，是成功的工业转型的主要预先优先级。
