为了从AI / ML技术中受益，分解隔离未使用但有价值的数据的筒仓。

由Rajesh Ramachandran，ABB流程自动化10bet在线娱乐

如今，平均工业厂使用弧度咨询小组的行业专家（ArcWeb.com）的行业专家表示，平均工业厂使用不到27％的数据。通常，剩余的73％的数据由植物过程控制系统产生的高频率为高频运营控制（OT）数据 - 被放入历史学家和很少使用。

此外，还有大量的其他有价值的功能数据居住在公司的一般业务或IT系统中，并且在工程系统（ET）中仍然​​更多，涵盖各种资产的特定设计信息。除了很少使用之外，所有这些数据通常都在分散在单独的孤岛和网络中，这些孤岛和网络很少或没有交叉引用。

这就是黄金机会所在的地方，我们现在可以用新的软件平台解锁，这简化了更好的收敛性和分析OT / IT / ET数据。这些益处可以令人印象深刻，如从现有资产的更高生产率，由于预测 - 维护实践，更安全的操作，减少的能量和其他原料投入以及较低的环境影响，更少的停机时间。

通过更好地融合OT / IT / ET数据，我们的意思是将先前的单独元素一起集成，现在已经精简和集成，以便无缝地进行。为实现这一目标，我们在数据湖中累积所有OT，IT和ET数据。接下来，我们在工业特定数据模型中阐述和存储相关数据，例如造纸或塑料挤出。然后我们应用高级分析和工业AI算法以识别之前未见的相关性。

工业人工智能（AI）可以在识别这些模式和制造过程预测方面发挥重要作用。术语AI（人工智能）和ML（机器学习）通常可互换使用，这可能有时会混淆。AI是通过在其中嵌入“人工智能”来制作机器和物理系统的总体科学。ML是AI的一个子集，它涉及通过“自学”在随着时间的推移来获得知识，通过“自学”变得更聪明，更可预测，没有人为干预。

例如，考虑一个电机，这是一个必不可少的和无人的制造资产。在我们拥有的数据方面：

•OT数据：电机速度，振动水平和轴承温度是典型的参数，由OT系统实时监控，告诉我们电机是如何执行的。这通常来自诸如PLC或DC的自动化系统组件。10bet在线娱乐

•IT数据：If we want to see things such as the motor’s maintenance history, when it was last serviced, how much has been spent on repairs, or if the right bearings are in stock, we must find it in various IT systems, usually somewhere in the ERP solution.

•ET数据：有关电机是否在其设计速度范围内的因素的信息，它可以采取多少振动，其轴承的安全工作温度或应该是有用的轴承寿命，都驻留在ET（或工程设计）系统内。

要获取电机的整体概述，我们将信息集成了所有这些系统，并将相关作品存储在上下文化数据模型中。这使我们可以可视化和激活最佳的整体过程结果。

电机只是一个例子。在大型制造工厂中，可以有数百种这些资产在不同的操作条件下进行多种功能，并且在不同的设计参数下运行;所有包含存储在各种系统中的数据。因此，广泛的OT / IT / ET / ET / ET / ET / ET / ET / ETLACIACIALION是为了获得植物的完整视图，并开展有价值的分析任务，可提高运营，资产完整性和绩效管理，安全，可持续性和供应链功能。出现的是准确预测未来行为的模式，允许改进的过程性能。

我们一直在使用AI / ML，为运营，流程和资产提供更高程度的预测准确性和优化。将AI与深层工业领域的专业知识合并，Empowers运营商将其工业过程更加有效地运行，更有效，更可持续地运行。

有几个障碍察觉和否则 - 阻碍先进分析的实施。犹豫的最常见原因是感知复杂性。人们错误地认为它比它更难以实现。我们得到的另一个解释是不正确的信念，即使用大数据，您必须进行大规模的资本支出，因为它是一个“全部或全无”的事业。但这不是。您可以从小步骤开始。其他原因可能缺乏OT，IT和ET人之间的合作，并且普遍缓慢在许多工业领域采用新的数字工具。

事实上，无论您是流程控制，业务和工程系统中已有的数据和信号，您都很容易加入此数字采矿之旅。

作为ABB过程自动化的CDO，Rajesh Rama10bet在线娱乐chandran侧重于实施新的策略，以获得制造公司的广大数据筒仓的更大价值。Based on his extensive experience with big data analytics at eBay, Oracle, and Rolta, combined with ABB’s process control expertise and deep-domain knowledge in dozens of industry sectors, he is driving the creation of new digital platforms that simplify the task of extracting targeted data to successfully predict outcomes and optimize manufacturing processes.