所有行业都有一个共同点,就是数据和大量的数据。数据量与现在连接到互联网的"设备"数量增多有关,从个人设备、办公室打印机,一直到泵上的传感器。这些传感器正在帮助提供生产必须的、持续稳定的电源和电力供应。
数据被人们称为是新的"石油";然而,太多的工业公司发现他们正在产生的所有数据几乎没有任何用途或好处。事实上,据报道,采矿和资源部门使用从其设备中收集的数据不到1%。
那么,企业如何确保他们从产生的数据中获得最大的价值,以及我们如何确保该项目是成功的,而不是成为所有数字化转型中70%失败的另一个统计数字?
这些问题可以通过观察你的组织中谁在使用数据以及分析什么数据来解决。
数据科学方法
在工业4.0之前CONTROL ENGINEERING China版权所有,工业企业依靠其数据进行日常决策是不常见的。企业依靠的是经过时间验证的方法,如预防性维护、及时维护、执行原始设备制造商(OEM)规范,以及根据需要引入外部中小企业和顾问的做法CONTROL ENGINEERING China版权所有,以帮助解决可靠性问题和优化流程。
随着工业4.0的引入CONTROL ENGINEERING China版权所有,以及物联网传感器变得越来越普遍,企业开始收集他们的数据。许多大型企业创建了内部数据科学团队,利用新获得的数据来解决关键问题。
通常情况下,这些问题会通过查看有限的历史数据来解决。数据科学团队会在重复的数据操作任务、编程和编码上花费大量的时间。在这个过程中,数据洞察力往往需要几个月才能产生。
这种方法将数据的分析工作限制在数据科学团队的范围内。是的,这些企业正在将他们的数据投入使用;然而,由于产生见解所需的时间,扩展结果是困难的。不幸的是,在过去的几年里,许多这样的数据科学团队已经被裁员,因为其商业价值还没有被认识到。
无代码AI方法
当整个组织中的个人开始在他们的日常岗位上使用数据时,就会出现一个叫做"数据民主化 "的术语。但是,这些人不是统计学家、数学家、数据工程师或数据科学家。事实上,他们对数据根本不感兴趣;他们只对数据能告诉他们的东西感兴趣。
技术进步了,现在,自己动手的无代码人工智能平台允许资产经理、维护人员、运营团队和工程师从他们的数据中学习,并获得有助于他们日常决策的洞察力。
无代码AI协助的决策类型示例如下:
· 对资产和工业流程进行实时监控,以便团队知道在哪里集中精力;
· 预测设备的未来故障以进行早期干预;
· 通过识别供气系统的故障,优化电厂的燃料消耗;
· 降低老旧工业资产的运营成本;
· 准确识别潜在污染事件的根本原因,避免重大安全事件并改善环境结果;
· 建立二氧化碳排放基线,帮助提供减少能源消耗的见解;
· 了解不同系统和过程之间的相关性,避免不稳定和损坏;
· 为水处理厂的准确化学加药提供实时设定点。
无代码AI为非数据型角色提供洞察,帮助他们做出更明智的决策。用户可以建立设备和流程的模型,以提供经过计算的预测和见解。当SME、最终用户和运营商无需编程、编码、计算甚至打开excel电子表格就可以推断出关键见解时,"数据民主化"就发生了。
数据分析:单一资产与整体性
通常,组织在孤岛中工作,运营和优化是独立的部门,数据不跨部门共享。在一些组织中,数据甚至不在一个部门的不同部门之间共享--想想海底操作和石油钻井平台上的操作。
更糟糕的是,通常用于分析数据的方法非常有限。例如,如果压缩机出现问题,我们只会分析来自压缩机的历史数据。这种方法并不总是能保证准确的结果,因为问题的根本原因可能不存在于压缩机本身。
使用数据(实时和历史数据)分析问题的整体方法可确保不会遗漏任何内容。无代码AI在数据中发现相关性,而这些相关性手动可能需要数月才能找到--前提是您从一开始就分析正确的数据集。AI 可以检测到的一些相关性来自看似根本不相互关联的过程,而传统方法无法识别。
一家离岸公司的负责人在谈到从一个互不相关的独立流程中发现问题的根源时说:"从技术上讲,你不可能让这个特定的决定做得那么快。"但无代码AI可以在几分钟内分析多年的数据,并提供关键的见解或预测,帮助团队做出更好的商业决策。
状态监测通常只在达到阈值时才会触发警报,可以通过人工智能来检测轻微的退化,从而为规划提供更多时间。不断刷新的实时模型可以监控整个设施和运营。借助AI可提供一个全面的性能视图,识别风险和机会,以帮助企业取得进展。
随着企业更智能地运作并从所有可用数据中学习CONTROL ENGINEERING China版权所有,整个组织的效率和决策都会得到改善。通过使数据民主化,并让员工能够从数据中获得洞察力控制工程网版权所有,并立即在工作中实施,从而提高从数据中产生价值的速度。
一旦企业发现其数据的价值,并开始在整个组织中利用数据洞察力,真正的数字化转型才成为可能。