是什么使英国的数据制造商无法入夜？更重要的是，他们在做什么？詹姆斯·史密斯（James Smith）在今年的在线工业数据峰会上重点介绍了确定议程的一些关键对话。
在过去三年中组织了工业数据峰会系列会议，这为我提供了一个令人着迷的有利视角，从中可以观察到英国制造商内部“数据对话”的演变。
数字枢纽
在2018年，通常相当利基的技术讨论已经扩大到了来自各个公司的利益相关者的参与，帮助数据科学家和技术专家｀｀学习组织的语言＇＇，并加速了该行业向以数据驱动的思维方式的转变。
由于Covid－19的影响，今年的工业数据峰会被迫在短时间内上线－但是格式的改变并没有阻止代表人数继续增长三分之一以上。
显然，时间已经到了。在线工业数据峰会围绕一次全体会议进行了重组，并获得了一系列突破性的“讨论室”会议的支持。
这些讨论室各自专注于难题的不同部分，使与会代表可以选择参加哪些专家主导的制造对话。
从目标到实现
当天的气氛是由活动的第一位主旨演讲者，GE Digital的Edge数据高级产品经理Steve Pavlosky设定的，他通过要求制造商“从他们的设备生成的数据中获取更多价值”来构架当天的对话。 ，确定您想要的结果是什么。”
据帕夫洛夫斯基称，大多数制造商未能从产生的数据中获得他们应得的价值。
“所有这些正在创建的数据并没有为您的业务创造价值，这与废料箱中存放的材料没有什么不同。他说，只有不到1％的数据用于改善决策。
对数据浪费流进行分析和环境化是实现最佳运营绩效的关键，他继续列举了宝洁公司的示例，该公司从多个生产地点收集了制造执行系统（MES）数据，以便比较性能，创建最佳实践，并提高单个工厂的生产率和质量。
“通过将MES交易数据与其质量和过程数据绑定在一起，宝洁将所有这些数据都放入一个中央仓库，可以对其进行分析，然后比较制造相似产品的所有工厂的运营情况，并使每个人都达到最高水平。这为提高整个组织的效率创造了巨大的机会。”
数据和预测性维护
下一位发言者是Stanley Black＆Decker的AI负责人兼首席架构师Bala Amavasai，他专注于这家拥有175年历史的公司如何将自己转变为数字组织，以及如何使用人工智能在通过音频和视频系统进行质量检查，以节省时间和预算，减少浪费并改善质量控制。
云和边缘中大量廉价的计算能力推动了数据的指数增长，但是Amavasai解释说，工业数据仍然倾向于孤立无援。“对于大多数制造商而言，最初的任务是将数据连接在一起，并将其全部放入单个数据湖中，这需要进行连接。”
Stanley Black＆Decker通过持续监控设备系统以使企业回答以下问题，即“ 在给定时间段内该机器将使用多长时间？”，从而在预测性维护方面取得了良好的效果。
根据Amavasai的说法，只有首先有效地参与组织，才能取得这些结果。“ AI只是软件，在后台进行了大量研究，但从根本上说，它仍然是一个软件项目。如果您希望AI提供有效的结果，则需要确保预先满足所有要求。”
