专家小组回顾：通过 IIoT 和高级分析实现卓越运营

作者：Jason Myers / 开发者
2024 年 1 月 24 日

关于本次会议

本次小组讨论涵盖了物联网 (IoT) 和高级分析在制造业中的应用。小组成员讨论了机器数据的重要性、收集和分析这些数据的挑战、在工业流程中使用高级分析和机器学习以及该领域未来的趋势。他们还研究了时间序列数据在制造业中的作用以及它如何驱动卓越运营。

参与者

• Jane Arnold，独立董事会成员，Aperio
• Jay Clifford，开发者倡导者，InfluxData
• Sebastian Trolli，研究经理 – 全球工业自动化项目主管，Frost & Sullivan
• Hans Michael Krause，Ecosystem ctrlX World 总监，Rexroth

在简短的介绍之后，小组成员讨论了机器数据的重要性及其演变，随后讨论了收集、存储和分析机器数据的挑战以及如何克服这些挑战。对话随后转向在工业流程中使用高级分析和机器学习。他们还考虑了该领域未来的趋势，包括人工智能的运营化、边缘分析以及对可持续发展的关注。

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。

小组成员讨论了物联网 (IoT) 和高级分析如何优化制造流程、提高工人技能和加强安全措施。他们强调了使用机器数据来驱动卓越运营的重要性，以及在实时集成和分析时间序列数据方面需要有效的策略。

Jay Clifford 解释说，高级分析可以帮助检测模式和预测趋势：“一旦您克服了数据集成这些障碍......下一步是如何执行一些能够达到您的 KPI 的操作，通常首先是异常检测，然后发展到稍后的预测性维护。” Sebastian Trolli 补充说，可穿戴设备和沉浸式技术（如增强现实 (AR) 和虚拟现实 (VR)）对于提高工人的安全性和效率至关重要。

Hans Michael Krause 强调了可扩展且有效的物联网基础设施的需求。“我们需要面对现实；实际上它给我们带来了什么，何时回报是正确的......你们中的许多人可能也进行了物联网试点，但从未扩展它们，因此在您设计试点时，从一开始就要考虑 ROI，您如何提高 OEE，以及您实际上如何将其扩展到您的组织中，”他说。

要点 2：开放生态系统和数据治理对于物联网的成功至关重要。

小组成员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。他们还讨论了需要灵活的网络基础设施来支持 5G 等技术进步。

Krause 强调了开放生态系统方法的重要性，他说：“我们支持开源......因为这样您就不会依赖一家公司 [来提供] 从传感器到云的完整堆栈。”

Clifford 赞同这些观点。“时间序列数据库......是一个初始应用程序，您将原始机器数据馈送到其中，它基本上允许许多用户随之扩展......它为您提供了两全其美的优势。”

Trolli 提到了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。“不要忘记网络安全......确保您拥有健全的数据治理计划和健全的网络安全策略，”他说。

要点 3：生成式人工智能、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。

小组成员确定了工业分析领域的几个新兴趋势，包括生成式人工智能、边缘分析和可持续性。他们认为，这些趋势正在塑造制造业的未来，并为卓越运营做出贡献。

Trolli 强调了人工智能的运营化是一个主要趋势，他说：“将实验性人工智能项目转变为在制造环境中完全运营人工智能......是关于敏捷、高效和预测性的。” 他还谈到了边缘分析在减少延迟、缓解带宽限制和增强数据安全性方面日益增长的重要性。

关于可持续性主题，Trolli 指出，应用分析来优化资源使用和减少环境影响正变得越来越重要。“工业自动化工业软件领域的每个人都在谈论可持续性。这在今天确实是一个巨大的趋势，”他说。

浮现的见解

• 机器数据是驱动卓越运营的宝贵资产。
• 物联网设备的激增导致了前所未有的数据量、种类和速度。
• 预测性维护是制造业分析中的首要用例。
• 时间序列数据的真正力量在于它能够提供运营的详细和连续视图。
• 时间序列数据是现代制造业分析的支柱。
• 工业分析的未来正朝着智能工厂不仅仅是一个概念而是一个具体现实的方向发展。
• 人工智能的运营化及其对工业分析的影响是一个主要的新兴趋势。
• 边缘分析和人工智能在管理物联网丰富的制造环境中的工作负载方面变得越来越重要。

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领域。” (Sebastian Trolli)
• “机器数据在工业分析中的作用只会变得越来越重要。” (Jay Clifford)
• “人工智能在制造环境中的运营化正在带来更智能、更高效、更具适应性的生产流程。” (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，并增强了数据安全性。” (Sebastian Trolli)

在此处观看网络研讨会