實施自動化、減少一線員工以及設備的智能化正在讓工業產生越來越多的數據，而隨之不斷出現的基于數據分析的應用也在加快工業的數字化進程，這種“良性循環”使得數據正在成為工業革命的真正“驅動力”。當然，這是理想狀態的“數據驅動”的數字化轉型，事實上當前絕大部分工業企業并不能有效的利用工業數據。一個真正的工業數據分析應用應該至少在采集數據、清理和上下文化數據、計算KPI指標、提供基于角色的可視化和儀表板以及優異的工業互聯網平臺等方面具備卓越的能力。

01卓越工業數據分析特點

a采集數據

首先應用必須具有直接從工廠車間設備收集數據的能力，它應該能夠直接獲取到 PLC、傳感器、DCS 等所有現場硬件和軟件的一手數據，并能夠從中提取有意義的信息。同時針對工業體系中必不可少的人，包括操作工、班組長、主管等，應用也應該為其提供便捷的數據錄入渠道。因為，人作為工業體系中最“智能”的角色，能夠提供給應用一種“設備數據無法達到”的具備上下文意義的數據。

b清理和上下文化數據

提到工業數據、大數據，很多人想到的可能是“海量”、“各種各樣”等等，似乎工業數據分析就是一個“大籮筐”，什么都能裝。事實上并非如此，數據分析應用從設備收集數據時，必須對其進行清理和過濾。因為來自工業設備和系統的數據如果不放到有意義的上下文環境中，就是毫無意義的。比方說一個溫度值可以是一個鍋爐的參考值，也可以是車間溫度值，當不為這些數據提供上下文環境時，他們可以說毫無意義。同時，還有一些數據可能對于數據分析應用來說毫無價值，可能在現場就被過濾掉了。這樣做是為了減少“噪聲”，以及實現更好的資源優化，畢竟“大數據”也是需要計算、存儲、網絡等資源的，并確保數據已準備好用于顯示和計算。

所謂的上下文化數據，也就是采集數據時，應添加與相關工廠、部門、班次，產品、操作工和生產線等相關的上下文。比如質量問題、停機時間等數據在收集設備參數和設置、壓力、速度等相關支持數據，以幫助診斷問題，還應盡可能的添加大概原因，以幫助后續的分析。這一點似乎超出了很多人的想象，因為在他們眼里“大數據”就像魔棒，能夠讓隨便一堆數據“化腐朽為神奇”，然而，事實上大數據也需要“有意義的數據”。

c計算KPI指標

精確的 KPI 指標是任何持續改進項目的關鍵，但是在開始追蹤KPI之前，企業必須制定一套行之有效的指標體系。在這方面企業可以參考一些傳統經典的指標體系，比方說ISO 22400指標體系實用性就比較廣。當然，這些可參考指標體系只是一個基礎，最重要的是企業能夠在這些基礎指標之上，根據自身的業務體系摸索一套適用自身的指標體系，進而通過相關應用實時計算諸如 OEE、吞吐量、周期時間、停機時間等指標。

d基于角色的可視化

就當前來看，可視化也存在一些誤區，很多人都被當前一些酷炫大屏所吸引，但實際上數據分析應用的可視化最重要能力是以有意義的方式可視化數據，簡單來說，就是可視化的數據應該“在正確的時間為正確的人提供正確的數據”。比如，寄云科技為麥格納-格特拉克、金明精機等知名高端制造企業提供的可視化部分，就包含工廠級“大屏”、部門級“中屏”以及現場級“小屏”，分別對應不同的角色，從操作工到班組長、主管和工廠經理等每個人都有對應的“可視化”數據接口。

e優異的工業互聯網平臺

無論是以上幾種核心能力，還是最終的數據分析應用，都應該建基在優異的工業互聯網平臺之上。以寄云NeuSeer工業互聯網平臺為例，它覆蓋了邊緣端，到邊緣物聯網平臺，數據治理平臺，到數字孿生平臺，有全流程的數據生命周期平臺，提供從傳感器到數據收集到分析的完整解決方案，提供對機器、設備和人員數據的可視性，并將其全部置于上下文中，幫助客戶實現平臺和應用的構建，幫助客戶管理數據，發現數據價值。

02工業企業如何使用數據分析

數據分析的應用，理論上來講是沒有界限的，比如，可用性、質量和產量等等都能通過數據分析來實現優化。我們僅從可用性這個場景來展現真正有效的數據分析的思路和應用。總體來講，不同的數據分析應用需要充分的考慮相關工藝、流程等特點，對問題進行分步拆解，結合多方面的數據，實現超過傳統OEE等分析能力的應用。

其中，可用性衡量與計劃時間表相比設備運行的時間。尤其高端制造企業必須對其進行測量以減少停機時間。比如寄云科技服務的汽車零部件制造商麥格納-格特拉克、高端裝備制造商寶雞石油機械等，為了確定設備或單元的可用性，寄云科技通過基于數據分析的智能制造、預測性維護等應用，采集告警信息、PLC信號等信息，并支持操作工等人員手工錄入擴充信息，最終匯總計算停機時間。

減少停機時間意味著需要匯總所有的停機時間，在這方面，以寄云科技服務的格特拉克為例，以往產線對設備的運行狀況了解并不全面，到底幾臺機床在運轉，哪些是有故障的，哪些是處于等待，哪些是停機狀態，等等，借助物聯網以及MDAS系統應用，不但能夠實現全產線的設備狀態可視化實時展現，還能實現結合上下文的分析和報告，比如，停機時間原因是輪班還是暫時停止，每種原因占比多少，如何減少相應的停機，有哪些多發的停機原因，停機現象呈現的趨勢等等，都能通過相應的分析可視化圖像展示。

03數據分析洞察優化生產力

生產績效指標分析和優化。比如，寄云科技與全球知名汽車零部件制造商麥格納·格特拉克工廠協作推進智能制造項目落地，通過寄云NeuSeer工業互聯網平臺采集數據，構建工藝流程監控、關鍵指標監控，覆蓋設備端、工廠層、產線層到集團層等不同層面的指標，打通MES、ERP等OT/IT系統和應用，最后的效果是每一條產線減一人，OEE指標從83%提升到92%，然后MTBF優化了6%，效果非常明顯。

質量溯源和預測分析。彩虹集團某產線生產手機蓋板玻璃，產品加工工藝復雜，會經過很多道工序，其中很重要的一個質量挑戰是翹曲，就是玻璃在一定面積內不平整，而翹曲又關系到很多道工序，以往很難精確追溯翹曲的源頭，靠人工的方式大概需要四到五周，這種時間窗口對產能和質量的影響是嚴重的。寄云科技為其提供生產質量溯源和預測分析，基于寄云NeuSeer工業互聯網平臺對全流程工藝數據進行分析，形成虛擬量測模型，開發相關數據智能應用，最終把時間從四到五周縮到三到四天，并可以在某參數發生變化時預測幾小時之后該變化會不會影響產品質量，從而助其實現總體良率提高百分之三到五。

預測性維護。某石油機械智能裝備項目采用寄云預測性維護方案，整合鉆機設備的設計、運行、環境、運維檔案等數據資源，深入分析并挖掘基于機理的機組失效模型，掌握故障和性能退化趨勢，形成具有遠程監控、智能報警、預測性維護、健康報告為一體的智能預測性維護應用，實現有效減少維修成本，關鍵故障提前預警，有效減少事故，減少由于故障造成的損失。

04平臺+數據智能應用雙輪驅動

工業數據分析從技術角度來看歸根結底其實是“平臺+數據智能應用”，正如寄云科技提出的“平臺+數據智能應用雙輪驅動”戰略：“以NeuSeer工業互聯網平臺為主線，數據智能應用為基礎的雙輪驅動模式”。從橫向集成的角度，制造企業需要通過平臺去連接人、機、物等各類工業要素，獲取各種設備實時數據和生產過程數據，再深入結合行業的機理模型，輔以機器學習和人工智能分析，構建生產指標的優化能力，實現反饋控制和實時決策能力，進而優化生產制造過程。
編輯：lyn