在过去的几十年里，通过在加工和工作单元中部署自动化技术，制造业已经做了很多工作，显著提高了生产效率、产品质量和安全性。尽管如此，制造商们仍在继续寻找途径，通过数字化专注于工厂内部发生的事情，从而在各自的行业中获得竞争优势。当他们讨论、制定和创建他们的“数字路线图”时，他们有时会忽略已经在他们的制造操作中实施的自动化技术中存在的垫脚石。让我们先研究其中的几个，然后再进行构建。
多年来，许多制造商已经在他们的自动化平台中加入了数据历史学家。数据历史学家对于生产、工程、维护和管理来说是非常有用的工具。数据历史学家已经包含了大量的数据，但是原始存档的数据可能还没有上下文化。很好的第一步是对工厂资产及其属性和事件数据进行建模，以基于数据历史学家中实际的原始过程变量构建更全面的情况。使用传统OT工具在源头进行数据准备可以而且应该是数字战略的一部分。如果你没有准备好数据并将其置于资产建模工作的背景中，你很可能会遇到同样的情况:“我有大量的数据，我只是不知道该如何处理它。”事实上，有一些制造商正在开发工具，以便在原始标签所在的控制器级别上组织和上下文化数据。
在许多过程中，我们看到的一个普遍现象是，在生产跟踪和符合法规方面，如乳品行业的就地清洁(CIP)、就地消毒(SIP)和巴氏消毒奶条例(PMO)，持续依赖纸质记录。在几乎所有的情况下，仪器仪表和控制编程已经到位，以有效地提供必要的CIP、SIP和PMO功能;然而，救援行动继续依靠传统的油墨和纸质海图记录仪进行验证。通过从历史学家那里收集数据和自动报告，用电子记录取代纸质记录，这可能是数字化的一个唾手可得的成果。
数字计划不能忽视已经存在的操作技术(OT)系统。通常情况下，公司只会考虑新的专用传感器，如振动、功耗和电机温度作为他们的数字策略。虽然一些物联网传感器可以提供价值，但它们应该被视为更大的数字转型计划中的另一个数据源。不要低估现有传感器的价值，例如水平、压力、流量、电导率、浑浊度和扭矩，这些传感器已经对您的数字策略做出了贡献。
数字化战略面临的一个共同挑战是决定一个数据聚合和可视化的平台。这可能不是您现有的传统SCADA系统。它需要是一个可以在整个企业中轻松访问、可扩展和安全的平台。通常，这些平台需要非ot技能集来大规模收集数据，并精通高级分析。最可能的情况是，收集和基本数据预处理将位于自动化平台的边缘。对于这些非ot技能和非传统计算平台的应用，应该认真评估其可支持性和可持续性。
除了在边缘部署分析，在采用云数据存储和计算方面，工业自动化市场正开始追赶消费者市场。工业领域的云技术通常与数字转型相关，其中包括高度重视分析、人工智能(AI)和机器学习(ML)。这些技术的应用程序框架通常托管在云中，但更重要的是，这些应用程序构建在与传统工业自动化市场所习惯的完全不同的技术堆栈中。熟练掌握全栈web应用程序开发将有助于把握这些机会。要想有效地将这些技术应用到生产操作改进中，就需要对数据建模和大规模数据吸收有更深入的了解。
在制造和先进技术方面有丰富知识的系统集成商可以成为制造商的资产，帮助他们在利用自动化系统现有组件的许多选项中导航，并帮助创建数字化转型路线图。SI的作用是理解客户的业务目标，这样SI就可以在“此时此地”、“下一步”和“下一步”等方面为客户提供相关指导。
Daniel C. Malyszko，现任公司运营总监和工业物联网顾问Malisko工程的认证会员控制系统集成商协会(相)。看看马里斯科工程公司的简介CSIA工业自动化交流中心．
