跳到主要内容
SECO
  • Edge Computing
  • Industries

数据驱动方法与工业:它如何以及为何能提升工业厂区效率

对一个组织而言,采用数据驱动方法意味着基于自身数据和信息做出决策。换言之,就是将企业拥有的海量数据作为基础,改进决策流程,提高工业厂区的生产力和效率。这也意味着通过先进的大数据分析(Big Data Analysis)技术对数据进行处理和增值,实施日益有效的业务战略并获得竞争优势。

提升工业厂区效率

所谓数据驱动型企业,是将数据管理作为其业务战略的支柱。尽管数据驱动方法的好处如今对大多数企业来说已显而易见,但对许多企业而言,真正采用它仍是一项挑战。仅仅获得合适的技术是不够的,还必须走上一条道路,在企业各个层面形成正确的文化,并认识到数据的价值。

米兰理工大学管理学院 Big Data & Business Analytics Observatory 的一项研究显示,尽管意大利大数据市场在 2022 年的规模将达到 24.1 亿欧元,较 2021 年增长 20%,但根据“Data Strategy Index”——该 Observatory 开发的综合成熟度指数——只有 15% 的大型企业在数据管理和分析流程方面可被视为“先进”,30% 为“进取型”,22% 为“谨慎型”,33% 为“不成熟”或“刚刚起步”。至于中小企业,55% 表示已在数据管理与分析(Data Management & Analytics)方面进行了投资,或计划在年底前投资。这一比例虽然较 2021 年有所增长,但与过去三年相比并无明显加速。

如何成为数据驱动型企业

随着工业 4.0 范式、IIoT(工业物联网)的出现、企业的数字化以及海量数据的产生,人们越来越多地谈论数据驱动方法对企业的优势。

在实践中,成为“数据驱动型企业”意味着有能力获取与企业资产管理、产品生命周期以及企业范围内各项流程相关的数据,并将其转化为经过增值的信息,从而成为一项战略资源,作为业务决策的依据,以实现更盈利的业绩。经过恰当处理的数据会成为有用的信息,服务于各种目的:从成本控制、运营和生产效率,到预测性维护,或所谓产品的服务化(servitization)——即产品不再作为最终商品本身,而是作为服务在市场上提供。

如果说构建数据文化是打造数据驱动型组织的关键,那么技术条件则是构成企业基础设施的物理资产与 IoT 系统之间的持续连接。这通过连接到无线网络的 IoT 传感器来实现,借助它们,厂区可以持续、准确地传输与其运行相关的数据。数据处理及以增值信息的形式返回,则通过配备人工智能的 IoT 平台完成,这些平台采集现场数据,将其传输到云端,并通过实时分析使其可供使用。AI/IoT 平台可整合现场设备产生的任何类型的数据——结构化、半结构化和非结构化数据——并向用户返回高价值信息。通过将人工智能和机器学习模型与大数据分析(Big Data Analysis)、数据编排(Data Orchestration)和云计算(Cloud Computing)技术相结合,这些平台持续处理最新数据,能够预测趋势、描绘行为和未来情景,并建立机器性能的参考模型(数字孪生),借此优化能耗和生产力,并开展预测性维护干预。

数据驱动方法的优势

数据驱动方法的优势可归结为对工业厂区性能更全面、更深入的了解。在此基础上,可以识别生产改进的领域,提高厂区效率,并持续监控产品质量水平。另一项好处是获得预测性和指导性的分析能力:借助人工智能(AI)和机器学习(ML)算法,能够在故障或异常发生之前识别它们,并在确切需要的地点和时间进行干预,避免机器计划外停机。此外,它还会建议如何避免某一特定问题,从而加速并自动化决策过程。最后,数据驱动方法通过对生产的精确实时监控来最大限度减少浪费,从而节约成本。总之,踏上向数据驱动方法转型之路会带来诸多益处,直接影响业务:流程效率提高、成本降低、决策更有效,从而带来更高的生产力和盈利能力。

通过持续的研发,SECO 已积累了必要的专业知识,能够为客户提供支持采用数据驱动方法的解决方案,即提供联网的边缘设备和 AI 软件,利用先进的分析模型处理现场采集的数据。应用于工业厂区的 SECO 解决方案可降低维护成本和机器停机时间,提升能源与生产效率,对利润率增长的潜在影响可达 10-15%。

订阅 SECO 新闻通讯。

在 seco.com 上用您的电子邮件地址订阅。

订阅