制造商如何从他们的制造数据中获得最大的价值?答案是通过制造智能(MI)把制造数据转换成可执行信息，改善运行效益，提高商业收益。

　　自动化、现场仪表和网络技术几十年的发展产生了巨大的、可用于分析的现场数据。一个大型的制造系统可能包含了上百万个数据采集点。如何进行数据分析，如何使用分析结果，这都是巨大的挑战，挑战的内容包括：

　　? 数据过滤：在海量的数据中，如何在你遇到问题时，能找到相关的内容?这是令人头痛的工作，解决不好会降低决策的效率。

　　? 数据延时：查看昨天的数据不总能帮助你改善今天的生产。

　　? 数据没有针对具体用户：制造企业包含了不同类型的用户，比如有生产、工程、工厂管理、质量控制、采购、企业管理等人员，他们希望从海量数据中提取对自己有价值的信息。每个用户需要的数据是不一样的，因此需要基于角色的数据分析。

　　? 缺少背景：查看现场的性能指标是非常重要的，诸如：关键性能指标(KPI)，而其他影响KPI的变量也很重要，但它们通常不是KPI计算中的一部分。

　　? 数据不准：报告不正确的数据通常会使用户对数据缺乏信心。坏数据比没数据更糟糕。由于存在各种潜在问题，比如：人工采集数据，配置错误，数据点贴错标签，没有理解每个数据点的构成等，因此会造成数据不正确。

　　制造智能面对的挑战

　　面对上述的挑战，要想达到满意的结果，必须有一个设计周全的计划。这个计划应该着重：怎样把数据转变成有用的信息。但谁来决定什么信息是有用的?这个答案应该交给用户，由制造企业决定需要什么信息，这样有利于帮助用户更好的制定决策。因此，这个计划应该在用户的需求上下功夫，而不是针对海量数据。最佳实践应该由一系列步骤组成：

　　1. 为每个用户角色确定需求和对象。

　　2. 确定每个用户如何使用分析结果改进运行。

　　3. 确定需要的KPI和用于比较的标准格式。

　　4. 确定数据源：可编程控制器(PLC)、人机界面(HMI)、历史数据、企业资源计划(ERP)、客户关系管理(CRM)、仓储管理系统(WMS)等。

　　5. 确定数据表示界面，诸如仪表板、网页、HMI和适用于用户智能手机的客户端。

　　6. 选择软件解决方案，收集、集成和显示信息。

　　7. 确定基础设施与各种技术之间的接口，最终达到企业目标。

　　8. 计划和实施示范项目，对各个目标行业进行验证，为用户提供指导和帮助。

　　9. 在所有相关的制造企业逐步推广。

　　工业现场的状况度量

　　制造企业有各种信息系统帮助员工完成各自的任务。通常，在线工人监视机器运行的生产能力和周期时间，以保证机器的连续运行。而运行人员把生产线的整体设备效能(OEE)或关键性能指标(KPI)作为关注对象。维护人员则更加关心机器的各项指标，并进行预测和防止停机。工厂经理也时刻保持着注意力，但他们的焦点是在工厂的收益率和资产的利用率上。

　　工厂数据像经过一个巨大的漏斗，传统上基于角色的信息是不能了解整个工厂运行情况的。但如何能够做到重要角色可以访问关键性生产数据? 甚至让数据被工厂的不同部门所共享?如果按照老办法，就是依靠人工传送手工输入的生产报表。这种方法效率很低下，而且容易引入人为错误。

　　不断增长的生产量正在凸显现场数据的价值 ，反馈的关键性能指标(KPI)，会影响企业高层的重大决策。与不同的控制器、人机界面和其他现场系统的通信能够提供至关重要信息，比如：整体设备效能(OEE)、能源使用情况和其他重要信息。

　　制造智能是一种策略，可以把自动化与控制系统级别的数据转换成有分析见解的信息，为企业每个级别的人员提供视觉和洞察。有效的制造智能软件应该无缝集成多种相关数据，从运行、维护、质量到工厂管理，提供一致的、和谐的商业智能环境。