在接下来的几年里，行业分析业务无疑会有所增长，而起点可能会高得多。我预计许多新公司会进入这一行业，并期望成功唾手可得。不幸的是，我有一些坏消息要告诉你。有很多不可征服的业务，只适用于那些专门从事和学习流程行业基础知识的人。

使用先进分析、人工智能（AI）、机器学习（ML）等技术来优化工业流程的炒作已经存在了至少五年，当然，早期的适应者已经有了他们的项目。正因为如此，我目睹了分析领域发生的不同类型的项目，但通常情况下，结果并不令人印象深刻，老实说，在大多数情况下，这是浪费资金和资源。

其中一些项目也取得了成功。没有什么令人震惊的，但他们已经达到了目标，甚至给出了开箱即用的假设供进一步分析。

我不是一名数据分析师，对分析工作也没有太多投入。尽管如此，从OT/IT集成的角度来看，我收集了以下成功项目的特征。

1. 从证明现有假设和简单的已知问题开始
2. 利用OT人员的专业知识限制用于分析的数据
3. 尽可能多地使用数据建模和协调，尽可能低层次地使用数据。

从证明现有假设和简单的已知问题开始

尽管利润最大的分析项目是在流程行业，但这些流程已经是持续改进的结果。通常不会发现隐藏的良方。提供所有数据并引导您找到未知相关性和改进的方法是破坏项目的最简单方法。最有可能的是，您发现了流程操作员已经知道的结果。相反，通过采访从经理到操作员并逐一解决问题，找到工艺配方之间未知的关系，以节省能源、水和其他原材料，并提高质量，这往往是成功的关键。

利用OT人员的专业知识限制用于分析的数据

生产过程中可获得的数据之多总是令人惊讶的。不幸的是，这对你的分析平台来说太多了（如果你不与美国国家安全局或拥有无尽资源的类似机构合作）。幸运的是，当发现你想证明的假设有问题时，大多数数据都只是噪音。为了取得成功，最好与OT人员一起定义相关数据，因为他们是专家。

尽可能多地使用数据建模和协调

数据建模和协调是考虑使用分析来改进生产流程的工厂的责任。您为任何分析、高级流程控制或其他新的IT系统提供的数据越结构化、越协调，就越有可能取得良好的结果。

为了为未来做好准备，通过结构化和统一的单一访问点提供工厂工艺数据至关重要。进行这种协调的最佳场所是OT和IT之间的边缘计算应用程序，例如我们的Prosys OPC UA Forge。否则，一般来说，每一个分析、AI/ML和工业4.0 IT项目都将从数据协调和规范化开始，并花费大量时间一次又一次地重复同样的事情。甚至一半的成本可能与此相关，而不是利用新技术。

我们Prosys OPC是OT/IT集成方面的专家。我们的产品、解决方案和专业知识帮助我们的客户转换生产流程，为工业4.0升级做好准备。此外，我们是分析公司和工厂的可靠合作伙伴。请随时通过电子邮件 (sales@prosysopc.com) 或者通过我们的网站联系表格与我们联系。由于我们一直处于积极的开发模式，我们也很乐意听到您对进定制功能的建议。