Data"},"section_hierarchy":[{"id":33176,"name":"Products","alias":"products"},{"id":33178,"name":"Data","alias":"products/data"}],"taxonomy":[],"authors":[{"id":13743082,"name":"Beth Stackpole, contributing writer"}]}">

生成二维解析法感知

杨182017
创业商和主流自动化商家利用对可操作洞察力的日益增长的需求,用新的解析产品充斥物业互联网市场

工业物联网收集蒸汽,注意力从连通分析分解,用一波新产品淹没制造厂商,所有新产品都保证促进实战变革

创业者以及熟悉自动化提供商正在集合新平台和工具,设计工具把从工厂楼层设备收集的数据宝库和工业资产转换成可操作洞察力块,帮助优化决策这些数据多半以某种形式存在数十年, 但它主要锁在单层互不兼容的植物底层系统中结果,数据从未作为更广泛的分析努力的一部分得到充分利用,以促进预测维护、优化电厂底层资产使用或启动对水漏或泵故障等突发事件的反应以最小化损产

并让数据可操作性即公司真正挣扎之地 瑞安·莱斯特 表示IoT策略主管振荡式iot平台提供商公司没有正确的解析工具 数据,他们没有访问 好算法获取洞察力

51%的公司从连通产品中收集资料, 但只有33%的公司利用情报生成可操作的洞察力

漏洞解释最近一阵新解析提供专面向IIOT和制造使用案例数十家创业公司正为油气部门或能源市场等特定垂直投送二维解析法,而另一些公司则甚至更为粒状化,应用解析模型和机器学习解决非常特殊问题-例如水泵维护或风轮节能同时 工业自动化类GED数字西门子并正在扩展为解析程序,作为IIOT工作的一部分,提供核心平台收集、整合并安全管理大数据并配带有限解析能力

驱动所有活动的是 产业公司看到实战 将IIOT倡议与大数据解析预测出Acenture通用电气提供5000亿物价标签到2020年同时,行业咨询师像Bain公司分析方法过于泛泛,可能误标,不够具体,无法促进用户早日接受拜因咨询师在一份报告中说明提供商如何成功IoT分析解决方案只面向少数行业(四大类)并横向解决方案与行业伙伴匹配以确保分析映射适应实商需求

多时公司深陷实战中, 怀念身边发生的一切”,Nav Dhunay总裁兼CEO安比林特提供专门的ITO解析油气部门开始理解从数据角度而不是直觉或过程角度看待企业挑战的好处, 并带外部实体帮助解决这些好处。”

深域知识
安宾特公司Maana市类分析启动面向特定垂直行业和这些行业内的具体问题其它新来者像比特Stew系统(现归GE所有)Seeq视觉机测试能力整合、调查并获取实时可见性

更小、更专业公司有一条腿提供解析技术, 部分出自因市场变换快速创新能力,技术速度他解释快速加速所有事物 敏捷公司能快速找到解决方案小公司也可能深入分析理解大公司可能需要数年时间才能实现。”

考虑Ambyint的焦点领域:智能端对端解决方案,专为监测和优化油井性能并解决人工提升问题设计通过传感器、无线通信和数据分析组合,包括机器学习,Ambyint解析法部署在一个泵液压提升系统上,并启动处理人工提升相关10个具体问题,包括泄漏检测

想想工业电机的托盘问题-问题可能发生在不同行业使用案例中使用的同一电机上,但根由可能不同。Dhunay表示:「在我们空间内,你会查看托克数据以确定你是否在井里建起石料/石料/石料/物料/物料/物料/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件/元件需要深入理解实战以油气为中心比泛型分析平台大有优势

GE前置平台和生态系统的远见超出预测解析到指令性洞见,确定未来结果的可能性

新手除特定域知识外,还可能拥有与大数据技术合作的优势,大数据技术对大规模应用IIOT数据分析至关重要,Tara Prakriya说,ITO分析公司Maana首席产品主管Tara Prakriya主要面向工业和油气部门大提供者在这个空间建构帝国 分析结构化数据Maana破解了知识表达问题 无论是数据或域际知识 或别类资源

Maana使用专利语义搜索能力、高级算法、深学习等知识图从时序数据仓提取信息,并用域专家、应用软件、数据仓库和大数据商店提供预测性 — 更重要的是指令性 — — 直觉帮助制造商实现厂底生产率最大化或调试盈利性多数公司完全从时间序列数据攻击它, 以四点柴油引擎为例, 可能给他们5分钟后它失效, Prakriya解释真正的省钱是,如果你能开出维护行程表 6个月外适应环境

开放方法
大自动化领头人正在采取不同方法,培养小启动生态系统垂直或域解析并定位出品为ITO解析公开集成平台GEDigitive使用前置平台正在做,该平台提供越来越多的分析构件目录-像GE提供泛型异常检测法,第三方伙伴和客户提供的其他更专业工具GE通过获取增加分析库-最近Bit Stew使用像NOSQL等机器智能大数据技术解决IIOT数据大规模整合问题

Predix云平台首席架构师Marc-Thomas Schmidt和IBMWatson前杰出工程师和首席架构师Marc-Thomas Schmt深入学习或神经网络知识丰富的商家生态圈 并精通行业Predix全局思想是使它成为真正活跃生态圈中心,分析是当前最受欢迎空间。”

西门子的MindSphere平台开机应用接口,第三方商家和制造商可创建自己的分析应用

平台方法以其他方式增加值, Siemens数据服务业务高级副总裁Jagannath Rao表示SiemensMindSphere平台服务提供设备管理、连通性、数据存储和基础设施能力,使制造商能够将IIOT解析超出制造使用案例范围转代企业

西门子为MindSphee平台提供驱动分析、能量分析机工具分析领域的能力, 但也创建开放API,第三方可创建自己的专业分析

安全是ITO平台上的另一个上下文,今日没有客户非黑客安全分层嵌入MindSphere平台

集成键
大自动化商推平台时, 另一类启动程序侧重于集成性, 也是IIOT解析题的另一块一种产品Seeq计费专用于调查时间序列数据Seq允许谷歌类搜索过程历史学家收集的操作数据以及通过整合其他制造、资产管理和事务系统实现数据背景化

Seeq综合监测数据与其他数据集并用大数据技术

视觉机器是另一家公司处理可操作洞察问题,在整个制造企业整合、上下文化和可视化数据视觉机器以速度和种类两种标志IIOT时代生成自动化接收过程,取用不兼容工厂楼层系统收集的数据,同时应用专家系统与机器学习分类器精练净化数据并进化后分析背景,解释Sight机器首席执行官兼共同创建者Jon Sobel公司可视化、仪表板和KPI能力报告全厂资产性能,洞察力还通过背景化仪表板展示,该仪表板反映不同利益攸关方的需要,包括数据科学家、厂商管理员和机器操作员

了解你试图解决的具体商业问题后再投资IOT分析工具或平台,留意长期建筑需要和战略目标,从小目标项目入手,是推进IOT分析的最好方法,不咬取比嚼多的东西 Sobel说。

在许多情况下,它既不选择高专业解析器,也不选择可支持大范围努力的横向平台。通用报告工具可用于帮助各种企业, 但如果你进入更多操作使用案例, 通用工具可能落空 弗朗哥·卡斯特尔迪尼(Bit Stew副总裁)说 。并存之地

赞助建议

产业更新:OT中的AI

微软人工智能与Avela和Siemens操作技术软件

cobot安全透视

自动化世界DavidGreenfield与美国SchmersalDevin Murray学习abtu风险评估

运动控制:电或气

复杂机多轴运动控制充电选择常取决于应用速度和行程长度

未来创新将如何影响机器人集成

Misa Ilkhechi突出过去五年机器人整合的变革进步,特别是在互操作性方面