不是简单的数据情景化——提升工业大数据分析价值的四个核心要素

　　工业分析的价值在于它们所能提供的结果。例如对于啤酒厂而言，应用分析可提高60％的产量。对于宠物食品生产商而言，每年节省的能源成本超过80万美元。对于化妆品工厂来说，这意味着生产线停工时间减少了90％。

　　幸运的是，实施分析并不一定是一项神秘或压倒性的任务。那些已经部署完成的人，可以提供关于如何实施以及从何处开始的重要经验。

分析软件可以而且应该做的不仅仅是数据的情境化。本文图片来源：罗克韦尔自动化

　　明确核心需求

　　工业分析通常围绕着以下4个核心要素构建：

　　数据：确定所需的数据及其来源。其中一些可能来自您无法直接访问的来源。但其中大部分将来自于工业物联网（IIoT）的连接技术。这些技术可以包括设备组件，如传感器、网关、执行器和驱动器；机器或线路组件，如控制器；以及软件系统等企业级组件。

　　连接性：分析需要在工厂内实现无缝连接。这意味着需要能够统一连接导致信息“孤岛”的任何不同系统。它还意味着需要为当前和未来的流量需求提供带宽。

　　使用EtherNet/IP等技术对工厂或网络进行标准化有助于实现实时控制和信息。预制网络产品和服务，如工业数据中心或基础架构即服务（IaaS）产品，也可以减少网络设计和配置时间。

　　工业分析软件不仅仅是数据的情境化。分析软件应该允许用户深入研究、特定分析以调查异常或解决问题。如果过程超出允许参数范围，通过机器学习，它甚至可以监控运营并触发自动控制调整。

来自工业连接技术的分析可以包括设备组件，如传感器、执行器和驱动器；机器或线路组件，如控制器；以及软件系统等企业级组件。

　　安全性评估

　　安全性不是分析策略或网络升级的补充。它应该是整体的，从边缘设备扩展到企业。首先进行安全评估，以识别风险和潜在威胁。然后部署一种纵深防御安全策略，以防范多个方面的威胁。与支持安全目标的可信赖供应商合作也很重要。

　　现有的行业合作伙伴在分析战略中发挥着重要作用。例如，在OEM设备上的分析，将有助于最大限度地提高生产资产的性能和耐用性。只需在计算机上安装网关设备，OEM厂商就可以通过基于云的应用程序提供分析。

图说工控