什么是工業(yè)大數(shù)據(jù)應(yīng)用的核心

佚名

工業(yè)大數(shù)據(jù)應(yīng)用的核心是什么？筆者認(rèn)為是將大數(shù)據(jù)分析轉(zhuǎn)變?yōu)榭刹僮餍畔ⅰ?/p>

專注于創(chuàng)業(yè)公司的分析公司CB Insights認(rèn)為，當(dāng)前人工智能處于一種非理性的“繁榮”。人工智能技術(shù)的實(shí)際應(yīng)用與營銷炒作之間存在負(fù)相關(guān)性，這會(huì)對(duì)用戶造成混淆。例如，某供應(yīng)商分享了一個(gè)案例研究，聲稱他們使用了以人工智能為中心的數(shù)據(jù)分析解決方案來解決生產(chǎn)問題。在演示文稿中，供應(yīng)商展示了他們發(fā)現(xiàn)的生產(chǎn)過程和產(chǎn)品結(jié)果之間的相關(guān)性公式。該回歸公式是一個(gè)很好的工具，但說它就等同于人工智能顯然是一種誤導(dǎo)。公式使用的甚至不是回歸變量；它是機(jī)器學(xué)習(xí)算法的一個(gè)最基本形式，也是在Microsoft Excel 2007數(shù)據(jù)分析工具包中就引入的一個(gè)功能。

一個(gè)有著10多年歷史的功能，被重新包裝和炒作為人工智能，表明在對(duì)認(rèn)知計(jì)算的理解方面出現(xiàn)了混淆。這其中一部分原因是人們?nèi)狈?duì)什么是人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和其它形式 “認(rèn)知計(jì)算"”的理解，以及對(duì)監(jiān)督和無監(jiān)督變量的論據(jù)。現(xiàn)實(shí)是很多企業(yè)收集到的大量數(shù)據(jù)甚至沒有被分析或利用，從而無法提供有價(jià)值的信息，不能被工程師和分析人員用其來生成可執(zhí)行的信息。

過程數(shù)據(jù)分析

雖然許多先進(jìn)技術(shù) （包括人工智能）可用于數(shù)據(jù)分析應(yīng)用程序，但大數(shù)據(jù)分析的重點(diǎn)不應(yīng)放在技術(shù)上。相反，重點(diǎn)應(yīng)該放在用戶體驗(yàn)上，以及如何將信息加速應(yīng)用到過程優(yōu)化中。重點(diǎn)應(yīng)該放在精通這一領(lǐng)域的專家（SME）——過程工程師、數(shù)據(jù)分析專家等，以及他們?cè)跀?shù)據(jù)中尋找信息的能力上。不管數(shù)據(jù)分析應(yīng)用程序中使用的是什么技術(shù)，目標(biāo)始終是讓沒有太多數(shù)據(jù)科學(xué)專業(yè)知識(shí)的用戶能夠訪問和實(shí)施該解決方案。

設(shè)計(jì)良好的數(shù)據(jù)分析應(yīng)用程序，應(yīng)該使行業(yè)專家能夠獲取相應(yīng)的信息。數(shù)據(jù)分析應(yīng)用程序應(yīng)該使用可用的技術(shù)幫助最終用戶獲得成功。如果采用的是機(jī)器學(xué)習(xí)或人工智能，那很好，但數(shù)據(jù)分析應(yīng)用程序不應(yīng)僅限于這些功能，或其他為了市場(chǎng)炒作而限制其他功能。有許多算法和創(chuàng)新技術(shù)，都可以為想要挖掘數(shù)據(jù)洞察力的用戶提供幫助。算法功能可以包括為了進(jìn)行數(shù)據(jù)清理的數(shù)字信號(hào)處理、過程信號(hào)中的形狀檢測(cè)以及分布式計(jì)算的Map-reduce模型。無論是調(diào)用機(jī)器學(xué)習(xí)、人工智能、還是其它算法，都不是重點(diǎn)。重點(diǎn)是幫助最終用戶更快地獲得成功。

數(shù)據(jù)連接

認(rèn)知計(jì)算算法是過程制造和工業(yè)物聯(lián)網(wǎng)（IIoT）解決方案中，進(jìn)行數(shù)據(jù)分析的重要組成部分，但只是其中的一部分。其它方面還包括數(shù)據(jù)整理（這是必要的數(shù)據(jù)連接），清理以及為了使用而進(jìn)行的數(shù)據(jù)語境化。數(shù)據(jù)分析應(yīng)用程序的重點(diǎn)，必須包括這些準(zhǔn)備步驟，以便加快從數(shù)據(jù)連接到信息發(fā)布的速度。此外，數(shù)據(jù)分析應(yīng)用程序應(yīng)使用戶能夠?qū)⒎治鰯U(kuò)展到所需的任何級(jí)別。用戶將繼續(xù)擴(kuò)展使用數(shù)據(jù)分析應(yīng)用程序以及對(duì)特定算法的需求。因此，數(shù)據(jù)分析應(yīng)用程序應(yīng)包括通過REST API、OData等特性對(duì)其他算法的可擴(kuò)展性，并將算法集成到用戶體驗(yàn)中。

側(cè)重問題解決

當(dāng)數(shù)據(jù)分析應(yīng)用程序允許用戶關(guān)注問題而不是技術(shù)時(shí)，用戶可以將精力更集中于如何快速獲得所需的結(jié)果。下文將從制藥、電力、冶煉、石化和造紙行業(yè)出現(xiàn)的實(shí)際問題中，解析大數(shù)據(jù)分析的應(yīng)用。

制藥實(shí)驗(yàn)室分析

問題： 當(dāng)從實(shí)驗(yàn)室轉(zhuǎn)向全面生產(chǎn)時(shí)，在實(shí)驗(yàn)室中實(shí)現(xiàn)的反應(yīng)，不能在規(guī)模生產(chǎn)時(shí)重復(fù)。使用手動(dòng)方法和現(xiàn)有的數(shù)據(jù)管理工具 （如電子表格），很難找到原因。

解決方案： 通過大數(shù)據(jù)分析，將匯集與實(shí)驗(yàn)室和全面生產(chǎn)相關(guān)的不同來源的數(shù)據(jù)進(jìn)行分析。這使得制藥企業(yè)能夠快速比較這兩個(gè)過程，并確定關(guān)鍵的區(qū)別，調(diào)整規(guī)模生產(chǎn)的參數(shù)以提高產(chǎn)量。

發(fā)電廠污染控制

問題： 工廠運(yùn)行人員無法從工廠的自動(dòng)化系統(tǒng)中快速獲取足夠的信息，實(shí)時(shí)控制污染減排設(shè)備。這經(jīng)常會(huì)導(dǎo)致添加過量的化學(xué)藥品，從而產(chǎn)生額外的成本。

解決方案： 數(shù)據(jù)分析應(yīng)用程序處理信息的能力，可以快速地控制污染減排系統(tǒng)，就像控制其他任何過程變量一樣，對(duì)化學(xué)物品如氮氧化物、硫磺氧化物的使用進(jìn)行優(yōu)化，減少汞的排放，在延長設(shè)備壽命的同時(shí)，降低化學(xué)藥品的成本。

冶煉運(yùn)營控制

問題： 像冶煉一樣受到嚴(yán)格管制并且高能耗的生產(chǎn)工藝，很難用傳統(tǒng)的電子表格來描述。因此，要平衡多個(gè)因素，并在成本、環(huán)境因素和能效之間做出最佳權(quán)衡幾乎是不可能的。

解決方案： 數(shù)據(jù)分析被用于分析多個(gè)變量之間的關(guān)系，這使得在任何給定時(shí)間，基于關(guān)鍵變量來控制過程都變得更容易。通過嘗試各種可能方案，簡化了為不斷變化的成本或新法規(guī)而進(jìn)行的配比調(diào)整。

煉油反應(yīng)床監(jiān)控

問題：由于煉油廠的工況復(fù)雜，因此難以預(yù)測(cè)反應(yīng)床的結(jié)垢。來自各傳感器的數(shù)據(jù)往往帶有噪音，很難確定實(shí)際趨勢(shì)并采取相應(yīng)的糾正措施。

解決方案： 數(shù)據(jù)分析解決方案利用其數(shù)據(jù)清洗和膠囊技術(shù)，消除噪聲，并確定導(dǎo)致加速結(jié)垢的關(guān)鍵運(yùn)行工況。在穩(wěn)態(tài)條件下創(chuàng)建基準(zhǔn)，可以很容易地確定何時(shí)出現(xiàn)問題，并執(zhí)行預(yù)測(cè)性維護(hù)。

紙漿和紙張質(zhì)量評(píng)價(jià)

問題： 制漿機(jī)的制漿工藝可根據(jù)可用性混合各種木材品種。要想驗(yàn)證原料的變化會(huì)不會(huì)對(duì)最終產(chǎn)品產(chǎn)生負(fù)面影響是很困難的。

解決方案： 數(shù)據(jù)分析應(yīng)用以歷史紙漿數(shù)據(jù)為基礎(chǔ)，確定紙漿的最終產(chǎn)品質(zhì)量。然后，在紙漿輸送到造紙機(jī)之前，生產(chǎn)者開始測(cè)試紙漿，并利用這些信息，準(zhǔn)確預(yù)測(cè)最終產(chǎn)品的關(guān)鍵特性。

使用正確的數(shù)據(jù)分析應(yīng)用程序，將有助于制造企業(yè)實(shí)現(xiàn)效率提升的目標(biāo)。當(dāng)前的炒作和承諾，將隨著時(shí)間的推移而變得成熟，數(shù)據(jù)分析將成為工業(yè)環(huán)境中所期望的和穩(wěn)定的必要組成部分。但是，具有行業(yè)專家和專業(yè)知識(shí)的最終用戶將領(lǐng)先一程。集成人工智能、機(jī)器學(xué)習(xí)和其他技術(shù)，將使數(shù)據(jù)分析應(yīng)用程序能夠從大數(shù)據(jù)中更快地生成可執(zhí)行的信息。

有效數(shù)據(jù)分析的4個(gè)要求

要實(shí)現(xiàn)IIoT的好處，需要重新審視軟件分析產(chǎn)品。目標(biāo)是找到一個(gè)產(chǎn)品，可以提供完整和靈活的方法，從生產(chǎn)數(shù)據(jù)中提取有價(jià)值的信息。能為IIoT的實(shí)施提供有價(jià)值的數(shù)據(jù)分析需要注意以下4個(gè)方面：

第一，生產(chǎn)率提升。這需要一種應(yīng)用方法，以便工程師和分析人員可以很容易地使用該軟件，作為他們調(diào)查和發(fā)現(xiàn)工作的一部分，以快速改善生產(chǎn)。分析工具必須適合具有專業(yè)知識(shí)以及對(duì)工廠了解的人員使用，而不是那些軟件領(lǐng)域方面的專家但不了解該工藝過程的人員。第二，時(shí)間序列數(shù)據(jù)。任何IIoT實(shí)施的核心，都是來自傳感器的模擬數(shù)據(jù)。這些數(shù)據(jù)通常難以操作、清理和情景化。典型的手動(dòng)解決方案需要在Excel表中或編程腳本中花費(fèi)數(shù)小時(shí)來自定義。IIoT的數(shù)據(jù)分析工具，應(yīng)促進(jìn)和加速對(duì)時(shí)間序列數(shù)據(jù)的調(diào)查，以便工程師能夠?qū)Ｗ⒂诎l(fā)現(xiàn)和洞察而不是數(shù)據(jù)的處理或操作。第三，數(shù)據(jù)種類和語境。這允許傳感器數(shù)據(jù)由與其關(guān)聯(lián)的批處理或資產(chǎn)來組織管理，也可以很容易地被分解為連續(xù)過程中的機(jī)器狀態(tài)和條件。這一點(diǎn)很重要，因?yàn)樽畹湫偷墓r是新舊數(shù)據(jù)混合在一起，或者混合了來自不同來源的控制數(shù)據(jù)。第四，協(xié)作支助。這使得團(tuán)隊(duì)成員之間以及一個(gè)或多個(gè)設(shè)施之間的共享發(fā)現(xiàn)和討論成為可能。 這需要能從任何平臺(tái)上運(yùn)行的任何瀏覽器訪問數(shù)據(jù)分析軟件。 因此，為了從采集的數(shù)據(jù)中獲得最大收益，過程制造企業(yè)應(yīng)該尋找了解數(shù)據(jù)背景以及企業(yè)面臨的業(yè)務(wù)和過程挑戰(zhàn)的系統(tǒng)供應(yīng)商。這些供應(yīng)商可以在集成協(xié)議、部署和體系結(jié)構(gòu)方面進(jìn)行大量的提升，使過程工廠能夠集中精力，從各種IIoT方案中獲得最大的價(jià)值。