扩展人工智能和机器学习以提高运营可靠性

跨多组织的扩展分析功能为资产和运营可靠性以及持续流程优化提供了框架。

组织分析的有效性与以下两个因素直接相关,一是员工对其所收集信息的理解程度,二是在工作过程中如何应用所收集的信息来提高运营的可靠性。这种处理信息的框架称作数字线程,即一种理解运营数据的无障碍访问的方法,该框架贯穿整个组织,促进个人和部门对上下文信息的吸收,并提供对运营和资产生命周期的全面可见性。 


通过扩展您的分析能力来增强运营可靠性。


许多组织止步于采用基本分析,而非全面投资开发数字线程以实现整个运营过程的分析。出现此类情形的原因在于人们认识到了其中的复杂性且对软件功能缺乏了解,这种观念一定程度上让数字孪生的开发令人望而生畏。然而,在一定规模上,实施与数字线程相关的分析缩短了实现价值的时间,并且改进了如何部署、使用及维护分析的程序性方法。随着此类收益扩展至整个组织,业务部门可基于单一的真实数据来源实现更好的协作及运营,进而实施数字线程框架以提高指数级回报。例如,组织可能希望通过结合最佳实践以借助资产库来使用数字线程,从而闭合规范性指导循环,以针对可通过 AI 和机器学习检测到的潜在故障风险制定缓解措施。

需要注意的是,通过有效扩展分析实现效率提升并非立竿见影。为了从投资中获得最大价值,扩展分析和改进数字线程应该是一项持续完善的工作,也是组织数字化旅程的一部分。随着分析的价值得到证明,通常可在整个企业中轻松复制分析流程。

扩展分析的挑战和最佳实践

只要有数据点就存在改进分析的诸多理由。例如,分析解决方案可能已经用于以下情形:

  • 仪器
  • 设备
  • 生产
  • 客户服务/维系
  • 可持续性
  • 运营弹性
  • 质量保证
  • 能源效率
  • 资产可靠性

上述事项通常是许多组织改善的起点。遗憾的是,当需要扩展或改善分析时,一些团队可能难以清楚地确定业务需求,或计算证明提高分析能力所需的投资回报。衡量和报告结果对于可持续的分析计划至关重要,对结果的关注将有助于克服对指标了解不足所带来的困难。请务必考虑诊断过程是如何发生的,以及完整的数字孪生如何帮助您提高诊断能力。

另一个常见的缺陷包括设备和软件等扩展技术,以及它们与您的系统进行集成的过程。诸如AVEVA 这样值得信赖且可靠的软件合作伙伴可助您减少集成障碍,AVEVA 在构建解决方案时已将扩展问题考虑在内,可以帮助运营者了解其软件的全部功能,并提供可与设备和系统轻松集成的通信功能。您的扩展速度可能取决于部署模型(本地、云、软件即服务和混合模型)。使用云扩展的速度通常快于本地或边缘扩展,因此在适用的部署中利用云有助于更快地实现扩展。

如果您的组织缺乏实践社区,最好将其设置到位。这些可能涵盖了用于用例、培训/入职流程、ROI 计算器、实施指南和访问支持的标准模板。

某些组织尚在探索的另一个领域是资源管理。您可以通过与项目经理共同明确监控和诊断流程来避免重复出现的问题,从而逐渐提高效率。外包服务可以进行监测和诊断,从而为资源受限的部分提供补充。确保针对一线人员、工程人员和管理人员的培训与预测工作流程的执行方式保持一致。

接下来怎么做?

我们汇总了基本指南,协助您了解在扩展分析和提高运营可靠性时将采取的步骤。

  1. 明确您期望实现的结果
  2. 明确改进分析的价值
  3. 明确有助于实现目标的信息源和数据类型
  4. 明确实现目标的分析方法
  5. 测试分析方法,确定其满足项目需求
  6. 在整个业务范围内扩展分析解决方案
  7. 衡量并确认价值逐步实现

您准备好通过 AVEVA 进行扩展了吗?了解有关运营可靠性的更多信息


订阅更新

注册我们的时事通讯,直接从源头获取所有最新信息。

立即订阅