随着制造业的不断发展，企业正在探索使用技术来提高效率、生产力和盈利能力的新方法。一种方法是通过使用物联网(IoT)技术。通过从各种传感器和设备收集数据，物联网使制造商能够实时了解其运营并做出数据驱动的决策。
然而，物联网产生的大量数据，对于推动智能工厂计划的中小企业领导者和IT经理来说可能是压倒性的。如果没有适当的工具和策略来分析和可视化这些数据，就很难找到真正需要的洞察力类型，以便对业务未来做出更好的决策。
在本文中，我们将探索使用物联网数据使工厂成为智能工厂的步骤和最佳实践。从了解物联网设备生成的数据类型到分析和可视化这些数据，我们将提供实用技巧，帮助中小企业领导者和IT经理创建更智能、更高效的工厂。
使用物联网数据的当前挑战是什么？
研究表明，虽然物联网数据为制造商带来了巨大机遇，但也带来了一系列挑战。最大的挑战之一是智能工厂中部署的大量传感器，和设备生成的数据的速度和数量。每天都会添加数百万个物联网端点设备，从而产生网络效应，使数据和分析的价值和数量呈指数级增长。
数据分析方面的技能差距是中小企业领导者和IT经理面临的另一个重大挑战。他们需要技术技能和工具来处理和分析这些数据，以便提取真正有价值的见解。没有他们，就不可能从每天生成的海量物联网数据中获得他们需要的东西。
另一个挑战是缺乏支持物联网的数据湖。如果没有可以收集、关联和可视化物联网和制造数据的数据湖，所有用于改进流程和自动化的现代化项目都将付之东流。不正确地管理物联网数据与其他制造数据，将导致不完整和不准确的洞察力，从而导致运营费用增加、安全漏洞和数据质量差。
使用物联网数据创建智能工厂的步骤
随着物联网对制造工厂投资的增加，现在正在收集大量数据流。所有物联网数据都是遥测数据，这意味着它是由传感器和其他端点产生的，并且数据的上下文化程度较低，因此很难仅从原始数据中获得洞察力。数据也很可能是原始的、未过滤的和重复的。
首次收集物联网数据时，它被称为“热”数据。然而，随着时间的推移，主要通过将制造数据与原始物联网数据混合，增加了情境化水平，这有助于将原始物联网信息转换为冷数据或热数据。通过添加上下文，物联网数据可以用来发现有助于企业做出更好决策的见解，并可以使用数据可视化软件进行可视化。以下是更详细的步骤：
1、获取：实现数据采集引擎
第一步是从各种数据流中收集数据，包括时间序列事件、消息、事务，以及来自各种物联网传感器的经常重复的数据。流经物联网架构的原始端点数据通常具有较高的容量、速度和多样性。在聚合点，物联网数据被标记为“热门”。
要实施此步骤，将需要一个数据收集引擎。数据收集引擎负责从各种来源获取数据，并将其集成到中央数据存储库中。数据收集引擎可以是一种软件或硬件解决方案，可从工厂的各种物联网设备和传感器收集数据。此数据处于原始形式，需要进行处理以获得有用的见解。
数据收集软件应该能够处理大量数据，并具有可扩展性，以适应随着智能工厂的发展而产生的越来越多的数据。它还应该能够与工厂使用的不同类型的物联网设备和传感器集成，以确保生成的所有数据都可以被捕获和处理。数据收集引擎应该具备的另一个功能是能够处理实时数据处理，并在出现异常情况时提供警报。
收集数据后，需要将其存储在中央存储库中。这个存储库是存储数据以供进一步处理和分析的地方，我们将在下一步中查看。
2、情境化：建立数据湖
获取原始端点数据后，下一步就是对其进行上下文化。这就是常见的数据湖功能发挥作用的地方，例如聚合、标记、警报、控制、分类、聚类、检测、规则挖掘和过滤。
情境化是一个关键步骤，涉及将制造数据与物联网数据相结合。这允许根据分析所需的复杂程度将数据标记为暖数据或冷数据。当数据通过这个情境化漏斗时，会添加更高级别的情境化，从而更容易分析数据并从中提取价值。
元数据管理软件在这一步中起着至关重要的作用。该软件将创建标记、标签和分类，以便更轻松地查找、使用和管理数据。通过创建元数据，需要数据的人可以更轻松地搜索和访问数据。该软件还确保跨数据湖的元数据的准确性和一致性。通过适当的元数据管理，可以在整个生命周期内轻松跟踪和管理数据。
云存储软件是数据湖的另一个重要组成部分。它将为您提供一个安全、集中的存储库，用于存储和处理可以随时随地访问的数据。云存储软件还可以快速高效地处理大量数据，这对于智能工厂至关重要，因为实时数据处理可以帮助企业领导者更快地优化制造流程。
3、可视化：生成业务洞察力
在此步骤中，情境化的数据被转化为描述性/诊断性、预测性或规定性的见解，供商业领袖使用。向非技术领导者提供这些见解的最佳方式是为他们提供一种可视化见解的方式，以便他们能够快速理解复杂的数据。
对于这一步，我们需要数据可视化软件。数据可视化软件提供收集和情境化的物联网和制造数据的图形表示，使您更容易找到模式和趋势，关注重要的KPI，并跟踪业务目标的进展。该软件使企业能够快速有效地分析大量数据，并使决策者能够确定可操作的见解，从而提高运营效率并发现新的收入机会。
借助数据可视化软件，您可以创建交互式仪表板、图表和图形，您可以对其进行自定义并与其他团队成员共享。这些可视化将有助于以易于理解的格式传达复杂的数据，使领导者更容易发现趋势和做出决策。
定义热、暖和冷数据
一般来说，制造数据可根据其相关性和决策用途分为热、暖或冷。
热数据：热数据是最原始的数据形式，物联网分析软件将其用于基于状态的维护(CBM)应用。它具有低水平的情境化，通常用于实时监控制造过程。热数据的一个例子是监控生产钻头的温度以避免过热，职能领导可以在其中调查钻头的故障或异物。
暖数据：暖数据是从数据库、制造执行系统(MES)或统计过程控制(SPC)系统获得的历史数据。它通常用于预测性维护应用，并具有半情境化的数据级别。例如，供应链领导者可能会使用暖数据来确定工厂随时间推移的产量，从而为终端客户设定切合实际的交付预期。
冷数据：冷数据是与存档、商业智能和运营数据混合的批处理数据。它具有高度的复杂性，通常用于由C级领导制定全企业范围的决策。冷数据与需要了解制造商工厂，在不同区域的整体健康状况的决策者相关。冷数据需要高级情境化。它的见解可以通过将批处理物联网数据与分散的操作系统数据，例如财务、质量或资源规划数据混合来获得。
实施建议
在智能工厂中利用物联网数据，对于企业在瞬息万变的制造业中保持竞争力至关重要。以下是SMB领导者和IT经理在其智能工厂中，实施支持物联网的数据湖时应遵循的一些建议：
● 制定数字化转型调整计划，以确定开始集成数据的制造资产。
● 在构建物联网数据湖之前，开发一个数据模式框架。
● 将热数据归类到适当的类别中，并根据数据模式要求将情境化物联网数据，标记为热数据或冷数据。
● 确定每个关键决策者所需的常见用例，并映射每个用例所需的物联网数据类型。
● 与每个部门领导合作，建立每个决策者需要的基于规则的指标报告库。
● 列出每个关键决策者需要的KPI类型和数据洞察力。
● 审核每个部门决策者使用的关键指标、报告和演示的类型，然后制定行动计划，以终止任何冲突的遗留数据演示和/或KPI。
