隨著制造業的不斷發展，企業正在探索使用技術來提高效率、生產力和盈利能力的新方法。一種方法是通過使用物聯網(IoT)技術。通過從各種傳感器和設備收集數據，物聯網使制造商能夠實時了解其運營并做出數據驅動的決策。

然而，物聯網產生的大量數據，對于推動智能工廠計劃的中小企業領導者和IT經理來說可能是壓倒性的。如果沒有適當的工具和策略來分析和可視化這些數據，就很難找到真正需要的洞察力類型，以便對業務未來做出更好的決策。

在本文中，我們將探索使用物聯網數據使工廠成為智能工廠的步驟和最佳實踐。從了解物聯網設備生成的數據類型到分析和可視化這些數據，我們將提供實用技巧，幫助中小企業領導者和IT經理創建更智能、更高效的工廠。

使用物聯網數據的當前挑戰是什么？

研究表明，雖然物聯網數據為制造商帶來了巨大機遇，但也帶來了一系列挑戰。最大的挑戰之一是智能工廠中部署的大量傳感器，和設備生成的數據的速度和數量。每天都會添加數百萬個物聯網端點設備，從而產生網絡效應，使數據和分析的價值和數量呈指數級增長。

數據分析方面的技能差距是中小企業領導者和IT經理面臨的另一個重大挑戰。他們需要技術技能和工具來處理和分析這些數據，以便提取真正有價值的見解。沒有他們，就不可能從每天生成的海量物聯網數據中獲得他們需要的東西。

另一個挑戰是缺乏支持物聯網的數據湖。如果沒有可以收集、關聯和可視化物聯網和制造數據的數據湖，所有用于改進流程和自動化的現代化項目都將付之東流。不正確地管理物聯網數據與其他制造數據，將導致不完整和不準確的洞察力，從而導致運營費用增加、安全漏洞和數據質量差。

使用物聯網數據創建智能工廠的步驟

隨著物聯網對制造工廠投資的增加，現在正在收集大量數據流。所有物聯網數據都是遙測數據，這意味著它是由傳感器和其他端點產生的，并且數據的上下文化程度較低，因此很難僅從原始數據中獲得洞察力。數據也很可能是原始的、未過濾的和重復的。

首次收集物聯網數據時，它被稱為“熱”數據。然而，隨著時間的推移，主要通過將制造數據與原始物聯網數據混合，增加了情境化水平，這有助于將原始物聯網信息轉換為冷數據或熱數據。通過添加上下文，物聯網數據可以用來發現有助于企業做出更好決策的見解，并可以使用數據可視化軟件進行可視化。以下是更詳細的步驟：

1、獲取：實現數據采集引擎

第一步是從各種數據流中收集數據，包括時間序列事件、消息、事務，以及來自各種物聯網傳感器的經常重復的數據。流經物聯網架構的原始端點數據通常具有較高的容量、速度和多樣性。在聚合點，物聯網數據被標記為“熱門”。

要實施此步驟，將需要一個數據收集引擎。數據收集引擎負責從各種來源獲取數據，并將其集成到中央數據存儲庫中。數據收集引擎可以是一種軟件或硬件解決方案，可從工廠的各種物聯網設備和傳感器收集數據。此數據處于原始形式，需要進行處理以獲得有用的見解。

數據收集軟件應該能夠處理大量數據，并具有可擴展性，以適應隨著智能工廠的發展而產生的越來越多的數據。它還應該能夠與工廠使用的不同類型的物聯網設備和傳感器集成，以確保生成的所有數據都可以被捕獲和處理。數據收集引擎應該具備的另一個功能是能夠處理實時數據處理，并在出現異常情況時提供警報。

收集數據后，需要將其存儲在中央存儲庫中。這個存儲庫是存儲數據以供進一步處理和分析的地方，我們將在下一步中查看。

2、情境化：建立數據湖

獲取原始端點數據后，下一步就是對其進行上下文化。這就是常見的數據湖功能發揮作用的地方，例如聚合、標記、警報、控制、分類、聚類、檢測、規則挖掘和過濾。

情境化是一個關鍵步驟，涉及將制造數據與物聯網數據相結合。這允許根據分析所需的復雜程度將數據標記為暖數據或冷數據。當數據通過這個情境化漏斗時，會添加更高級別的情境化，從而更容易分析數據并從中提取價值。

元數據管理軟件在這一步中起著至關重要的作用。該軟件將創建標記、標簽和分類，以便更輕松地查找、使用和管理數據。通過創建元數據，需要數據的人可以更輕松地搜索和訪問數據。該軟件還確保跨數據湖的元數據的準確性和一致性。通過適當的元數據管理，可以在整個生命周期內輕松跟蹤和管理數據。

云存儲軟件是數據湖的另一個重要組成部分。它將為您提供一個安全、集中的存儲庫，用于存儲和處理可以隨時隨地訪問的數據。云存儲軟件還可以快速高效地處理大量數據，這對于智能工廠至關重要，因為實時數據處理可以幫助企業領導者更快地優化制造流程。

3、可視化：生成業務洞察力

在此步驟中，情境化的數據被轉化為描述性/診斷性、預測性或規定性的見解，供商業領袖使用。向非技術領導者提供這些見解的最佳方式是為他們提供一種可視化見解的方式，以便他們能夠快速理解復雜的數據。

對于這一步，我們需要數據可視化軟件。數據可視化軟件提供收集和情境化的物聯網和制造數據的圖形表示，使您更容易找到模式和趨勢，關注重要的KPI，并跟蹤業務目標的進展。該軟件使企業能夠快速有效地分析大量數據，并使決策者能夠確定可操作的見解，從而提高運營效率并發現新的收入機會。

借助數據可視化軟件，您可以創建交互式儀表板、圖表和圖形，您可以對其進行自定義并與其他團隊成員共享。這些可視化將有助于以易于理解的格式傳達復雜的數據，使領導者更容易發現趨勢和做出決策。

定義熱、暖和冷數據

一般來說，制造數據可根據其相關性和決策用途分為熱、暖或冷。

熱數據：熱數據是最原始的數據形式，物聯網分析軟件將其用于基于狀態的維護(CBM)應用。它具有低水平的情境化，通常用于實時監控制造過程。熱數據的一個例子是監控生產鉆頭的溫度以避免過熱，職能領導可以在其中調查鉆頭的故障或異物。

暖數據：暖數據是從數據庫、制造執行系統(MES)或統計過程控制(SPC)系統獲得的歷史數據。它通常用于預測性維護應用，并具有半情境化的數據級別。例如，供應鏈領導者可能會使用暖數據來確定工廠隨時間推移的產量，從而為終端客戶設定切合實際的交付預期。

冷數據：冷數據是與存檔、商業智能和運營數據混合的批處理數據。它具有高度的復雜性，通常用于由C級領導制定全企業范圍的決策。冷數據與需要了解制造商工廠，在不同區域的整體健康狀況的決策者相關。冷數據需要高級情境化。它的見解可以通過將批處理物聯網數據與分散的操作系統數據，例如財務、質量或資源規劃數據混合來獲得。

實施建議

在智能工廠中利用物聯網數據，對于企業在瞬息萬變的制造業中保持競爭力至關重要。以下是SMB領導者和IT經理在其智能工廠中，實施支持物聯網的數據湖時應遵循的一些建議：

● 制定數字化轉型調整計劃，以確定開始集成數據的制造資產。

● 在構建物聯網數據湖之前，開發一個數據模式框架。

● 將熱數據歸類到適當的類別中，并根據數據模式要求將情境化物聯網數據，標記為熱數據或冷數據。

● 確定每個關鍵決策者所需的常見用例，并映射每個用例所需的物聯網數據類型。

● 與每個部門領導合作，建立每個決策者需要的基于規則的指標報告庫。

● 列出每個關鍵決策者需要的KPI類型和數據洞察力。

● 審核每個部門決策者使用的關鍵指標、報告和演示的類型，然后制定行動計劃，以終止任何沖突的遺留數據演示和/或KPI。