當推出支持人工智能的機器視覺來自動化檢測流程時，制造商會推動質量改進計劃，著眼于提高產量、提高流程效率和降低成本。在更高的層面上，許多制造商將這些努力視為與工業4.0或工業物聯網(IIoT)相關聯的更廣泛的智能制造戰略的一部分，使用快速、簡單和具有成本效益的技術實現，使其變得更加靈活、高效和創新。
Neurala公司首席執行官MaxVersace表示：“最終，能夠通過提高質量或降低成本，或兩者兼有，使產品差異化并更具競爭力的制造商，將處于更有利的發展地位?！?/p>
NextLinkLabs首席信息安全官JeremyDodson對此表示贊同，他指出，通過自動化特定流程和使用大數據分析，制造商可以識別其運營中的瓶頸和低效率，并進行改進，從而提高效率和生產率。
什么是大數據?
Gartner公司將大數據定義為高容量或高種類的信息資產，需要具有成本效益的創新形式的信息處理。大數據和分析工具可以幫助制造商分析大量數據，并就其運營、供應鏈和產品開發做出明智的決策。
Dodson解釋道：“制造商可以通過收集和分析生產過程中的數據來實時識別和解決質量問題，從而提高產品質量。通過采用新技術，制造商可以在競爭中保持領先地位，并在市場上獲得競爭優勢。精簡操作和提高效率有助于制造商降低成本，提高盈利能力?！?/p>
大數據的好處
將大數據和自動化目標引入制造業領域之外，可以以一種變革性的方式跨越整個組織，從人力資源和營銷到提高客戶滿意度。通過使用大數據和分析來更好地了解客戶的需求和偏好，制造商可以改善客戶體驗，不僅可以提高客戶滿意度，還可以通過更短的創新周期實現產品的個性化。
西門子工業公司邊緣/工業物聯網產品營銷經理ChrisLiu表示:“由于5G無線、OPC和其他全系統IP標準的快速發展，可用的數據量正在爆炸式增長，這推動了設施中安裝和連接的設備數量的增加?！?/p>
然而，隨著大數據繼續呈指數級增長，暗數據(即組織中任何人都完全未使用的數據)的數量也在呈指數級增長。根據由Splunk贊助的TRUEGlobalIntelligence公司最近發布的“暗數據狀態”報告，約55%的組織數據不僅未被開發，而且實際上可能完全隱藏、未被發現、未量化，甚至未知。
微軟公司制造業行業高管JeffWinter表示:“大多數公司產生的數據已經遠遠超過了它們使用的數據?！睖靥匾昧说驴怂_斯大學的一項研究，該研究估計，數據可用性每提高10%，財富1000強公司的收入平均就會增加20億美元。Winter解釋說，在一家公司能夠提高管理和處理如此海量數據的能力之前，定義工業4.0的愿景及其對組織的意義非常重要。
在數字化轉型方面，企業可能有許多不同的目標。優化生產與降低成本、開拓新市場、創建新商業模式或改變客戶體驗有著不同的標準。這一切的核心是正確捕捉和利用這些數據的能力。
數字優化vs數字轉型
許多企業目前都專注于數字優化，這僅僅意味著在他們已經在做的事情上做得更好。優化本身并不是特別具有變革性。優化可能涉及大數據和人工智能的應用，例如，更快速、更有效地制造和向客戶交付產品，同時減少浪費。
相比之下，數字化轉型涉及使用大數據和人工智能從根本上改變公司的運營方式。數字優化和數字轉型帶來了不同的挑戰、好處和復雜性。無論數字化轉型目標是什么，轉型通常都要困難得多，因為它會影響整個組織中的所有人員和流程，而優化很少有這樣的影響。
Winter解釋道:“我們正在與一些公司合作，他們的整個數字化轉型任務就是改變客戶體驗。制造業只是其中的一小部分，但這還包括一種全新的商業模式，基于結果的合同，將產品作為服務銷售，這將極大地改變運營管理、項目管理和工程?！?/p>
大數據的關鍵注意事項
在定義愿景、選擇目標并決定是否專注于數字優化、轉換或兩者兼而有之之后，下一步是了解需要解決的問題，并確定需要為每個問題收集所需的數據。
Versace舉例說，如果一個項目的核心是盡量減少產品召回費用，那么僅僅存儲被檢查產品的圖像和檢驗結果是不夠的。他解釋說，如果想在發生召回事件時迅速采取行動，那么捕捉生產日期、時間、批號、產品號、分銷商或客戶發貨地點也很重要。只有這樣，才能開始定義數據收集、組織、保護和存儲的過程，以便在需要時能夠快速訪問。
Dodson表示，數據治理是另一個需要考慮的關鍵因素。為管理和保護數據建立明確的政策和程序是至關重要的，包括誰可以訪問數據以及如何使用數據。制造商應實施強有力的網絡安全措施，以防止數據泄露和網絡威脅。這包括加密、防火墻和安全數據存儲。
數據質量也是至關重要的。確保收集的數據準確和相關是至關重要的。這需要驗證數據質量的流程，并確保數據得到一致的管理。數據分析是成功的另一個關鍵因素。制造商需要有一個計劃來分析和使用收集到的數據。這可能包括使用數據可視化軟件等工具或雇傭數據分析師來幫助解釋數據。
Dodson說:“關于數據存儲和基礎設施，制造商應該有一個可擴展和可靠的基礎設施來存儲和管理他們運營產生的大量數據?！薄皵祿[私也至關重要。制造商需要對他們如何收集和使用數據保持透明，并尊重客戶和員工的隱私。這可能需要實施同意管理系統，并遵守相關數據隱私法規?！?/p>
ChrisLiu表示，在制造方面，數據穩定性是另一個需要考慮的關鍵因素。令人印象深刻的100毫秒數據采集速率，系統穩定性對于確保數據在采集周期中不丟失至關重要。
最后，為了從大數據中獲得最大價值，制造商可能需要在不同的部門和系統之間共享和集成數據。這樣做需要仔細規劃和協調，以確保數據以安全和可控的方式共享。
邊緣計算與云計算考慮事項
當涉及到技術和自動化的使用增加時，需要仔細平衡內部部署邊緣計算和基于云的方法的利弊。最成功的實現采用了一種混合方法，權衡處理速度和處理能力的需求。對于工業應用，本地邊緣計算在實時處理方面總是比云更快。本地計算的其他優點包括對基礎設施和數據的更好控制。
使用內部部署方法，制造商可以更好地控制其基礎設施和數據，因為它們都位于組織的設施中。在某些情況下，內部部署方法可以提供更高級別的安全性，因為制造商對其數據中心的物理安全性有更多的控制，并且可以根據需要實施額外的安全措施。
缺點包括前期成本較高。建立本地基礎設施可能比使用基于云的服務更昂貴，因為制造商必須購買和維護所有必要的硬件和軟件。有限的可伸縮性是另一個缺點。隨著需求的變化，本地基礎設施可能更難以擴展或縮小，因為它需要物理地添加或刪除硬件。
相比之下，基于云的解決方案提供更低的前期成本?；谠频姆胀ǔＪ前从嗛喐顿M的，這比購買和維護本地硬件和軟件更具成本效益?；谠频姆胀ǔ８菀纂S著需求的變化而擴展或縮小，因為提供商可以根據需要添加或刪除資源。
基于云的服務對基礎設施和數據的控制更少。使用基于云的方法，制造商依賴于提供商來維護和保護基礎設施和數據。雖然云提供商通常都有強大的安全措施，但仍然存在數據泄露或其他安全事件的風險。
最終，在內部部署和基于云的方法之間做出決定將取決于制造商的特定需求和優先級。對于制造商來說，仔細評估他們的選項并選擇最能滿足他們在安全性、成本、控制和可擴展性方面需求的方法是至關重要的。
網絡安全是關鍵
雖然大數據和自動化帶來了巨大的好處，但對于制造商來說，在推出新技術時優先考慮網絡安全至關重要。如果沒有適當的網絡安全措施，制造商可能會暴露敏感數據，并遭受代價高昂的攻擊，這可能會破壞他們技術進步的所有好處。
