如何挖掘数据的真正价值？——996名制造经理的建议

图片来源：EU Automation

作者 | Claudia Jarrett

“

低成本有效地使用智能技术和数字化策略，不仅可以收集有用的数据，还可以用其来提高企业运营效率。

”

数据对您的企业来说到底会产生多大价值？根据波士顿咨询公司（BCG）和世界经济论坛（WEF）的一项研究，制造企业可以通过整合他们的数据信息节省高达数十亿美元的成本。本文解释了共享数据为制造商带来的机会以及他们可能遇到的挑战。

大数据和人工智能（AI）正在改变工业的面貌，BCG和WEF调查了996名制造经理，根据他们提出的各种建议，预计可以为全球的生产制造企业带来价值上千亿美元的成本节约。

数据共享被制造业管理者认为是一个可行的机会。在接受调查的人中，有72％的人认为与其它制造商共享数据会改善运营， 而47％的人则认为优化资产是广泛共享数据的最大好处。那么它是如何帮助企业节省数十亿美元的呢？

 学习如何节约 

BCG和WEF的研究估计，通过机器学习优化资产，制造业可以节省400亿美元。这个想法是基于相互连接的机器使用预测算法来提高彼此的性能（图1）。通过获取机器的性能数据，可以帮助减少停机时间并优化流程。

▎图1：由于互连的机器使用预测算法来提高彼此的性能，因此可以通过机器学习优化资产。

通过更有效地跟踪供应链中的产品，还可以进一步节省400亿美元。如果在任何特定时间，用户都可以知道产品在哪里，他们就可以更好地规划其流程并为供需波动做好准备。通过使用数据来创建一个全面的供应链图景，用户可以降低库存水平、仅库存所需物品，并做出更明智、甚至自动化的购买决策。两者都可以提升盈利水平。

此外，该报告还估计如果了解整个价值链中产品的来源和状况，还可以为制造企业再节省大约150亿美元。可以更快、更准确地查找故障产品的根本原因，将这些信息用于改善质量管理。尤其是对于在食品行业等受到严格监管的环境中运营的公司，将因此获得更大的收益。

 数据共享的挑战 

虽然BCG和WEF建议的数据共享优势明显，但实现这些并非没有挑战。其中之一涉及购买和构建连接机器、公司和行业所需的新计算基础架构，它们可能既昂贵又耗时。一个替代方案是用新技术改造旧设备，更快且可能更具成本效益的实现过程数字化（图2）。

▎图2：将过程数字化的一种快速且经济高效的方法是用新技术改造旧设备。

另外一种改造方法是使用智能传感器。据德勤的一份报告显示，全球智能传感器市场以每年19％的速度增长，预计到2022年将达到600亿美元。传感器可以安装在现有机器上，以收集关于其性能的数据，并允许对生产过程进行实时决策。工业自动化部件的专业供应商可以帮助采购全面拥抱数字化所需的改造部件。

以包装生产线为例，经理们往往无法理解为什么产量会低于正常水平。可以在生产线的每个环节安装智能传感器，以确定故障或生产速度降低的原因。这将告诉管理人员他们的损失在哪里，并使他们能够快速有效地解决问题。

另一个案例是为一系列计算机数控（CNC）机床安装传感器，以提供有关其性能的数据。如果某个位置的CNC机器由于给料速度不当而产生了烧痕，则另一位置的同一类型的机器可以自动校正其速度，从而避免出现相同的问题，也就是所谓的机器学习。通过分析最终数据流，制造商可以收集有关常见故障和维护周期的线索，并实现切实的成本节省。

数据共享可能还涉及与供应商和客户共享设计规范和公差。这样可以减少在不同供应商最大化其公差容限时发生的公差累积，从而导致最终产品不符合客户标准。

制造经理面临的另一个挑战，是增加数据共享功能可能会带来的安全风险。数据共享会增加访问点，黑客可以通过访问点渗透到计算机，这就是制造企业应当实施有效的系统强化策略以弥合此类漏洞的原因。有效的数据共享应伴随定期的系统强化审核，以识别系统漏洞并帮助安装可确保数据共享安全的软件补丁。

有效地使用智能技术和数字化策略，不仅可以收集有用的数据，还可以用其来提高企业运营效率。借助AI和大数据技术可以获取更多有价值的数据（例如从安装在制造机器上的智能传感器收集的信息），并进行持续的分析以用于优化资产。