云計算是存儲和分析大數(shù)據的關鍵推動力，這已成為制造企業(yè)的共識。即使在幾年前，如此龐大的數(shù)據似乎還是無法想象的。由于很多企業(yè)想通過更好地利用財務、客戶、供應鏈和運營數(shù)據，來提高運營效率并創(chuàng)建新的業(yè)務模式，從而完成其數(shù)字化轉型戰(zhàn)略，所以理解這點很重要。

現(xiàn)在，如果生產制造企業(yè)的過程工程師還沒有使用基于云的分析工具，那很有可能其它部門已經在使用。例如，人事部門正在使用軟件來分析員工數(shù)據，銷售和市場部門的分析人員可能正在研究對特定產品和服務的需求。盡管這些程序被認為是生產或商業(yè)智能應用，但它們是大多數(shù)公司基于云的分析的切入點。

為了實施數(shù)字化轉型策略，基于云的分析技術（即應用程序、工具和技術部署在云端而不是在本地部署）的興起，使企業(yè)能夠快速獲得數(shù)據洞察力。由于云計算資源具有幾乎無限的可擴展性，可以迅速洞察更多不同類型的數(shù)據，從而簡化該過程。這使員工能夠近乎實時地解決越來越多的復雜業(yè)務挑戰(zhàn)。

定義基于云的分析

基于云的分析是一個廣義術語，指的是多層計算功能。首先是底層的云基礎設施，即操作系統(tǒng)和硬件層，這是在云中托管數(shù)據和應用所需的。在該基礎設施之上是數(shù)據管理層，在云服務或數(shù)據湖中，存儲著各種類型的數(shù)據，包括結構化和非結構化的文本數(shù)據、視頻數(shù)據和流式物聯(lián)網數(shù)據。分析層的應用程序利用這些數(shù)據進行計算，為可視化層提供趨勢、報告、儀表盤和其他見解所需的信息。

傳統(tǒng)上，制造業(yè)中的分析是在工廠內部完成的，將歷史數(shù)據和電子表格相結合，結果可用于工廠的臨時診斷、預測或運行儀表板。但是隨著基于云的分析的優(yōu)勢的出現(xiàn)，這種情況正在發(fā)生變化。

探索新型分析的能力

部署在云中的應用程序，受益于云的核心功能。首先是云的租賃模式與硬件和基礎架構相關的資本成本。企業(yè)的信息技術（IT）部門，不必再購買和維護昂貴的服務器來托管這些應用程序，從而轉變?yōu)榘葱韪顿M的模式，可以按需分配計算資源。

舉個例子：一家網上商店，在出現(xiàn)云之前，該零售商必須購買足夠的服務器來處理網站流量，以應對高峰時期的“爆炸性”需求，但在當年剩余的時間里，不得不保持閑置狀態(tài)。

在工業(yè)環(huán)境中，主題專家（SME）利用新的分析工具來加強對運營數(shù)據的了解，因此需要更大的靈活性。主題專家可能希望分析新的數(shù)據源，例如運營數(shù)據和情境數(shù)據，企業(yè)可能需要向更多的主題專家和其他用戶提供分析工具，以便更好地進行協(xié)作和決策。

圖1：云使數(shù)據可用于高級分析應用程序中的機器學習算法。本文圖片來源：Seeq

采用云的另一個驅動因素，是探索新型分析的能力，例如將歷史和接近實時的過程數(shù)據用于機器學習（圖1）。很多制造商希望利用這些以及其它高級功能來提高產品質量，預測最佳維護時段以防止計劃外停機，但它們并不想在其實時控制系統(tǒng)中運行機器學習模型。將運營數(shù)據復制到云后，即可用于機器學習，從而能夠探索新的分析模型，而又不會影響源生產數(shù)據或依賴該數(shù)據的任何現(xiàn)有應用程序。

基于云的分析可以輕松打破數(shù)據孤島，這樣無論數(shù)據來自哪里，用戶都可以訪問和連接數(shù)據。一旦這些孤島通過云連接起來，主題專家和其他用戶便可以將分析擴展到全球各地，并創(chuàng)建全球運營報告，以確保實現(xiàn)最佳的業(yè)務決策（圖2）。

圖2：不同部門的員工都可以在全球范圍內訪問基于云的數(shù)據和分析。

云分析入門

實施基于云的分析時，請務必從最終應用開始。很多能源和制造企業(yè)經?；ㄙM大量的時間規(guī)劃，如何將數(shù)據和應用程序遷移到云中，但在數(shù)據遷移完成后，卻又會問：“現(xiàn)在該怎么辦？”。在云端數(shù)據湖中移動或聚合數(shù)據，并不能使其更有價值；這只是實施全面數(shù)據分析策略的一個步驟。

避免此結果的最可靠方法，是確保主題專家盡早參與到分析項目中去。只有那些擁有深厚的過程專業(yè)知識，并了解在更廣泛的運行過程中各個部門獨特影響的專業(yè)人員，才能確保該數(shù)據帶來洞察力和生產力。為主題專家提供的相關性更強、更易于使用、更靈活的分析應用程序越多，實現(xiàn)投資回報就越快。

在運營數(shù)據和云計算模型中要注意的一點是，IT團隊必須抵制住一種誘惑，在將云分析應用程序連接到數(shù)據之前，不要匯總云中的過程數(shù)據或應用業(yè)務規(guī)則。匯總數(shù)據時，沒有資產或過程知識的人，會預先猜測主題專家可能會感興趣的事物，這可能會減少其潛在影響。最佳實踐是將所有數(shù)據以其原始格式存儲，以便主題專家在分析時就修改哪里以及如何修改做出決策（例如，數(shù)據清理以及訪問任何數(shù)據集以進行調查和模型開發(fā)）。

連接新的數(shù)據源

一家擁有50多個運營站點的能源公司，分布在一個地理上非常廣闊的區(qū)域范圍內。最初，該公司在某個站點聘用6名工程師，成功地實施了基于云的分析。這些工程師一開始確定了3個用例：資產完整性監(jiān)視和性能趨勢、預測性維護和生產預測。

在隨后的90天里，該團隊擴展到10多個站點的50多名工程師。他們使用這些用例，通過共享的云部署和協(xié)作功能來連接新的數(shù)據源。這釋放了工程師的創(chuàng)造力，使他們可以找到更多用例，來獲得洞察并改善資產可用性和生產效率（圖3）。

圖3：主題專家可使用Seeq直接與感興趣的數(shù)據進行交互并獲得洞察力。

從小規(guī)模應用開始試點，并利用云來快速擴展分析，使得項目運營者可以衡量業(yè)務影響，建立業(yè)務案例以吸引更多用戶和站點參與。

下一步，該公司計劃從遠程站點連接其它物聯(lián)網數(shù)據，需要牢記兩個關鍵因素，即網絡延遲和分析性能。用戶不會使用性能低下和延遲過多的笨拙分析工具，因此必須考慮這些因素。在實施云之前，這些遠程站點的報告一般是離線手動完成的。

為了解決這些問題，該公司正在使用具有邊緣分析功能的混合云方法。該方法是在邊緣或數(shù)據源附近配置計算和分析資源，并在網絡可用時將結果傳輸?shù)皆贫恕?/p>

制造業(yè)仍處于基于云的分析的初始階段，但學習熱潮正在興起。企業(yè)必須將主題專家放在任何分析工作的中心，并且可以擴大和縮小云引用的規(guī)模，來連接數(shù)據孤島。必須保持原始數(shù)據的完整，以確保分析和洞察具有靈活性。還必須確保團隊和站點之間的協(xié)作，以實現(xiàn)投資回報并擴大潛在的業(yè)務影響。將適合的高級分析軟件與大多數(shù)企業(yè)使用的云平臺相結合，將有助于提高運營效率。 （作者：Megan Buntain）
編輯：hfy