在过去的几个月里,我有幸参加了许多涉及离散和过程制造业的大型会议,并与许多思想领先的大数据供应商合作。毫无疑问,讨论的两个最重要的问题一直是日益重要的工业物联网(IIoT)及其结果大数据的启示制造业中的分析。
在这些讨论中,我注意到两个不同的观点:
- “制造业一直都有大数据。我们一直在和历史学家一起收集数据,市场经济地位,EMI系统几十年了。对于营销人员来说,这只是一个新的流行词。”
- “制造业是大数据尚未开发的市场。有很多数据,很多不同类型的数据,但现在几乎没有任何数据被用于分析。”
在考虑这些观点时,我首先认为,带着健康的怀疑态度对待任何新的营销术语(或分析框架)总是有用的,但就我自己而言,我属于第二阵营。我同意我们在制造业中一直拥有“大量数据”,但这并不是大多数行业所理解的“大数据”。
在制造业中,听说智能连接资产(Smart Connected Assets)并不罕见,比如喷气式发动机每次飞行都会产生pb级的数据制造执行系统(MES)收集了数百万个过程变量测量值每班从工厂出发;然而,在大型数据集上运行报告并不符合制造业中的大数据分析.
定义制造业中的大数据分析
那么,如果制造业中的大数据分析不仅仅是数据量,那么作为一个行业,我们应该如何定义制造业中的大数据分析呢?在LN118金博宝appS Research,我们以以下方式定义制造业中的大数据分析:
制造业中的大数据分析是使用一个通用的数据模型,将结构化的业务系统数据(如库存交易和金融交易)与结构化的操作系统数据(如警报、流程参数和质量事件)与非结构化的内部和外部数据(如客户、供应商、Web和机器数据)结合起来,通过高级分析工具发现新的见解。
大数据分析的意义企业制造智能化
大数据分析的定义不同于大多数制造商和供应商处理制造数据的传统方法。在大多数情况下,制造商在数据收集和可见性方面投入了大量资金,主要是通过遗留的MES、EMI和数据历史学家。
特别是,EMI在很大程度上被理解为一种双重集成和仪表板工具,许多供应商在与ERP和自动化系统的专有和开放集成以及仪表板和移动技术方面投入了大量资金,以便在决策者需要正确信息的时候和地点向他们提供指标。
因此,今天的EMI产品需要以三种不同的方式进行转变,才能真正被视为制造业的大数据分析
- 搬出妈妈通过开放技术将数据从一个地方移动到另一个地方
- 投资一个数据模型,它可以处理来自工厂内部或外部系统架构堆栈中任何位置的结构化和非结构化数据
- 将新的分析工具应用到新的数据模型中,以实现前所未有的洞察力。这些分析工具的例子包括:图像、视频、地理空间、时间序列、预测建模、机器学习、优化、仿真和统计过程控制。
对传统大数据和初创企业的影响
当然,现有的EMI供应商并不是唯一想要参与制造业大数据分析的玩家;还有一些令人兴奋的创业公司以及传统的BI供应商。
对于这些公司中的大多数来说,任何大数据分析解决方案的起点都是IT和企业系统。这有利有弊。由于来自IT背景,这些提供商了解结构化和非结构化数据,以及处理这种数据类型多样性所需的分析工具。然而,另一方面,这些供应商中的大多数还没有处理过制造业中发现的实时数据类型,也没有处理过制造业面临的资源限制。
也就是说,制造企业没有数据科学家,通常甚至没有IT部门经常遇到的业务分析师,他们需要提供时间和精力来改进数据模型,调整分析工具,并在几周和几个月的时间内迭代地梳理出洞察力。
相反,制造商有工艺专家、卓越运营团队和工程师。这些人聪明能干,对制造过程有深入的了解,但需要简单直观的分析工具来从数据中提取价值。这些人渴望的不仅仅是一个简单的仪表盘,而且也没有时间或专业知识来处理统计编程语言,如R、SAS和SPSS,以设计和配置下一个新算法来预测建模他们的过程。
工业物联网平台和下一代应用
随着该领域的不断成熟,用于制造业的大数据分析很可能成为工业物联网平台的一部分,用于交付遗留应用程序和次世代系统。
下一代系统将构成新的工业物联网应用工作空间。这些应用程序将填补传统架构的空白,并将从任何地方获取数据并将其交付到其他任何地方,用于新的分析和新的mashup应用程序。这些应用程序还将简化分析,供车间人员使用,并/或将这些解决方案与必要的服务和数据科学家专业知识相结合。
明天和我一起参加一个免费的网络研讨会,我将深入研究工业物联网的现状,公司和行业的认识和投资,以及需要什么来推动这一革命性的领域向前发展。