多年来，LNS Research一直与台面国际研究并发布了一份名为“重要指标”的研究报告，其中包含了由领先制造企业跟踪的指标以及被调查对象显示出逐年显著改善的指标的数据。工业组织在衡量自身绩效时总是发现这些基准很有用。2018年的研究版本，”重要的分析，从对指标的讨论转向对高级分析的规划，这反映了我们在工业客户中看到的转变。
在过去的三到五年中，制造业已经推出了一系列新的分析应用程序。该活动包括资产性能管理(APM)中高度集中的应用程序和其他与维护相关的流程，通常集中在高成本资源上。从历史上看，公司从一个简单的指标仪表板开始，以显示机器和操作的最新状态，并且他们专注于改进响应时间和问题发生时的解决时间。然而，来自系统的实时数据实际上很少进入工厂外的数据存储。然而，这种情况即将改变，它承诺了一些新的东西:通过实时分析对操作进行规范控制。这是促使我们将关注点从参数转向分析的机会。
与我们交谈的公司中有很大一部分正在组建团队来检查这种转变，这对他们的业务意味着什么，以及他们应该为此做些什么。尽管每家公司从不同的能力成熟度水平开始，但数字化转型的一个关键要素是统一和对齐数字化企业关键组件的运营体系结构。正因如此，我们发布了一份操作架构指南对于考虑旅程的制造商来说。
当然，最终的操作架构对于每个制造商来说都是独一无二的。然而，报告(及下文)中描述的核心组件是推动内部讨论的一个很好的起点。
工业操作
工业操作是制造业——组成企业的机器、流程和人员。换句话说，如果你是一家制造商，工业运营是你的核心职能。运营改进是数字化转型的首要目标。重点应该跨越改进资产性能、增加吞吐量、增加第一次通过率、向业务提供更准确的信息，并向数字系统(例如，分析)交付高质量的数据。
计算和存储
整个制造组织的工业操作和业务流程会产生大量的数据。从历史上看，大多数数据仅用于控制目的。然而，数字世界需要更多。连接将通过具有IP(以太网)功能的智能设备实现，边缘设备将收集和分析大量数据，来自业务运营和制造运营的数据将被合并。此外，工厂外的整个世界将成为数据的来源和需要发送数据的地方。与这些数据的连接以及存储和分析这些数据的位置是操作体系结构的核心需求。
大数据模型
一旦数据被收集和存储，组织必须建立大数据能力来处理数据。大数据模型必须能够处理数字化企业中使用的所有类型的数据。我们以三种方式对数据进行分类:
- 结构化，它来自传统的数据库和设备。
- 时间序列，它非常特定于制造业，包括专业数据库(通常是数据历史数据库)中不断变化的和基于事件的数据。
- 非结构化，如视频、图像(如机器视觉系统)、天气和各种通常不用于制造业的信息，但随着数字化转型的继续，这些信息将增强分析和应用程序开发。
工业分析和应用
最后，在操作体系结构的顶峰是新事物发生的地方。为了开始，公司必须设计一个硬件和软件架构来支持分析的承诺。许多类型的分析在操作体系结构的多个级别上运行，并且可能更接近工厂车间或更接近执行套件来分析不同的过程。您公司选择的技术栈必须支持从诊断(仅查看正在发生的事情)到规定(控制流程和业务)的分析复杂程度，最重要的是，支持从商店到高层(或从操作员到首席执行官)管理业务的人员。
如果你的公司正在考虑自己的数字化转型，“重要的分析来自LNS research和MESA International的研究报告描述了分析背景下的运营框架，并解释了工业公司应该解决的问题。
帕特里克·费特曼是LNS的研究管理公司在新客户获取和客户成功方面的运营。他也是一名研究分析师，提供整个工业价值链的合作报道，包括工业分析、制造运营技术、数字化转型和工业物联网(IIoT)。
