新的努力探索分析架構以及工業(yè)公司如何開始設計分析系統(tǒng)

在工業(yè)物聯(lián)網(wǎng)開始普及之前，使用網(wǎng)絡連接工業(yè)資產(chǎn)和機器的能力已存在很長時間。但是，我們在過去五年中看到的是提供下一代集成度的高級分析解決方案的出現(xiàn)，實際上是需求。當應用于機器和過程數(shù)據(jù)時，它是關鍵組件，這將實現(xiàn)更智能的制造操作和推動轉型業(yè)務成果。數(shù)據(jù)分析已經(jīng)成為行業(yè)中增長最快，利潤最豐厚的新職業(yè)之一，它將繼續(xù)成為關注的焦點，因為它希望將數(shù)學，計算機科學和工程技術結合起來，以滿足IT的融合需求制造公司內部和OT技術。

人工智能長期以來一直是開發(fā)人員從事高性能計算和基于云的系統(tǒng)的工具。人工智能改變了網(wǎng)絡監(jiān)控方式，電子郵件掃描方式，甚至是我們與手機和設備交互的方式。雖然AI和機器學習總是感覺像是一個生活在實時嵌入式系統(tǒng)之外的遙遠工具，但機器學習正在基于微控制器的系統(tǒng)中實現(xiàn)，事實上，它已經(jīng)存在!

新的工業(yè)互聯(lián)網(wǎng)聯(lián)盟白皮書探討了分析架構，以及工業(yè)企業(yè)如何開始設計分析系統(tǒng)。該報告的結論是，需要在定義端到端IIoT系統(tǒng)的背景下分析所需的體系結構，這些系統(tǒng)在功能上分解為五個功能域。這些是：

1.控制：傳感，通信，執(zhí)行，動作和驅動;

2.運營：供應，管理，監(jiān)控，診斷和優(yōu)化;

3.信息：數(shù)據(jù)融合，轉換，持久化，建模和分析;

應用：邏輯，規(guī)則，集成，人機界面;和

5，經(jīng)營范圍：企業(yè)和人力資源，客戶關系，資產(chǎn)，服務生命周期，計費和支付，工作計劃和安排。

繼續(xù)成為工業(yè)機器控制焦點的關鍵技術趨勢是識別和識別機器操作模式的能力，并做出可以導致更好的決策和提高性能的預測。本文確定了工業(yè)中應用的三種主要類別或類型的分析。

描述性分析從歷史或當前數(shù)據(jù)流中獲取洞察力，包括狀態(tài)和使用情況監(jiān)控，報告，異常檢測和診斷等。預測分析使用統(tǒng)計和機器學習技術基于預測建模識別預期行為或結果。Prescriptive analytics通過確定基于第一原則可能發(fā)生的事情，使用與設計和執(zhí)行決策相關的因果關系的模型和預測分析，找到最佳解決方案。一個例子是從實體幾何裝配模型按需生產(chǎn)，以找到最佳的制造過程集，以實現(xiàn)最終產(chǎn)品意圖，同時考慮所有可能的選項和功能。

工業(yè)分析的一個基本先決條件是機器和過程數(shù)據(jù)的可用性，但好消息是工業(yè)機器控制系統(tǒng)有大量的數(shù)據(jù)可供分析?，F(xiàn)在我們看到，將數(shù)據(jù)科學和主題專業(yè)知識相結合(了解哪些信息很重要)對于產(chǎn)生最佳結果至關重要。在機器狀態(tài)監(jiān)測和人工智能等領域工作的自動化和控制供應商敏銳地意識到對機器/工藝專業(yè)知識的需求。

最后一步是以令人信服且易于理解的格式傳達和呈現(xiàn)工業(yè)分析結果。隨著分析的進步，越來越多有意義的操作模式將被檢測，識別并報告為警報，并自動報告給操作員。可以根據(jù)分析結果監(jiān)控和優(yōu)化機器運行效率，從而改善制造和運營，同時減輕操作員的壓力。

該報告還得出結論：“分析本身并不神奇 - 它需要結合在適當?shù)臅r間獲取適當?shù)臄?shù)據(jù)，應用適當?shù)姆治鏊惴ê湍Ｐ?，這些算法和模型由機器制造商，系統(tǒng)的必要工程領域知識指導集成商和工廠運營商本身。“