不要陷入“大数据”陷阱
在 20 世纪 90 年代末，出现了“大数据”一词。自此，我们收集的数据越来越多，训练有素的科学家可对其进行分析和理解，并努力将获取商业价值这一艰巨任务实现自动化。
大数据对于某些分析和消费者应用很有用，但并不适用于工厂车间的工业应用。生产商需要通过带上下文的结构化数据获取关于 KPI 的可执行信息，例如，能耗、OEE、批处理效率和质量。
数字化转型。智能制造。工业物联网 (IoT)。互联企业。工业 4.0。
无论是哪一种，数据都能对它产生推动作用。数字化是食品饮料生产商取得成功的基本要素之一。从一开始就做好，决定了是实现数百万美元的运营成本节约，还是会因效率低下和浪费时间而失去这种机会。
发布时间 2020年9月28日
那么，我们如何转换和应用对提高价值和生产力至关重要的工厂车间数据呢？ 从一开始就利用具备智能数据方法的工具，对数据进行整理并为其提供上下文，简化数据流，让用户更快地获得洞察。
基于信息构建的自动化系统
智能对象已成为一种新的简单数据整理方法，让用户能够轻松地从控制器收集数据，然后将其移至 IoT 系统并为该系统所用。标准化框架可将数据集完全暴露于预配置的上下文中，供开发人员使用，从而可以大幅缩短编程时间。
智能数据动画：了解如何简化基于标签的体系结构中的不同数据，并在基于对象的生态系统中给定上下文。
换言之，IoT 和自动化系统的规则不同，而智能对象能够为它们创建通用语言。智能对象的主要作用是实现数据的自动发现、标准化、同步和完整性。
在常规设置中，自动化系统通过网关与 IoT 平台相连接。这种网关通常需要进行配置且难以暂存数据。通常，这时提供上下文就变得至关重要，尤其是涉及完全不同的系统时。由于 IoT 系统并不“了解”自动化结构，因此，您可能需要为每个应用程序构建一个新模型，并且因 IoT 系统会连续从自动化控制器获取大量数据而会导致效率进一步降低。比如，IoT 系统获取的信息比较零碎，例如，操作 X 即将发生、操作 X 正在发生、操作 X 已完成。由此，需要对这三个数据点进行处理，将它们作为一个相关的连续操作进行关联。
在通过智能对象构建的系统中，IoT 系统和应用程序会自动对数据进行整理、建模和使用，程序员几乎不需要执行任何操作。现在，PLC 标签的速率、状态、模式等的定义一致，可以通过上下文（如行号、机器名称和位置）将其传送到信息数据库中。这些要素对于构建 IoT 解决方案至关重要；通过构建这种解决方案，您最终将能获得更多洞察，更好地执行分析以及更深入地了解自己的流程和潜在风险。在上述示例中，操作 X 的三个数据点会自动被识别为一个连续操作，从而可以获得更详细的上下文。
让开发人员实现智能开发
为什么这很重要？ 可以问问 IoT 领域的任何开发人员。琐碎且不一致的数据会产生陷阱，从而令人感到挫败，带来故障排除困扰且造成生产力下降。Forbes.com 显示，数据科学家表示，他们 80％ 的时间用在了准备数据上，而不是挖掘洞察力上。
饮料工厂动画：了解智能对象如何通过 ThingWorx 或其他 IIoT 平台让用户更轻松地访问和解释的带时间戳的数据。访问和解释经整理的带时间戳的数据。
设想一条装有五台机器的简单饮料生产线（请观看“饮料工厂”动画）。该生产线的关联数据值可能超过了一百万个。大多数公司并不具备管理所有这些信息所需的资源，而他们也不应该把时间花在这一方面。智能对象能够简化数据准备工作，即一种模型可支持多个应用。有个客户估计，智能对象仅用 6 个小时即可完成开发人员一个月的工作，可将工作效率提高 96％。
此外，这种比较直接的方法能够提高数据完整性及改善决策。我们能够以前所未有的准确性和完整性比较同一产品在不同阶段的性能。而且，我们能够为数据分配属性（如 OEE、能量流或质量流），可以获得经自动汇总和分类的信息。由此，能够以对人和机器的决策和优化都有意义的方式进行报告。
最后，智能对象不会更改数据。但它能够明显简化数据的捕获、查看和呈现方式，并且随着时间的流逝，还能简化操作的优化方式。欢迎联系我们进行相关咨询，让我们看看智能对象能够在信息策略方面为您提供哪些帮助。
内容推荐