工业物联网(IIoT)会改变自动化和操作程序的工作方式吗?是的,有可能。但前提是制造商愿意并有能力改变几十年的工业流程所建立的结构框架。需要明确的是,这并不意味着机器、控制系统和网络的撕裂和取代。这意味着把它全部打开,并加入其中。
数据正迅速成为工厂车间最重要的战略资产。这是因为,如果应用得当,它可以创造新的商业模式和新的收入来源。根据麦肯锡全球研究所的报告到2025年,物联网应用的潜在经济影响每年将高达11.1万亿美元。工厂将专注于运营和设备优化,其潜力最大,可达3.7万亿美元。
听起来很牵强么?想想看:根据麦肯锡的报告,石油钻井平台上99%的数据在到达决策者之前就丢失了。换句话说,一个装有3万个传感器的石油钻井平台,只有1%的数据被检查。这些数据用于异常检测和控制,而不是提供最大价值的优化和预测。
如今,该行业面临的障碍是连通性,还有很多组而且供应商正在努力解决互操作性问题。但是互操作性只能到此为止。为了从钻井平台上丢失的99%的数据中获取价值,你需要进行分析。
输入看到机器这家成立四年的公司开发了一个专门用于制造业的分析引擎。Sight Machine Manufacturing Analytics平台于去年发布,包括对最常见的离散、批处理和连续工艺操作进行分析的专有模型。
Sight Machine从各种工厂地面来源捕获和收集数据,包括plc、传感器、条形码,甚至是非结构化格式,如音频文件和照片。数据采集通过插件表示状态传输(REST) api和连接到遗留系统(从本地MES到定制工厂IT系统)的适配器进行。这里的关键是该技术的开源模式,联合创始人乔恩·索贝尔和内森·奥斯坦多普对此非常熟悉。
Sobel曾是特斯拉汽车、雅虎和开源社区SourceForge的管理团队成员。Oostendorp曾是SourceForge的架构师,也是Slashdot.org的联合创始人。奥斯坦多普大学时还在一家汽车厂做过质量控制编程——几年后,当他开始涉足大数据时,他就想到了这一点。
“我们所做的关键是将结构化和非结构化数据类型以与谷歌或Facebook相同的方式结合起来,但我们是为制造业而做的,”Sight Machine的联合创始人兼首席执行官索贝尔说。他说,制造环境的挑战在于数据类型的数量、速度和多样性,这使得很难大规模地处理和分析数据。
管理所有数据的复杂性可能是许多公司尚未解决工业物联网这方面问题的原因。
索贝尔说:“大多数物联网(公司)都在谈论通信和移动物品,但我们相信这个问题正在得到解决。”“核心挑战是如何有效地分析数据,从一个工厂到另一个工厂,反复使用相同的模型,以提供有用的见解。”
Sight Machine目前与制药、汽车和服装行业的公司合作。在这些早期的实现中,客户要求公司帮助进行容量规划,并确保流程高效可靠地工作。事实上,许多公司都需要帮助解决同样的问题:他们在不同的地方拥有相似的资产,但绩效存在差异。同样的机器——同样的过程——但在一个地方进展顺利,在另一个地方就不那么顺利了。
Sight Machine引擎是一组复制生产流程工作方式的数据模型。它接收数百个参数,组织所有参数,并转换另一边的数据。“另一边”是工厂的服务器,提供质量、可追溯性和运营信息的实时大数据分析。云也是数据存储的一个因素。
Gartner最近在其2015年制造业运营中的酷供应商报告中命名了Sight Machine,该分析层包括机器学习算法,能够快速定位大规模生产中的问题。这是为运营商提供实时警报的原因,“这与传统的OEE仪表板报告(仅)提供生产性能快照相距甚远。”
最重要的是,应用Sight Machine引擎不需要重新构建工厂地面系统。重点是提供一种方法,在不破坏现有IT基础设施的情况下添加数据采集、管理和分析。索贝尔说:“我们把我们所做的称为‘数据毯’,因为我们掌握着一切。”“没有撕裂和替换。”
事实上,Sight Machine可以被视为行业的无缝演进,也可能是对包括工业物联网在内的现代制造业未来的介绍。