适用于数据与分析的 FactoryTalk DataMosaix 简介
通过 FactoryTalk DataMosaix 解决方案，可以对相关的实境化数据进行受控制的访问。它是工业 DataOps 解决方案，能提供可扩展的灵活工具，使领域专家和分析师可以更快地使用数据。FactoryTalk DataMosaix 基于云，人员和应用能够在整个企业范围内实现多站点访问。
连接器和数据源
数据网关
历史数据库
MES/MOM
PLM 与数字化工程
企业系统
应用与数据科学
可视化
高级分析方法
为工人搭建互通桥梁
低代码/无代码平台
企业系统第三方连接
使用工业 DataOps 加快您的数字化转型
工业 DataOps 将打破数据的孤立状态，优化整个组织内对工业数据的使用。 领域专家和数据科学家需要便捷地访问复杂的工业数据，以解决棘手问题，从而在生产率、质量和可持续性层面推动 实现转型成果。
此处可详细了解如何让您的工业数据产生价值。
有关工业 DataOps 的三项关键事实
在整个组织内为需要数据的人员提供数据，以提高生产率与创新水平。
工业 DataOps 依赖于与领域专家进行的协作。
通过流程及工具为个人与交互赋能，才能实现数据在整个组织内（包括不同领域和部门的领域专家）的价值。通过工业 DataOps，可以进行跨职能部门的参与及协作，从而分享并获取工业数据带来的更大价值。
数据的价值，取决于其背后的分析结果，以及其推动的实际行动。
数据、分析与工业运营的融合使工业 DataOps 变得不可或缺。 复杂的工业数据需要具备实境才能在组织中得到广泛使用。使用具有自动化数据管道的中心化、实境化可信数据源，工业用户能采用经过简化的通用方式对工业数据进行探索、理解和分析。
数据价值的挖掘需要采用敏捷方法。
工业 DataOps 所执行的不是静态的报告或广泛的前期设计。 它是敏捷性远高于此的流程，实验、迭代和反馈在该流程中必不可少。创造业务价值并不是数据专家与数据用户之间的单向交易。它是双方的共同努力，要求双方共同参与、分享和开发能发挥转型价值的解决方案。正如数据在不断变化一样，使用数据的方式也在不断变化。
为什么您需要工业数据中心
领域专家、应用开发人员与数据科学家可以采用单一方法来访问相关、可靠、实境化的数据。
在单一位置对数据的安全和访问控制进行管理，因此能更容易地将数据访问扩展到更多的人。
能更轻松地从数据中获取精辟见解，用于正在解决的难题。
使用 FactoryTalk DataMosaix 提取价值
使数据可用
使数据有意义
使数据有用
使数据有价值
SaaS 或私有云中可用的灵活工业 DataOps 解决方案
FactoryTalk DataMosaix 在 SaaS 版和私有云/本地版中均可用，从而提供符合您业务需求的灵活选项。SaaS 版可快速部署，提供全面托管选项，让您的人员无需管理技术和更新，而私有云/本地版让您能够在有要求时在 Microsoft Azure、AWS 和 GCP 等云计算平台或者在本地数据中心管理应用程序和您的数据。
基本用例
新一代历史数据库
在多个站点轻松扩展
- 每个利益相关者均可轻松访问
- 通过许多不同来源构建实境
- 在整个企业中广泛使用历史数据作为单一的可信数据源
企业生产报告
轻松建立 KPI 以获得更好的见解
- 快速整合与聚合
- 依工厂、生产线、地区等比较 OEE
- 明智的企业生产计划决策
资产监控
优化生产以快速改进
- 使用报警和维护工单实境更好地理解传感器数据趋势
- 通过专门的工程分析更快地找到停机的根本原因
- 比较多家工厂中类似设备的可靠性与性能
Drive OT/IT Convergence Right from the Birthplace of Edge Data
Accelerate value delivery with modern technologies, innovative designs and scalable deployment options with the FactoryTalk® Optix™ app that enables FactoryTalk Edge Manager and helps you visualize disparate data sources at the control layer, add OT context, assemble it into a flexible common information model and push it into downstream IT applications. Contextualized OT data makes it easier for IT applications to unlock insights across your enterprise. Moreover, with up to 70% less required data preparation time for analytics and machine learning (ML) models, your analysts or data scientists can focus on using higher-quality data to detect and resolve equipment issues and improve production output.
内容推荐
来自任何供应商的数据
来自任何供应商的应用程序