专家小组总结：工业物联网和高级分析中的运营卓越

作者：Jason Myers / 开发者
2024年1月24日

关于本次会议

本次小组讨论了在制造业中物联网和高级分析的应用。讨论者讨论了机器数据的重要性，收集和分析这些数据的挑战，以及在工业过程中使用高级分析和机器学习，以及这一领域的未来趋势。他们还讨论了时间序列数据在制造业中的作用以及它如何推动运营卓越。

参与者

• Jane Arnold，Aperio 独立董事会成员，Aperio
• Jay Clifford，InfluxData 开发者倡导者
• Sebastian Trolli，研究经理 - 全球工业自动化计划负责人，Frost & Sullivan
• Hans Michael Krause，Ecosystem ctrlX World 导演，Rexroth

在简短的介绍之后，讨论者讨论了机器数据及其演变的重要性，然后讨论了收集、存储和分析机器数据的挑战以及如何克服它们。然后对话转向在工业过程中使用高级分析和机器学习。他们还考虑了这一领域的未来趋势，包括人工智能的运营化、边缘分析和对可持续性的关注。

要点

要点1：使用物联网和高级分析可以显著提高制造效率和工人技能。

讨论者讨论了物联网（IoT）和高级分析如何优化制造过程、提高工人技能和加强安全措施。他们强调了使用机器数据推动运营卓越的重要性，以及需要有效的策略来实时集成和分析时间序列数据。

Jay Clifford 解释说，高级分析可以帮助发现模式和预测趋势：“一旦你克服了数据集成……下一步就是如何执行一些能击中你的 KPI 的操作，这通常是从异常检测开始，然后转向预测性维护。” Sebastian Trolli 补充说，可穿戴设备和增强现实（AR）和虚拟现实（VR）等沉浸式技术对于提高工人安全和效率至关重要。

Hans Michael Krause 强调了可扩展和有效的物联网基础设施的必要性。“我们需要面对现实；这实际上给我们带来了什么，何时回报是正确的……你们中的一些人可能也进行了物联网试点，但从未将其扩展，所以当你一开始设计试点时，要考虑 ROI，如何提高 OEE，以及如何将其真正扩展到你的组织中，”他说。

要点2：开放生态系统和数据治理对物联网成功至关重要。

专家们强调了在建立成功的物联网基础设施时，拥有开放的生态系统、强大的数据治理政策和强大的网络安全措施的重要性。他们还讨论了需要具有灵活性的网络基础设施，以支持5G等技术进步。

Krause强调了开放生态系统方法的重要性，并表示：“我们支持开源……因为这样你就不会依赖于一家公司[来提供]从传感器到云的全栈服务。”

Clifford表达了相同观点。“时间序列数据库是……一个初始应用，在那里你将原始机器数据输入，它基本上允许许多用户随着其扩展……它给你带来了两全其美的好处。”

Trolli提到在实施物联网解决方案时，网络安全、数据治理和协议标准化的重要性。“别忘了网络安全……确保你有一个强大的数据治理计划和强大的网络安全政策，”他说。

要点3：生成式AI、边缘分析和可持续性等新兴趋势正在塑造工业分析的未来。

专家们确定了工业分析领域的几个新兴趋势，包括生成式AI、边缘分析和可持续性。他们建议，这些趋势正在塑造制造业的未来，并有助于提高运营效率。

Trolli强调了AI的运营化是一个主要趋势，并表示：“将实验性AI项目扩展到在制造环境中完全实现AI……是关于敏捷、高效和预测性。”他还谈到了边缘分析在减少延迟、缓解带宽限制和提高数据安全方面日益增长的重要性。

在可持续性方面，Trolli指出，将分析应用于优化资源使用和减少环境影响变得越来越重要。“在工业自动化和工业软件领域，每个人都谈论可持续性。这是一个真正的巨大趋势，”他说。

浮现的见解

• 机器数据是推动运营卓越的无价资产。
• 物联网设备的普及导致数据量、种类和速度前所未有。
• 预测性维护是制造分析中的主要用例。
• 时间序列数据的真正力量在于它能够提供详细和连续的运营视图。
• 时间序列数据是现代制造分析的基础。
• 工业分析的未来正在走向智能工厂不再是概念而是具体现实的地方。
• AI的运营化及其对工业分析的影响是一个主要的新兴趋势。
• 边缘分析和AI在管理物联网丰富的制造环境中的工作负载方面日益重要。

关键引言

• “机器数据的重要性呈指数级增长，重塑了整个工业分析空间。”（Sebastian Trolli）
• “机器数据在工业分析中的作用将变得越来越重要。”（Jay Clifford）
• “在制造环境中实现AI的运营化正在引领更智能、更高效、更灵活的生产过程。”（Sebastian Trolli）
• “与基于云的分析相比，边缘分析减少了延迟，缓解了带宽限制，并提高了数据安全。”（Sebastian Trolli）

在此观看网络研讨会