AVEVA 的四大制造技术预测

AVEVA 首席执行官 Craig Hayman 提供 2021 年工业领域的技术预测

技术已深深植根于现代生活的几乎方方面面，并为全球许多企业发挥着内在作用。数字化转型使组织，尤其是工业部门的组织能够增强其能力，并增加其资产和运营的回报。通过实时分析使用工业物联网 (IIoT) 产生了深远的影响，它缩短了对潜在问题的响应时间并最大限度地减少了对环境的可能破坏，从而避免了代价高昂的计划外停机，同时改进了利润。

展望 2021 年，工业领域有四项关键技术预测脱颖而出。一、数字化 将继续在组织内传播和成熟——互联工业物联网将在许多企业的核心领域更深入、更广泛。其次，支持人工智能 (AI) 和机器学习 (ML) 的技术将继续自动化流程 以提供改进的性能和敏捷性。第三，将更加关注可持续性 随着企业希望在使用自然资源方面变得更清洁、更高效。第四，同样重要的是，企业将寻求从数据中挖掘关键洞察力 .

1。数字化将深化，云使用将成熟

数字能力增强了弹性。 2021 年将为工业部门组织内的进一步数字化转型铺平道路。各行各业的商业领袖也在转向人工智能和 3D 建模等技术来了解他们的生产流程和计划。为了适应原材料供应不稳定且对最终产品的需求集中在必需品上的环境，企业必须比以往更好地了解他们的生产设施。

云不一定是数字化转型的先决条件，而是推动者。云技术加快了实现价值的时间、增强了协作并降低了成本。 2020 年显而易见的是，云平台允许组织将来自多个来源的数据整合到一个中心位置，以提高透明度和可访问性 - 随时随地通过任何安全设备。

当前的危机正在以越来越复杂的方式加速云和数据的使用，以帮助提供运营的可见性和确定性。随着企业寻求更大的数据驱动洞察力，分析的采用被认为是数字化转型的最大驱动力之一。数据充当事实来源，帮助团队专注于决定业务弹性的关键因素。思维方式也发生了根本性转变：客户现在了解他们需要到达哪里以及需要多快到达那里。在时间逐渐变得至关重要的时代，更加关注数字化转型和数据驱动的洞察力将改变游戏规则。

2. 自动化将加快步伐

根据 Gartner 的说法，“到 2024 年底，75% 的企业将从试行 AI 转向运营 AI，从而推动流数据和分析基础设施的 5 倍增长。” 使用 AI 提升增强型数据管理系统也将有助于优化和改进运营。检查大量运营和历史数据样本将成为常态。

我们还将看到通过 IIoT 连接的设备和传感器越来越多地支持 AI 应用程序。 IIoT 和 AI 的结合开启了下一波性能改进，尤其是在工业领域。为了进一步实现这种自动化，人工智能使用历史物联网数据来分析趋势，这有助于通过人工智能驱动的运营调度等尖端解决方案来简化和改进供应链流程。这为人类提供了关于最佳调度顺序的建议，大大减少了错误和低效率。

3. 可持续性将嵌入企业中

可持续发展是一个从衡量组织所处位置开始的旅程。数字化是基于事实的方法的自然第一步。这些数据使复杂的企业能够制定有意义的战略并在实地执行。

工业 4.0 将有助于将信息整合在一起，构建数字孪生，使组织能够优化可持续流程。如果以能源板块为例，过去几个月航油消耗量大幅下降，但能源消耗总体保持相对稳定，电力需求有所增长。电力仍然是在世界范围内分配能源的最有效方式。相比之下，在制造业中，许多公司的供应链无法跟上世界变化的步伐。展望未来，这些公司将转向使用当地供应商来满足专业要求并降低排放。

工业发展对于经济增长、消除贫困和创造就业至关重要。然而，提高资源利用效率和加强技术创新为降低成本、提高竞争力和就业提供了真正的机会。工业部门虽然在数字化转型过程中较晚，但有独特的机会引领对地球产生重大影响的方式。

4.数据存储库将获取内存

随着企业寻求更大的数据驱动洞察力，数据分析的采用被认为是数字化转型的最大驱动力之一。数据充当事实来源，帮助团队专注于决定业务弹性的关键因素。企业敏锐地意识到，他们必须通过使用技术变得更有弹性。

公司正在利用 IIoT 来安全连接并从各种远程资产收集数据，将信息引导到高级运营应用程序，并通过提供关键业务应用程序来关闭循环。这有助于实现优化、资产管理、增强分析和建模/模拟——这最终意味着提高整个运营的业务效率。

工业部门尤其如此，数据对五个关键领域产生了重大影响：

• 实时运营信息 越来越多地用于实时了解正在发生的事情，并支持资产和运营生命周期的状况管理。例如，显示旋转资产（如涡轮机）在运行期间的振动频率的仪表板提供了对资产运行行为和状态的实时了解。
• 历史运营信息 帮助组织了解过去发生的事情，从而围绕资产的运营行为创建智能。通过运营趋势、KPI 和仪表板的显示，您可以创建运营状态的抽象视图。例如，可以在仪表板上显示一个图表，显示涡轮机过去在运行期间的振动频率。这可以与实时振动频率进行比较，从而创建有关资产长期运营趋势的情报。
• 预测分析 用于假设类型建模。整合实时和历史数据使您的团队能够评估运营状态和行为的潜在结果，甚至考虑三级变量。然后可以将确定性或非确定性模型应用于开环模拟和预测分析。例如，您现在可以估计设备在需要检查或预计会发生故障之前可以运行多长时间。
• 规范性分析 描述了优化资产和运营生命周期所需的内容。通过学习元素和闭环算法创建和交付基于场景的指导，使您的团队能够校准整个企业价值链的计划和调度。例如，使用统一的供应链模型，基于场景的计算可用于优化维护计划和性能，最大限度地减少对您的运营的影响。
• 增强安全性 是通过连接物联网设备、增强现实和虚拟现实技术的组合来实现的，这些技术向操作人员提供实时操作程序和关键信息，减少执行特定任务时的人为错误。

大胆、反思和发展

不确定性将继续存在，以及 Covid-19 卷土重来的可能性、经济衰退的持续时间和深度、贸易战、油价波动等，因此企业必须从不确定性中吸取教训并创造新的正常。

我们从 2020 年吸取了哪些教训？企业需要智能软件来解决价值创造、生产力提高、洞察力发现、风险管理和成本优化的工业痛点。借助正确的技术，企业可以非常灵活地管理成本、提高效率并避免代价高昂的错误。数字化、自动化和数据驱动洞察力的结合，以及对可持续业务的关注，可以成为一个关键的差异化因素和推动力，帮助确保企业实现他们今天和明天的目标。