1704033360
1704033361
以现代采矿作业为例。一般情况下,制造商会为大多数设备配备数据技术。整个矿区都能连接到移动或无线网络,可以对所有卡车、碎石机、传送带以及地面情况和地质状况进行监控。
1704033362
1704033363
然而,这些数据流通常被分隔在不同的谷仓当中,没有实现连通和汇总,因而无法进行分析。这类矿业公司的控制室里通常有大约50个显示屏,每块显示屏上的信息都来自一个不同的设备供应商。仅凭这些信息,矿井主管无法得知矿井是否已经达到转移生产的目标——这就是未从大数据中得出有用洞察的典例。
1704033364
1704033365
明确这一点之后,要想做出改进,第一步就是搜罗现有数据库以获得洞见。接下来,企业可以尝试处理新数据,为当今的前沿技术——从实时运营数据中提取洞见——打好基础。
1704033366
1704033367
数据经过分析得到规整,总结出关键绩效指标(KPI)和可行信息。可以实时刷新并发送到监管人员的平板电脑上,以便随处携带、随时查看。
1704033368
1704033369
这样一来,就能从来自四面八方的不同数据中得出有用信息,否则就只是一团浆糊。
1704033370
1704033371
对制造业而言,在基于智能数据推出适销对路的数字服务和内部运营流程之前,还有一个关键的准备阶段:打破谷仓式的循环数据回路和系统,实现数据的融合或流通。所幸近期取得的技术进步为此提供了极大便利。
1704033372
1704033373
数字技术已经足够成熟,能有效地将大数据转化为可行知识——例如,通过结合数据操控不同工厂的分散式控制系统。另外,嵌入式传感器和控制体系早已成为工厂车间众多机械的动力来源。
1704033374
1704033375
得益于运营技术和信息技术的融合——即数据网络和IT系统的连通,前者控制机器和机器人,后者为整个企业提供支持——机器和设备通常能够连入数据系统,如生产管理、制造执行、物流和企业计划等,而这些数据系统过去与机器设备是毫无关联的。
1704033376
1704033377
制造执行系统(Manufacturing Execution Systems,简称MES)负责跟踪并记录原材料是如何转化为产品的。许多工业领域过去都是各工厂各自为政,而现在,各个工厂的制造执行系统均被归入企业资产管理(Enterprise Asset Management,简称EAM)系统下面的一个控制单元,实现了统筹。企业资产管理系统负责监控机器生命周期和企业的其他实体组件。
1704033378
1704033379
如此一来,许多制造商就可以实时查看其生产流程。虽然产能依旧存在限制,但企业可以通过分析,发现并预测性能瓶颈,针对工厂运营改进、员工队伍管理和供应链风险管理做出更加智能的决策。
1704033380
1704033381
用不了多久,这一企业中枢的雏形就会新增业务部门,为企业提供外部原材料,或准确描述客户对产品的规格需求。在这一阶段,行业运营会变得更加灵活,成本效益更高,能够为客户提供高度定制化的成果。
1704033382
1704033383
总而言之,格局在不断发展,可以说是瞬息万变,但只要从现在开始做起,就能即刻收获回报。还是那句话,小处着手,一旦有效则迅速推广。
1704033384
1704033386
公用事业公司如何运用大数据分析
1704033387
1704033388
一家大型自来水公司为一个900万人口的大型省会城市供水。以该公司为例很能说明问题,因为其通过综合运用并大规模部署自制和第三方IT解决方案,已经收集了大量数据。
1704033389
1704033390
关键问题是得出的洞察都局限于各工厂,造成数据分析极其低效,且与运营技术基本脱节。企业在原先的IT解决方案上投资了2亿美元,旧方案只实现了部分互联,各工厂只能各自为政,缺少一个决策支持中心。
1704033391
1704033392
结果就是当谈到水压、振动、流动、化学品用量、能耗或某工厂水处理的开始和结束时间这些重要运营数据时,没人了解所有工厂的整体情况。
1704033393
1704033394
企业需要建立一个一体化分析平台,覆盖其价值链上的14个部分,包括水库利用、家庭用水、废水管理、将处理过的水排放入海等等。
1704033395
1704033396
这笔投资虽数目不大,但不到六个月就为企业带来了回报。现在,自来水公司会对温度、降雨量等天气数据进行分析,因而能够提前规划,提高资源分配效率。此举还为公司赢得了更多的思考时间,对平台控制板上显示的实时数据变化做出回应。
1704033397
1704033398
如今,公司数百名管理人员和1000多名员工发现,决策要比以前容易得多,每年可因此创造约6300万美元的价值。此外,公司的运营成本(OPEX)减少了近8%,资本开支减少了约12%。
1704033399
1704033401
开展试点,循序渐进,各有侧重
1704033402
1704033403
许多企业还是认为,利用传统数据技术得出智能可行洞察是件麻烦不小的事。实际上,得益于数据分析技术的进步,这一观点已经过时。上文列举的自来水公司案例就可以证明这一点。
1704033404
1704033405
时至今日,我们已经不需要在将数据导入算法以提取洞察之前,先对其进行标准化或格式化处理。统计应用和数据库系统可接收、存储和消化各种结构化或非结构化的数据,并兼容多种数据类型,如数字、文本或可视数据。即使是不同代数据收集技术采集到的五花八门的数据,现如今也已不再是什么大问题。
1704033406
1704033407
那么企业的数据分析现在处于什么阶段?如何正确构建数据分析能力?
1704033408
1704033409
目前,大多数工业企业已逐渐认识到数据策略和数据分析的主要优势,但还没有十足把握。
[
上一页 ]
[ :1.70403336e+09 ]
[
下一页 ]