正如人们所说，知识就是力量。在新技术颠覆现状并在制造业建立新规范的背景下，洞察即将到来的行业趋势是成为数字化转型领导者的重要方面。以下是工业分析领域的一些新兴趋势，它们可以提升您当前的战略并使您在竞争中保持领先：
#1：利用 OT 上下文的力量实现 IT/OT 融合
虽然 IT/OT 融合已经实践了几十年，但制造企业尚未完全掌握。IT/OT 融合应从在数据产生地捕获正确的 OT 数据上下文开始。还记得“垃圾进，垃圾出”吗？通常，数据科学家在分析模型的数据准备阶段，会与工程师花费大量周期以获取正确的 OT 上下文——事后补救。但其实并不必如此复杂。为简化流程，OT 工程师应能够配置运行时需捕获的 OT 数据标签，指明采集频率，并根据数据科学家的需求，建立逻辑结构或通用信息数据模型来打包 OT 数据。
#2：在分析策略中纳入边缘计算
虽然云计算在技术曲线上备受关注，但在分析领域，边缘计算的利用率相对较低。考虑到许多重要的工业分析用例要求硬件控制系统响应时间在毫秒级，将数据发送到云端、再将洞察返回并随后采取行动远远不够——网络延迟和数据传输成本过高。因此，将数据处理和分析卸载到边缘，使得能够在硬件控制层实时采取适当的处方性措施，这将产生巨大差异。分析领域的领导者也在将智能边缘网关解决方案（硬件或软件）纳入其战略。
#3：为 OT 专业人员赋能，提供可视化和直观的机器学习工具
虽然机器学习一直是数据科学家的主阵地，但一批精通技术的工厂工程师和操作员正在崛起——他们准备将自身的 OT 领域知识应用于机器学习领域。这些公民数据科学家熟悉数据管理基础，并利用可视化工具来准备数据管道、配置 ML 模型、部署模型，并最终在运行时操作数据时对其进行评分——所有操作都在工厂设备附近完成。OT 专业人员甚至开始使用现货供应的、针对性的机器学习应用程序，用于预测性维护、预测性 KPI 或异常检测等用例，以最大化制造业的业务成果。现在谁还需要一大批数据科学家呢？
#4：将机器学习应用于产品生命周期智能
产品生命周期智能（PLI）是产品生命周期管理（PLM）的一种演进，通过将人工智能和自动化应用于 PLM，帮助用户从制造工厂的产品数据中提取有意义的见解。借助 AI/ML 支持的这些有意义的产品见解，工业制造组织能够弥合当前 PLM 分析能力的差距——让他们了解当前产品性能、历史平均值以及工厂内不同业务单元和职能之间的差异。这些产品生命周期见解有助于制造组织打造更有意义的客户体验，同时推动卓越的业务目标和产品价值。
保持领先
除了这些新发展带来的潜力之外，选择拥有可靠资质和成功客户实施经验的可信合作伙伴，可以从计划中的工业分析实施中释放更高的组织价值。Rockwell Automation 拥有世界一流的咨询部门，提供战略、技术和实施服务，让您无需与多个参与方断开协作。我们以人为本的流程从识别您的“北极星”和关键利益相关者开始，制定正确的转型路线图，并从影响最大的用例着手。
