在上一篇文章中，罗克韦尔自动化为各位分享了数据驱动型可持续运营的第一大关键元素——尽可能提高现有投资回报。承接上期，罗克韦尔将继续为您介绍数据驱动型可持续运营的关键元素。
基于数据和见解来自动执行操作
要达成可持续发展目标，首先需要访问值得信赖的情景化数据，以满足监控和报告目的。
对数据进行情景化处理并确定数据有效性后，下一步是根据这些数据和高级算法自动执行操作，以达成优化目的。机器学习 (ML) 和人工智能 (AI) 等技术可为控制系统响应提供指导、揭示持续改进的机会。
基于数据和算法自动执行操作不仅可以帮助企业从过程改进升级到性能优化。过程变量和资源消耗每一天都会予以微调，确保将资源用到需要的地方。
有了 ML 和 AI 后，系统能够基于预测的条件来动态且实时地调整过程，进而大幅提升效率，让企业得以大规模实现可持续发展目标和生产力目标。
企业应如何做？
评估高级分析功能。企业可能拥有相关工具，能够对数据建模并发现切实可行的见解。但是如果存在缺口，请记住与部署新硬件相比，补足 ML 和 AI 功能可能更简单、更快速。
识别高价值用例以收获预测性见解。例如，可训练算法来预测特定生产线、机器或组件的能源使用情况，进而检测异常并设置可触发纠正措施的规则。可执行类似建模来预测其他场景下的主机，例如，何时需要维护设备，或者何时需要在水处理作业中更改化学剂注入选点。
连接到控制系统以实现自动改进。将算法与自动化系统搭配使用可促成优化达到新的高度。例如，在智能水压管理场景中，能够预测及主动管理压力波动从而减少压力泄漏、提高可靠性。
能够提供基于自动化系统的智能层的高级过程控制解决方案正是为此而设计的。这些解决方案会持续评估目前及预测的数据，将这类数据与需要的结果相比较，然后再主动推进改变。这样就能够自动减少过程变数、优化资源使用。
将典范做法扩展到整个企业和价值链
数据驱动型可持续发展方法最终必须扩展至完整的产品生命周期和价值链中。
企业首先要做的就是从运营和生态系统中收集数据并进行情景化处理，接着，自动执行操作以从性能改进进阶为性能优化。这样就为实现全面且可扩展的改进奠定了基础。
罗克韦尔自动化高级副总裁暨首席技术官 Cyril Perducat 表示，“信息需要得到正确的使用，这样它才能助力制造业提升到新的水平，让我们有能力与客户携手创新、共创未来。”
由于可持续发展报告不断成熟和完善，而产品也在持续演变，调整就变得至关重要。拥有高品质数据流可让企业的运营团队根据监管合规要求和不断涌现的需求进行调整。
将分析和 AI 解决方案与自动化相结合之后，可协助企业降低成本和碳排放，且不影响市场定位或定价。
备齐这些功能后，优化以实现可持续发展将不只是生产重心，而是需要持续、大规模推进的业务过程。发起有组织的优化活动，让企业能够推进更大型方案，打造更加可持续的世界。
企业应如何做？
设置可供扩展的数据和分析功能。要在整个价值链中迈向更加可持续的运营模式，就需要创造稳定的可操作数据流，以获得见解并改进资源使用情况。您可以从一部机器开始，再慢慢扩大规模。接下来，对数据进行分析和建模，收集见解以改进资源使用。您可以从一条生产线开始，逐渐扩大到覆盖整个作业线。
确立可持续改进的操作系统。挖掘数字化、可持续发展见解，以及推进改变的过程为闭环改进提供了基础。完全自动化的持续改进方法需要融合 IT/OT，将不同生产阶段的数据汇总为一个数字主线，最终覆盖到整个价值链。如此顺畅的数据流能够让您全面了解资源使用情况，形成协作式方法以改进和优化。
将可持续生产与可持续产品管理连接起来。大规模推进持续改进意味着能够全面达成运营和产品目标。这就需要作出诸多改变，例如：
实施完全数字化产品生命周期管理 (PLM) 系统
打造数字化产品通行证
将数字孪生用于可持续的产品设计
从根本上说，将可持续发展目标与公司整体策略相结合至关重要。数字化投资不仅是出于商业需要，更是创造更加可持续的未来中的关键一环。
