工業組織認為雲計算是存儲和分析大量數據的關鍵推動力

    

在幾年前，這些數據似乎還是無法想像的。這很重要，因為許多組織的想法是通過更好地利用大量財務，客戶，供應鍊和運營數據來提高運營效率並創建新的業務模型，從而開始和結束其數字化轉型戰略。

如果製造商的過程工程師今天不使用基於雲的分析工具，則另一個部門可能會使用它們。例如，人事部門正在使用軟件來分析員工數據，或者銷售和市場分析師正在研究對特定產品和服務的需求。儘管這些被認為是生產力或商業智能應用程序，但它們還是大多數公司基於雲的分析的切入點。

為了實施數字化轉型策略，基於雲的分析技術（即應用程序，工具和技術已部署在雲計算中而不是在本地部署）的興起，使組織能夠快速獲得數據見解。雲正在簡化此過程，因為它可以通過幾乎無限的計算資源可擴展性迅速洞察更多不同類型的數據。這使員工能夠近乎實時地解決越來越多的複雜業務挑戰。

定義基於雲的分析術語

基於雲的分析是一個廣義術語，指的是多層計算功能。首先是在雲中託管數據和應用程序所需的基礎雲基礎架構，操作系統和硬件層。

在該基礎架構之上是雲服務或數據湖中的數據管理層，其中存儲了各種類型的數據，包括但不限於基於結構化和非結構化的基於文本的數據，視頻數據和流式IoT數據。分析層中的應用程序使用此數據。執行計算以為可視化層提供趨勢，報告，儀表板和其他洞察所需的信息。

在製造業中，分析通常是在工廠中使用歷史數據和電子表格分析的組合進行的，用於工廠的臨時診斷，預測或操作儀表板，但是隨著基於雲的分析的好處正在實現，這種情況正在改變。

雲可用於使數據可用於高級分析應用程序中使用的機器學習算法。Seeq 提供

預期收益

部署在雲中的應用程序受益於核心雲功能。首先是雲的租賃模型與硬件和基礎架構相關的資本成本。公司的信息技術（IT）部門不再需要提供和維護昂貴的服務器來託管這些應用程序，結果就是“按需付費”的模型，其中計算資源可以按需旋轉。

一個例子是一家網上商店，在假日季節之前的幾週內，它完成了90％的業務。在出現雲之前，該零售商必須購買足夠的服務器來處理網站流量，以應對高峰時期的“爆裂”需求，而在今年剩餘的時間裡仍然保持閒置狀態。

在工業環境中，主題專家（SME）利用新的分析工具來獲得對其運營數據的更多了解，因此需要更大的靈活性。中小企業可能希望分析新數據源，例如運營數據和上下文數據，並且組織可能需要使更多的中小企業和其他用戶可以使用分析工具，以實現更好的協作和決策。

雲計算採用的另一個驅動因素是能夠探索新型分析方法，例如使歷史和近實時過程數據可用於機器學習（圖1）。許多製造商不想在其實時控制系統中運行機器學習模型，但他們希望利用這些功能和其他高級功能來提高產品質量，預測最佳維護時段以防止計劃外停機和其他目的。將運營數據複製到雲後，就可以用於機器學習，從而可以探索新的分析模型，而又不會影響源生產數據或依賴該數據的任何現有應用程序。

基於雲的分析可以輕鬆打破數據孤島，使用戶無論數據來源如何都可以訪問和連接數據。一旦這些孤島通過雲連接起來，中小企業和其他用戶（圖2）就可以將分析擴展到全球各地，並創建查看全球運營報告的方式，以確保實現最佳的業務影響。

不同部門的員工可以訪問全球範圍內基於雲的數據和分析。Seeq提供

雲分析：入門

實施基於雲的分析時，重要的是要從頭開始。能源和製造公司經常花大量時間規劃和將數據和應用程序遷移到雲中，而只是問：“現在怎麼辦？” 數據移動後。在雲數據湖中移動數據或聚合數據並沒有使其更有價值。這是實施全面數據分析策略的一步。

避免此結果的最可靠方法是確保中小企業儘早參與任何分析項目。只有具有深厚的流程專業知識並了解各個部門在更廣泛的操作程序中的獨特影響的人員，才能確保該數據可導致洞察力和生產性行動。為SMES提供的相關性更強，易於使用，靈活的分析應用程序越多，投資回報就越快。

在運營數據和雲計算模型中要注意的一點是，IT團隊必須抵制在將雲分析應用程序連接到數據之前匯總雲中的流程數據或應用業務規則的誘惑。匯總數據時，沒有資產或流程直接知識的人會預先確定中小型企業可能有興趣探索的事物，這可以減少其潛在影響。此處的最佳實踐是將所有數據以其原始格式存儲，以便其他中小企業可以在分析時就如何修改以及如何修改做出決策，例如數據清理以及訪問任何數據集以進行調查和模型開發。

中小企業使用Seeq直接與感興趣的數據進行交互並找到見解。Seeq提供

雲成功案例

一家擁有50多個運營站點的能源公司分佈在一個大型且具有地理挑戰性的環境中，通過在一個站點開始聘用六名工程師，就能夠成功實施基於雲的分析。這些工程師確定了三個用例：資產完整性監視和性能趨勢，預測性維護和生產預測。

在90天之內，該團隊已在10多個地點擴展了50多名工程師，使用這些用例通過共享的雲部署和協作功能來連接新的數據源。這釋放了這些工程師的創造力，他們可以找到更多其他用例來尋找見解並改善資產可用性和生產成果（圖3）。

通過從小規模開始並利用雲來快速擴展分析，項目所有者可以衡量業務影響，建立業務案例以吸引更多用戶和站點。

該組織的下一步是從其遠程位置連接其他物聯網數據，同時牢記兩個關鍵因素：網絡延遲和分析性能。用戶將不會使用性能低下和延遲過多的笨拙的分析工具，因此必須解決這些因素。在實施雲之前，這些遠程位置的報告是脫機且手動的。

為了解決這些問題，該公司正在使用具有邊緣分析功能的混合雲方法，該方法在邊緣或數據源附近維護一些計算和分析資源，並在網絡可用時將結果發送到雲中。

製造業仍處於基於雲的分析的初期，但是關鍵的實施學習正在興起。公司必須將中小型企業放在任何分析工作的中心，並且他們可以利用雲來擴大和縮小連接數據孤島。必須保持原始數據完整，以確保分析和見解具有靈活性。還必須確保團隊和站點之間的協作以實現回報並擴大潛在的業務影響。

將正確的高級分析軟件與大多數組織已在使用的雲平台相結合，將有助於從改進運營方面獲得收益。

圖文參考: Control Engineering