包全和有效运行大数据与智能化 如何组织

当推出支持人工智能的机器视觉来智能化检测流程时，制作商会推进质量改良方案，着眼于提高产量、提高流程效率和降落老本。在更高的层面上，许多制作商将这些致力视为与工业4.0或工业物联网(IIoT)关系联的更宽泛的智能制作战略的一局部，经常使用极速、便捷和具备老本效益的技术成功，使其变得愈加灵敏、高效和翻新。

Neurala公司首席执行官MaxVersace示意：“最终，能够经过提高质量或降落老本，或两者兼有，使产品差异化并更具竞争力的制作商，将处于更无利的开展位置。”

NextLinkLabs首席消息安保官JeremyDodson对此示意赞同，他指出，经过智能化特定流程和经常使用大数据剖析，制作商可以识别其运营中的瓶颈和低效率，并启动改良，从而提高效率和消费率。

什么是大数据?

Gartner公司将大数据定义为高容量或高种类的消息资产，须要具备老本效益的翻新方式的消息处置。大数据和剖析工具可以协助制作商剖析少量数据，并就其运营、供应链和产品开发做出理智的决策。

Dodson解释道：“制作商可以经过搜集和剖析消费环节中的数据来实时识别和处置质量疑问，从而提高产质量量。经过驳回新技术，制作商可以在竞争中坚持上游位置，并在市场上取得竞争优势。精简操作和提高效率有助于制作商降落老本，提高盈利才干。”

大数据的好处

将大数据和智能化目的引入制作业畛域之外，可以以一种改革性的方式超越整个组织，从人力资源和营销到提高客户满意度。经过经常使用大数据和剖析来更好地了解客户的需求和偏好，制作商可以改善客户体验，不只可以提高客户满意度，还可以经过更短的翻新周期成功产品的共性化。

西门子工业公司边缘/工业物联网产品营销经理ChrisLiu示意:“由于5G无线、OPC和其余全系统IP规范的极速开展，可用的数据量正在爆炸式增长，这推进了设备中装置和衔接的设备数量的参与。”

但是，随着大数据继续呈指数级增长，暗数据(即组织中任何人都齐全未经常使用的数据)的数量也在呈指数级增长。依据由Splunk资助的TRUEGlobalIntelligence公司最近颁布的“暗数据形态”报告，约55%的组织数据不只未被开发，而且实践上或许齐全暗藏、未被发现、未量化，甚至未知。

微软公司制作业行业高管JeffWinter示意:“大少数公司发生的数据曾经远远超越了它们经常使用的数据。”温特援用了德克萨斯大学的一项钻研，该钻研预计，数据可用性每提高10%，财产1000强公司的支出平均就会参与20亿美元。Winter解释说，在一家公司能够提高控制和处置如此海量数据的才干之前，定义工业4.0的愿景及其对组织的意义十分关键。

在数字化转型方面，企业或许有许多不同的目的。优化消费与降落老本、开拓新市场、创立新商业形式或扭转客户体验有着不同的规范。这一切的外围是正确捕捉和应用这些数据的才干。

数字优化vs数字转型

许多企业目前都专一于数字优化，这仅仅象征着在他们曾经在做的事情上做得更好。优化自身并不是特意具备改革性。优化或许触及大数据和人工智能的运行，例如，更极速、更有效地制作和向客户交付产品，同时增加糜费。

相比之下，数字化转型触及经常使用大数据和人工智能从基本上扭转公司的运营方式。数字优化和数字转型带来了不同的应战、好处和复杂性。无论数字化转型目的是什么，转型通常都要艰巨得多，由于它会影响整个组织中的一切人员和流程，而优化很少有这样的影响。

Winter解释道:“咱们正在与一些公司协作，他们的整个数字化转型义务就是扭转客户体验。制作业只是其中的一小局部，但这还包含一种全新的商业形式，基于结果的合同，将产品作为服务开售，这将极大地扭转运营控制、名目控制和工程。”

大数据的关键留意事项

在定义愿景、选用目的并选择能否专一于数字优化、转换或两者兼而有之之后，下一步是了解须要处置的疑问，并确定须要为每个疑问搜集所需的数据。

Versace举例说，假设一个名目的外围是尽量增加产品召回费用，那么仅仅存储被审核产品的图像和测验结果是不够的。他解释说，假构想在出现召回事情时迅速采取执行，那么捕捉消费日期、期间、批号、产品号、分销商或客户发货地点也很关键。只要这样，才干开局定义数据搜集、组织、包全和存储的环节，以便在须要时能够极速访问。

Dodson示意，数据控制是另一个须要思考的关键起因。为控制和包全数据建设明白的政策和程序是至关关键的，包含谁可以访问数据以及如何经常使用数据。制作商应实施强有力的网络安保措施，以防止数据暴露和网络要挟。这包含加密、防火墙和安保数据存储。

数据质量也是至关关键的。确保搜集的数据准确和关系是至关关键的。这须要验证数据质量的流程，并确保数据获取分歧的控制。数据剖析是成功的另一个关键起因。制作商须要有一个方案来剖析和经常使用搜集到的数据。这或许包含经常使用数据可视化软件等工具或雇佣数据剖析师来协助解释数据。

Dodson说:“关于数据存储和基础设备，制作商应该有一个可裁减和牢靠的基础设备来存储和控制他们运营发生的少量数据。”“数据隐衷也至关关键。制作商须要对他们如何搜集和经常使用数据坚持透明，并尊重客户和员工的隐衷。这或许须要实施赞同控制系统，并遵守关系数据隐衷法规。”

ChrisLiu示意，在制作方面，数据稳固性是另一个须要思考的关键起因。令人印象深入的100毫秒数据采集速率，系统稳固性关于确保数据在采集周期中不失落至关关键。

最后，为了从大数据中取得最大价值，制作商或许须要在不同的部门和系统之间共享和集成数据。这样做须要细心布局和协调，以确保数据以安保和可控的方式共享。

边缘计算与云计算思考事项

当触及到技术和智能化的经常使用参与时，须要细心平衡外部部署边缘计算和基于云的方法的利害。最成功的成功驳回了一种混合方法，掂量处置速度和处置才干的需求。关于工业运行，本地边缘计算在实时处置方面总是比云更快。本地计算的其余优势包含对基础设备和数据的更好控制。

经常使用外部部署方法，制作商可以更好地控制其基础设备和数据，由于它们都位于组织的设备中。在某些状况下，外部部署方法可以提供更初级别的安保性，由于制作商对其数据中心的物理安保性有更多的控制，并且可以依据须要实施额外的安保措施。

缺陷包含前期老本较高。建设本地基础设备或许比经常使用基于云的服务更低廉，由于制作商必定购置和保养一切必要的配件和软件。有限的可伸缩性是另一个缺陷。随着需求的变动，本地基础设备或许更难以裁减或增加，由于它须要物理地参与或删除配件。

相比之下，基于云的处置方案提供更低的前期老本。基于云的服务通常是按订阅付费的，这比购置和保养本地配件和软件更具老本效益。基于云的服务通常更容易随着需求的变动而裁减或增加，由于提供商可以依据须要参与或删除资源。

基于云的服务对基础设备和数据的控制更少。经常使用基于云的方法，制作商依赖于提供商来保养和包全基础设备和数据。虽然云提供商通常都有弱小的安保措施，但依然存在数据暴露或其余安保事情的危险。

最终，在外部部署和基于云的方法之间做出选择将取决于制作商的特定需求和优先级。关于制作商来说，细心评价他们的选项并选用最能满足他们在安保性、老本、控制和可裁减性方面需求的方法是至关关键的。

网络安保是关键

虽然大数据和智能化带来了渺小的好处，但关于制作商来说，在推出新技术时优先思考网络安保至关关键。假设没有适当的网络安保措施，制作商或许会暴露敏感数据，并遭受代价高昂的攻打，这或许会破坏他们技术提高的所无好处。