大数据自动化:如何组织、保护并高效应用

企业推介质量提高计划时, 着眼于提高生产率、提高流程效率并降低成本高层次上,多厂商将这种努力看成广义智能制造策略的一部分,它与4.0产业或物业互联网相关联-快速易效效技术实现提高灵活性、效率和创新性

最大VersaceCEO表示:「归根结底,神经元.

Jeremy Dodson信息安全主管extLink实验室同意,指出通过自动化特定流程并使用大数据解析法,制造商可识别操作中的瓶颈和效率低下并改进以提高效率和生产率

大数据是什么

Gartner定义大数据为高容量和/或高位信息资产,要求高成本效益创新信息处理形式大数据分析工具可帮助制造商分析大量数据并知情决策操作、供应链和产品开发

Dodson解释道, “制造者通过收集和分析生产流程数据,可实时识别并解决质量问题,提高产品质量”。通过采用新技术 制造商可以领先竞争 并获得市场竞争优势精简操作并提高效率帮助制造商降低成本并增加盈利性。”

大数据福利

大数据自动化目标超出制造场面可遍历全组织,从HR和营销到提高客户满意度通过使用大数据分析来更好地了解客户需要和偏好,制造商可以提高客户经验,不仅提高客户满意度,而且通过越来越短的创新周期实现产品个性

5G无线应用应用软件和其他全系统IP标准快速开发后可用数据量爆破, 驱动设施安装连接设备数增加,西门子产业公司

大数据继续指数增长 数量增长暗数据或数据完全闲置最近由Splunk赞助的TRUE全球情报网的“黑暗数据状态报告”显示,约55%的组织数据并不仅仅是未开发数据,事实上可能完全隐藏、未发现、未量化或甚至未知数据。

企业执行官Jeff Winter表示 :微软.Winter引用得克萨斯大学的一项研究估计数据可用性增加10%导致财富1000公司平均收入增加20亿美元,Winter解释道,公司在提高管理和处理如此大量数据能力前,必须定义对产业4.0及其对组织的意义

公司可以有多项不同目标优化生产有一套不同的标准比降低成本、拓展新市场、创建新商业模式或改变客户经验都不同,核心就是能力正确捕捉并控制数据的力量

数字优化对数字变换

多家公司当前专注于数字优化,这仅仅意味着提高自己已经做的工作水平。优化本身不是特别变革性优化可能涉及大数据应用和AI等,在减少废物的同时更快和高效制作产品并交付给客户

相形之下,数字变换需要使用大数据AI从根本上改变公司运作方式数字优化和数字变换带来不同的挑战、利益和复杂问题不论数字变换目标如何,变换通常难度大得多,因为它影响到全组织所有人员和程序,而优化很少产生这种效果。

温特解释道:「我正和公司合作, 公司数字变换任务就是改变客户经验制造小部分, 但也包括全新商业模式 以结果为主合同, 产品销售服务, 并显著改变操作管理,项目管理和工程

密钥大数据考量

定义视觉后,选择目标后,并决定是否注重数字优化、变换或两者并用后,下一步是理解需要处理的问题并识别需要为每个问题收集的必要数据

比方说,如果项目中心为尽量减少产品召回费用, 并不足以仅仅存储图像和检验结果,据Versace称。捕捉生产日期、时间、批量号、产品号、经销商或客运地点也很重要唯有从此你才能开始定义过程 数据收集组织保护 存储方式允许快速访问

数据治理是另一个关键因素考虑,关键是要制定清晰的政策和程序管理并保护数据, 包括谁能访问数据以及如何使用数据制造商应实施强健网络安全措施,防止数据破损和网络威胁包括加密、防火墙和安全数据存储

数据质量也至关紧要必须确保所收集数据准确相关这需要流程验证数据质量并确保数据得到一致管理数据分析是成功的另一个关键因素制造商需要有一个分析使用所收集数据计划这可能包括使用数据可视化软件等工具或雇用数据分析员帮助解释数据

多德森表示:「数据存储和基础设施厂家应拥有可扩缩和可靠的基础设施存储和管理操作生成的大量数据。”数据隐私也至关紧要制造商需要透明地收集使用数据并尊重客户和雇员隐私可能需要实施协议管理系统并遵守相关数据隐私规则。”

生产方面数据稳定性是另一个关键因素考虑,系统稳定对确保数据不丢失至获取周期至关紧要

最后,为了从大数据中获取最大值,制造商可能需要分享并整合跨部和跨系统的数据这样做需要仔细规划协调,以确保数据安全分享和受控

边缘对云考量

谈到增加使用技术和自动化时,需要谨慎平衡现场边缘计算和云基方法的利弊最成功的实现方式采取混合方法,权衡处理速度需求与处理电量需求工业应用现场边缘计算总比实时处理云速假设计算的其他优点包括加强对基础设施和数据的控制。

厂商对基础设施和数据拥有较多控制权,因为它们都存放在组织设施内。在某些情况下,假设式方法可能提供更高安全度,因为制造商对其数据中心实体安全拥有更多控制,并在需要时可实施更多安全措施。

缺陷包括更高的前期成本建房基础设施比使用云服务费用更高,因为制造商必须购买并维护所有必要的硬件和软件。可扩缩性有限是另一个缺陷置换式基础设施随需求变化而增减可能更具挑战性,因为它需要物理增删硬件

反之云基解决方案提供较低的前期成本云型服务通常按订阅方式支付费用,比购买和维护租房硬件和软件更具成本效益。云型服务一般随需求变化更容易增减,因为提供方可按需增减资源

云型服务对基础设施和数据控制较少使用云基方法,制造商依赖提供方维护并安全基础设施和数据云提供商通常有强健安全措施,但仍有数据破解或其他安全事件的风险。

归根结底,假设和云基方法之间的决策将取决于制造商的具体需求和优先事项。制造商必须仔细评价选项并选择最能满足安全、成本、控制及可扩缩性需求的方法

网络安全键

大数据自动化大有裨益, 制造商开发新技术时优先安全至关重要没有适当的网络安全措施,制造商冒着暴露敏感数据的风险并遭受代价高昂的破解,这可能损害其技术进步的所有利益。