归宿 数字化转型 数据管理需要一个“支架”

数据管理需要一个“支架”

作者: Corie Allemand

你的公司的数字情报是否被搁浅了,没有生产力?一个强大的信息/数据 “脚手架 “可以有效地打开整个组织的数据和知识流。

公司正在投资数字化项目以实现主要的长期目标,如表1所示。1数字化转型本质上是打开了数据(各种格式)的流动,并将多个来源连接到远程和现场用户。通过先进的架构和平台,数据和信息传输过程更快。因此,运营和市场数据是商业资产,具有价值。更快地获取信息是最终的目的。许多公司必须回答。最佳的支架(平台)是否已经到位,以支持整个组织的数据流和信息可用性(IA)?

图1.工艺和能源设施的决策周期

不是所有的数据都是平等的

加工和制造行业已经积累了大量的数据,但却难以将其转化为可用的信息。数字化项目旨在提高分析能力和提供预测能力。这种努力涉及使用数字双胞胎、人工智能、机器学习(ML)和预测性维护(PdM)。这些方法需要大量的优质数据资源。

表1.数字化项目的投资目标1

安全问题零事故
可持续发展
零重大事件或发布
可用性/可靠性
零停机时间/运营中断
金融零利润损失

表2.对数据的主要关注

  • 缺少或没有足够的数据
  • 没有或限制使用数据库
  • 损坏的数据
  • 缺少/不完整的数据
  • 数据源之间错误(缺失)的格式和标签
  • 安全问题

数字化项目的投资回报率通常是根据增强的运营可靠性和改善的安全/环境性能来衡量的(表1)。成功是由有效数据的可用性和数量以及整个组织的情报流控制的。不是所有的数据都是平等的。表2总结了许多关于工厂和设备数据的担忧。特别是对于先进的工具(AI和ML),这些问题甚至会使最好的算法脱轨。

2.决策和数据流对自动化和控制应用是封闭的

数据来源在哪里?

测量结果(有时间戳的数据)已经收集了很多年了。图1说明了加工设施的常见决策。如图2所示,生产/操作/设备数据经常在一个封闭的循环中流动,从而形成数据库和信息的孤岛。为了实现表1的目标,所需的数据可能位于许多来源(历史学家)中,而这些来源往往没有联系。

数字项目需要IA,以便进行更高级别的分析(AI、ML、PdM和大数据)。2 数据平台或架构是脚手架。它们支持收集、存储、分析和与确定的用户(本地和远程)共享数据/信息。这种架构在许多方向上提供了更快的信息共享服务–纵向和横向。如图3所示,数据/信息能力从闭环系统转变为支持环系统。现在,数据可以从任何地方获得。3

图3.IA将数据和用户联系起来,并使所有的资源连接起来以实现业务目标。

最低使用水平的数据

物理设备,如传感器、阀门执行器、电机启动器等,将可用于监测和自动化过程设备和机械。4 数字化转型将数据提供者与监督和分析功能联系起来。这种关系随着新的发展不断变化,包括智能边缘 计算。先进的边缘 设备具有与PC相同的分析能力。4 有了预分析能力,关键行动可以在设备层面启动,不需要数据中心采取行动。

用作资本的数据

将数据作为商业资产进行管理,需要对数据和信息的收集和共享方式进行评估。从表2中可以看出,数据管理中的任何漏洞都会削弱人们对在关键决策中使用这些信息的信任,例如产品转换、计划停工、设备更换和处理变化。在开发数字项目时,数据选择和平台是关键的决定。自20世纪90年代以来,能源公司对自动化/控制系统进行了投资。整合和更新现有系统对于分析和优化项目的IA设计至关重要。

数据项目很复杂!与数据有关的其他问题包括:5

  • 数据的充分性–分析项目需要多少数据?
  • 数据信任-仪表和仪器的校准和偏差会影响测量数据的准确性和可靠性。因此,数据生成设备的维护不力会带来误差。
  • 数据传播–在过程或设备变化之间发生多少时间才被记录?在启动事件和故障条件之间会有什么差距?
  • 数据治理-数据的所有权必须得到解决。自动数据能否被覆盖或改变?数据源是否安全,不受外部攻击?

如何存储、共享和使用数据的关系继续发展。经营和制造公司已经从被动的位置转移到主动的位置。数据是知识货币,必须进行投资和使用。IA为组织提供了知识、内容和数据的脚手架。同样重要的是,IA支持整个组织的AI和大数据分析(图3)。3 人工智能的算法可能不需要IA,但应用结果需要。2

引用的文献

1White, Douglas, “炼油和石化工厂运营的数字化转型。回顾过去,展望未来,” AFPM 2020峰会,峰会20-63,2020年8月27日,emerson.com。

2Earley, Seth, “精简数字工作场所的信息流。人工和知识工程的作用,”数字劳动力经验,2020年10月14日,https://www.earley.com/

3Perino, Joe, “边缘 新生态系统中的计算,” 2020年8月,https://resource.stratus.com/whitepaper/边缘-computing-in-the-new-ot-ecosystem/

4Eastburn, Josh, “从边缘 到云构建工业物联网”,《自动化2020》,第4卷,https://www.automation.com/getmedia/8c645082-44f0-47b6-81db-c7b6f60ac1a4/automation2020_aug_cloud_engineering.pdf

5KBC,”数字化宣言”,https://www.kbc.global/uploads/files/whitepapers/KBC%20Digitalization%20Manifesto_US.pdf

相关文章