智能制造时代：为什么你需要一个好的数据策略

据GIM 3月1日报道，随着我们进入智能制造时代，数据的可靠性越来越重要，数据标准化也变得越来越重要。Murphy Geospatial副总监兼制造主管JP Kelly表示，企业需要良好的数据策略才能成功。

我们正在进入智能制造时代，在那里我们可以虚拟地自动化和模拟流程和设施的更新。在过去十年中，在制造业大量工人外流的推动下，自动化的迅速采用，将促使人们做出巨大努力建立智能工厂。数字孪生是现实世界系统的虚拟复制品，由地理空间数据组成，用于增强制造系统和产品。

人工智能（AI）工具现在正被集成到数字孪生中，使这些渴望数据的系统更加饥饿，因为它们严重依赖来自实时镜像物理对象或系统的传感器和物联网（IoT）设备的大量“大数据”。数字孪生所需的数据量正在呈指数级增长。与此同时，技术捕获数据的能力正在以令人难以置信的快速发展。随着人工智能日益增强数字孪生的能力，数据的可靠性越来越重要，数据标准化也变得越来越重要。

制造业生态系统的现代愿景——物联网和传感器提供实时洞察力和直观的数字孪生来弥合物理和数字领域之间的差距——承诺提高效率、减少浪费、消除错误和延长资产寿命。然而，实现这种未来的工作方式意味着制造商需要一个明确的数据战略，该战略概述了数据标准化和治理的严格措施。随着数据量的增长，保持对信息位置和内容的可见性变得越来越具有挑战性。虽然大数据对洞察力是不可或缺的，但当组织缺乏对其存储数据的准确理解时，就会出现挑战。在保护数据方面，不断增加的数据量会带来控制减少的风险。

这是好数据还是坏数据？将小麦与谷壳分开

在制造业中，能够识别好数据和坏数据的影响怎么强调都不为过。不良数据以不准确、不完整、不可访问、不一致或不及时为特征，对整个生产过程构成重大危险。同样，错误信息阻碍了全面了解制造设施的能力，阻碍了战略规划和及时应对挑战。

制造业的许多参与者依赖于复杂的供应链，包括多样化的站点和利益相关者。不同的利益相关者以及对快速和并行决策的需求可能会加剧数据差的影响。信任不准确或不完整的信息可能会导致对项目状态的误解，这可能会产生连锁效应，并导致具有广泛后果的错误。

然而，良好的数据对于成功集成人工智能工具和使用数字孪生至关重要。良好的数据可以实现明智的决策，减少不准确性，并确保数据在整个资产生命周期中的完整性和一致性。没有高质量的数据，你就无法创造一个直观的数字孪生，因此是一个真正的智能工厂。

那么，你怎么知道区别呢？这都是关于如何收集数据，如何标记数据，以及如何管理数据。它从资产的准确数字记录开始，通过取证数据捕获和扫描到BIM（建筑信息建模）的过程。然后，实施地理空间管理计划允许使用GIS、AR和VR等技术对空间数据进行战略处理和分析，以支持资产的知情决策、规划和资源管理。

人工智能和自主工作流程

自主工作流程已被证明具有强大的竞争优势、节省时间和改进的业务流程。但随着人工智能根据数据做出决策，它已经被喂入，很容易理解为什么数字系统多层中包含的数据的准确性如此重要。不准确的数据可能导致人工智能推荐不必要的制造工艺。这不仅浪费了宝贵的时间，还产生了额外的成本。虽然在数字孪生的架构中拥有准确数据的直接好处在小规模项目中可能并不明显，但真正的价值会随着时间的推移而展开。

来源：GIM 作者：JP Kelly

编辑：瓷瓷

（声明：请读者严格遵守所在地法律法规，本文不代表任何投资建议）