對(duì)于業(yè)務(wù)發(fā)展而言，在整個(gè)企業(yè)中移動(dòng)和集成海量復(fù)雜工業(yè)數(shù)據(jù)的能力可謂至關(guān)重要。

[[440815]]

那些急于實(shí)施人工智能、云和工業(yè)物聯(lián)網(wǎng)等新技術(shù)的工業(yè)企業(yè)逐漸發(fā)現(xiàn)，自己擁有一個(gè)龐大的技術(shù)堆棧，其中充斥著傳統(tǒng)的、拼湊而成的本地解決方案。結(jié)果就是，一個(gè)環(huán)境中不僅有多個(gè)孤立的數(shù)據(jù)源，每個(gè)數(shù)據(jù)源都以自己獨(dú)特的方式存儲(chǔ)、格式化和保護(hù)數(shù)據(jù)，而且還有一個(gè)同樣孤立的方法來(lái)理解如何利用這些數(shù)據(jù)在整個(gè)企業(yè)中實(shí)現(xiàn)可操作性。

領(lǐng)域?qū)＜?Domain experts)不僅成為了解特定流程或工作流的首選，而且也是唯一對(duì)由不同來(lái)源跟蹤或生成的不同數(shù)據(jù)集具有洞察力的人。

勞動(dòng)力轉(zhuǎn)移使工業(yè)數(shù)據(jù)價(jià)值捕獲面臨風(fēng)險(xiǎn)

在快速數(shù)字化的企業(yè)中，跨站點(diǎn)維護(hù)和處理數(shù)據(jù)是一種糟糕的方式，尤其是考慮到當(dāng)今工業(yè)勞動(dòng)力中發(fā)生的代際流失現(xiàn)象，就更容易產(chǎn)生適得其反的效果。如今，經(jīng)驗(yàn)豐富的領(lǐng)域?qū)＜乙呀?jīng)越來(lái)越多地離崗?fù)诵荩《氖切聠T工，他們既沒(méi)有接受過(guò)學(xué)術(shù)培訓(xùn)來(lái)處理此類特定的遺留技術(shù)，也沒(méi)有前輩所擁有的豐富領(lǐng)域知識(shí)和運(yùn)營(yíng)專業(yè)知識(shí)。這種運(yùn)營(yíng)專業(yè)知識(shí)的缺失使得工業(yè)企業(yè)不僅擁有海量未知數(shù)據(jù)，而且缺乏對(duì)數(shù)據(jù)的任何真正可見(jiàn)性。

在這種情況下，想要使工業(yè)數(shù)據(jù)有用且可操作，需要分兩走：

第一步涉及利用下一代數(shù)據(jù)歷史記錄來(lái)實(shí)現(xiàn)數(shù)據(jù)訪問(wèn)的民主化，確保工廠內(nèi)和整個(gè)企業(yè)的每個(gè)人——無(wú)論技能、任期或?qū)I(yè)知識(shí)——都有平等的訪問(wèn)權(quán)和能力來(lái)利用任何來(lái)源的數(shù)據(jù)——跨工廠，從邊緣到云端。

使數(shù)據(jù)真正通用意味著使用“邊緣到云”(edge-to-cloud)的集成數(shù)據(jù)歷史記錄器來(lái)消除孤島、清理數(shù)據(jù)湖、為非結(jié)構(gòu)化數(shù)據(jù)賦予結(jié)構(gòu)、應(yīng)用標(biāo)簽使數(shù)據(jù)集更易于查找，并使工業(yè)數(shù)據(jù)在AI就緒狀態(tài)下可訪問(wèn)以驅(qū)動(dòng)工業(yè)智能化。

第二步是使數(shù)據(jù)具有可操作性，以便決策者(從生產(chǎn)車間到管理層)不僅能夠了解數(shù)據(jù)告訴他們什么，而且能夠了解接下來(lái)要采取的步驟。

使用人工智能物聯(lián)網(wǎng)(AIoT)發(fā)展數(shù)據(jù)歷史記錄功能

為了將原始數(shù)據(jù)轉(zhuǎn)化為可操作的洞察力，工業(yè)企業(yè)需要利用工業(yè)AI基礎(chǔ)設(shè)施幫助加速?gòu)墓I(yè)數(shù)據(jù)中獲得商業(yè)價(jià)值，從而改進(jìn)其數(shù)據(jù)歷史記錄功能，以從機(jī)器學(xué)習(xí)(ML)和AI算法中受益。數(shù)據(jù)歷史記錄功能不能僅僅用于收集進(jìn)程數(shù)據(jù);它們必須被視為更強(qiáng)大工業(yè)數(shù)據(jù)管理戰(zhàn)略的核心，以實(shí)現(xiàn)從海量數(shù)據(jù)的積累到更周到的工業(yè)數(shù)據(jù)應(yīng)用、集成和移動(dòng)的轉(zhuǎn)變。

有目的的應(yīng)用人工智能和機(jī)器學(xué)習(xí)是促進(jìn)工業(yè)企業(yè)中數(shù)據(jù)歷史記錄功能演變的關(guān)鍵，以便利用以前未被發(fā)現(xiàn)或未優(yōu)化的工業(yè)數(shù)據(jù)集來(lái)創(chuàng)造新的商業(yè)價(jià)值。

許多領(lǐng)先的工業(yè)企業(yè)正在采用人工智能物聯(lián)網(wǎng)(AIoT)戰(zhàn)略，以加快其AI投資的價(jià)值實(shí)現(xiàn)時(shí)間。AIoT戰(zhàn)略提供集成數(shù)據(jù)管理、邊緣和云基礎(chǔ)設(shè)施以及生產(chǎn)級(jí)AI環(huán)境，以企業(yè)速度和規(guī)模構(gòu)建、部署和托管工業(yè)AI應(yīng)用程序。它還可以作為實(shí)現(xiàn)自我優(yōu)化工廠變革愿景的基礎(chǔ)設(shè)施。

為實(shí)際應(yīng)用擴(kuò)展AI需要提供工具、基礎(chǔ)設(shè)施和工作流，以便在整個(gè)解決方案生命周期內(nèi)為工業(yè)AI提供支持。它還需要在工業(yè)環(huán)境中實(shí)現(xiàn)AI產(chǎn)品化所需的軟件、硬件和企業(yè)架構(gòu)，包括開(kāi)發(fā)、數(shù)據(jù)科學(xué)和基礎(chǔ)設(shè)施功能(如CloudOps、DevOps、MLOps等)之間更廣泛的協(xié)作。 這個(gè)維度對(duì)于幫助企業(yè)從零散的AI概念驗(yàn)證發(fā)展到企業(yè)范圍的工業(yè)AI戰(zhàn)略至關(guān)重要。

工業(yè)AI在提供現(xiàn)實(shí)世界價(jià)值方面取代“通用”AI

但并非所有人工智能都是相同的，在工業(yè)環(huán)境中嘗試將“通用”人工智能方法應(yīng)用于您的數(shù)據(jù)歷史記錄，可能會(huì)削弱您希望從中獲得的任何投資回報(bào)率。人們可能會(huì)認(rèn)為，在大量工廠數(shù)據(jù)上訓(xùn)練通用AI模型會(huì)使模型適應(yīng)工廠的需求。但是，如果出于安全或設(shè)計(jì)原因，工廠在有限的條件范圍內(nèi)工作，那么AI模型也會(huì)攝取有限的數(shù)據(jù)并自學(xué)在這些有限范圍內(nèi)運(yùn)行。因此，在工廠數(shù)據(jù)上訓(xùn)練的通用AI模型可能不像您期望的那般靈活，例如，能夠響應(yīng)實(shí)時(shí)市場(chǎng)變化并相應(yīng)地調(diào)整生產(chǎn)計(jì)劃。

更糟糕的是，這種通用AI模型最終可能會(huì)在工業(yè)流程和工廠設(shè)備之間產(chǎn)生不準(zhǔn)確的相關(guān)性或因果關(guān)系，從而為決策者提供不正確的見(jiàn)解或規(guī)定不正確的后續(xù)步驟。這不僅會(huì)損害工廠的運(yùn)行能力，還破壞了工業(yè)領(lǐng)域人工智能產(chǎn)品化的能力，并損害了人工智能的整體采用。

通用AI和ML并不可行。改進(jìn)工廠或煉油廠的數(shù)據(jù)歷史記錄以適應(yīng)更復(fù)雜數(shù)據(jù)環(huán)境的需求，意味著使用更具體、更匹配的工業(yè)AI——換句話說(shuō)，已嵌入特定領(lǐng)域應(yīng)用程序的AI專注于目標(biāo)業(yè)務(wù)需求，而不是針對(duì)更大的工廠數(shù)據(jù)池進(jìn)行培訓(xùn)。

通過(guò)基于特定目的而構(gòu)建的工業(yè)AI應(yīng)用程序來(lái)部署AI，而非在整個(gè)工廠中應(yīng)用“通用”AI方法，工業(yè)領(lǐng)導(dǎo)者既避免了與實(shí)施新技術(shù)相關(guān)的一些(感知)障礙，又確保AI算法整合了特定于工業(yè)流程和現(xiàn)實(shí)工程的領(lǐng)域知識(shí)。這確保了工業(yè)AI既能吸收以特定領(lǐng)域目的為指導(dǎo)的相關(guān)數(shù)據(jù)，又能產(chǎn)生洞察力，讓決策者更準(zhǔn)確地了解他們的環(huán)境。這為決策制定創(chuàng)造了一個(gè)安全、可持續(xù)和整體的工作流程，保證了可靠的長(zhǎng)期結(jié)果。 

為了支持和實(shí)現(xiàn)其盈利能力、生產(chǎn)和可持續(xù)發(fā)展目標(biāo)，工業(yè)企業(yè)必須將當(dāng)前的數(shù)據(jù)歷史庫(kù)發(fā)展為由AIoT戰(zhàn)略提供支持的下一代工業(yè)級(jí)數(shù)據(jù)管理解決方案，該解決方案為在整個(gè)行業(yè)部署工業(yè)AI應(yīng)用程序提供了錨固技術(shù)。對(duì)業(yè)務(wù)發(fā)展而言，擁有能夠在整個(gè)企業(yè)范圍內(nèi)移動(dòng)和集成海量復(fù)雜工業(yè)數(shù)據(jù)的數(shù)據(jù)歷史記錄功能至關(guān)重要。為此，行業(yè)領(lǐng)導(dǎo)者需要投資云就緒、專門構(gòu)建工業(yè)AI基礎(chǔ)設(shè)施和應(yīng)用程序，以確保業(yè)務(wù)面向未來(lái)，并適應(yīng)動(dòng)蕩和復(fù)雜的市場(chǎng)條件。