情境化：数据科学的艺术

数据科学的艺术是从广泛的数据点中创造可操作的价值，这些数据点以许多不同的方式相互关联。这与通过特定生产者和消费者之间的接口交换数据的历史方法截然不同。现代数字化的艺术是了解每个数据片段在多个数据生产者和消费者的可互操作生态系统中可以发挥的许多作用的重要性。来自多个领域的具有专业知识的玩家，以及先进的、时间驱动的数据处理算法或人工智能的创造者，必须走到一起，提供实时数据分析的软件自动化，以创造可操作的洞察力。来自 IIoT 消息的数据，例如 IPC Connected Factory Exchange (CFX) IIoT 制造标准使用的标准，可能有助于通过许多不同的角度创造价值，包括运营绩效、产品ct 质量、材料和供应链、合规性、可追溯性等。每个视角都是通过将来自每个新数据点的增量洞察力与来自其他数据点的洞察力相结合，结合生产运营的实时“数字孪生”模型来创建的，包括产品细节、设计驱动的工程方法、生产站配置等。微观事实是基于组数据的简单方面的计算，从多个消息中得出，从特定角度获取。作为一个简单的例子，一个时间被报告为一个生产单元从一个特定的生产站退出。一个派生的微观事实示例是生产单元完成生产线配置处理所花费的时间长度，这取决于生产单元到达第一站的时间和离开终点站的时间。两者之间的差异是一个简单的计算，但在cons时起着重要作用从不同的角度考虑，包括根据目标指示生产线性能、OEE（运营设备效率）、不同生产单元的时间变化带来的质量风险、对物料补给计划的影响、近期预期生产线的推断性能，并通过考虑不同产品的依赖性和相互关联的路径，整个工厂的性能。所需的观点驱动情境化过程，并源自现实世界的问题，例如缺陷的发生、生产过程中的中断生产流动，或重点地区情况异常波动。在一千个产品的单个生产批次中，可能会发现一个有缺陷。由于每个产品的每个生产操作都按预期以相同的方式完成，因此最好通过了解产品中差异最大的地方来寻找“一次性”缺陷的根本原因。从缺陷产品的角度来看，过程是经历过的。这种差异很可能是两个或多个因素组合的产物，每个因素都在各自的控制范围内，但共同造成了缺陷。需要考虑几个观点，每个观点都由许多相关的微观事实提供支持，使分析能够找到最有可能导致缺陷产生的独特条件集。作为后续价值，分析可以是这样做是为了找到那些与有缺陷的生产单元接近经历相同条件但看起来是好产品的生产单元。了解他们每个观点的重要性可能会导致识别那些可能是质量“灰色区域”的单位，即市场上存在可靠性问题的产品。然后可以采取措施消除影响此类缺陷的因素组合的可能性.可以从影响生产线性能的角度进行类似的分析，通常称为机器学习或闭环分析，但在理想情况下，考虑更广泛的背景，包括与到达的生产单元相关的先前变化，材料和执行的操作。基于装配制造物理世界知识的人类智慧和经验，用于制定推动改进所需的观点。自动化通过使用软件算法然后操纵微观事实的组合来构建事件和趋势的整体愿景，每个事件和趋势都由数据推动。真正的工业 4.0 数字生态系统包含许多“大数据”源的组合，这些源与许多解决方案可互操作地共享数据，每个解决方案再次与其他解决方案交换结果，每个解决方案相互依存以创造可创造直接利益的洞察力.过程不一样人脑的运作，对共享的感官数据进行重要的分布式处理，然后将其情境化为单一意识。大多数时候都是这样。在“情境化——数据科学的艺术”白皮书中了解更多信息，包括如何在您的工厂中实施它。关于作者Michael Ford，Aegis Software 新兴产业战略高级总监在 Aegis Software 工作为 Michael 提供了有机会将他的软件应用于电子装配制造经验，以进一步推动技术解决方案创新，满足现代数字制造中不断变化的业务需求。在他的整个职业生涯中，包括在日本工作的八年，迈克尔一直致力于创造和发展革命性的装配软件解决方案制造，满足最苛刻的期望。今天，Michael 是工业 4.0 数据驱动制造领域公认的思想领袖，也是一个积极的骗局行业标准的贡献者。 2021 年，Michael 因对 CFX、可追溯性、安全供应链和数字双胞胎标准等标准的贡献而获得 IPC 颁发的奖学金。 Michael 定期在几家领先的行业出版物中发表文章、专栏和博客。