EMBA研修班：传统企业数字化转型如何进行数据分析？

2020-03-10 20:48 来源：http://www.ceo315.org/ 阅读：次

大数据分析技术一直没有受到市场的重视，因为目前市场上的各种分析工具都可以方便工程师进行复杂的分析，所以在大数据分析中，人们往往忽略了专业领域知识在为分析提供背景和相关信息方面的重要作用，而这可以使工程师、工艺流程和系统专家能够制造多年，在生产和运行过程中收集的大量未充分利用的数据转化为可执行的信息。

数字孪生仿真技术的诞生对优化操作的应用起着重要的作用。与其他数字化改造技术一样，数字孪生仿真技术可以利用企业现有的数据帮助工厂提高运行性能，通过数字技术将工厂现有的稳态设计模型集成到离线实时动态仿真中，为了在真实场景中方便、准确、灵活地进行仿真，传统企业可以在正式生产前利用该技术进行虚拟动态测试。根据实际操作过程的动态还原，做出有利的改进生产的决策，从而检验优化方案对工艺改进的影响，提高装置的运行性能，而不存在任何操作风险。

企业还可以利用数字孪生技术对操作人员进行安全可靠的培训。操作人员可以获得与工厂实际操作配置完全一致的真实体验，但不会因任何操作而真正影响工厂操作，从而避免因工艺停工造成的损失。

虽然大多数工厂已经在收集大量的数据，但是对于如何实现数据的关联、集成和分析还没有达成一致。对于大多数传统企业，甚至那些已经开始数字化转型的企业来说，找到一种从车间系统和传感器获取关键数据的方法，并将其应用于具有合适分析环境的边缘和云分析系统，是至关重要的一步。

传统企业已经开始使用各种工具来克服一些最常见的阻碍数据从现场传输的障碍。从早期设计开始，MES与DCS系统集成，消除了自动化孤岛，因为这个孤岛阻碍了技术转移过程，也限制了生产设备和过程中数据的存取和使用。

集成与关键场景（时间、设备、订单等）相对应的数据流是企业释放生产优化和设备可靠性未开发潜力的新焦点，而模块化、可扩展的解决方案将加速这一过程。此外，设备和过程的可靠性和可用性将是机器学习和人工智能的关键领域。由于这些工具具有高度的预测性和标准化，我们可以尽早发现潜在的生产和可靠性问题，并采取纠正措施防止故障。通过实施的项目，机器学习和人工智能可以减少40-50%的维护费用、停机时间、预测性维护、维修和校准工作量，减少运营库存。

大数据和大数据分析将在提高企业绩效方面发挥越来越重要的作用，从而加快企业实现卓越经营。不同企业之间的差距也会被拉开，行动越早，效益就越早。