可怜的工厂经理，当企业高管对工业物联网(IIoT)的潜力感到兴奋，但对当前操作技术的局限性缺乏耐心时，他们会从生产系统中要求越来越多的数据。
在最近的一项调查中，许多人都提出了这样的问题自动化的世界读者了解企业高管是否以及如何在决策中使用来自工厂车间的信息。正如一位受访者抱怨的那样，“这只意味着工厂人员的工作量增加了。”
积极的一面是，更大的运营可见度正在为制造业领导者赢得管理层急需的尊重，并在制定战略和投资决策时获得一席之地。
“制造业一度被认为是嘈杂、肮脏的运营环节，许多公司都将其视为不幸的必需品，”美国工业协会制造业副总裁保罗•鲍里斯表示通用电气数字．这可能是企业高管经常发现缩减或离岸制造任务很容易的原因之一。
鲍里斯表示，在营销、研究或金融曾经主导企业的领域，制造业现在的地位有所提升，原因有很多，包括对中产阶级工资工作的争论、增材制造等新技术的出现，以及工业物联网利用数据提高企业生产力和盈利能力的潜力。
尽管73%的受访者表示他们收集工厂数据供企业使用，但最广泛使用的报告工具通常是电子表格。许多应答者表示，这通常需要大量工人手动输入数据，这可以激励公司开始自动化工厂信息的数字收集和分析。
最广泛使用的数字传输路径包括制造执行系统(MES)，显示聚合或趋势数据的仪表板，以及企业资源规划(ERP)连接和工厂车间网关到特定的生产系统。大约30%的受访者表示，数据是通过基于云的系统传输的。
尽管围绕工业物联网的炒作听起来很诱人，但考虑到80%或更多的生产系统包含从未设计用于工厂车间以外通信的传统设备，从现在到未来的物流可能令人望而生畏。这可能是27%的受访者表示他们不向企业系统发送工厂信息的原因之一。
可操作的情报
尽管如此，随着数据变得更可靠、更快、更容易获取，与企业高管共享工厂信息的趋势正在加速。大多数目前没有与企业系统共享工厂数据的受访者表示，他们计划在未来一到五年内开始这样做，而近一半已经发送数据的受访者表示，他们已经这样做了五年或更长时间。
高管们最常使用桌面/笔记本电脑仪表板(88%)、办公室或会议室可视化显示器(37%)或移动设备(24%)查看工厂数据。
当管理人员收到工厂数据时，他们通常会寻找业务健康和生产力的指标。这些指标包括生产率和产能利用率(80%)、质量(66%)、停机时间(53%)、订单履行和产出(49%)，以及零部件和材料的供应(42%)。许多受访者还提到了实时过程数据、资产利用率、状态监测、物流和维护计划。
调查受访者表示，高管参与度的提高导致工厂运营发生了许多变化，包括优化生产流程(65%)、更多的自动化技术以扩大发送给企业进行分析的数据水平(44%)、额外的生产设备(38%)、人员配备水平的变化(29%)、供应链合作伙伴协议的变化(21%)和新的业务合作伙伴关系(13%)。
坊间证据表明，这些数据正在帮助高管们做出重大决策，包括是否扩大或整合工厂、在哪里降低成本、如何管理供应链以及何时更新或收购生产资产。
微软软件业务战略和营销副总裁阿拉文德•亚拉加达表示:“我想说，在对数字化企业意味着什么有更深入的理解方面，我们的得分为7分(满分为10分)。施耐德电气．虽然目前主要局限于较大的设施，特别是那些有多个工厂的设施，但随着技术和代际变化的影响，必要的知识基础开始扩展到较小的业务。
Yarlagadda补充说:“公司开始提出正确的问题，比如哪些工厂生产的产品质量最好，每个工厂贡献了多少收入，实现这一目标需要多大程度的人工劳动，是否实施了安全标准，或者员工是否实现了数字化。”
相反的观点
分析生产信息最具挑战性的一个方面是，数据点的波动往往很大，这取决于它们被收集的频率。通用电气的鲍里斯说:“你最终得到的平均数并不能告诉你任何有意义的东西。”
这些碎片化的视图使得管理人员很难理解生产系统中发生了什么或者为什么会发生。这也意味着高管们需要经验丰富的工厂人员的帮助，而不仅仅是更多的数据，才能做出正确的商业决策。
人们普遍认为，将工厂数据导入企业套件是改善企业运营的关键，鲍里斯对此持反对意见。他说:“GE Digital的观点是，每天制造东西的人是最能利用运营数据并从中受益的人。”“仅仅将数据管道从机器连接到企业系统，就意味着你可能最终会得到大量无法分析和存储的数据。”
鲍里斯建议，一个更好的方法是让工厂车间的机器能够进行通信，然后使用专门的软件来开始理解生产系统中的可变性。“大多数人还不知道他们需要知道什么，也不知道该问什么问题，”他说。换句话说，谈到工业物联网，大多数公司仍处于学习阶段，未来尚未确定。
公司首席战略官唐•皮尔森(Don Pearson)表示:“大多数人从企业高层到下考虑工业物联网的实施，我们认为这是错误的做法。归纳自动化．“这必须首先在操作层面发挥作用，它并没有像人们谈论的那样发生。制造业是一个棕地世界，拥有数十亿台遗留设备，企业高管需要更好地了解工厂车间系统的局限性。”
监控和数据采集(SCADA)系统不是为收集和传输大量数据而设计的，Travis Cox补充道，他是感应自动化销售工程的联合主管。“它们是用来控制机器和生产过程的，而不是回答企业的问题。再多的补丁也不能让SCADA做它不该做的事情，”他说。“为了实现工业物联网的潜力，你需要让数据成为一种流动资产，可以在企业的任何级别访问。这需要一种新的通信体系结构——使用中间件和发布/订阅模型——使数据可用，以便与应用程序一起工作。这是IT多年来一直在做的事情。”
弗吉尼亚州林奇堡(Lynchburg)水资源主管蒂姆•米切尔(Tim Mitchell)正在研究如何利用数据改善该市的供水、废水和雨水系统。“易于获取数据，特别是通过移动设备，可以在出现问题时给我们更早的警告和方向性指导。”他的团队不仅可以更快地采取纠正或预防措施，还可以在出现问题时让城市官员和公众更好地了解情况。
林奇堡地区污水处理主管Alvin Rucker解释说:“我们以前的SCADA系统在控制室只有一个接入点，因此很难向管理人员提供操作信息，因为它是用来运行设施的。”
市政当局采用电感自动化公司的点火平台，使用工具帮助仪表技术人员Jason Hamlin在信息需求变化时快速构建实时数据屏幕，从而更快地访问组织中的各个层面的数据。
哈姆林表示:“由于许可成本不再是问题，管理人员可以远程查看实时数据，而无需占用人力资源。”“虽然我们仍在学习如何利用它，但有时问题变成了多少数据算太多?”例如，现在经理们可以看到一切，我们了解到他们并不需要看到一切。”
利用云
正如我们的调查所发现的那样，基于云的服务正在成为企业高管和工厂管理人员获得运营情报的一种具有成本效益的工具。
艾默生自动化解决方案例如，该公司使用基于云的技术，使其专门的内部专家能够远程监控客户的资产和流程，包括控制阀、蒸汽疏水阀和机械。
该订阅服务被称为艾默生互联服务，可生成可操作的预测数据，客户可使用这些数据来优化其运营绩效。它使用微软Azure云服务和数据分析来提供可扩展和安全的应用程序环境。
通过使用时间序列趋势分析来生成预测数据，该服务帮助墨西哥湾地区的一家大型化工厂大幅降低了控制阀的维护成本，消除了昂贵的、不必要的预防性维护任务。艾默生还发现了一个关键控制阀的供应压力问题，使客户能够在阀门发生故障之前隔离和修复阀门，避免了工厂停工数天和数百万磅的产品损失。
“无论我们在移动数据方面做得有多好，关键是要将其提炼成实际的诊断结果，从而得出建议的行动。这需要在产品、流程、关键设备和客户业务方面的专业知识，”艾默生首席战略官Peter Zornio解释道。
高管们想要了解数据对他们业务的反映:我们是否履行了对客户的承诺?我们是否在成本限制之内?我们能不能接受这个订单?我们是要在这个产品上赚更多的钱，还是在另一套产品上赚更多的钱?我们的员工能处理这些工作量吗?
将原始数据转换为商业智能需要进行大量的数据操作和分析。“没有什么神奇的技术可以做到这一点，”Zornio说。“虽然技术是一个推动者，但它仍然需要操作知识和对业务目标的理解。您必须在您构建的软件应用程序中获取和整理领域专业知识。虽然我们可以通过提供专家建议来补充决策，但我们无法取代工厂和业务经理的深厚知识，他们在做出决策时必须考虑许多因素。”
油气行业不断变化的经济形势推动了基于云的数据管理在上游和中游作业中的应用。数据管理解决方案公司的管理合伙人格雷戈里•廷克表示:“管理层开始意识到，维护基础设施要花多少钱。简化控制解决方案在阿尔伯塔省的卡尔加里。“挑战在于，如何在不使用昂贵的基于标签的系统的情况下，向高管提供更多数据。”
除了控制成本之外，日益增长的监管、安全和环境压力使得在不破坏银行的情况下将数据交到合适的人手中变得更加重要。Tink的公司一直在为客户部署电感自动化的Ignition SCADA平台，将其用作数据集成工作的中心。数据通过微软的Azure云服务访问。
“新技术、软件即服务和其他思考数据的新方式，比如使用MQTT，使得在多个公司系统之间移动数据变得更加容易，而无需支付管理系统或将数据存储在历史记录中，”Tink说。这一点很重要，因为SCADA系统之外还有很多信息，从监测储罐到检测管道泄漏，这些信息对有效管理作业至关重要。”
塑造未来
由于管理人员能够从工厂看到更多信息，他们能够更好地了解制造业务的复杂性和健康状况，并评估潜在风险，技术营销总监马特·牛顿(Matt Newton)指出光电子的22．
他表示:“随着移动技术的采用，运营商和管理人员不再被束缚在办公桌前，但这也引发了很多对网络安全的担忧。”“传统设备从来没有为it级安全设计过。由于任何东西最终都可能被黑客入侵，高管们有了一项新的责任，那就是找到降低这些风险的方法。”
为罗克韦尔自动化the Connected Enterprise的市场开发总监贝丝•帕金森(Beth Parkinson)表示，在美国，人们更关注分析，而不是大数据。“我们需要揭开数据的神秘面纱，专注于识别操作模式，这样人们就能从不同的角度看待问题。”
Rockwell全球业务经理Mike Pantaleano表示，可扩展分析是关键。“我们的目标是创建基于事实、数据驱动的企业。这一过程更多的是文化上的，而不是技术上的，这对大多数公司来说仍然是一个挑战。他说:“获得更好的工厂运营信息并不是要把我们埋在数据中，甚至不是让我们在运营中获益，而是要为决策提供更好的背景。”“我们需要建立一个新的架构，允许信息在整个企业中集成和共享，一个在工厂和管理层都提供价值的架构。通过使用相同的数据源，但能够查看信息的不同视图，您可以推动行动，甚至创造新的业务机会。分析只是成为他们已经在做的应用程序的一部分。”
罗克韦尔(Rockwell)的产品经理普拉迪普•考什克(Pradeep Kaushik)指出，有一家制造商利用操作智能来识别新模式。“在一个案例中，他们发现，如果他们使用不同的材料，把它们放在离操作员更近的地方，并改变仓库的布局，他们就能节省制造过程中的时间，”他说。
公司产品管理总监斯图尔特•西格尔(Stuart Siegel)表示，区分控制数据和运营数据非常重要ProSoft技术．“我们从机器中提取数据已经有30年了，但主要是控制数据。现在的重点是运营数据。未来5年，将会有更多的服务公司成立，以帮助制造商理解他们所看到的。”“我们的目标是流程优化，使用预测性维护等工具来限制停机时间。企业层面需要关注可以优化的内容，对组织进行可持续和可衡量的更改，并根据潜在的投资回报率进行投资。”
