有些人可能認為大數(shù)據(jù)分析是機器學習或人工智能的同義詞，但其實這并不正確。雖然這些技術的某些方面可能被用于大數(shù)據(jù)的分析應用中，但只關注它們肯定會造成混淆和不切實際的期望。圍繞人工智能的炒作，暗示當將其應用于大數(shù)據(jù)時，會自動生成有用的信息。它可以在最終用戶很少或沒有努力的情況下產(chǎn)生結果。然而，數(shù)據(jù)分析用戶的體驗往往卻截然不同。

專注于創(chuàng)業(yè)公司的分析公司CB Insights認為，當前人工智能處于一種非理性的“繁榮”。人工智能技術的實際應用與營銷炒作之間存在負相關性，這會對用戶造成混淆。

例如，某供應商分享了一個案例研究，聲稱他們使用了以人工智能為中心的數(shù)據(jù)分析解決方案來解決生產(chǎn)問題。在演示文稿中，供應商展示了他們發(fā)現(xiàn)的生產(chǎn)過程和產(chǎn)品結果之間的相關性公式。該回歸公式是一個很好的工具，但說它就等同于人工智能顯然是種誤導。公式使用的甚至不是回歸變量；它是機器學習算法的一個最基本形式，也是在Microsoft Excel 2007數(shù)據(jù)分析工具包中就引入的一個功能。

一個有著10多年歷史的功能，被重新包裝和炒作為人工智能，表明在對認知計算的理解方面出現(xiàn)了混淆。這其中的一部分原因是人們?nèi)狈κ裁词侨斯ぶ悄?、機器學習、深度學習和其它形式 "認知計算" 的理解，以及對監(jiān)督和無監(jiān)督變量的論據(jù)。

這種炒作與痛苦的現(xiàn)實形成了鮮明對比，現(xiàn)實是很多企業(yè)收集到的大量數(shù)據(jù)甚至沒有被分析或利用，從而無法提供有價值的信息，不能被工程師和分析人員用其來生成可執(zhí)行的信息。

過程數(shù)據(jù)分析

雖然許多先進技術 (包括人工智能)可用于數(shù)據(jù)分析應用程序，但大數(shù)據(jù)分析的重點不應放在技術上。相反，重點應該放在用戶體驗上，以及如何將信息加速應用到過程優(yōu)化中。

重點應該放在精通這一領域的專家（SME）——過程工程師、數(shù)據(jù)分析專家等，以及他們在數(shù)據(jù)中尋找信息的能力上。不管數(shù)據(jù)分析應用程序中使用的是什么技術，目標始終是讓沒有太多數(shù)據(jù)科學專業(yè)知識的用戶能夠訪問和實施該解決方案。

設計良好的數(shù)據(jù)分析應用程序，應該使行業(yè)專家能夠獲取相應的信息。當數(shù)據(jù)分析應用程序挖掘其它功能時，應該在過程專家可以訪問的易于使用的功能環(huán)境中實現(xiàn)這些創(chuàng)新。

數(shù)據(jù)分析應用程序應該使用可用的技術幫助最終用戶獲得成功。如果采用的是機器學習或人工智能，那很好，但數(shù)據(jù)分析應用程序不應僅限于這些功能，或其它為了市場炒作而限制其他功能。有許多算法和創(chuàng)新技術，都可以為想要挖掘數(shù)據(jù)洞察力的用戶提供幫助。

算法功能可以包括為了進行數(shù)據(jù)清理的數(shù)字信號處理、過程信號中的形狀檢測以及分布式計算的Map-reduce模型。無論是調(diào)用機器學習、人工智能、還是其它算法，都不是重點。重點是幫助最終用戶更快地獲得成功。

數(shù)據(jù)連接

認知計算算法是過程制造和工業(yè)物聯(lián)網(wǎng)（IIoT）解決方案中，進行數(shù)據(jù)分析的重要組成部分，但只是其中的一部分。其它方面還包括數(shù)據(jù)整理（這是必要的數(shù)據(jù)連接），清理和以及為了使用而進行的數(shù)據(jù)語境化。數(shù)據(jù)分析應用程序的重點，必須包括這些準備步驟，以便加快從數(shù)據(jù)連接到信息發(fā)布的速度。

此外，數(shù)據(jù)分析應用程序應使用戶能夠?qū)⒎治鰯U展到所需的任何級別。最終用戶將繼續(xù)擴展使用數(shù)據(jù)分析應用程序以及對特定算法的需求。因此，數(shù)據(jù)分析應用程序應包括通過REST API、OData等特性對其它算法的可擴展性，并將算法集成到用戶體驗中。

側(cè)重問題解決

當數(shù)據(jù)分析應用程序允許用戶關注問題而不是技術時，用戶可以將精力更集中于如何快速獲得所需的結果。下文將從制藥、電力、冶煉、石化和造紙行業(yè)中出現(xiàn)的實際問題中，解析大數(shù)據(jù)分析的應用。

● 制藥實驗室分析

問題: 當從實驗室轉(zhuǎn)向全面生產(chǎn)時，在實驗室中實現(xiàn)的反應，不能在規(guī)模生產(chǎn)時重復。使用手動方法和現(xiàn)有的數(shù)據(jù)管理工具 (如電子表格)，很難找到原因。

解決方案: 通過大數(shù)據(jù)分析，將匯集與實驗室和全面生產(chǎn)相關的不同來源的數(shù)據(jù)進行分析。這使得制藥企業(yè)能夠快速比較這兩個過程，并確定關鍵的區(qū)別，調(diào)整規(guī)模生產(chǎn)的參數(shù)以提高產(chǎn)量。

● 發(fā)電廠污染控制

問題: 工廠運行人員無法從工廠的自動化系統(tǒng)中快速獲取足夠的信息，實時控制污染減排設備。這經(jīng)常會導致添加過量的化學藥品，從而產(chǎn)生額外的成本。

解決方案: 數(shù)據(jù)分析應用程序處理信息的能力，可以快速地控制污染減排系統(tǒng)，就像控制其它任何過程變量一樣，對化學物品如氮氧化物、硫磺氧化物的使用進行優(yōu)化，減少汞的排放，在延長設備壽命的同時，降低化學藥品的成本。

● 冶煉運營控制

問題: 像冶煉一樣受到嚴格管制并且高能耗的生產(chǎn)工藝，很難用傳統(tǒng)的電子表格來描述。因此，要平衡多個因素，并在成本、環(huán)境因素和能效之間做出最佳權衡幾乎是不可能的。

解決方案: 數(shù)據(jù)分析被用于分析多個變量之間的關系，這使得在任何給定時間，基于關鍵變量來控制過程都變得更容易。通過嘗試各種可能方案，簡化了為不斷變化的成本或新法規(guī)而進行的配比調(diào)整。

● 煉油反應床監(jiān)控

問題:由于煉油廠的工況復雜，會造成各種問題，因此難以預測反應床的結垢。來自各傳感器的數(shù)據(jù)往往帶有噪音，因此就很難確定實際趨勢并采取相應的糾正措施。

解決方案: 數(shù)據(jù)分析解決方案利用其數(shù)據(jù)清洗和膠囊技術，消除噪聲，并確定導致加速結垢的關鍵運行工況。在穩(wěn)態(tài)條件下創(chuàng)建基準，使您可以很容易地確定何時出現(xiàn)問題，并執(zhí)行預測性維護。

● 紙漿和紙張質(zhì)量評價

問題: 制漿機的制漿工藝可根據(jù)可用性混合各種木材品種。要想驗證原料的變化會不會對最終產(chǎn)品產(chǎn)生負面影響是很困難的，這主要是因為從制漿到成品的時間很長。

解決方案: 數(shù)據(jù)分析應用以歷史紙漿數(shù)據(jù)為基礎，確定紙漿的最終產(chǎn)品質(zhì)量。然后，在紙漿輸送到造紙機之前，生產(chǎn)者開始測試紙漿，并利用這些信息，準確預測最終產(chǎn)品的關鍵特性。

使用正確的數(shù)據(jù)分析應用程序，將有助于制造企業(yè)實現(xiàn)效率提升的目標。當前的炒作和承諾，將會隨著時間的推移而變得成熟，數(shù)據(jù)分析將成為工業(yè)環(huán)境中所期望的和穩(wěn)定的必要組成部分。但是，具有行業(yè)專家和專業(yè)知識的最終用戶將會領先一程。

集成人工智能、機器學習和其它技術，將使數(shù)據(jù)分析應用程序能夠從大數(shù)據(jù)中更快的生成可執(zhí)行的信息。?

有效數(shù)據(jù)分析的4個要求

要實現(xiàn)IIoT的好處，需要重新審視軟件分析產(chǎn)品。目標是找到一個產(chǎn)品，可以提供完整和靈活的方法，從生產(chǎn)數(shù)據(jù)中提取有價值的信息。數(shù)據(jù)分析軟件，可以給過程專家提供第一手的有價值的數(shù)據(jù)信息，使他們能夠自定義分析并改進生產(chǎn)結果。

能為IIoT的實施提供有價值的數(shù)據(jù)分析需要注意以下4個方面：

1. 生產(chǎn)率提升

這需要一種應用方法，以便工程師和分析人員可以很容易地使用該軟件，作為他們調(diào)查和發(fā)現(xiàn)工作的一部分，以快速改善生產(chǎn)。分析工具必須適合具有專業(yè)知識以及對工廠了解的人員使用，而不是那些軟件領域方面的專家但不了解該工藝過程的人員，如程序員、數(shù)據(jù)專家。

2. 時間序列數(shù)據(jù)

任何IIoT實施的核心，都是來自傳感器的模擬數(shù)據(jù)。這些數(shù)據(jù)通常難以操作、清理和情景化。典型的手動解決方案需要在Excel表中或編程腳本中花費數(shù)小時來自定義。IIoT的數(shù)據(jù)分析工具，應促進和加速對時間序列數(shù)據(jù)的調(diào)查，以便工程師能夠?qū)Ｗ⒂诎l(fā)現(xiàn)和洞察而不是數(shù)據(jù)的處理或操作。

3. 數(shù)據(jù)種類和語境

這允許傳感器數(shù)據(jù)由與其關聯(lián)的批處理或資產(chǎn)來組織管理，也可以很容易地被分解為連續(xù)過程中的機器狀態(tài)和條件。這一點很重要，因為最典型的工況是新舊數(shù)據(jù)混合在一起，或者混合了來自不同來源的控制數(shù)據(jù)。

4. 協(xié)作支助

這使得團隊成員之間以及一個或多個設施之間的共享發(fā)現(xiàn)和討論成為可能。 這需要能從任何平臺（包括PC、平板電腦和智能手機）上運行的任何瀏覽器訪問數(shù)據(jù)分析軟件。 因此，為了從采集的數(shù)據(jù)中獲得最大收益，過程制造企業(yè)應該尋找了解數(shù)據(jù)背景以及企業(yè)面臨的業(yè)務和過程挑戰(zhàn)的系統(tǒng)供應商。這些供應商可以在集成協(xié)議、部署和體系結構方面進行大量的提升，使過程工廠能夠集中精力，從各種IIoT方案中獲得最大的價值。?