制造商如何從他們的制造數據中獲得最大的價值?答案是通過制造智能(MI)把制造數據轉換成可執行信息，改善運行效益，提高商業收益。

　　自動化、現場儀表和網絡技術幾十年的發展產生了巨大的、可用于分析的現場數據。一個大型的制造系統可能包含了上百萬個數據采集點。如何進行數據分析，如何使用分析結果，這都是巨大的挑戰，挑戰的內容包括：

　　? 數據過濾：在海量的數據中，如何在你遇到問題時，能找到相關的內容?這是令人頭痛的工作，解決不好會降低決策的效率。

　　? 數據延時：查看昨天的數據不總能幫助你改善今天的生產。

　　? 數據沒有針對具體用戶：制造企業包含了不同類型的用戶，比如有生產、工程、工廠管理、質量控制、采購、企業管理等人員，他們希望從海量數據中提取對自己有價值的信息。每個用戶需要的數據是不一樣的，因此需要基于角色的數據分析。

　　? 缺少背景：查看現場的性能指標是非常重要的，諸如：關鍵性能指標(KPI)，而其他影響KPI的變量也很重要，但它們通常不是KPI計算中的一部分。

　　? 數據不準：報告不正確的數據通常會使用戶對數據缺乏信心。壞數據比沒數據更糟糕。由于存在各種潛在問題，比如：人工采集數據，配置錯誤，數據點貼錯標簽，沒有理解每個數據點的構成等，因此會造成數據不正確。

　　制造智能面對的挑戰

　　面對上述的挑戰，要想達到滿意的結果，必須有一個設計周全的計劃。這個計劃應該著重：怎樣把數據轉變成有用的信息。但誰來決定什么信息是有用的?這個答案應該交給用戶，由制造企業決定需要什么信息，這樣有利于幫助用戶更好的制定決策。因此，這個計劃應該在用戶的需求上下功夫，而不是針對海量數據。最佳實踐應該由一系列步驟組成：

　　1. 為每個用戶角色確定需求和對象。

　　2. 確定每個用戶如何使用分析結果改進運行。

　　3. 確定需要的KPI和用于比較的標準格式。

　　4. 確定數據源：可編程控制器(PLC)、人機界面(HMI)、歷史數據、企業資源計劃(ERP)、客戶關系管理(CRM)、倉儲管理系統(WMS)等。

　　5. 確定數據表示界面，諸如儀表板、網頁、HMI和適用于用戶智能手機的客戶端。

　　6. 選擇軟件解決方案，收集、集成和顯示信息。

　　7. 確定基礎設施與各種技術之間的接口，最終達到企業目標。

　　8. 計劃和實施示范項目，對各個目標行業進行驗證，為用戶提供指導和幫助。

　　9. 在所有相關的制造企業逐步推廣。

　　工業現場的狀況度量

　　制造企業有各種信息系統幫助員工完成各自的任務。通常，在線工人監視機器運行的生產能力和周期時間，以保證機器的連續運行。而運行人員把生產線的整體設備效能(OEE)或關鍵性能指標(KPI)作為關注對象。維護人員則更加關心機器的各項指標，并進行預測和防止停機。工廠經理也時刻保持著注意力，但他們的焦點是在工廠的收益率和資產的利用率上。

　　工廠數據像經過一個巨大的漏斗，傳統上基于角色的信息是不能了解整個工廠運行情況的。但如何能夠做到重要角色可以訪問關鍵性生產數據? 甚至讓數據被工廠的不同部門所共享?如果按照老辦法，就是依靠人工傳送手工輸入的生產報表。這種方法效率很低下，而且容易引入人為錯誤。

　　不斷增長的生產量正在凸顯現場數據的價值 ，反饋的關鍵性能指標(KPI)，會影響企業高層的重大決策。與不同的控制器、人機界面和其他現場系統的通信能夠提供至關重要信息，比如：整體設備效能(OEE)、能源使用情況和其他重要信息。

　　制造智能是一種策略，可以把自動化與控制系統級別的數據轉換成有分析見解的信息，為企業每個級別的人員提供視覺和洞察。有效的制造智能軟件應該無縫集成多種相關數據，從運行、維護、質量到工廠管理，提供一致的、和諧的商業智能環境。