智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
工業物聯網分析可以讓高管了解哪些方面會導致瓶頸、質量控制問題或事故。相反，他們可以確定哪些改進最有可能提高生產力或減少設備停機時間。然而，要在工業環境中充分利用物聯網，人們需要了解并部署在繁忙環境中解鎖數據分析工具功能的基本技術。
云計算
當領導者開始關注工業物聯網分析時，他們必須確定如何存儲和訪問他們已經擁有或即將收集的所有數據。幸運的是，云計算非常適合滿足這些需求以及各方開始認真分析數據后可能出現的其他需求。
典型的制造工廠可能擁有數百或數千個聯網資產，每個資產都包含決策者可以用來更好地了解任何特定時間發生的情況的數據。以一家大型消費品包裝公司為例，該公司的高管希望提高與其多個全球品牌相關的物聯網利用率。這項部署涉及將多達 280 萬臺物聯網設備連接到一個集中式云平臺。
除了為像這樣的大型項目提供出色的可擴展性外，云計算還支持分布式勞動力和站點，允許人們連接多個位置的數據收集設備。例如，該公司的 IIoT 工作涉及 97 個國家的聯網產品。此外，該公司高管選擇的云工具之一可以處理數十億臺物聯網設備，并且不需要人們參與基礎設施管理。
將云計算納入工業物聯網數據分析計劃的另一個好處是，授權方可以從任何有互聯網接入的地方登錄，并從平板電腦、智能手機或計算機中提取最新統計數據。這種隨處訪問功能支持位于許多地方的專家之間的協作，從而可以改進產品設計或流程。在一個案例中，人們依靠數據分析來制造出比同類產品強約 30% 的混凝土，這表明一種協作、有目的的方法可以帶來回報。
設備傳感器
盡管工業領導者在實施物聯網之前必須考慮其設施的個性化需求，但許多人會參考他人已經取得的成就來獲得靈感，這是可以理解的。許多人隨后意識到，將聯網傳感器連接到關鍵設備上具有良好的商業意義。這樣做可以讓他們收到可能降低質量控制或導致可預防的資產停機的問題警報。
在一個例子中，一家傳送帶公司的高管部署了 IIoT 傳感器和一個補充平臺，允許客戶進行持續監控。這一決定是領導者意識到傳送帶最容易磨損，錯位或皮帶損壞可能會對在關鍵操作中依賴這種物料移動設備的客戶造成嚴重破壞后做出的。
一項應用涉及應用設備傳感器來監控采礦業使用的傳送帶的皮帶葉片。硬件收集實時數據并將其與歷史性能信息進行比較，從而使系統能夠標記異常情況。然后，用戶可以依靠這些數據做出更合適的決策，以保持生產平穩運行。
持續的數據流還可以幫助管理人員確定將機器離線進行基本維護的最佳時間，從而支持規劃。否則，機器可能會意外發生故障，導致時間損失和成本增加。
此外，監控特定特性使人們能夠創建基線，以確定整體設備健康和典型性能。一種常見的選擇是進行振動測試作為預測性維護策略的一部分。連接的傳感器可以分析特定振動的強度或頻率，以識別潛在的異常。然而，環境因素會影響物體的振動程度。幸運的是，傳感器可以揭示影響因素，例如設施的濕度和溫度，從而更容易評估異常振動模式的程度。
人工智能
人工智能無疑將工業物聯網分析提升到了一個新的水平。這種改進主要是因為人工智能可以在大量數據中檢測模式，讓人們能夠比沒有技術幫助的情況下更快地得出結論。
客戶訂單表、設備統計數據、社交媒體評論和計算機視覺圖像都可能為制造工廠如何加強質量控制措施、提高總體產量和優化流程提供線索。
但是，試圖手動理解所有這些數據可能會耗費太多時間和人力，不值得。人工智能算法使數據處理更加高效，這對于擁有龐大且不斷增長的信息存儲庫的組織來說是理想的選擇。
許多人工智能應用是對其他技術的補充。例如，人們越來越普遍地使用人工智能驅動的設備傳感器。這種硬件還可以使用邊緣計算基礎設施，在將數據移動到云端進行處理時大大縮短傳輸距離。一些兼容的邊緣設備甚至具有設備上處理功能，從而加強了敏感數據的安全性。
聊天機器人
有些人還研究了生成式人工智能如何補充這些用例。這是一種超越傳統案例的人工智能，它允許人們在使用自然語言的同時與工具進行交互，就像與朋友或同事交談一樣。許多最受歡迎的商業生成式人工智能工具都是聊天機器人。
在一個例子中，一個人應用了客戶糾正措施請求中的信息，該請求是關于發現焊條沒有必要的材料批號。他們要求聊天機器人提供五個問題，組織可以使用這些問題來確定此問題的根本原因。
該工具的響應特征是問題的格式遵循著名的“五個為什么”技術，這有助于有效地解決問題。它包括問幾個逐漸接近問題核心的問題。例如，聊天機器人的第一個建議問題是為什么焊條缺少所需的數量。然而，它的第五個也是最后一個問題是，為什么該公司沒有遵循一個確保相關方添加數字標識符的流程。
由于公司幾乎肯定有一個既定的系統在某個時候崩潰了，導致了這種結果，因此聊天機器人鼓勵人們檢查出了什么問題以及原因。決策者可以收集與這個人工智能輔助過程相關的數據，以跟蹤趨勢并確保缺失的數字是異常值，而不是以前未被發現的更大問題的跡象。
此外，一些供應商正在開發生成式人工智能產品，這些產品可以根據公司的內部數據回答問題，從而提供分析優勢。例如，用戶可能會問：“在過去六個月中，我們有多少印刷電路板未通過質量控制檢查？”這是傳統方法之外的人工智能數據分析的一個新興例子。
工業物聯網分析需要支持技術
這些例子強調了為什么人們通過選擇互補技術來滿足他們的需求，從而通過工業物聯網分析工作獲得最佳結果。上述內容將鼓勵高管考慮各種可能性，并對物聯網投資如何與總體組織目標聯系起來感到興奮。
原標題：推動工業物聯網數據分析的四項關鍵技術
浙公網安備 33010602000006號
智能制造網小程序
微信公眾號
