随着企业利用更多数据来提高效率和降低成本，数字化转型已成为一种日益流行的战略。这同样适用于工业过程。为了提高效率和降低成本，制造商需要能够从当前的操作和流程中提取更多数据，以确定需要改进的领域。对于工业应用，这意味着积累更多的传感器数据和有关工厂物理特性的信息。深入研究数据驱动决策的额外细节并不总是那么容易。
大多数数字化转型项目必须快速有效地实施，以实现回报最大化。项目往往有较短的截止日期，期望立即获得回报，同时为长期结果奠定基础。更重要的是，数字化转型需要文化变革和流程变革。
数字化转型的价值
数字化转型的主要目标是增加收入。获得正确的操作数据可以为优化流程、降低成本、提高产量和实现其他效益提供新的见解。
除了节省或赚取更多的钱，组织还可以使用运营数据来解决其他问题。例如，公司可能需要改变生产流程以减少对环境的影响。
文化转型对于业务变革的可持续性至关重要。决策需要以数据为指导。从运营商到高级管理层的利益相关者必须参与决策过程。员工必须投入并专注于满足不断改进的需求。数字化转型的一部分是促进学习文化，使用新的数据和分析来缩小能力差距，并将决策转移到组织内的较低层次。每个人都应该使用相同的集成工具集来实现共同的目标。
在这里，我们提供了一个数据转换成功的六步策略，可以在几乎任何工业环境中有效。
第一步：确定项目团队
一旦你有了共同的目标，与涉众分享这些目标将有机地产生一个项目团队。
团队应该是跨职能的，跨越不同的学科，拥有多个主题专家(sme)。一些最熟练和最有能力的涉众可能会抵制变化，而变化可能是非常有价值的。通常，唱反调的人拥有更高水平的专业知识，他们已经尝试过新的流程并发现了问题。一旦有了过程分析的新数据，他们就可以成为强大的盟友。
成功还取决于是否有执行发起人和授权团队成员。中小企业和运营团队需要合作以促进成功。
第二步：连接数据系统
下一步是收集必要的数据源。必须与数据历史学家建立数据链接，以便从整个工厂收集时间序列数据。来自实验室信息管理系统、制造执行系统、企业资源计划、班次日志和其他来源的数据也必须集成。
集成内部数据源通常不是一个挑战。但是，还必须捕获来自外部供应商和供应商的许多数据。流程必须到位，这样供应商要么将试验数据和其他信息输入系统，要么以另一种方式捕获数据，以便为分析提供信息。
第三步：数据优化
链接数据是第一步。数据检索需要优化，包括对高密度数据的快速访问。当数据压缩开启时，您可以提高访问速度，但会丢失数据分辨率。在使用数据压缩实现更快的数据访问或使用更高密度(即未压缩数据)实现更高的数据保真度和较慢的性能之间存在权衡。
使用数据压缩可以更容易地评估更大的历史数据块，从而为长期流程优化提供信息。使用高密度的数据可以提供更多的细节来评估短期问题。挑战在于适应高速访问和更高的数据分辨率。
第四步：自助服务分析
为了实现更快的ROI，您必须利用现有的数据，并授权用户根据这些数据做出特别的决策。使用正确的自助服务分析方法，您可以通过寻找一致的模式来解决即时问题并发现长期问题。
有效地解决问题依赖于有足够的数据来快速地思考问题。通过利用大数据处理和培训中小企业，您可以快速解释数据并使用图形建模和仪表板识别趋势。其结果是更快，更准确的决策和更快的投资回报率。
第五步：创造一个单一的真理来源
下一步是创建一种公共数据语言和提供单一事实来源的操作表示。
对于一家制造工厂来说，拥有数千台显示器并不罕见，每台显示器都代表着运营的各个方面。每个操作都有自己的显示图形和趋势。这些数据点必须整合到端到端操作的内聚视图中。
数据转换的主要目标是创建一个集中的概述或报告卡——一个代表工厂性能标准参考的单一显示索引。
第六步：持续改进
最后，您需要维护一个可持续的改进过程。经理们最感兴趣的是实现短期目标，想知道一个特定的项目是否达到了目标。然而，对于可持续的改进，您需要良好的管理控制。除了监控流程之外，涉众还必须能够深入到数据中，以确定问题的根本原因。
为了促进持续改进，您必须在正确的时间用正确的信息提醒正确的人。还必须有一个通知机制，以便在出现问题时突出显示。智能警报可以配置为在偏差时发送警报。您可以使用这种偏差跟踪来控制因素-例如能源成本或环境问题。
无论工业环境如何，可持续数字化转型的步骤都是相同的。成功取决于培训和授权操作员成为流程工程师，并合作识别和解决问题。有了正确的数据，会议就变成了寻找解决方案的工作会议，而不是回顾必须做的事情的清单。如果您花时间挖掘数据、分析数据并有效地呈现数据，那么数据将为持续的流程改进提供燃料。
