使關注數據的英國制造商徹夜難眠的關鍵問題
是什么使英國的數據制造商無法入夜？更重要的是，他們在做什么？詹姆斯·史密斯（James Smith）在今年的在線工業數據峰會上重點介紹了確定議程的一些關鍵對話。
在過去三年中組織了工業數據峰會系列會議，這為我提供了一個令人著迷的有利視角，從中可以觀察到英國制造商內部“數據對話”的演變。
數字樞紐
在2018年，通常相當利基的技術討論已經擴大到了來自各個公司的利益相關者的參與，幫助數據科學家和技術專家｀｀學習組織的語言＇＇，并加速了該行業向以數據驅動的思維方式的轉變。
由于Covid－19的影響，今年的工業數據峰會被迫在短時間內上線－但是格式的改變并沒有阻止代表人數繼續增長三分之一以上。
顯然，時間已經到了。在線工業數據峰會圍繞一次全體會議進行了重組，并獲得了一系列突破性的“討論室”會議的支持。
這些討論室各自專注于難題的不同部分，使與會代表可以選擇參加哪些專家主導的制造對話。
從目標到實現
當天的氣氛是由活動的第一位主旨演講者，GE Digital的Edge數據高級產品經理Steve Pavlosky設定的，他通過要求制造商“從他們的設備生成的數據中獲取更多價值”來構架當天的對話。 ，確定您想要的結果是什么。”
據帕夫洛夫斯基稱，大多數制造商未能從產生的數據中獲得他們應得的價值。
“所有這些正在創建的數據并沒有為您的業務創造價值，這與廢料箱中存放的材料沒有什么不同。他說，只有不到1％的數據用于改善決策。
對數據浪費流進行分析和環境化是實現最佳運營績效的關鍵，他繼續列舉了寶潔公司的示例，該公司從多個生產地點收集了制造執行系統（MES）數據，以便比較性能，創建最佳實踐，并提高單個工廠的生產率和質量。
“通過將MES交易數據與其質量和過程數據綁定在一起，寶潔將所有這些數據都放入一個中央倉庫，可以對其進行分析，然后比較制造相似產品的所有工廠的運營情況，并使每個人都達到最高水平。這為提高整個組織的效率創造了巨大的機會。”
數據和預測性維護
下一位發言者是Stanley Black＆Decker的AI負責人兼首席架構師Bala Amavasai，他專注于這家擁有175年歷史的公司如何將自己轉變為數字組織，以及如何使用人工智能在通過音頻和視頻系統進行質量檢查，以節省時間和預算，減少浪費并改善質量控制。
云和邊緣中大量廉價的計算能力推動了數據的指數增長，但是Amavasai解釋說，工業數據仍然傾向于孤立無援。“對于大多數制造商而言，最初的任務是將數據連接在一起，并將其全部放入單個數據湖中，這需要進行連接。”
Stanley Black＆Decker通過持續監控設備系統以使企業回答以下問題，即“ 在給定時間段內該機器將使用多長時間？”，從而在預測性維護方面取得了良好的效果。
根據Amavasai的說法，只有首先有效地參與組織，才能取得這些結果。“ AI只是軟件，在后臺進行了大量研究，但從根本上說，它仍然是一個軟件項目。如果您希望AI提供有效的結果，則需要確保預先滿足所有要求。”
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
5月20日立即參評>> 【評選】維科杯•OFweek 2026中國智能制造行業年度評選
-
5月29日立即下載>> 【白皮書】工業視覺AI實戰白皮書合集
-
5月30日立即報名>> 2026激光行業應用創新發展藍皮書火熱招編中！
-
5月31日立即下載>> 【白皮書】村田室內外定位解決方案
-
即日-5.31立即申報>>> 維科杯·OFweek 2026光學行業年度評選
-
5月31日立即申報>>> 維科杯•OFweek 2026激光行業年度評選
