大数据是人工智能和机器学习的基础
人工智能和机器学习将会对制造业产生巨大影响。有了这些技术，制造商将获得解决人类无法解决的问题所需的计算能力。最终将能够为制造商几个世纪以来一直在寻求的生产问题提供规范的答案。 也就是说，工厂如何尽可能高效的生产产品，零浪费和最少的停机时间。
与大多数关于突破性技术的报道一样，关于最新技术讨论要远远领先于行业实践。但是，由于许多制造商缺乏获得真正的人工智能和机器学习能力所必需的数据基础设施，通向完美生产的愿望也可能过于抽象，以至于让希望实现它的人感到困惑。企业领导也一直困惑，一个企业应在哪里以及如何采用人工智能技术。
从数据开始
虽然听起来像科幻电影的人工智能场景突出了该技术令人难以置信的计算能力，但实用、有效的应用程序始于数据。事实上，数据是制造商很难得到充分利用的资源，也是让人工智能如此强大的基础要素。然而人工智能和机器学习的任何应用都将取决于收集的数据质量来判定其功能的强大与否。
当开始采用人工智能时，许多制造商发现他们的数据以多种不同的格式存储在多个MES、ERP和SCADA系统中。如果生产过程是人工手动的，那么收集和分析的数据就非常少，而且其中有很多差异。这就是所谓的“脏数据”，也就是说，任何试图弄明白其中含义的人，即使是数据科学家都必须花费大量的时间和精力。他们需要将数据转换成一种通用格式，并将其导入到一个通用系统中，在这个系统中，数据可以用于模型的构建。
一旦收集了高质量的数据，制造商必须确保有足够关于需要改进的过程或试图解决问题的正确数据。还需要确保有足够的案例并且收集所有影响案例的数据变量。
例如，如果只收集每分钟转数的一个变量就并不足以分析出发生故障的原因。然而，如果加上震动、温度和许多导致机器故障的数据，就可以开始建立模型和算法来预测故障。此外，当收集到更多的数据时，可以提高模型的预测精度，例如该算法将能够在一天内预测这种故障，准确率达到90%。
如果这听起来很复杂，那么，可以使用解决方案自动从各种设备和系统收集数据，然后自动清理数据或格式。 这使工程师可以更加专注于构建模型和算法，而不是在清理数据上花费不必要的时间。
