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

現在，如果生產制造企業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智能應用，但它們是大多數公司基于云的分析的切入點。

為了實施數字化轉型策略，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，使企業能夠快速獲得數據洞察力。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務挑戰。

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，即操作系統和硬件層，這是在云中托管數據和應用所需的。在該基礎設施之上是數據管理層，在云服務或數據湖中，存儲著各種類型的數據，包括結構化和非結構化的文本數據、視頻數據和流式物聯網數據。分析層的應用程序利用這些數據進行計算，為可視化層提供趨勢、報告、儀表盤和其他見解所需的信息。

傳統上，制造業中的分析是在工廠內部完成的，將歷史數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勢的出現，這種情況正在發生變化。

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，從而轉變為按需付費的模式，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。

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

圖1：云使數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中運行機器學習模型。將運營數據復制到云后，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據或依賴該數據的任何現有應用程序。

基于云的分析可以輕松打破數據孤島，這樣無論數據來自哪里，用戶都可以訪問和連接數據。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，并創建全球運營報告，以確保實現最佳的業務決策（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經常花費大量的時間規劃，如何將數據和應用程序遷移到云中，但在數據遷移完成后，卻又會問：“現在該怎么辦？”。在云端數據湖中移動或聚合數據，并不能使其更有價值；這只是實施全面數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人員，才能確保該數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，實現投資回報就越快。

在運營數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據之前，不要匯總云中的過程數據或應用業務規則。匯總數據時，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，數據清理以及訪問任何數據集以進行調查和模型開發）。

連接新的數據源

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作功能來連接新的數據源。這釋放了工程師的創造力，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直接與感興趣的數據進行交互并獲得洞察力。

從小規模應用開始試點，并利用云來快速擴展分析，使得項目運營者可以衡量業務影響，建立業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網數據，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到云端。

制造業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模，來連接數據孤島。必須保持原始數據的完整，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作，以實現投資回報并擴大潛在的業務影響。將適合的高級分析軟件與大多數企業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