为什么在应用数据收集时上下文为王
数据收集对于产生有价值的洞察力很重要，这有助于工厂经理提高工业系统的效率，这已经不是什么秘密了。然而，业内许多人似乎不知道了解所分析数据背景的重要性。
在这里，工业控制和自动化提供商 Novotek 英国和爱尔兰的董事总经理乔治·沃克（George Walker） 解释了为什么将上下文应用于数据是洞察力和统计盲区之间的区别。
隧道视野是从体育到工业的各个领域的问题。很容易专注于一个目标而忘记退后一步以更广阔的视野。然而，退后一步可以提供宝贵的洞察力和对现实情况的理解。
让我们假设一个场景。想象一下，维护经理有一台正在弯曲电线的机器。这些电线必须弯曲到非常精确的角度才能正常工作。然而，机器在一天中的某些时间不能正确弯曲它们，导致企业生产必须丢弃的有缺陷的商品。
为了解决这个问题，维护管理器调出设备的板载软件收集的数据。然后，经理使用数字孪生平台分析数据。查看分析，很明显机器在一天中的某些时间会异常振动。经理拆机，重新组装，甚至在一个孤立的场景中运行，但仍然无法找到问题的根源。
在这种情况下，如果经理花一点时间后退一步并寻找上下文，他们可能已经意识到异常振动与附近一台重型机械的启动时间相吻合。有问题的机器没有任何问题，但它的周围环境揭示了错误的原因。这就是为什么数据收集中的上下文至关重要。
拥有一系列智能传感器和设备，搭配像 GE Digital 这样的数字孪生系统 的 Predix 平台，在整个生产线中，经理可以通过在上下文中查看数据来清楚地看到相关性。另一种实现上下文理解的方法是将机器与不同工厂的其他类似机器进行比较。
这说明了为什么数字孪生是一个如此强大的工具。能够在数字模型中重建整个工厂打破了孤岛心态。这使管理人员能够获得全面的洞察力，从而揭示以前不明显的问题。不管是什么问题，数据收集中的背景很明显很重要。能够分析系统现在已成为现实，应充分利用其潜力。
由于有可能减少浪费和不必要的支出，数字孪生将允许更强大的运营。由于背景在现代工业领域很容易实现，因此它不再需要成为工业企业的商业秘密。通过分享这些知识，更多的企业可以让他们的智能网络更智能、运营更高效、生产流程更高效。
此博客的作者是 Novotek 董事总经理乔治·沃克
物联网技术