这五个步骤将帮助您建立一个利用数字双Win和AI技术的操作。

马修·威尔斯（Matthew Wells），GE数字

在当今快速变化的工业格局中，公司必须采用数字化转型，并创建数字工厂，以跟上变革的步伐，满足不断增长的运营挑战并保持竞争力。全球大流行使这更加优先，因为公司满足了更需要在保护其员工和业务的运营方面的需求。

您如何启动数字转化过程？由于传统自动化资产，不同的软件应用程序以及不断改变客户需求的不断需求，这对于工业组织特别困难。10bet在线娱乐幸运的是，经过验证的解决方案和流程为创建数字优化工厂提供了基础。

任何形式的转型都需要对未来的清晰愿景。您还需要高管买入，财务支持，可能是新的组织模式以及在员工基础上推动新思维的文化转变。一种整体方法对于通过这一点进行观察并确保数字化转型至关重要，这是一项分阶段的努力，可持续成果。转型无关紧要，除非您有一种愿意并且能够接受它的文化。

通过采用逐步创建数字操作的方法，您不会压倒现有的基础架构或团队。一路上，您可以将更改调整为对组织的工作。它还将使您有机会将管理包括在您的旅途中。

一步步

第一步：开始。有时，这是最难采取的步骤，因为您必须确定过程的哪一部分是/最关键的。在某些情况下，这是一个很小的变化，产生了很大的影响。确保您不在寻找只能满足一个利基需求的解决方案。时间和金钱的投资可以提供快速的回报，但必须为将来的优化提供基础。

组织需要了解如何配置其操作以进行转型，确定需要哪些功能，领导者和团队。另外，您需要采用哪些工具来使您的转型成功？

第二步：连接数据。可以肯定的是：数字转换始于捕获操作数据，将其与其他有意义的数据源相结合，并管理历史记录。它是数据，转变为信息，为有意义的结果提供了基础。

有效利用数据为长期成功的公司。连接和以数字为导向的企业将允许您捕获更多数据并使其可操作。对跨设备的资产性能的实时可见性可以节省成本，提高生产率和减少浪费。

如果您将其视为信息收集的基础层，则通常将从HMI/SCADA解决方案作为第一个数据源开始。这是控制您的操作的地方，因此您的操作员在这里寻找提高效率所需的信息。随着智能和基于IOT的技术在工业组织中变得更加普遍，正是这些基本系统得出的数据将推动公司寻求的变化。

许多公司了解收集数据的潜力和挑战，但是还有一层复杂性和组织使数据有效。IT专业人员照顾组织的信息处理，硬件和软件安装以及监视和数据收集。OT专业人员了解工厂的地板，资产功能和设施结构。汇总数据以确保IT和OT专业人员可以访问该数据并可以对其进行采取行动，从而使这一数字转换有效。

第三步：标准化。通过标准化捕获，分析和报告数据的方式，您可以提供使该数据更加可行的透明度和理解。数据是一个利用相关的实时见解以减少交付时间和增加吞吐量的区别。这是关于使工厂运营的知名度，提高生产率，灵活性，加速推出市场并满足客户需求。

制造执行系统（MES）可以通过从制造过程中现有的数据和智能得出的洞察力来实现这些好处，并通过本地和基于云的分析来增强您的持续改进。通过对运营中的资源，能源和效率管理保持一致，您可以减少库存；确定在您的过程中可能存在的差距，这些差距会阻碍增长和效率；较低的成本，例如能源；并减少浪费。这一切都发生在数据分析和分析。

第四步：利用AI。当今的软件和存储解决方案可以组织数据，基于该数据生产报告，并使信息更易于管理和易于使用。但是现在呢？

工业人工智能（人工智能）包括一系列广泛的技术和应用，包括机器学习。AI和机器学习模型提供了洞察力，可导致业务过程转型和持续改进。对工业资产，系统和流程的设计，操作和维护的了解，再加上对自然和身体状况的理解，提供了可以有效地应用AI技术的准确模型。通过包含不同的反馈数据来源（人类，车队，工厂，模型，模拟），您可以建立模型的能力，减轻风险和增强预测能力。

但是，组织简单地做出数据驱动的决策是不够的。也很难制定强大的分析应用程序的路线图来推动特定的业务成果。工厂管理还必须授权工程师（运营领域专家）能够帮助推动有助于自动化业务的分析。

第五步：向前看。与当今有多少领先的工业组织运作的组成部分，机器学习利用数据来智能地自动化流程和决策，从过去的结果中学习。我们称其为“闭环”方法，其中反馈驱动连续的自学习并自动进行过程调整。通过标准化数据，数据分析和您从系统期望的输出的捕获，工业AI解决方案使信息更易于管理，更可用。

合并机器学习可能是创建数字工厂的游戏改变者。这是数字双胞胎进入图片的过程。流程数字双胞胎创建“最佳方式”模型，以在给定环境中操作过程。在制造业中，可以将其归类为“黄金批次”。通过确定生产产品的最佳方法，植物运营商可以确保他们始终如一地提供质量，成本和数量目标。

流程数字双胞胎可帮助您有效地自动化重复事件，释放操作员在过程中进行更关键的行动，节省成本，及时确定问题，并最终改善整体运营。该技术可以帮助工业公司应对快速改变的消费者需求和监管要求的挑战。公司通过采用这种前瞻性技术来实现的一些结果：

•将产品浪费减少多达75％
•质量投诉降低了38％
•将吞吐量增加5％至20％
•OEE增加了10％。

当然，部署这种先进的技术需要新技能。公司可以轻松地发展其工程师在分析和机器学习方面的能力，以充分实现技术可以提供的积极影响。工程师可以使用具有预先构建的分析的解决方案，并将自己的内部知识基础结合在一起，以利用分析工具集。通常，工程师对如何改进流程有预感，分析可以提供一种在部署过程更改之前模拟和确认的方法。随着时间的流逝，您的工程师可以在多个工厂中部署这种能力，从而支持企业范围的改进。

随着新的面向数据的解决方案被部署在组织中，您可以简化业务运营，您将意识到自己的数字工厂并授权您的公司不断提高业务业绩。EP

马特·威尔斯（Matt Wells）是加利福尼亚州圣拉蒙（San Ramon）GE Digital的副总裁制造/数字工厂软件（go.digital.ge.com）。威尔斯拥有20年的工业自动化和运营管理软件经验。10bet在线娱乐他负责GE Digital的制造和数字工厂业务领先的产品管理，并与各种行业的客户合作，包括生命科学，食品和饮料，汽车，金属以及纸浆和纸张。