让分析更易于访问
预测性分析模块不会立即为您提供预测性分析，但它会大大减少您创建预测性分析所需的工作量和技能组合。
如今，许多分析技术要求您在数据科学和工业过程方面都具备深厚的专业知识。嵌入式预测性分析利用自动化机器学习来完成数据科学工作。
其工作原理如下。首先，控制工程师或其他应用专家配置模块，以确定您希望预测的过程方面以及所需的数据。然后，模块开始收集控制器数据并构建与您的应用相关的预测模型。
在初始训练期后，模块可以开始监控您的应用。根据预测结果，可以利用人机界面 (HMI) 仪表板报警进行进一步通知。
用例
您可以通过两种关键方式使用嵌入式预测性分析来提升运营：
1. 异常检测： 当我们对全球工业公司进行数字化举措调查时，他们的首要目标无疑是提升运营效率。您可以通过使用预测性分析来及早发现问题，在其影响运营之前加以解决。
嵌入式预测性分析能够检测运营异常并通知员工，使其在异常导致过程或产品质量问题之前进行调查或干预。
例如，工作人员可以提前收到生产线产品质量开始超出公差范围的通知。他们可以了解到锅炉温度正在下降，因为出现了需要解决的异常情况。或者他们可以看到搅拌机开始偏离其温度设定点，并且很快会影响产品质量。可能性是无穷无尽的。
2. 虚拟传感器：当您将嵌入式分析用作虚拟或“软”传感器时，您会利用过程其他点的数据来估算另一个值。这有助于您获得虚拟测量值，否则可能需要昂贵的仪器或手动读数才能获得。
例如，如果您在工厂生产早餐棒，可能无法读取包装产品的湿度。或者，从废料和人工的角度来看，让工人手动抽检并打开产品以检查其湿度可能会造成过多浪费。
作为虚拟传感器，嵌入式分析可以利用其他变量（如烤箱和喷雾器数据）来虚拟估算成品的湿度。
工具箱中的另一种工具
嵌入式预测性分析是可扩展分析解决方案组合的最新补充，您可以在运营中部署这些解决方案。
欢迎随时联系我们，了解更多关于为您量身打造可扩展分析策略的信息。或者访问我们的FactoryTalk Analytics LogixAI 模块，了解嵌入式分析如何在没有数据科学家的情况下为您提供预测性洞察。
