所有行業(yè)都有一個(gè)共同點(diǎn)，數(shù)據(jù)和很多。數(shù)據(jù)量與現(xiàn)在連接到互聯(lián)網(wǎng)的“事物”的數(shù)量有關(guān)，從個(gè)人設(shè)備、辦公室打印機(jī)，一直到泵上的傳感器，幫助產(chǎn)生保持電源所需的電力。

他們說(shuō)數(shù)據(jù)是新的石油;然而，太多的工業(yè)公司發(fā)現(xiàn)他們生成的所有數(shù)據(jù)幾乎沒(méi)有用途或沒(méi)有收益。事實(shí)上，據(jù)報(bào)道，采礦和資源部門(mén)使用從其設(shè)備收集的數(shù)據(jù)不到1%。

那么，公司如何確保他們從生成的數(shù)據(jù)中獲得最大價(jià)值，我們?nèi)绾未_保項(xiàng)目成功并且不會(huì)成為70%失敗的數(shù)字化轉(zhuǎn)型的另一個(gè)統(tǒng)計(jì)數(shù)據(jù)?

這些問(wèn)題可以通過(guò)查看組織中誰(shuí)使用數(shù)據(jù)以及分析哪些數(shù)據(jù)來(lái)解決。

數(shù)據(jù)科學(xué)方法

在工業(yè)4.0之前，工業(yè)企業(yè)依靠數(shù)據(jù)進(jìn)行日常決策并不常見(jiàn)。企業(yè)依靠久經(jīng)考驗(yàn)的方法，例如預(yù)防性維護(hù)、及時(shí)維護(hù)、OEM(原始設(shè)備制造商)規(guī)范的實(shí)施，以及根據(jù)需要引入外部SME和顧問(wèn)的做法，以幫助解決可靠性問(wèn)題和優(yōu)化過(guò)程。

隨著工業(yè)4.0的引入，以及物聯(lián)網(wǎng)傳感器變得越來(lái)越普遍，企業(yè)已經(jīng)開(kāi)始收集他們的數(shù)據(jù)。許多大型組織創(chuàng)建了內(nèi)部數(shù)據(jù)科學(xué)團(tuán)隊(duì)，以使用新獲得的數(shù)據(jù)來(lái)解決關(guān)鍵問(wèn)題。

通常，這些問(wèn)題可以通過(guò)查看有限的歷史數(shù)據(jù)來(lái)解決。數(shù)據(jù)科學(xué)團(tuán)隊(duì)將花費(fèi)大量時(shí)間在重復(fù)的數(shù)據(jù)操作任務(wù)、編程和編碼上。通過(guò)此過(guò)程，數(shù)據(jù)洞察通常需要數(shù)月才能生成。

這種方法將數(shù)據(jù)分析限制在數(shù)據(jù)科學(xué)團(tuán)隊(duì)。是的，這些企業(yè)正在使用他們的數(shù)據(jù);然而，由于產(chǎn)生洞察力需要時(shí)間，因此很難擴(kuò)展結(jié)果。不幸的是，在過(guò)去的幾年里，許多數(shù)據(jù)科學(xué)團(tuán)隊(duì)都在縮減規(guī)模，因?yàn)樯虡I(yè)價(jià)值沒(méi)有得到認(rèn)可。

無(wú)代碼AI方法

當(dāng)整個(gè)組織中的個(gè)人開(kāi)始在日常職位中使用數(shù)據(jù)時(shí)，就會(huì)出現(xiàn)一個(gè)稱為“數(shù)據(jù)民主化”的術(shù)語(yǔ)。這些人不是統(tǒng)計(jì)學(xué)家、數(shù)學(xué)家、數(shù)據(jù)工程師或數(shù)據(jù)科學(xué)家。事實(shí)上，他們對(duì)數(shù)據(jù)根本不感興趣;他們只對(duì)數(shù)據(jù)能告訴他們什么感興趣。

技術(shù)已經(jīng)進(jìn)步，自助式無(wú)代碼AI平臺(tái)現(xiàn)在允許資產(chǎn)經(jīng)理、維護(hù)人員、運(yùn)營(yíng)團(tuán)隊(duì)和工程師從他們的數(shù)據(jù)中學(xué)習(xí)并獲得洞察力，以幫助他們做出日常決策。

無(wú)代碼AI輔助決策類(lèi)型的一些示例是：

• 實(shí)時(shí)監(jiān)控資產(chǎn)和工業(yè)流程，以便團(tuán)隊(duì)知道將精力集中在哪里
• 預(yù)測(cè)設(shè)備的未來(lái)故障以進(jìn)行早期干預(yù)
• 通過(guò)識(shí)別空氣供應(yīng)系統(tǒng)中的故障來(lái)優(yōu)化發(fā)電廠的燃料消耗
• 降低晚期工業(yè)資產(chǎn)的OPEX
• 準(zhǔn)確識(shí)別潛在污染事件的根本原因，避免重大安全事件并改善環(huán)境結(jié)果
• 建立二氧化碳排放基線并幫助提供減少能源消耗的見(jiàn)解
• 了解不同系統(tǒng)和流程之間的相關(guān)性，避免不穩(wěn)定和損壞，例如在油氣平臺(tái)的地下和頂部之間出砂的情況
• 為水處理廠的準(zhǔn)確化學(xué)劑量提供實(shí)時(shí)設(shè)定點(diǎn)

無(wú)代碼人工智能為非以數(shù)據(jù)為中心的角色提供洞察力，幫助他們?nèi)熳龀龈髦堑臎Q策。用戶可以構(gòu)建其設(shè)備和流程的模型，以提供計(jì)算得出的預(yù)測(cè)和見(jiàn)解。當(dāng)中小企業(yè)、最終用戶和運(yùn)營(yíng)商無(wú)需編程、編碼、計(jì)算甚至無(wú)需打開(kāi)Excel電子表格即可推斷關(guān)鍵洞察時(shí)，數(shù)據(jù)民主化就會(huì)發(fā)生。 (來(lái)源：瀚云數(shù)字工廠)

數(shù)據(jù)分析：?jiǎn)我毁Y產(chǎn)與整體

通常，組織在孤島中工作，運(yùn)營(yíng)和優(yōu)化是獨(dú)立的部門(mén)，數(shù)據(jù)不跨部門(mén)共享。在一些組織中，數(shù)據(jù)甚至不在一個(gè)部門(mén)的不同部門(mén)之間共享——想想海底操作和石油鉆井平臺(tái)上的操作。

更糟糕的是，通常用于分析數(shù)據(jù)的方法非常有限。例如，如果壓縮機(jī)出現(xiàn)問(wèn)題，我們只會(huì)分析來(lái)自壓縮機(jī)的歷史數(shù)據(jù)。這種方法并不總是能保證準(zhǔn)確的結(jié)果，因?yàn)閱?wèn)題的根本原因可能不存在于壓縮機(jī)本身。

使用數(shù)據(jù)(實(shí)時(shí)和歷史數(shù)據(jù))分析問(wèn)題的整體方法可確保不會(huì)遺漏任何內(nèi)容。無(wú)代碼人工智能在數(shù)據(jù)中發(fā)現(xiàn)相關(guān)性，而這些相關(guān)性手動(dòng)可能需要數(shù)月才能找到——前提是您從一開(kāi)始就分析正確的數(shù)據(jù)集。AI 可以檢測(cè)到的一些相關(guān)性來(lái)自看似根本不相互關(guān)聯(lián)的過(guò)程，而傳統(tǒng)方法無(wú)法識(shí)別。

一位離岸運(yùn)營(yíng)負(fù)責(zé)人表示， “從技術(shù)上講，您不可能像那樣快地做出這個(gè)特定的決定”，當(dāng)談到從不相互關(guān)聯(lián)的單獨(dú)流程中確定問(wèn)題的根本原因時(shí)。無(wú)代碼人工智能可以在幾分鐘內(nèi)分析多年的數(shù)據(jù)并提供關(guān)鍵的見(jiàn)解或預(yù)測(cè)，以幫助團(tuán)隊(duì)做出改進(jìn)的業(yè)務(wù)決策。

狀態(tài)監(jiān)測(cè)通常只在達(dá)到閾值時(shí)觸發(fā)警報(bào)，人工智能可以支持檢測(cè)輕微退化，從而有更多時(shí)間進(jìn)行規(guī)劃。不斷刷新的實(shí)時(shí)模型可以監(jiān)控整個(gè)設(shè)施和操作。全面了解績(jī)效，識(shí)別風(fēng)險(xiǎn)和機(jī)遇，幫助企業(yè)取得成功。

結(jié)合誰(shuí)和什么

隨著企業(yè)更智能地運(yùn)作并從所有可用數(shù)據(jù)中學(xué)習(xí)，整個(gè)組織的效率和決策都會(huì)得到改善。通過(guò)使數(shù)據(jù)民主化并讓人員(who)能夠從他們可以立即在工作中實(shí)施的數(shù)據(jù)(what)中獲得洞察力，從這些數(shù)據(jù)中產(chǎn)生價(jià)值的速度會(huì)提高。

一旦公司發(fā)現(xiàn)其數(shù)據(jù)的價(jià)值并開(kāi)始在整個(gè)組織中利用數(shù)據(jù)洞察力，真正的數(shù)字化轉(zhuǎn)型就有可能實(shí)現(xiàn)。