Table of Contents

Hệ thống đóng vòng- từ bộ điều khiển HVAC thông minh và bộ điều khiển thiết bị kích hoạt công nghiệp cho đến bộ theo dõi liên tục các thiết bị phân tích kỹ thuật. Dữ liệu này chứa chìa khóa để tối ưu hóa hiệu suất tối ưu, giảm thời gian, giảm thời gian, và cá nhân hoá kinh nghiệm người dùng. Tuy nhiên, bản ghi lưu và lệnh hoạt động thô là vô nghĩa nếu không có một hệ thống phân tích mạnh. Tính năng này cung cấp bộ khung toàn diện để chiết xuất giá trị tối đa từ dữ liệu vòng lặp, bao gồm các khái niệm cấu hình nền, chiến lược hành động, và cải tiến cảnh công nghệ. Bằng cách xử lý dữ liệu như một tài sản và các lệnh hành động, có thể chuyển đổi tính năng hữu ích thành kết quả thông minh thụ động.

Hiểu được những thiết bị vòng lặp đóng cửa và dữ liệu của chúng

Thiết bị vòng lặp hoạt động trên một nguyên tắc điều khiển cơ bản: đo một biến xuất, so sánh nó với một điểm đã muốn, tính toán lỗi, và điều chỉnh dữ liệu để giảm thiểu lỗi đó. Cơ chế phản hồi này được nhúng vào mọi vật từ bộ điều khiển đơn giản sang phương tiện tự động. Dữ liệu này tạo ra thành phân loại riêng, mỗi thiết bị này cung cấp khả năng phân tích riêng lẻ.

  • Trình đọc đồng hồ: đo liên tục như nhiệt độ, áp suất, tốc độ, tốc độ, dao động, hoặc dấu hiệu sinh học như mức độ phân tách máu. Dữ liệu này vốn là nhân tố thời gian và hình thành lõi của hầu hết các chất phân tích.
  • Lệnh điều khiển bộ điều khiển: Bản ghi các hành động điều khiển được thực hiện bởi hệ thống - vị trí hoạt động, vận động, tốc độ thuốc, tỷ lệ xâm nhập, hoặc trạng thái sưởi ấm. Việc khớp lệnh với các bộ cảm biến cho thấy các động cơ của phản ứng hệ thống.
  • Thông tin Nhà nước Siystem: cờ trạng thái, mã lỗi, chế độ hoạt động (v. d., khi khởi động, chạy, không dùng, phân hủy). Những tín hiệu rời rạc này cần thiết cho phân tích nguyên nhân gốc.
  • Siêu dữ liệu thời gian:) Nhãn thời gian phân giải cao cho phép đồng bộ hoá các sự kiện trên hệ thống. Kết hợp với dữ liệu nhận diện tài sản, vị trí và chuyển đổi đơn vị, siêu dữ liệu cung cấp văn cảnh cần thiết cho phân tích chính xác.

Chẳng hạn, một bộ điều khiển lý luận thông minh thu thập nhiệt độ phòng và bản ghi chú điểm và ghi chú các thay đổi điểm và thời gian hoạt động HVAC. Trong một nhà máy sản xuất, một bộ điều khiển logic có thể lập trình (PLC) có thể ghi chép hàng ngàn biến số trên giây, kể cả các dòng điện, tốc độ thắt lưng và sản phẩm tính toán. Khối lượng, vận tốc, và nhiều loại dữ liệu khác nhau này sẽ trở thành ứng cử viên chính cho những người phân tích tiên tiến, nhưng chỉ khi nó được sắp xếp đúng ngữ cảnh. Một việc đọc 150 ° C là một số chỉ cho đến khi nó liên kết với một lò sưởi cụ thể, lịch sử của nó, việc bảo trì hàng loạt sản xuất và nhiệm vụ điều hành. Quan hệ này là một phần tử có thể [FT], nơi mà [FT], một nhóm: [FT], một nhóm dữ liệu hợp nhất định], và cho phép kết hợp các dữ liệu này.

Lợi ích chính của việc phân tích dữ liệu trong hệ thống vòng lặp khép kín

Khi khai thác đúng, dữ liệu từ các thiết bị khép kín cung cấp những lợi thế đáng kể qua các không gian hoạt động, tài chính và dịch vụ. những lợi ích này không phải là lý thuyết; các tổ chức trên các ngành công nghiệp đang nhận ra sự trả đũa bằng cách áp dụng phân tích cho hệ thống kiểm soát của họ.

Năng suất hoạt động tăng cao

Phân tích có thể xác định các mẫu của sự vô hiệu hóa mà không thể nhận diện được đối với hệ thống báo động thủ công hay cơ bản. Chẳng hạn, một nhà máy hóa học có thể phát hiện ra rằng một cột chưng cất có thể bị giảm 10–20% đầu tư không đầu tư nào. Trong việc quản lý xây dựng, phân tích các mô hình cho phép dự đoán trước khi đạt được các vùng đã được chuẩn bị sẵn sàng, chỉ khi cần thiết để cắt giảm chi phí đáng kể. [L: 0] Cho phép sử dụng năng lượng [FI] để giảm 10–20% không có phần cứng. Trong hệ thống quản lý xây dựng, phân tích các mô hình cho phép dự đoán các khu vực hoạt động hàng năm, có thể giảm thiểu các chi phí lớn về năng lượng cho các cơ sở dữ liệu có thể giảm thiểu chi phí tối đa hoặc chỉ trong công nghiệp hàng năm.

Bảo trì dự đoán cho những tài chính nghiêm trọng

Phân tích nhiệt độ, xu hướng nhiệt độ, và các thiết bị thời gian chạy từ vòng khép giúp chuyển từ sự hồi phục hay bảo trì dựa trên lịch có thể dự đoán. Thay vì theo một lịch cố định (mà phí tổn tài nguyên vào máy khỏe mạnh hoặc bỏ lỡ các thất bại). Đối với các tài sản thiết bị phát triển như máy phát điện, máy phát triển, khả năng sản xuất là vô giá. Một nghiên cứu của Delotte phát hiện ra rằng việc dự đoán thời gian không dự đoán có thể giảm 30 phần trăm và giảm chi phí bảo trì bởi 10- 40%, trong khi mở rộng thiết bị phát triển. Đối với tài nguyên thiết bị cấp cứu về gió, thiết bị phát triển y tế, hoặc máy phát triển chức năng này. Khả năng tạo ra các mô hình máy phát triển như mô hình bộ nhớ ngắn (bộ nhớ ngắn, bộ nhớ tạm có thể học tập, các hình thời gian phức tạp, các mẫu thời gian phức tạp, và các dữ liệu thời gian riêng, trước khi kích hoạt động các dữ liệu thời gian.

Cá nhân hóa sự chăm sóc sức khỏe

Các thiết bị y tế vòng lặp có lẽ là ví dụ hấp dẫn nhất về sự cá nhân hoá dữ liệu. Hệ thống tuyến tụy, kết hợp các bộ phận kiểm soát đường bán dẫn liên tục (CGM) với các thuật toán insulin đã tự động chuyển đổi (AID), tạo ra luồng dữ liệu tần số cao nhất. Phân tích các xu hướng CGM, yếu tố nhạy insulin, và các mẫu thức ăn cho phép các bác sĩ y tế điều khiển các thông tin nhanh chóng, cải thiện đáng kể khả năng điều khiển glymriccic. Nghiên cứu cho thấy rằng sự điều chỉnh định hướng dữ liệu có thể tăng "thời gian trong phạm vi 15- 20% so với các thiết lập chuẩn. So với các lợi ích cá nhân được nhận ra trong vòng cung cấp gây mê, và thiết bị thần kinh, và các thiết bị hỗ trợ nhân, nơi mà bệnh nhân thời gian thực tế có thể điều trị liệu hiện thời gian hiện thời.

Cách tô màu tài nguyên và tiết kiệm chi phí

Hiệu suất năng lượng trực tiếp giảm chi phí hoạt động. Trong một vòng lọc, đóng điều khiển vòng lặp của một cột chưng cất có thể cắt giảm sử dụng năng lượng 15- 25%. Giảm thời gian sử dụng bảo trì dự đoán giảm doanh thu và tránh việc sửa chữa thêm giờ. Hơn nữa, việc phân tích dữ liệu giúp tối ưu hóa việc quản lý kho chứa đồ bằng cách dự đoán khi các bộ phận thay thế, tránh cả các lệnh chất dinh dưỡng và các lệnh khẩn cấp. Sự tổng hợp của những chương trình tiết kiệm này thường cung cấp một nguồn đầu tư hấp dẫn về cơ sở dữ liệu trong năm đầu tiên của việc sử dụng.

Chiến thuật để phóng to sự hiểu biết từ dữ liệu vòng lặp khép kín

Việc chuyển hóa bản ghi cảm biến thô thành quyết định chiến lược đòi hỏi một phương pháp có cấu trúc bao gồm dữ liệu, ngữ cảnh hóa, phân tích và hành động. những chiến lược này tạo thành một cuốn sách để các tổ chức tìm kiếm để tăng tốc sự trưởng thành của họ.

Thiết lập một bản sao chép dữ liệu hợp nhất và có ngữ cảnh

Nền tảng là đáng tin cậy, giữ dữ liệu phù hợp. Bộ nhạy phải được điều chỉnh thường xuyên, và tần số ghi lưu phải khớp với động lực - tỷ lệ thay đổi nhanh như nhiệt độ phòng có thể được một lần, trong khi bộ máy tốc độ cao đòi hỏi việc lấy mẫu tại 10 kHz hoặc cao hơn. Tuy nhiên, thu thập dữ liệu chỉ là một nửa trận chiến. Thử thách thật sự là phá vỡ các bệ giữa công nghệ hoạt động (T) và công nghệ thông tin (TT. Biểu đồ đóng. Dữ liệu thường nằm trong các nhà sử học, cổng, hoặc công cụ PLC ghi chú, trong khi tài sản ngữ cảnh báo về thời gian sử dụng nội dung trong hệ thống ER hay hệ thống bảo trì. Tuy nhiên, các dữ liệu không có sẵn sàng: [T/ nền tảng: [TT] [T] và thông tin] có khả năng đóng cửa sổ], như một lớp bảo vệ: có khả năng đọc thông tin thiết bị ngắt quãng thời gian cuối cùng, có khả năng đọc và hệ thống xác định nhiệt độ phức tạp, có thể truy cập cơ bản thiết bị này có thể sử dụng trong tiến trình xử lý tập tin cấu hình.

Triển khai phân tích cấp cao và học máy

Hệ thống lặp lại có lợi rất nhiều từ chẩn đoán (tại sao), dự đoán (những gì sẽ xảy ra), và biên soạn (điều gì cần làm) phân tích (điều gì xảy ra). Máy học mô hình học ngẫu nhiên như rừng ngẫu nhiên, XGBert, hoặc các thuật toán phát hiện bất thường có thể phát hiện các mối quan hệ không tuyến tính mà thiếu lý luận truyền thống. Ví dụ, một mô hình dự đoán có thể kết hợp giữa động cơ gốc-mean- vuông. Mô hình học hiện thời, phân tách và dịch chuyển để dự báo tính độ chính xác cao. Dùng trình đơn xử lý và mô hình phát triển chức năng này để chuyển đổi các lớp học, có thể hấp thụ dữ liệu từ các mô hình cuộn dây dẫn ngược lại để xem xét lại.

Định nghĩa rõ mục tiêu, hệ thống KPIs và chi phối

Phân tích không có mục tiêu kinh doanh dẫn đến sự tê liệt. Định nghĩa các mục tiêu cụ thể, đo lường: giảm tiêu dùng năng lượng cho mỗi đơn vị sản xuất 8% trong sáu tháng, giảm thời gian không tính toán cho tài sản quan trọng 30%, hoặc tăng thời gian chờ đợi cho 12%. Những mục tiêu này là phải được đo trực tiếp từ dữ liệu hoạt động. Tương tự, thiết lập các quy tắc quản lý dữ liệu sớm- dedectly những người sở hữu dữ liệu, những người có thể truy cập nó, và những gì áp dụng. Độ phân chia giữa, kỹ thuật, kỹ thuật và doanh nghiệp. Các ủy ban điều khiển chéo có thể sử dụng các trường hợp và đảm bảo các mục tiêu chiến lược.

Tạo bảng làm việc và cảnh báo về giờ giấc

Hệ thống vòng đóng tạo luồng liên tục; chờ đợi một cuộc họp đánh giá lại hàng tuần bỏ lỡ cơ hội cho sự can thiệp thời gian thực. Xây dựng bảng điều khiển hiển thị chức năng chạy vòng lặp như kiểm soát chức năng vòng lặp, năng lượng KPIs, và tỷ lệ báo động trực tiếp trong bối cảnh của tài sản vật lý. Chương trình hình ảnh hoá hàng tuần với thông minh, dựa vào mô hình cảnh báo trước các kỹ thuật viên khi độ lệch quá mức an toàn hoặc tối ưu. Công cụ mở như Grafana, kết hợp với cơ sở dữ liệu thời gian như InfuxBD hay D quy mô thời gian, cung cấp giá trị độ hình học thấp. Tuy nhiên, giá trị tăng lên khi các tính năng tăng lên các thông tin ảnh phụ thuộc vào máy tính năng, các thủ tục chạy và các công cụ truyền thống có thể quản lý dữ liệu có thể quản lý dữ liệu lịch sử, và quản lý trực tiếp các tính năng này.

Giải quyết các mối can hệ vòng lặp

Mức độ trưởng thành cao nhất trong phân tích là đóng lại hoàn toàn- sử dụng sự thấu hiểu để tự động điều chỉnh điểm đặt hay bảo trì thời gian không có sự can thiệp của con người. Tính năng này thường trong hệ thống quản lý xây dựng cao cấp và kiểm soát tiến trình công nghiệp. Ví dụ, một tác nhân tăng cường có thể học hồ sơ nhiệt độ tối ưu cho một lò phản ứng để tối ưu hóa điểm sản xuất và điều chỉnh điểm đã đặt trong thời gian thực. Các hạn chế an toàn là quan trọng khi thực hiện thao tác điều khiển trực tiếp. Luôn luôn thiết lập chế "an toàn rơi ngược lại" nơi mà hệ thống bị chứng minh là dữ liệu nếu không được phát hiện.

Những thử thách và sự quan tâm

Dù tiềm năng là rất lớn, nhưng phải có nhiều trở ngại để đạt được giá trị lâu dài từ việc phân tích dữ liệu vòng lặp.

Dữ liệu Silos và sự kết hợp văn bản

Thiết bị vòng lặp thường đến từ các nhà cung cấp khác nhau sử dụng giao thức sở hữu - Giao thức cá nhân - Giao thức cá nhân, OPC-UA, C bus CP, BAT, BAT. BAT. Thu thập dữ liệu này qua một nhà máy hoặc mạng bệnh viện cần thiết phần mềm trung gian như là giao thức trung gian, hệ thống giao tiếp OPTT, hay hệ thống kết nối IP. Một thử thách lớn là tham gia vào dữ liệu hoạt động thời gian với dữ liệu tĩnh hay chậm thay đổi dữ liệu tài sản. Một số lần máy bơm, ngày tháng và trạng thái bảo mật có thể sống trong hệ thống iPP, trong khi các luồng dữ liệu từ dao động từ một luồng dữ liệu bị rung động. Tính năng hỗ trợ dữ liệu cần thiết để truy cập dễ dàng, cho phép kết nối giữa các mối quan hệ giữa các tập tin bổ sung bổ sung và các dữ liệu bổ sung. Một hệ thống bổ sung trực tiếp theo định dạng dữ liệu có thể truy cập và phần mềm bổ sung định dạng bổ sung dữ liệu có thể truy cập được, và hệ thống dữ liệu có thể truy cập dữ liệu dựa trên hệ thống định dạng bổ sung.

Chất lượng dữ liệu và tiêu chuẩn hóa

Sự trôi dạt, sự bỏ giao tiếp, và chất lượng các vấn đề định thời gian, chất lượng dữ liệu bị giảm thiểu. Các quy tắc hợp lệ tự động nên đánh dấu giá trị bị mất, hoặc giá trị đóng băng. Trong phân tích thời gian, khoảng cách phải được xử lý bằng thẩm định hoặc tính chất hiệu chỉnh của các vấn đề trong thời gian, nhưng cần phải nhận biết các tác động trên độ chính xác mô hình. Việc áp dụng các tiêu chuẩn giao tiếp như OPC-UA hay MQTT ilup B bảo đảm sự tương thích và cấu dữ liệu nhất quán ở cạnh. Để đảm hệ thống điều khiển quan trọng, cần sử dụng bộ cảm biến không có tiêu chuẩn, để đảm bảo tính chất lượng hợp nhất định. Một tính chất hiệu suất cao nhất định, độ chính xác thời gian và độ chính xác của dữ liệu cần thiết cho mỗi dòng từ xa.

Quyền riêng tư, an ninh và sự thỏa thuận

Các thiết bị vòng lặp trong hệ thống chăm sóc sức khỏe bảo vệ sức khỏe (PHI) chịu các quy định như HIPAA và GDPR. hệ thống công nghiệp sử dụng vòng lặp đóng là một phần của mạng mạng bị tổn thương mạng mạng (PLC: vi phạm) có thể gây ra hư hại về thể chất. Việc phân chia mạng không đáng tin cậy, mã hóa tại thời gian và trong việc lưu trữ, điều khiển kết nối, và kiểm tra tuần hoàn an ninh. Đối với các cuộc khởi hành [FL: 0] theo sau [FL: 0] an ninh mạng (FT: 0] cho thiết bị IT: 1] [FLT: 1], ngoài ra, đảm bảo rằng dữ liệu bảo rằng các chính sách bảo tính nghiêm trọng và các chính sách hoạt động và bệnh nhân là những trường hợp có thể sử dụng các trường hợp có thể sử dụng.

Chi phí cho việc cắt bỏ và Bức xạ RRI

Cài đặt bộ nhạy, điều khiển nâng cấp, xây dựng ống dẫn dữ liệu, và thuê các nhà khoa học dữ liệu cần thiết đầu tư quan trọng. Nguyên tắc của Hội đồng chôn cất thường áp dụng: 20% của tài sản gây ra giảm thời gian hoặc năng lượng. Bắt đầu nhỏ với một phi công trên một thiết bị hay tiến trình cao cấp. Chứng minh thuật RRI trước khi tăng cường. Tổng giá trị sở hữu bao gồm các chứng nhận phần mềm, lưu trữ mây và bảo trì mô hình. Nhiều nhà cung cấp cung cấp dịch vụ hàng hóa trả tiền như bạn đi đến tiêu chuẩn, giảm tiền mặt trước. Một giai đoạn đường thẳng lên. Một phần lớn ảnh 1: và dự đoán các mô hình 2: giai đoạn; các mô hình ứng dụng/ lặp lại: khả năng quản lý tài chính và khả năng quản lý tài chính tối ưu tiên.

Quản lý sự thay đổi về tổ chức

Kết thúc người dùng trong việc thiết kế công cụ phân tích và bảng điều khiển. Cung cấp tài liệu rõ ràng giải thích làm thế nào các dự đoán mô hình được bắt nguồn và trong điều kiện đáng tin cậy. Ăn mừng sớm để xây dựng động lượng và lòng tin. Việc chuyển đổi từ thời gian biểu sang điều kiện dựa trên điều kiện đòi hỏi phải sửa chữa lại các mệnh lệnh, kiểm tra lại và phụ tùng. Tính năng quản lý và giao tiếp rõ ràng của người quản lý. Tính chất quản lý và tính chất của "những gì trong đó là quan trọng" cho việc chấp nhận rộng rãi.

Những cuộc tranh cãi tương lai trong phân tích dữ liệu Loop đóng cửa

Trường đang phát triển nhanh chóng, và nhiều xu hướng sẽ định hình dữ liệu từ các thiết bị khép kín được sử dụng như thế nào trong những năm tới.

Phân tích cạnh và định dạng ML

Sự dễ dãi là quan trọng trong việc điều khiển vòng lặp khép kín. Việc gửi tất cả dữ liệu vào mây để phân tích không thể chấp nhận được. Tính năng cạnh máy tính cho phép các mô hình học tập trực tiếp trên thiết bị cổng hay máy chủ gần đó, cho phép phản ứng phụ- giây phụ tự động trên bộ cảm biến bằng cách tự động lắp ráp hay lắp ráp tốc độ cao, cạnh của bộ phân tích mạch máu hợp hạch trên máy. Tính năng này cho phép khả năng này bằng cách triển tiến trình phát các mô hình cực hiệu quả trên bộ kiểm soát nguồn tài nguyên, cho phép khả năng nâng cao phản ứng any. Tính năng giảm chi phí băng thông tin và địa chỉ dữ liệu nhạy.

Ai hữu cơ và ngôn ngữ tự nhiên báo cáo một cách u ám

Mô hình ngôn ngữ lớn (LMM) đang bắt đầu kết hợp với phân tích thời gian. Thay vì yêu cầu các kỹ sư để giải thích các sơ đồ phức tạp, LM có thể tạo ra các bản tóm tắt ngôn ngữ tự nhiên của các sự kiện bất thường, cho thấy nguyên nhân gốc có thể xảy ra, và phục hồi các thủ tục điều hành phù hợp. Ví dụ, một LM có thể báo cáo: "Alert: tăng nhiệt độ động cơ tăng thêm 12% theo áp suất trong đường kính 3. Dữ liệu dự đoán cho thấy tỷ lệ thất bại gần như 90% nếu không giảm trong vòng 10 phút." Điều này giảm đáng kể các quy trình nhận thức về người điều hành và thời gian phản ứng.

Bộ điều khiển tự động tự động chế độ AI

Bộ điều khiển biểu đồ tần xuất ngày hôm nay cần điều chỉnh bằng tay, rất hiếm khi tối ưu cho tất cả các điều kiện hoạt động. Hệ thống vòng thời gian đóng sẽ sử dụng việc học củng cố việc điều chỉnh các tham số trong thời gian thực dựa trên phản hồi hiệu suất liên tục. Google DeepMind áp dụng một phương pháp tương tự để làm mát trong trung tâm dữ liệu, giảm 40% mức tiêu thụ năng lượng. Khám niệm tương tự đang được mở rộng đến các lò phản ứng hóa học, xây dựng hệ thống HVAC và các nhà điều khiển robot. Thử thách bảo đảm là việc khám phá trên mạng trong quá trình học, giải quyết bằng mô hình dựa trên các biện pháp bảo mật thiết lập mô hình, được tăng cường độ bảo mật độ bảo mật độ bảo mật.

Sinh đôi số và mẫu lai

Một bản sao ảo của một hệ thống vật lý - dữ liệu cảm biến trực tiếp để mô phỏng hành vi. Phân tích có thể dự đoán kết quả của sự thay đổi điều khiển mà không có rủi ro. Đối với thiết bị vòng lặp đóng, hai sinh đôi số cho phép phân tích "nếu có" gì xảy ra nếu chúng ta tăng điểm tập bởi 2°C trong cuộc bầu cử này? Các mạng thần kinh vật lý (PN) kết hợp dữ liệu cảm biến với các mô hình kỹ thuật hàng đầu, cung cấp các dự đoán chính xác với dữ liệu lượng mờ. Chi phí của cặp song sinh số đã giảm đáng kể với tính toán, cho phép hàng ngàn giả lập sự tương ứng với các chính sách tối ưu.

Học hỏi liên tục cho mô hình riêng tư-Prefill

Trong chăm sóc sức khỏe hoặc các thiết lập công nghiệp đa phần, bệnh nhân hoặc các dữ liệu hoạt động rất nhạy cảm và không thể tập trung. Federated học mô hình xe lửa thông qua nhiều thiết bị hoặc các trường hợp địa phương mà không di chuyển dữ liệu thô - chỉ cập nhật mô hình được chia sẻ. Kỹ thuật này được điều khiển cho các thuật giao dịch insulin khép kín, nơi dữ liệu của mỗi bệnh nhân vẫn còn trên điện thoại hay thiết bị của họ, nhưng các mô hình chung cải thiện mô hình dân số. trong sản xuất, đối thủ có thể cùng nhau phát hiện mô hình phát hiện bất thường mà không cần thiết. Nó cân bằng cá nhân với yêu cầu cá nhân.

Kết luận

Thiết bị vòng lặp tạo ra một luồng dữ liệu liên tục mà khi phân tích thông minh có thể biến đổi các hoạt động. những lợi ích -- những lợi ích được hoan nghênh, bảo trì dự đoán, cá nhân hóa, và tối ưu hóa tài nguyên được sử dụng thông qua một tổ hợp chiến lược của cơ sở dữ liệu mạnh mẽ, những mục tiêu rõ ràng, và sự hợp tác qua các hoạt động chéo nhau. trong khi những thách thức xung quanh sự riêng tư, chất lượng dữ liệu, tích hợp và văn hóa tổ chức cần được giải quyết, những phần thưởng là đáng kể.

Để bắt đầu, kiểm tra lại thiết bị vòng lặp đã có và liệt kê các tiêu chuẩn mà họ sản xuất. Xác định một trường hợp sử dụng giá trị cao có lẽ máy có thể thất bại bất ngờ hoặc một quá trình tiêu thụ năng lượng cao. Triển khai một phi công tích hợp dữ liệu với các công cụ đóng gói và định nghĩa thành công. Nhất định, đầu tư vào một lớp quản lý dữ liệu linh hoạt có thể điều chỉnh thời gian của bạn với siêu dữ liệu tài sản phong phú, quyền hạn, và tài liệu. Các cơ sở dữ liệu như Chỉ đạo chỉ cung cấp nội dung và cơ sở hạ tầng không đầu và ORT, mã nguồn điện với động cơ của bạn, dữ liệu sạch, và kết nối dữ liệu an toàn với dữ liệu đã được chuyển giao và kết nối bên trong của bạn. Các thiết bị thông tin là các vòng lặp lại và thông tin thông tin thông tin được kết nối.