我们将继续分享来自Navigance的广泛研究的见解，在化工生产领域担任不同角色的专业人士参与其中。现在我们关注的是化工厂的数字化之旅。
在上一篇文章中，我们总结了他们日常运作的现状，他们最迫切的需求，以及数字化如何已经为他们增加了价值——或者在未来可以实现。我们还强调了研究发现，无论当前的数字化成熟度的高低，以及最迫切的需求的差异，都可以遵循转向数字化的三个常见步骤。
要点尽管我们在化工制造业看到种种差异，但Navigance发现仍然可以遵循一些常见的步骤，以适当的方式和速度实现运营数字化。
我们相信，无论你的起点如何，都可以立即采用该成功路线图获得成功。它包含的选项不会对您自己的内部资源产生巨大的需求，包括世界一流的第三方支持。
事实上，当时机成熟时，一个合作伙伴可以提供数字技术，使每一步都更容易，作为现有的技术投资和已经获益的自助工具的补充。
我们自己的数字工具可以很容易地增强这些功能，相互补充，实现一步一步平稳过渡。而且基于深厚的工艺和数据专业知识经验，以及持续的支持可充分发挥其功效，使得数字化之旅畅行无阻。
让我们依次看看数字化之旅的每一步。
对于处于数字化早期阶段的化工生产商而言，第一步是在工厂收集数据，更有效地查看、解读和使用这些数据。这一阶段的关键技术需求是数据可视化和共享。
在大多数工厂中，他们的DCS、历史数据和任何自助工具通常部署在本地，有助于提供工厂环境及其工艺的第一个清晰、全面的实时了解。
有了这种对现状的了解，工厂团队可以对他们在实时和历史数据中看到的任何模式进行更高级的分析，与适当的人共享安全的、基于权限的访问，并在适当的领域进行更有效的合作。例如，作为一种基于云的解决方案，Navigance数据平台引入了一个额外维度。允许团队跨不同的地点共享数据，让工厂人员不断获得信息，必要时也可以让合作伙伴知晓。这是一种简单而有效的方法，可以利用内部或外部的专业知识。这一切都是通过基于网络的服务完成的，而以前通常是通过邮件来实现的。
像这样的数据可视化和共享，为更好地使用数据奠定了基础。因此，它是所有Navigance服务的基础，是Navigance工厂监测系统和Navigance优化引擎的标准。但这仍旧仅仅是个开端。
如果你已经实现另一个数据平台，我们可以直接插入，使Navigance服务更快实现。
正如我们在上一篇文章中所听到的，对于那些仍处于数字化早期阶段的公司来说，主要的需求是提高或持续维护设备利用率。而且，一旦工厂和工艺数据有了更清晰的视图，就更容易采取下一步行动来实现它。
由于对运营目标、产量和成本的巨大影响：
对设备利用率而言，多多益善，但要付出更高的投资和维护成本。
利用率常常可以与设备可靠性互换使用，通常用设备综合效率（OEE）或设备正常运行时间来衡量。它强烈影响了化工运营的共同优先事项，即达到既定的产量水平，同时控制成本。
由于停工会降低产能，增加成本，因此受访者普遍认为“利用率越高越好”。大多数受访者承认，要实现这一目标，必须付出更高的设备和维护投资。
数字工具提供的机会在于，帮助更精确有效地关注这种投资和维护，及早预测和拦截问题，加速补救并降低成本。
“如果主动报警避免了一段时间的停车，那么很快就能收回成本。”
氨厂高级工艺工程师
虽然一些数字解决方案已被证明对回顾性分析和补救行动有用，但Navigance设备监测系统使工厂团队能够采取更积极主动的方法。基于真实世界的化学工艺专业技术，它全天候自动监测工艺变量，并提供从数据中观察到问题或偏差的全天候报警。
这些报警比工厂的DCS系统通常提供的存在固定限制的报警（例如，变量变化率变快、偏离典型模式，以及类似异常行为的报警）更高级。在达到任何工艺限制之前接收这些通知，使客户运营团队能够在小问题变成大问题之前，审查数据并迅速采取适当的、有针对性的行动。
一位受访者告诉我们：“如果主动报警避免了一段时间的停车，那么很快就能收回成本。”另一位受访者则指出高级报警可以克服由于人员相关问题而导致的停车时间，比如没有足够的时间或工具在任何给定的时刻关注运营的任何方面的细节。
一旦实现了一致的、高水平的利用率，数字化旅程的下一步就是使用数据来微调化学工艺。
与利用率一样，工艺效率，无论是以产量、能源使用、选择性、原料成本、排放还是其他方式来衡量，都会影响工厂在预算范围内实现既定产量的能力。
那么，何时去优化它最好呢？在Navigance询问的行业专家中，超过80%的人认为OEE始终保持在90%或以上时，才会考虑转变。超过四分之三的人认为人工智能是一种真正有潜力增加价值的技术。
他们运营的规模和复杂性意味着他们或他们的团队没有时间，只能通过基本数据分析来提高效率。即便如此，也很难知道他们所采取的行动是否会带来显著的改善。
引入机器学习等数字技术，可以减轻工厂团队发现提高效率的机会的负担，让他们得以根据技术建议采取合适的行动。
例如Navigance优化引擎使用高度自适应的混合工厂模型，基于我们广泛的工艺领域知识，并结合了机器学习。
这种组合分析实时和历史的工厂数据，并就如何微调工艺控制变量给出建议。结果：工厂人员可以自信地采取行动，不断优化工艺，以实现特定的目标。
在相同的Navigance数据平台界面中，现场或远程工作团队可以一起审查数据中的模式和任何改进建议，作出快速、知情、有效的决策；调整工艺控制变量的细节，以持续优化。
工艺效率有时被视为“香饽饽”，但为了保证设备利用率，很容易牺牲工艺效率。但其重要性和关注工艺效率的必要性，只会随着化工行业条件的不断发展而与日俱增。
“如果我们不再需要充分利用工厂，那么我们的重点将转向效率。”
驻美国生产经理
考虑到经济衰退的可能性，以及在资源紧张和工作方式改变的情况下，需要用更少的钱做更多事情。认识到这些影响后，一位受访者告诉我们：“如果我们不再需要充分利用工厂，那么我们的重点将转向效率。”
另一个挑战是如何取代逐渐流失的经验，以保持当前的绩效水平，或者最好是提高绩效。提高工艺效率，特别是借助智能数字工具，可以提供对数据、模式和知识宝藏的访问，有助于填补能力差距，使下一代蓬勃发展。
对这些趋势作出最佳响应的生产商，可能是那些早早就开始计划的人。
Navigance可以为数字化之旅的每一步提供解决方案——从为工厂数据带来新希望，到最大限度地延长运行时间和优化工艺。
我们了解运营商在业内面临的挑战，为你提供独特的技术、产品和持续服务的组合，以支持你，承担你团队的压力，让你始终掌握变革的主动权。
我们以科莱恩为根基，科莱恩是世界领先的化工生产商之一，我们不仅拥有数据学和分析专业知识，还拥有长期的真实世界的化工领域经验。方法已经得到世界各地从事该行业许多领域工作的专业人士的认可。
在今后的博客中，我们将具体介绍数字化旅程的每个阶段，以及数字技术如何在每个阶段为你增加价值。同时，你也可以进一步探索以下文章和白皮书。
或者如果你准备迈出下一步，欢迎联系Navigance。
查看更多:
数字化：化工厂的前景和需求
在过去的几个月，Navigance与化工制造领域的专业人士进行了广泛的探讨——尤其是在连续运行的工艺技术领域，以了解他们日常工厂运作的实际情况，需求和目标，以及任何会带来影响的总体趋势。