Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Strategien zur Modernisierung von Datenhistorikern für die Fertigungsindustrie in der AWS Cloud
Defender Satija, Amazon Web Services ()AWS
Oktober 2023 (Geschichte der Dokumente)
Industrie 4.0 ist eine Revolution in der Fertigungsindustrie, die von intelligenter Datenverarbeitung geprägt ist. Konnektivität, Daten, Analytik, künstliche Intelligenz (KI) und maschinelles Lernen (ML) treiben die digitale Transformation der Fertigungsindustrie voran. Das Ergebnis ist die Entstehung des industriellen Internet der Dinge (IIoT) und die Konvergenz von Teams für Betriebstechnologie (OT) und Informationstechnologie (IT). Bei der Modernisierung von Historikern handelt es sich um einen Ansatz zur Modernisierung und Aufrüstung von OT-Systemen, um den Bedürfnissen der Fertigungsindustrie besser gerecht zu werden.
Die Ziele der Branche haben sich im Laufe der Jahre nicht geändert. Der Schwerpunkt liegt weiterhin auf der kontinuierlichen Qualitätsverbesserung und der Reduzierung von Ausfallzeiten. Viele Unternehmen verfügen über Produktionsanlagen, die älter als 20 Jahre sind, und ein Großteil der Produktionsdaten ist in diesen veralteten Maschinen gespeichert. Um den Betrieb zu optimieren, müssen Hersteller diese Daten extrahieren, sie mit Daten aus anderen Quellen anreichern und daraus Erkenntnisse gewinnen. In der Vergangenheit waren Hersteller auf einen Historiker vor Ort angewiesen. Ein Manufacturing Data Historian, auch Historian genannt, ist eine Art Datenbank, die verwendet wird, um Daten aus verschiedenen Quellen in einer Fabrik zu sammeln und zu speichern. Dieser Leitfaden enthält Strategien zur Modernisierung von Historikern, um die Vorteile von Konnektivität, Analytik und KI/ML zu nutzen. AWS Cloud
-Übersicht
Strategien zur Modernisierung von Historikern konzentrieren sich auf den Einsatz von Daten und Technologie, um Organisationen dabei zu unterstützen, bessere Entscheidungen zu treffen. Zu diesen Strategien gehören die Nutzung vorhandener Daten, die Analyse dieser Daten und die Gewinnung von Erkenntnissen durch den Einsatz fortschrittlicher Technologien wie KI/ML. Diese Strategien können dazu beitragen, die betriebliche Effizienz zu verbessern, Ausfallzeiten zu reduzieren und Innovationen voranzutreiben.
Je nach Unternehmensgröße sind die folgenden Faktoren häufig für Modernisierungen verantwortlich:
-
Beispielloser Umfang und Datendemokratisierung — Die Daten sind zwar verfügbar, aber sie befinden sich in Archiven vor Ort, die nur lokale Sichtbarkeit und begrenzte lokale Analysen bieten. Da in Ihrem Unternehmen immer mehr Daten anfallen, steigen die Kosten für die Speicherung und Verwaltung dieser Daten in lokalen Historikern weiter.
-
Unablässige Innovation oder Zusammenschluss — Es kann schwierig sein, als Ergebnis einer Expansion, einer Fusion oder einer Akquisition verschiedene lokale Historiker zu verwalten und zu integrieren.
-
Leistung am Netzwerkrand — Möglicherweise sind Sie nicht in der Lage, fortschrittliche Analysen und Rechenleistung für Betriebsdaten vor Ort bereitzustellen.
-
Skalierungs- und Einsparmöglichkeiten — Skalierbarkeit, Leistungsprobleme und unerschwingliche tagbasierte Lizenzmodelle können sich auf die Gesamtbetriebskosten (TCO) auswirken und eine angemessene Datenerfassung zur Erstellung anspruchsvoller Anwendungsfälle verhindern.
-
Umsetzbare Erkenntnisse — IT- und OT-Daten sind nicht ausreichend integriert, um den Anlagenleitern zeitnahe Erkenntnisse zu liefern, die ihnen helfen, ungeplante Ausfallzeiten zu minimieren, die Produktqualität zu verbessern und die Leistung und Verfügbarkeit der Anlagen zu erhöhen.
-
Nachhaltigkeit — Um die Ziele in Bezug auf Nachhaltigkeit und Energieeinsparung zu erreichen, benötigen Sie ein besseres Verständnis des Anlagenbetriebs.
