COVID-19 推动数据采集和分析发展

由于对远程数据可视化和实时数据驱动决策的需求不断增加，数据采集策略在 COVID-19 时代不断发展。人机界面 (HMI) 和监控与数据采集 (SCADA) 系统对于实现数字化转型变得越来越重要，因为它们可以在边缘设备上执行分析，提供成功所需的敏捷性和弹性。

连接新旧传感器

安装在现场设备上的传统仪器和更新的物联网 (IoT) 传感器非常靠近边缘设备，这些设备反过来可以捕获大量生产数据，例如泵压力或机器运行条件。国际数据公司 (IDC) 预测，仅物联网将在 20251 年创建 79.4 泽字节的数据，但所有这些原始数据不一定会产生洞察力。相反，只有通过获取和应用从分析原始数据中获得的信息、知识和洞察力，才能创造价值，使最终用户能够改进流程。

如今，智能传感器解决方案可用于压缩、过滤或将实时信号转换为所需的分析格式；但是，有许多传统设备已经在使用专有协议，也需要包含这些协议才能进行完整的数据驱动转换。由于 HMI/SCADA 软件安装已经接近边缘，使用该软件与传统设备进行通信以及与智能传感器协作以支持实时、数据驱动的决策是自然而方便的。

将分析带到边缘

能够在边缘设备上执行高级分析的 HMI/SCADA 软件将在控制、可视化以及从实时数据中形成洞察力和知识方面发挥关键作用。由于已经用于可视化和控制，HMI/SCADA软件目前提供对操作的监控和控制（图1）。

展望未来，HMI/SCADA 软件可以为实时数据提供必要的上下文，以支持数据驱动的决策。它还可以检测已知模式并发现异常，并可以提前预测和警告操作员即将发生的故障。推理和本地操作可以在边缘设备或边缘服务器上处理，而聚合数据或预测建模可以在云中执行。高级分析扩展了 HMI/SCADA 的传统功能，因此用户可以了解事件和行为的根本原因以及预测未来情况。

在网络边缘部署具有分析功能的移动 HMI/SCADA 应用程序为组织提供了额外的灵活性，以支持远程工作人员的智能移动服务。这些移动应用程序可以利用从远程设备收集的丰富数据，并与边缘服务器共享，以便在将其发送到云端进行机器建模和其他分析之前进行进一步的聚合和分析。

由于需要将数据转换为知识，分析与 HMI/SCADA 应用程序（定义为嵌入式分析）的紧密集成正在兴起。 Allied Market Research 预测，嵌入式分析市场将从 2016 年的 251.3 亿美元扩大到 2023 年的 602.8 亿美元 2. 当传统的 HMI/SCADA 软件通过嵌入式分析功能得到增强时，用户可以通过将洞察力和行动融合到同一软件中来获得更好的应用体验申请。

嵌入式分析的结果包括关键绩效指标 (KPI)、统计评估和靠近操作员工作地点和决策地点的警报。由于需要更快地做出数据驱动的决策，因此存在将数字化转型推向更靠近收集数据的边缘的需求。由于需要加速到接近实时的响应，操作员不再有时间返回控制室进行分析。

机器学习和算法

数据分析从实时和其他数据源中提取有意义的洞察力。机器学习是一种分析形式，使用算法提取数据，从中学习，然后根据历史数据预测未来。算法将数据集转化为模型。最佳算法训练（或学习）方法取决于要解决的问题类型、可用的计算资源以及数据的性质。有监督和无监督两种领先的学习方法。

通过监督学习，算法会呈现一组输入及其所需的输出（也称为标签）。目标是发现一个规则，使计算机能够从根本上分解关系并了解哪些输入数据映射到输出以及如何映射。

在无监督学习中，算法会提供一组输入，但没有所需的输出（标签），这意味着算法在根据发现的模式评估和分类数千个数据点时必须自己找到结构和模式。传统的分析有四种类型：描述性、诊断性、预测性和规范性，第五种以认知形式出现。

描述性分析回答了“发生了什么？”的问题。它基于实时和过去的数据，通过为数据提供上下文来获得有关流程如何执行的见解。基于实时数据，使用描述性分析的 HMI/SCADA 应用程序提供正在发生的事情的可视化，向操作员发出警报，并提供诸如发生日期/时间、相关值和机器信息等详细信息。

诊断分析建立在描述性分析的基础上来回答这个问题，“为什么会发生这种情况？”诊断分析使用统计数据来查找模式并提供对实时数据的见解。典型用途是识别异常和根本原因（图 2）。

预测分析建立在诊断分析的基础上来回答这个问题，“未来会发生什么，为什么？”预测分析利用与前两种类型分析相同的历史数据来构建数学模型，该模型可用于推断未来会发生什么，并就影响生产力的未来事件向操作员发出预警（图 3）。有几种用于预测分析的工具，包括：

• 异常检测，它回答了“行为是否异常？”这个问题。它会找到不符合预期模式的数据。

• 分类，它回答了“这台机器或过程会失败吗？”这个问题。它将数据分类为二进制类别，例如“这个产品有缺陷吗？是或否。”

• 多类分类试图回答这个问题，“这台机器或过程会因为 X 原因而失败吗？”它将数据分为三个或更多类别之一，例如“该产品有什么样的质量缺陷？次要、主要还是关键？”

• 回归回答了这个问题，“这台机器或过程多久会失败？”回归使用统计过程来估计因变量与一个或多个自变量之间的关系。

规范分析建立在预测分析的基础上，以回答“我们应该做什么？”这个问题。规范性分析提供模型以告知操作员有关建议的操作。优化和模拟算法通常用于规范性分析。 HMI/SCADA 与规范性分析一起使用可以规定几种不同的可能操作，并指导操作员找到解决方案。

认知分析建立在规范分析的基础上来回答这个问题，“我为什么要这样做？”认知分析使用自学习算法和深度学习技术来模拟人类思维。

下一级理解

描述性和诊断性分析使用过去的数据来解释发生了什么以及为什么会发生，而预测性、规范性和认知分析使用历史数据来预测未来会发生什么以及应该采取哪些行动来影响特定结果。在许多情况下，会同时使用多种分析和算法，并汇总结果以做出更好的决策。

部署在边缘设备上的 HMI/SCADA 软件可以成为提供分析的关键因素，以推动组织甚至从远程位置做出更好的数据驱动决策，从而提高竞争力。

如果说 COVID-19 大流行有一线希望，那就是公司正在学习调整业务模式以适应更实时、数据驱动的决策的方式。通过在使用人员、设备、原材料和设施的过程中创建更远程的可见性，公司发现通过与客户、员工和供应商建立更紧密的联系，他们可以更优化地运行。

本文由 ADISRA（德克萨斯州奥斯汀）的首席技术官 Bruno Armond Crepaldi 撰写。如需更多信息，请访问此处 .

参考文献

1. 2019 年 6 月 18 日 - 根据 IDC 的一项新预测，联网 IoT 设备的增长预计将在 2025 年产生 79.4ZB 的数据。
2. 2020 年 6 月 1 日 - 到 2023 年，全球嵌入式分析市场将达到 602.8 亿美元：AMR。