在线会议
论坛
专题
工控直播
新闻中心
子站
技术
社区
图片来源 ：福禄克
自从开始记录机器上的读数以来，工业企业已经使用了数据分析、趋势分析、图表和其它可视化技术。尽管数据分析技术变化不大，但没有多少维护经理能够完全了解它是什么，如何影响运营以及将如何塑造工业4.0。
运维中的数据分析是什么？
数据分析是对原始数据的分析，以做出明智的决策。几十年来，技术就是这样。现在控制工程网版权所有，变化的是数据采集量，以及“谁”或“什么”在进行分析。
传统上，技术人员收集数据，而管理人员或专家分析这些输入并得出结论。随着先进技术和软件的更新换代，这两项活动比以前更加数字化。
现在控制工程网版权所有，数据分析不仅对维护很重要，它还是未来发展的关键。未来的维护策略，将使用规范性分析（prescriptive analytics），利用软件收集和分析数据，并为无法正常运营的系统提供维护建议。在“规范性维护”方面，先进的人工智能（AI）和机器学习（ML）软件将帮助确定采取什么行动以及何时采取行动。
目前，可用于实际应用的AI维护软件还很少。很多公司都在竞相实现这一目标。然而，在大多数工业车间，这依旧是一个梦想。运营通常以手动读取数据为基础，只有少数高级用户使用无线传感器，并期待自动化程度更高的未来。
维护策略正朝着规范性分析方向发展，软件不仅能收集和分析数据控制工程网版权所有，还能提供建议。
手动与自动数据分析
手动数据分析需要大量的处理数据和查看曲线工作。许多工业运营部门提供数据分析服务，减轻了管理者的麻烦——数据筛选、来源验证并确定哪些数据需要专家分析。
无论您是拥有手动数据分析的内部专业知识，还是更愿意使用复杂的自动分析，都必须有状态监测传感器和控制装置生成的大量数据。
面向制造业的大数据
大数据一般是指大型或复杂的数据集。在维护领域，它包括工业测量、运营数据和无线传感器读数。然而，收集和存储所有这些数据并不是重点。这些信息必须被提取和利用才能发挥作用。
数据分析是从大数据中释放信息的关键。专家分析师可以从一系列看似不可理解的值和代码中获取价值。随着工业4.0 继续革新维护和维修操作，这种分析将转变为智能软件功能。
虽然对许多人来说，AI 数据分析依旧是未来的趋势，但当前的维护软件系统，正在利用更多的数据来协助维护团队，并增加易于自动化实施的任务。
工业技术和数据分析
工业数据源包括运营控制数据，如监控和数据采集（SCADA）、可编程逻辑控制器（PLC）系统、楼宇管理系统、集成或第三方传感器、具有连接工具的技术人员等。随着IIoT 传感器在资产上的应用日益广泛，大数据的来源比以往任何时候都多。热成像工具也可用于读取多个资产的读数。振动传感器进行连续的状态监测，并能检测到电机轴错位等问题。技术人员使用手持工具抽查获得的数据，可以立即发送到云。软件可以将数据源融合到一个全面的图像中进行推断。
分析工业数据
一家商业奶酪制造商最近庆祝其投资数百万美元的扩建工程的完工，产能增加了25%。大量新设备即将投入使用，管理层明白为了正常运营，必须对资产进行监控。
该公司的制造设施工艺工程师表示，团队清楚他们需要保持工厂的正常运营。他们还想立即知道设备的任何问题。
他们使用无线振动传感器将恒定读数上传到云端控制工程网版权所有，并使用分析软件对最常见的故障进行振动监测。这些数据为维护团队提供稳定的见解CONTROL ENGINEERING China版权所有，如资产状况状态、事件信息、警告等。
当今的无线传感器正在为未来打下基础。未来，状态监测数据将输入到AI 驱动的软件。
实施数据分析的5个步骤
通往未来增强型数据分析的道路并不是唯一的。一些公司已经将以可靠性为中心的维护紧密融入到运营中。还有一些企业则正在开始他们的可靠性之旅。在深入研究工业4.0 之前，需要了解基本知识。然而，无论目前企业处于何种状态，都可以从这些步骤中受益。
步骤1 完成资产关键性分析
通过此分析指导团队，按照重要性对资产健康和维护进行优先排序。团队根据每个资产在组织内的使用情况，而不一定是根据其在工业中的标准用途，以及失败时对业务的影响来对其进行评级。
资产关键性分析还可以告知团队，哪些资产是状态监测和筛选的主要候选资产，并提供分析来源。
步骤2 规划试点项目
与大多数技术部署或工艺变更一样，最好用小部分资产进行试点。在资产关键性分析中，确定对日常运营至关重要的设备。对这些更关键的资产进行状态监控，生成数据分析所需的组件（手动或自动）。
步骤3 启动计划
启动计划并不是一蹴而就的；而是在部署期间持续进行完善，以确保其满足维护和运营需要。如果工艺或自动化不能正常工作，请优化并收集更多数据。很多企业后来放弃了试点项目，因为试点项目并没有给他们想要的东西。相反，要像海军陆战队一样思考——快速应变、适应和克服挑战。
步骤4 与领导层一起审查结果
启动试点项目并不是重点。有了数据在手，用户可以进一步向领导证明扩展计划的意义。他们还可根据多年的业务管理和工艺变更经验来提出建议。用数据向他们证明，该项目是可靠的CONTROL ENGINEERING China版权所有，可以进行扩展。
步骤5 扩展数据分析计划
一旦领导批准了项目，请回到资产关键性分析上，以确定在何处扩大状态监控。可以在设施内、设施之间，甚至不同国家之间扩展监控。优化现有装置以获得更好的数据也很有帮助。
扩展数据分析计划，还意味着测试工业数据的新来源。它有助于将传感器、手持工具、集成SCADA 和PLC 系统的设备以及其它资源整合在一起，从而改进过程中的分析。尽管振动监测是新项目的良好起点，但热成像、油液分析和其它基于状态的维修资源也很有帮助。
上述原则有助于实现高质量的数据分析，并为未来的技术和软件奠定基础。它们也是以可靠性为中心的维护计划的一部分。解决方案应与云集成，并将工业4.0 投入运营。现在是为即将到来的AI / ML 时代奠定数据分析基础的时候了。那些已经实现数据分析目标的企业，将为拥有整合新兴技术所需的一切做好准备。（作者 | Tina Hull）
关键概念：
■ 数据分析是对原始数据进行分析，以做出明智的决策。
■ 利用大数据进行高级数据分析，可以帮助生产制造商做出更好的决策并改善运营。
■ 资产关键性分析可以帮助公司确定从哪里改进分析，并据此构建计划。
思考一下：
数据分析和大数据如何改进您的设施？
爱德克工业安全产品八大“金刚”有奖试用
福禄克ThermoView TV30在线式热像仪
FOTRIC(飞础科)红外热像仪试用体验活动
【看视频赢礼品】钢铁行业数字化解决方案
新一代HMI的力量——HMI/SCADA系统的现代化
