数据:如果它不是很大,那么它最好是好的
说到数据,拥有庞大的数据集会创造巨大的机会。这就是以消费者为中心的公司如何训练算法,围绕我们对音乐、食物、电影等的选择提出相关建议。
在工业部门,数据也带来了巨大的机遇。来自飞机发动机或燃气轮机等资产的海量信息可以为预测设备故障或维护需求的电力软件提供洞见。
然而,当数据稀缺时,训练算法和强大的软件变得更加困难,这是工业部门的常见情况。工业运营商保护他们的数据,因此关键应用程序的信息共享是有限的。此外,有限的生产误差最小化了错误数据的产生,因为汽车发动机制造商只看到非常少量的缺陷或不合格发动机。电池制造商也是如此。
解决方案?
如果你没有大数据,那么你所拥有的数据的质量就变得至关重要。
这是因为当您的数据集达到数百万时,糟糕的、低质量的数据点很容易被平均掉。但是如果您的数据集很小,那么每个数据点对于构建一个精确的模型都很重要。一些糟糕的数据片段就会扭曲整个数据集,使任何算法在现实世界中都无用。
接下来的问题是,“我如何生成‘好的’数据?”
简而言之,好的数据来自好的传感器。但这只是故事的一半。是的,好的传感器是至关重要的,因为它们能够提供灵敏度、准确性、耐用性和可靠性,以便日复一日、年复一年地生成准确的数据,无论条件有多极端。
不过,同样重要的是这些传感器应用方面的专业知识。了解哪种类型的技术适用于每种设置以及它应该被放置在哪里是至关重要的,特别是对于工业检验和无损检测(NDT),那里有如此多类型的传感器可用。从x光和超声波,到CT扫描仪和振动传感器,每种情况都需要正确的技术,需要专业知识来知道使用哪一种技术以及如何以最有效的方式应用它,以确保持续的应用。
一致性不仅在单个工厂的多条生产线之间很重要,而且在多个工厂之间也很重要,无论是位于全国各地还是全球各地。具有可复制结果的一致传感器应用是一致质量数据的核心,因此,无论来自哪个设备,一致的产品质量都是关键。
准时制制造和增材制造的增长凸显了传感器应用方面的专业知识如此重要的另一个原因。在这种环境中,速度是必不可少的,NDT专家可以快速评估和部署测试需求,以提供对产品质量的即时反馈。这允许更快的迭代和原型,以加快上市时间,降低投资成本和提高生产力。
在价值链的早期阶段依赖NDT数据,并将其作为产品生命周期管理的一部分,这是我们行业的未来。今天,许多客户向我们提出质量和生产力问题,我们可以帮助他们解决:提高3d打印零件质量的最佳方法是什么?我们如何保证复合零件的质量?这是一个重要的演进,因为通过作为合作伙伴和合作者,我们可以帮助客户转变他们对测试的看法,帮助他们将测试视为一种工具,以实现围绕节约成本、提高质量和缩短生产时间的一系列业务目标。NDT还在改变数据收集、分析和部署的方式。功能强大的软件,如Waygate科技公司的InspectionWorksTM,帮助企业利用他们收集到的良好数据来改善业绩。
例如,InspectionWorks创建了所有相关检验数据流的整体视图,通常被隔离在不同的供应商技术或工厂的不同部分之后。该平台收集和整理这些不同的数据流,分析数据以生成可操作的见解,并通过与客户软件包(如计算机辅助设计和制造(CAD/CAM)、制造执行系统(MES)、产品生命周期管理(PLM)和企业资源规划(ERP)软件)连接和集成的工作流,帮助客户采取必要的步骤,推动改进。
我们的一个风能OEM客户能够创建复杂的多仪器、多用户检测工作流,然后将工作流推送到他们的ERP系统,向内部或外部检验员部署工作订单。一旦检查人员进入现场进行检查,数据就会自动附加到资产上的正确“位置”,检查报告也会返回到他们的PLM系统。最后,对检验数据(包含丰富的注释和专家笔记)进行处理、分析并转化为可操作的见解,这些见解可由他们的CAD/仿真系统消化,从而实现设计和工艺改进。
随着这种类型的软件生态系统的不断发展,作为价值创造、创新和业务差异化来源的测试的重要性只会增长。
制造业和服务业正在被数据所改变,而工业检验和无损检测产生和分析的数据将在很大程度上推动该行业向前发展。
然而,对于商业领袖来说,在围绕数据的热议日益升温的情况下,必须记住高质量的数据和大数据一样重要,才能推动预期的结果。