dashujushidai
，shujuyijingshentoudaogegexingyeheyewuzhinenglingyu
，chengweizhongyaodeshengchanyinsu。danduiyuqiyeeryan，zhiyoushujushiyuanyuanbugoude，qiyehaixuyaoxuehuiconghailiangdeshuju（Data）中提取有用的信息（Information），隨後轉變為能為己用的知識（Knowledge），最終做出智慧（Wisdom）的決策。

　　數據分析的流程

　　麵對旺盛且複雜的數據分析需求，企業可以借助 PPDAC 閉環體係對數據進行高效的分析。

• 首先
  ，PPDAC閉環尋找出企業生產中存在的痛點問題（Problem）
• 隨後針對痛點問題製定生產數據計劃（Plan）
• 緊接著采集
  、整理與痛點問題相關的數據（Data）
• 之後對這些數據進行相關層次的分析（Analysis）
• 最後根據分析結果得出結論（Conclusion）

　　這些結論能為企業提供有效解決痛點問題的解決方案。

　　在數據分析過程中，根據程度的不同
，可分為四個分析階段：描述性分析
、診斷性分析、預(yu)測(ce)性(xing)分(fen)析(xi)和(he)規(gui)範(fan)性(xing)分(fen)析(xi)。這(zhe)四(si)個(ge)階(jie)段(duan)的(de)難(nan)度(du)與(yu)分(fen)析(xi)所(suo)獲(huo)得(de)的(de)價(jia)值(zhi)都(dou)是(shi)逐(zhu)次(ci)遞(di)增(zeng)的(de)，並(bing)且(qie)每(mei)個(ge)階(jie)段(duan)采(cai)用(yong)的(de)技(ji)術(shu)手(shou)段(duan)也(ye)不(bu)盡(jin)相(xiang)同(tong)。本(ben)文(wen)重(zhong)點(dian)介(jie)紹(shao)描(miao)述(shu)性(xing)分(fen)析(xi)與(yu)預(yu)測(ce)性(xing)分(fen)析(xi)的(de)過(guo)程(cheng)。

　　獲取數據

　　shouxian，qiyeyaomingqueshengchanguochengzhongdetongdianwenti，zhidingxiangyingdejihua，erhouzaijinxingxiangguanshujudecaijigongzuo。shujucunzaiyugongyeqiyedegegecengjizhizhong，yongyougezhongbiaoxianxingshi。liru
，tongguo CIP、Profibus 等各種通訊協議在總線中流動的實時數據

；存儲在文件、數據庫、曆史數據庫等軟件中的曆史數據；通過 MQTT
， HTTP 等協議傳輸的物聯網信息；還有通過 REST API 從雲端傳來的信息等。

　　不同層級的信息特點各不相同：越往底層，通訊頻率越快
，節點越多，對時效性的要求越高；越往高層，通訊信息量越大，對時效性要求則相對低一些。

　　為了從大範圍的場景獲取所有的數據
，數據獲取軟件需要具備以下強大功能：

• 支持眾多協議
  ，包括傳統的封閉工業協議到互聯網流行的 REST API 協議
• 高效率的通訊，能夠過濾采樣，減少重複信息
• 高性能的通訊，能夠支持眾多節點，以及較大的通訊量
• 高安全性的通訊
  ，能夠支持權限、認證管理、加密傳輸以應對越發猖獗的網絡攻擊
• 高可靠性的通訊
  
  
  ，能夠應對各種網絡波動及故障的考驗
• 完成相關的數據采集後，需要對數據進行整理、清洗、加工等，以備下一步分析

　　描述性分析

　　在獲取足夠的數據之後，企業就可進入不同層級的數據分析階段，其中以描述性分析為基礎。描述性分析旨在了解數據“已經發生了什麼”
，主要是通過計算數據的基本統計特征值，例如
，最大值
、最小值、方差
、標準差
、中位數
、頻數等，來了解已有數據的集中趨勢、分布情況及離散程度等信息。

　　此ci外wai，描miao述shu性xing分fen析xi作zuo為wei企qi業ye最zui常chang用yong的de數shu據ju分fen析xi手shou段duan，能neng夠gou快kuai速su指zhi出chu要yao查zha找zhao的de內nei容rong，預yu先xian定ding義yi計ji算suan模mo式shi
，而er後hou通tong過guo現xian在zai或huo者zhe曆li史shi數shu據ju進jin行xing計ji算suan
，最zui後hou可ke用yong報bao表biao或huo儀yi表biao盤pan視shi圖tu將jiang分fen析xi結jie果guo呈cheng現xian出chu來lai，大da大da節jie省sheng數shu據ju分fen析xi時shi間jian。下xia方fang展zhan示shi的de設she備bei綜zong合he效xiao率lv（OEE）就是如此。

　　預測性分析

　　正如前文提到
，描述性分析主要對數據的過去進行總結
，而預測性分析則需了解“將來會發生什麼”。它將曆史數據與統計建模
、數shu據ju挖wa掘jue技ji術shu和he機ji器qi學xue習xi相xiang結jie合he
，找zhao出chu數shu據ju之zhi間jian存cun在zai的de關guan係xi，並bing基ji於yu數shu據ju對dui未wei來lai的de設she備bei情qing況kuang通tong過guo建jian立li模mo型xing進jin行xing預yu測ce。這zhe樣yang能neng夠gou幫bang助zhu管guan理li人ren員yuan預yu測ce將jiang來lai可ke能neng會hui發fa生sheng的de情qing況kuang
，進jin而er提ti前qian計ji劃hua及ji決jue策ce，而er非fei被bei動dong地di隻zhi能neng針zhen對dui已yi經jing發fa生sheng的de事shi件jian作zuo出chu回hui應ying。

　　在預測性分析中，企業需要運用機器學習算法進行建模預測，其中算法的種類多樣，常用的基本算法包括決策樹

、線性回歸

、K 均值、樸素貝葉斯等
，此外還有諸如神經網絡之類的高級算法。想要徹底地理解這些算法並不容易，需要豐富的數學
、概率論等交叉學科的知識。好在目前研究成熟，我們隻需模塊化地使用即可。

　　以監督學習為例，利用機器學習進行預測性分析時

，其使用流程與工業傳統的PID算法流程大致相同，具體步驟如下：

　　第一步，選擇數據

　　從曆史數據中找出相關數據，並且標識出其中的特征值與輸出

　　第二步，選擇模型

　　依據待處理的問題選擇合適的回歸或分類算法

　　第三步，調試優化

　　使用80%的數據對模型進行訓練，隨後利用剩下20%的數據對模型進行測試，觀察預測的準確率是否達到預期。如果準確率不夠，則調整相關參數，再次進行測試

　　第四步，部署

　　將考核通過的模型部署到係統中，接收新的數據，輸出預測結果

　　數據可視化

　　在數據分析後
，數據可視化成為企業快速解決痛點問題的關鍵所在。用於數據可視化的圖形多種多樣（如下圖所示），隻要選擇合適的圖形來展示合適的數據就可以起到事半功倍的效果。例如：用餅狀圖展示不同數據的占比情況；用散點圖展示數據的分布情況及相關性（Correlation），再用曲線擬合
，做一些簡單的預測；用表格展示彙總信息；用氣泡圖展示三個變量之間的關係等，在工業行業中，由於諸多數據是時間序列數據（Time series data），因此選用折線圖（Line chart）進行展示，便能夠高效地了解數據的趨勢（Trend）。總而言之，對於不同的數據
，選擇最佳的展現方式能夠讓數據可視化發揮出最優效果。

　　但(dan)是(shi)，僅(jin)僅(jin)從(cong)一(yi)個(ge)視(shi)角(jiao)對(dui)數(shu)據(ju)進(jin)行(xing)觀(guan)察(cha)是(shi)遠(yuan)遠(yuan)不(bu)夠(gou)的(de)

，為(wei)了(le)能(neng)夠(gou)更(geng)加(jia)全(quan)麵(mian)地(di)了(le)解(jie)數(shu)據(ju)情(qing)況(kuang)
，我(wo)們(men)需(xu)要(yao)將(jiang)多(duo)個(ge)視(shi)角(jiao)產(chan)生(sheng)的(de)圖(tu)表(biao)整(zheng)合(he)在(zai)同(tong)一(yi)個(ge)數(shu)據(ju)展(zhan)板(ban)上(shang)。同(tong)時(shi)
，對(dui)數(shu)據(ju)進(jin)行(xing)不(bu)同(tong)層(ceng)次(ci)的(de)展(zhan)示(shi)也(ye)是(shi)必(bi)不(bu)可(ke)少(shao)的(de)，數(shu)據(ju)鑽(zuan)取(qu)就(jiu)能(neng)很(hen)好(hao)地(di)完(wan)成(cheng)這(zhe)項(xiang)任(ren)務(wu)
，它(ta)能(neng)夠(gou)針(zhen)對(dui)不(bu)同(tong)層(ceng)級(ji)
、結jie構gou或huo條tiao件jian對dui數shu據ju進jin行xing細xi分fen呈cheng現xian，讓rang用yong戶hu得de以yi縮suo小xiao數shu據ju範fan圍wei，逐zhu步bu下xia鑽zuan並bing聚ju焦jiao到dao小xiao點dian上shang，為wei用yong戶hu節jie省sheng更geng多duo時shi間jian與yu精jing力li，同tong時shi優you化hua數shu據ju可ke視shi性xing的de效xiao果guo。

　　羅克韋爾自動化 FactoryTalk® Analytics™

　　羅克韋爾自動化 FactoryTalk® Analytics™  為工業製造從業人員提供了從描述性分析到規範性分析的完整解決方案，能夠改善整體設備效率 (OEE)
、減少停機時間，以及改善質量或流程。

　　FactoryTalk® Analytics™ 具體功能如下：

　　可以使用 FactoryTalk® Edge Gateway 從工業企業的各個環節將數據引入

　　可以借助 FactoryTalk Analytics® DataView 和 FactoryTalk® Metrics  對數據進行描述性分析

、整體設備效率 (OEE) 及可視化展示

　　可以依靠 FactoryTalk® Analytics LogixAI、FactoryTalk® Analytics Edge ML 、Pavilion8® 在企業的不同層麵對數據進行預測性分析

　　FactoryTalk® Analytics™ 現可為流程工程師、數據科學家等提供全麵且簡潔的數據分析技術
，使數據分析準備工作量減少70% 。FactoryTalk® Analytics™ 還可與 InnovationSuite 增強現實和製造執行係統 (MES) 解決方案無縫集成
，將切實可行的見解帶至車間
，優化企業級供應鏈運作。

　　小羅有話說

　　大數據之於企業而言
，既是機遇，也是挑戰。羅克韋爾自動化憑借先進的自動化、數字化和智能化技術
，為客戶提供以數據分析為主線的全方位數字解決方案
，幫助企業解決數據分析
、可視化等難題，讓數據會“說話”
，進一步為企業節省決策時間，贏得獨特競爭優勢
，逐步實現從節流
、開源到顛覆的價值突破。