【技术趋势】通过大数据分析实现运营效率的提升

本文来自于《控制工程中文版》（CONTROL ENGINEERING China ）2017年8月刊，原标题为：通过大数据分析实现运营效率的提升

大数据分析使生产制造厂家能够做出更明智、更好的决策，从而改进其生产运营活动和网络监控。

随着在全球范围内多层次级联网络的发展，大数据日益繁荣。基于大数据的分析，不仅促进了业务效率和生产力的提升，而且还可以保证利润处于上升通道。

如果制造商采用大数据分析，这就意味着企业比以往任何时候都更依赖于网络的健康状态和正常运营。业务决策均基于这些分析，如果数据不可用，那就会浪费大量的时间。

如果业务转向更依赖于某项技术，那网络监控工具对确保系统功能正常、可用来说就至关重要。这是因为网络规模变得越来越大、越来越复杂，发生多点故障的可能性也就更大。一个对任何故障时刻保持警觉的监控工具，可以帮助企业减少故障问题的发生。

以英特尔公司生产芯片为例。这个行业巨头，在产品下生产线之前，需要对每个芯片进行测试。这就意味着对每个芯片进行19000次测试。使用大数据进行预测分析后，英特尔能够减少为保证质量所需的测试数量。从晶圆级开始，英特尔分析了制造过程中的数据，并专注于具体测试。结果，单是英特尔酷睿处理器的一条流水线，其制造成本就可以降低约300万美元。将大数据扩展到整个芯片制造生产线，预计可以为公司节约3000万美元。

关注网络监控

但如果网络无法从无数传感器获取关键信息，并利用适当的分析引擎对其进行分析，那就忘记节省数百万美元的事情吧。

除此以外，大数据还涉及到工业物联网（IIoT），这意味着会产生大量额外的、来自多个传感器的数据流，这些数据也会造成网络复杂性和规模的增加。例如，在某些过程制造行业中，尤其是制药、化学品和采矿业等，经常会发生比较大的波动。

随着产品复杂性的增加，生产制造商需要以更深入、更紧凑的方式来实现自诊断和对故障的校正。这也就是基于网络的监控工具发挥作用的地方。如果将统计以及其它数学工具加入到业务数据中，就有可能对此进行评估，并改善实际运营活动。

在制造业中，运营活动可以使用先进的分析方法深入到历史过程数据中，找出过程步骤和输入之间的模式和关系，然后对生产制造影响最大的因素进行优化。

在一项调查中，塔塔咨询服务公司要求制造商评估大数据所带来的收益，其中，产品质量和缺陷跟踪被认为是最大的收益。被提到的其它好处有供应计划、制造过程中的缺陷跟踪，供应商和零部件缺陷跟踪等。

大数据分析带来的机会

随着更多的用户开始充分利用机会分析大数据所带来的好处，他们的网络规模也在快速增长。网络发展和可靠性的增加，使其可以监测到那些正在发生的、有价值的数据信息。

从大数据的角度来看，制造商希望看到他们可以从其它工具中处理的大量信息。从网络监视工具中提取数据，并导出或者将信息输送到其它大数据应用中，利用已经开发的分析引擎对其进行分析。然后，就可以查看网络数据并筛选出任何重要的数据，显示制造企业中可能存在的异常和问题，或者可以提高产量的潜在领域。

在运营环境中，制造商正在使用大数据来推动其产品和工艺过程的改进。在这些领域，制造商大大增加了网络的规模和复杂性：在网络中增加了传感器，以便获取更多的工艺过程信息，然后把数据回传给服务器。他们必须确保能够通过网络与传感器进行通信，从而最终实现实时监控任务。

海量信息带来的积极一面是，可以推动生产制造商不断向前发展，但另一方面，此举也会增加其被攻击的潜在风险，所以他们需要有能力获取和存储重要数据，以便在网络发生意外或恶意事件的时候能够对其进行调查。

按照这些方式，就可以定期（每天、每周、每月、每年）归档网络数据，了解网络随时间是如何变化的。通常，用户会对此进行评估，然后确定需要否升级。现在，所有的可用数据都在那里，用户可以问，“我们需要升级吗？或我们需要改变网络上允许做的事情吗？或我们是否应该把网络分割开来，以便消除这种通讯方式带来的网络阻塞？”这样用户就不必在一个并不太重要的地方花费太多钱。

本文来自于《控制工程中文版》（CONTROL ENGINEERING China ）2017年8月刊《封面故事》栏目，原标题为：通过大数据分析实现运营效率的提升

————广告————