制造業仍處于基于云的分析的初始階段

制造業仍處于基于云的分析的初始階段

為了實施數字化轉型策略，基于云的分析技術（即應用程序、工具和技術部署在云端而不是在本地部署）的興起，使企業能夠快速獲得數據洞察力。由于云計算資源具有幾乎無限的可擴展性，可以迅速洞察更多不同類型的數據，從而簡化該過程。這使員工能夠近乎實時地解決越來越多的復雜業務挑戰。

定義基于云的分析

探索新型分析的能力

部署在云中的應用程序，受益于云的核心功能。首先是云的租賃模式與硬件和基礎架構相關的資本成本。企業的信息技術（IT）部門，不必再購買和維護昂貴的服務器來托管這些應用程序，從而轉變為按需付費的模式，可以按需分配計算資源。

舉個例子：一家網上商店，在出現云之前，該零售商必須購買足夠的服務器來處理網站流量，以應對高峰時期的“爆炸性”需求，但在當年剩余的時間里，不得不保持閑置狀態。

采用云的另一個驅動因素，是探索新型分析的能力，例如將歷史和接近實時的過程數據用于機器學習（圖1）。很多制造商希望利用這些以及其它高級功能來提高產品質量，預測最佳維護時段以防止計劃外停機，但它們并不想在其實時控制系統中運行機器學習模型。將運營數據復制到云后，即可用于機器學習，從而能夠探索新的分析模型，而又不會影響源生產數據或依賴該數據的任何現有應用程序。

基于云的分析可以輕松打破數據孤島，這樣無論數據來自哪里，用戶都可以訪問和連接數據。一旦這些孤島通過云連接起來，主題專家和其他用戶便可以將分析擴展到全球各地，并創建全球運營報告，以確保實現最佳的業務決策（圖2）。

圖2：不同部門的員工都可以在全球范圍內訪問基于云的數據和分析。

云分析入門

避免此結果的最可靠方法，是確保主題專家盡早參與到分析項目中去。只有那些擁有深厚的過程專業知識，并了解在更廣泛的運行過程中各個部門獨特影響的專業人員，才能確保該數據帶來洞察力和生產力。為主題專家提供的相關性更強、更易于使用、更靈活的分析應用程序越多，實現投資回報就越快。

在運營數據和云計算模型中要注意的一點是，IT團隊必須抵制住一種誘惑，在將云分析應用程序連接到數據之前，不要匯總云中的過程數據或應用業務規則。匯總數據時，沒有資產或過程知識的人，會預先猜測主題專家可能會感興趣的事物，這可能會減少其潛在影響。最佳實踐是將所有數據以其原始格式存儲，以便主題專家在分析時就修改哪里以及如何修改做出決策（例如，數據清理以及訪問任何數據集以進行調查和模型開發）。

連接新的數據源

在隨后的90天里，該團隊擴展到10多個站點的50多名工程師。他們使用這些用例，通過共享的云部署和協作功能來連接新的數據源。這釋放了工程師的創造力，使他們可以找到更多用例，來獲得洞察并改善資產可用性和生產效率（圖3）。

圖3：主題專家可使用Seeq直接與感興趣的數據進行交互并獲得洞察力。

從小規模應用開始試點，并利用云來快速擴展分析，使得項目運營者可以衡量業務影響，建立業務案例以吸引更多用戶和站點參與。

為了解決這些問題，該公司正在使用具有邊緣分析功能的混合云方法。該方法是在邊緣或數據源附近配置計算和分析資源，并在網絡可用時將結果傳輸到云端。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。