COVID-19加速数据采集与分析演进
COVID-19时代数据采集策略正在演进，受远程数据可视化和实时数据驱动决策需求增加驱动。人机界面（HMI）和监控与数据采集（SCADA）系统对实现数字化转型愈发重要，因它们可在边缘设备执行分析，提供成功基础的敏捷性和韧性。
连接新旧传感器
安装在现场设备上的传统仪表和较新物联网（IoT）传感器靠近边缘设备，边缘设备转而捕获大量产生数据，如泵压力或机器运行条件。国际数据公司（IDC）预测2025年仅物联网将创造79.4 ZB数据，但所有原始数据不一定产生洞察。价值只能通过分析原始数据获得并应用信息、知识和洞察创造，赋能最终用户改进流程。
智能传感器解决方案现已可用，可压缩、过滤或转换实时信号为分析所需格式；然而许多现役遗留设备采用专有协议，也需纳入完整数据驱动转型。因HMI/SCADA软件安装已近边缘，自然方便用此软件既与遗留设备通信，又与智能传感器协作，支持实时数据驱动决策。
将分析带到边缘
能在边缘设备执行高级分析的HMI/SCADA软件将在实时数据控制、可视化、洞察和知识形成中发挥关键作用。因已用于可视化和控制，HMI/SCADA软件当前提供运营监控和控制（图1）。
未来，HMI/SCADA软件可为实时数据提供必要上下文支持数据驱动决策。也能检测已知模式和发现异常，提前预测并预警操作员即将发生故障。推理和本地动作可在边缘设备或边缘服务器处理，聚合数据或预测建模可在云端执行。高级分析扩展HMI/SCADA传统能力，让用户理解事件和行为根因并预测未来状况。
部署带分析的移动HMI/SCADA应用到网络边缘，为组织提供额外灵活性支持远程工作者智能移动服务。这些移动应用可利用远程设备丰富数据采集，与边缘服务器共享进一步聚合分析后发送云端做机器建模和其他分析。
分析与HMI/SCADA应用紧密集成，定义为嵌入式分析，因需将数据转化为知识而兴起。Allied Market Research预测嵌入式分析市场从2016年251.3亿美元扩大至2023年602.8亿美元。当传统HMI/SCADA软件经嵌入式分析能力增强，用户通过将洞察和行动融合同一应用获得更好应用体验。
嵌入式分析结果包括关键绩效指标（KPI）、统计评估和警报，贴近操作员工作和决策点。将数字化转型推向数据采集边缘的需求存在，因压力要求更快数据驱动决策。随着加速至近实时响应需求，操作员不再有时间返回控制室分析。
机器学习与算法
数据分析从实时和其他数据源提取有意义洞察。机器学习是利用算法提取数据、从中学习、基于历史数据预测未来的分析形式。算法将数据集转化为模型。最优算法训练——或学习——方法取决于解决问题类型、可用计算资源和数据性质。两大主流学习方法是监督和无监督。
监督学习中，算法获得一组输入及其期望输出（标签）。目标发现规则让计算机本质分解关系，学习输入数据如何映射输出及如何映射。
无监督学习中，算法获得一组输入但无期望输出（标签），意味着算法必须自行发现结构和模式，基于发现模式评估分类数千数据点。有四类传统分析：描述性、诊断性、预测性、处方性，第五类认知性正涌现。
描述性分析回答"发生什么？" 基于实时和历史数据，通过提供数据上下文获得流程执行洞察。基于实时数据，用描述性分析的HMI/SCADA应用提供发生什么的可视化，为操作员报警，提供发生日期/时间、关联值、机器信息等细节。
诊断性分析构建于描述性分析之上回答"为何发生？" 诊断性分析用统计发现模式提供实时数据洞察。典型用途是识别异常和根因（图2）。
预测性分析构建于诊断性分析之上回答"未来将发生什么及为何？" 预测性分析利用前两类分析相同历史数据构建数学模型，用于推断未来将发生什么，预警操作员影响生产力的未来事件（图3）。预测性分析有多种工具包括：
异常检测，回答"行为异常？" 发现不符合预期模式的数据。
分类，回答"机器或流程会失败？" 将数据分为二元类别如"产品有缺陷？是或否。"
多分类尝试回答"机器或流程因X原因失败？" 将数据分为三或更多类别如"产品何种质量缺陷？轻微、严重、关键？"
回归回答"多久前机器或流程失败？" 回归用统计过程估计因变量与一个或多个自变量关系。
处方性分析构建于预测性分析之上回答"我们该做什么？" 处方性分析提供模型告知操作员推荐行动。优化和仿真算法常用于处方性分析。配合处方性分析的HMI/SCADA可开具几种不同可能行动并引导操作员向解决方案。
认知性分析构建于处方性分析之上回答"为何要这么做？" 认知性分析用自学习算法和深度学习技术模拟人类思维。
更高层级理解
描述性和诊断性分析用历史数据解释发生什么和为何发生，而预测性、处方性和认知性分析用历史数据预测未来将发生什么及应采取何行动影响特定结果。许多情况下多种分析和算法同时使用，结果聚合以便更好决策。
部署在边缘设备的HMI/SCADA软件可成为提供分析驱动组织走向更好数据驱动决策的关键因素，即使从远程位置也能提升竞争力。
若COVID-19大流行有条银线，那就是公司学会调整商业模式向更实时数据驱动决策。通过利用人员、设备、原材料、设施创建远程流程可视性，公司发现能通过提供更紧密客户、员工、供应商联系更优化运营。
本文由ADISRA（奥斯汀，德克萨斯）首席技术官Bruno Armond Crepaldi撰写。详情请访问 .
参考文献
- 2019年6月18日 - IDC新预测：连接IoT设备增长预计2025年生成79.4ZB数据。
- 2020年6月1日 - 全球嵌入式分析市场2023年达602.8亿美元：AMR。
传感器