制造业仍处于基于云的分析的初始阶段

制造业仍处于基于云的分析的初始阶段

为了实施数字化转型策略，基于云的分析技术（即应用程序、工具和技术部署在云端而不是在本地部署）的兴起，使企业能够快速获得数据洞察力。由于云计算资源具有几乎无限的可扩展性，可以迅速洞察更多不同类型的数据，从而简化该过程。这使员工能够近乎实时地解决越来越多的复杂业务挑战。

定义基于云的分析

探索新型分析的能力

部署在云中的应用程序，受益于云的核心功能。首先是云的租赁模式与硬件和基础架构相关的资本成本。企业的信息技术（IT）部门，不必再购买和维护昂贵的服务器来托管这些应用程序，从而转变为按需付费的模式，可以按需分配计算资源。

举个例子：一家网上商店，在出现云之前，该零售商必须购买足够的服务器来处理网站流量，以应对高峰时期的“爆炸性”需求，但在当年剩余的时间里，不得不保持闲置状态。

采用云的另一个驱动因素，是探索新型分析的能力，例如将历史和接近实时的过程数据用于机器学习（图1）。很多制造商希望利用这些以及其它高级功能来提高产品质量，预测最佳维护时段以防止计划外停机，但它们并不想在其实时控制系统中运行机器学习模型。将运营数据复制到云后，即可用于机器学习，从而能够探索新的分析模型，而又不会影响源生产数据或依赖该数据的任何现有应用程序。

基于云的分析可以轻松打破数据孤岛，这样无论数据来自哪里，用户都可以访问和连接数据。一旦这些孤岛通过云连接起来，主题专家和其他用户便可以将分析扩展到全球各地，并创建全球运营报告，以确保实现最佳的业务决策（图2）。

图2：不同部门的员工都可以在全球范围内访问基于云的数据和分析。

云分析入门

避免此结果的最可靠方法，是确保主题专家尽早参与到分析项目中去。只有那些拥有深厚的过程专业知识，并了解在更广泛的运行过程中各个部门独特影响的专业人员，才能确保该数据带来洞察力和生产力。为主题专家提供的相关性更强、更易于使用、更灵活的分析应用程序越多，实现投资回报就越快。

在运营数据和云计算模型中要注意的一点是，IT团队必须抵制住一种诱惑，在将云分析应用程序连接到数据之前，不要汇总云中的过程数据或应用业务规则。汇总数据时，没有资产或过程知识的人，会预先猜测主题专家可能会感兴趣的事物，这可能会减少其潜在影响。最佳实践是将所有数据以其原始格式存储，以便主题专家在分析时就修改哪里以及如何修改做出决策（例如，数据清理以及访问任何数据集以进行调查和模型开发）。

连接新的数据源

在随后的90天里，该团队扩展到10多个站点的50多名工程师。他们使用这些用例，通过共享的云部署和协作功能来连接新的数据源。这释放了工程师的创造力，使他们可以找到更多用例，来获得洞察并改善资产可用性和生产效率（图3）。

图3：主题专家可使用Seeq直接与感兴趣的数据进行交互并获得洞察力。

从小规模应用开始试点，并利用云来快速扩展分析，使得项目运营者可以衡量业务影响，建立业务案例以吸引更多用户和站点参与。

为了解决这些问题，该公司正在使用具有边缘分析功能的混合云方法。该方法是在边缘或数据源附近配置计算和分析资源，并在网络可用时将结果传输到云端。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。