今天，无处不在的云技术、得到强化的数据分析技术和不断增长的移动互联正在推动着制造业生产力的不断发展。伴随着这样的趋势，数字化的变革不仅对原有的工业流程进行改善，也为工业运营带来了新的视角。这种数字化的变革，已经为操作运营数据的广泛采集，以及企业管理层与工业现场之间适当的数据信息交流提供了开创性的途径。
　　在今天这个广泛连接的世界里，我们已经开始远离传统的分层管理架构，并转向一种准实时信息流的环境，这可以显著地提高企业战略决策的质量和效果。新兴的资产性能管理（APM）和数据采集允许工厂经理和企业的高级管理者作出更快、更好的决策，识别有助于提升竞争力的新兴机遇，以及更有效地进行风险管理并保持整个企业资产的可靠性。

　转向数字化工业
　　几十年以来，制造型企业一直使用费时费力、效率低下的方式来进行车间层的数据采集，主要的途径包括手写的日志，或是由模拟仪表输出量或不甚精确的图表来表示的各种物理量，比如温度、压力和流量。
　　随着向这一领域引入数字技术，这些手工方法被简单而自动化的数据传输方式所取代。尽管计算机的广泛使用呈现出了一定程度的进步，但仍然缺乏对数据进行分析的方法。只有当出现故障时，人们才会对数据进行耗费时间且成本不菲的深入分析。
　　自动化的数据采集，使得更多的信息得以利用在对工厂运营的调查研究当中，同时随着上世纪八十年代出现历史数据库，人们得以在一段很长的时段里持续不断地采集和积累数据。此外，随着历史数据库技术在定期抽样上的发展，使得数据采集也可以通过类似于延时摄影的方法，来适应企业的数字化存储媒介在成本方面的局限性。现在，工厂的运营人员无需对大量数据进行昂贵的存储，也能够对工厂的状态形成一个更加完善、准确的描述。
　　在这一点上，如果对事件的调查足够及时，人们就可以在分布式控制系统（DCS）中找到更加细节化的信息，并以此来解决问题。历史数据库可以采集持续数月乃至数年的信息数据，而DCS则可以在一段很短的时间内（如数周或数天内）提供毫秒级响应的数据点。所有调查研究和相关分析仍然依靠手动来完成，所以人们仍只针对一些异常的事件采取行动，比如事故、伤害事件或是违反了监管法规的事件。
　　即便今天先进的技术和移动趋势已经改变了内部的分析流程，制造企业和其他行业也充其量是对一些由供应商提供的、针对特定设备的分析解决方案加以利用，例如自动仪器校准、针对泵和压缩机等旋转设备的实时振动分析，或者是其他与特定设备相关的算法。只有那些高度成熟和成功的公司，才会利用他们获得的数据（包括历史数据和实时数据）来对风险和成本进行量化，从而建立设备优化的策略。基于企业可以负担得起的过程和存储能力而实现的分析功能，也刚刚开始得到开发和利用。
　　尽管各类制造企业针对风险评估拥有自己的实践经验，但从高级管理者们的观点和统计数据来看，这些企业整体上对存在于自身内部的多样性风险和管理这些风险的最佳途径仍然缺乏充分的认识。那些能够洞察自身风险并知道如何去评估和控制这些风险的企业，无疑拥有巨大的竞争力优势。

利用先进的数字化技术对数据进行迅速的解读和处理，可以让数据分析为企业带来的好处更加显著。为了实现这样的目的，企业对内部数据的集成和标准化的需求正在上升。

　数字化的未来
　　现在最为关键的是，建立一套能够贯穿企业的管理层到工厂现场层的有效机制，用来对公司的运营性能进行沟通，并对存在于整个企业中的风险进行识别和管理。这套机制应该是清晰、及时且具有一致性的。可以说，当前这件事情对于企业的重要性是前所未有的。要实行有效的风险管理，企业需要足够强大的数据系统和流程，以便将不同来源和类型的数据转化成能够用来指导风险管理决策的信息。
　　伴随着技术上的创新和机器设备互联的兴起，资产性能管理解决方案能够为用户提供风险管理、资产可靠性以及运营目标的对比分析。在制造型企业、石油天然气、电力以及其他一些行业中，我们每天采集数以亿计的工厂现场层数据，对其进行分析、综合之后，还定期发送到远程操作运营中心或是位于企业中央的IT部门。在这一层级上，实现了数据的跨工厂采集、深度整合，并提交至企业的最高管理层。以下三个数字化创新的立足点已经开始改善资产性能管理的流程：
　　云技术：
　　云已经成为了可以用来收集和传递信息的一种新方法。利用放置在云端的历史数据库，我们可以从位于不同地区的多家工厂收集到准实时信息，并对这些信息和数据进行分发。云技术减少了传递和操作所需的时间，并提升了现场层的标准化等级，我们也可以将这些数据分发到各种各样的应用程序中。
　　分析技术：
　　分析功能能够将数据转换为具有可操作性的洞察力，并且通过对故障的预防和预测来提升设备资产的可靠性。我们可以利用分析功能将设备和产品产生的实时数据转化为有用的信息，来判断它们什么时候会发生故障。我们也可以利用这一功能来过滤掉不相关的数据信息。对我们每天收到的数以千计的无效报警信息进行过滤，可以提升对机器和设备行为的可预测性。
　　移动技术：
　　移动互联有助于将正确的信息传递给正确的人。在企业当中，移动互联可以帮助实现信息的共享，并以此来加强远程通信中心和工厂现场层的相互协作。
　　在大多数工业组织内部，做出实际决策的是一个个独立的部门，比如营销部门、贸易部门、物流部门和生产部门等。用来对部门性能实现优化的决策还没有被转化为贯穿整个企业供应链的优化价值。

实施有效的风险管理，依托于将正确的数据传递给正确的人，这样才能确保企业的各个层面都能够迅速作出决策。

　利用先进的数字化技术对数据进行迅速的解读和处理，可以让数据分析为企业带来的好处更加显著。为了实现这样的目的，企业对内部数据的集成和标准化的需求正在上升。那些拥有标准化流程，并能利用数据去推动资产维护及其可靠性的公司，通常能够在这些方面达到更高的水平。所以，对资产性能管理投入更多关注，将成为一种竞争力优势。
　　资产性能管理能够提供对工厂资产可靠性的关键洞察力，从而改善对风险的管理。从可操作性的角度来看，可用性可以被定义为一种在资产维护方面不致发生退化的预期性能。资产必须能够满足流程中的运营需求。如果资产无法达到预期的性能，那么就将被认为是不可靠的，即便其运营性能需求已经超过了设计规范的范畴。管理者必须意识到，资产的可靠性直接影响运营操作，他们应该不仅仅考虑卓越维护，也应该考虑如何实现卓越运营。
　　对资产性能管理数据的另一种应用方式是比较分析。利用比较分析工具，工厂经理和管理层人员可以对他们希望其设备达到什么样的性能、应该设置什么样的目标更加一目了然，这样他们可以对运营目标进行准确的调整，并改进生产。企业可以进行外部的比较分析，即将自身性能与行业竞争对手达到的性能进行衡量比较，同时也可以进行内部的比较分析，即在企业内部各部分和单位之间进行比较。让企业管理层能够直接访问性能数据，可以帮助他们做出更加明智和及时的决策，确保企业内部的各项资源和潜能得到充分的发挥。
　　更多的工业供应商已经形成了一系列数据采集、分析和将数据转化为信息和可操作性知识的解决方案。这些解决方案和服务利用机器输入、先进的规则开发和管理技术对数据进行自动分析，创建维护策略并形成建议方案。利用增强的资产性能管理和数据分析，工厂的运营者和企业的高级管理层可以优化生产，更好地理解资产生命周期，并在行业市场上形成在安全和风险运营管理等方面的实际优势。