在上一篇文章中，羅克韋爾自動化為各位分享了數據驅動型可持續運營的第一大關鍵元素——盡可能提高現有投資回報。承接上期，羅克韋爾將繼續為您介紹數據驅動型可持續運營的關鍵元素。

基于數據和見解來自動執行操作

要達成可持續發展目標，首先需要訪問值得信賴的情景化數據，以滿足監控和報告目的。

對數據進行情景化處理并確定數據有效性后，下一步是根據這些數據和高級算法自動執行操作，以達成優化目的。機器學習 (ML) 和人工智能 (AI) 等技術可為控制系統響應提供指導、揭示持續改進的機會。

基于數據和算法自動執行操作不僅可以幫助企業從過程改進升級到性能優化。過程變量和資源消耗每一天都會予以微調，確保將資源用到需要的地方。

有了 ML 和 AI 后，系統能夠基于預測的條件來動態且實時地調整過程，進而大幅提升效率，讓企業得以大規模實現可持續發展目標和生產力目標。

企業應如何做？

評估高級分析功能。企業可能擁有相關工具，能夠對數據建模并發現切實可行的見解。但是如果存在缺口，請記住與部署新硬件相比，補足 ML 和 AI 功能可能更簡單、更快速。

識別高價值用例以收獲預測性見解。例如，可訓練算法來預測特定生產線、機器或組件的能源使用情況，進而檢測異常并設置可觸發糾正措施的規則。可執行類似建模來預測其他場景下的主機，例如，何時需要維護設備，或者何時需要在水處理作業中更改化學劑注入選點。

連接到控制系統以實現自動改進。將算法與自動化系統搭配使用可促成優化達到新的高度。例如，在智能水壓管理場景中，能夠預測及主動管理壓力波動從而減少壓力泄漏、提高可靠性。

能夠提供基于自動化系統的智能層的高級過程控制解決方案正是為此而設計的。這些解決方案會持續評估目前及預測的數據，將這類數據與需要的結果相比較，然后再主動推進改變。這樣就能夠自動減少過程變數、優化資源使用。

將典范做法擴展到整個企業和價值鏈

數據驅動型可持續發展方法最終必須擴展至完整的產品生命周期和價值鏈中。

企業首先要做的就是從運營和生態系統中收集數據并進行情景化處理，接著，自動執行操作以從性能改進進階為性能優化。這樣就為實現全面且可擴展的改進奠定了基礎。

 羅克韋爾自動化高級副總裁暨首席技術官 Cyril Perducat 表示，“信息需要得到正確的使用，這樣它才能助力制造業提升到新的水平，讓我們有能力與客戶攜手創新、共創未來。”

由于可持續發展報告不斷成熟和完善，而產品也在持續演變，調整就變得至關重要。擁有高品質數據流可讓企業的運營團隊根據監管合規要求和不斷涌現的需求進行調整。

將分析和 AI 解決方案與自動化相結合之后，可協助企業降低成本和碳排放，且不影響市場定位或定價。

備齊這些功能后，優化以實現可持續發展將不只是生產重心，而是需要持續、大規模推進的業務過程。發起有組織的優化活動，讓企業能夠推進更大型方案，打造更加可持續的世界。

企業應如何做？

設置可供擴展的數據和分析功能。要在整個價值鏈中邁向更加可持續的運營模式，就需要創造穩定的可操作數據流，以獲得見解并改進資源使用情況。您可以從一部機器開始，再慢慢擴大規模。接下來，對數據進行分析和建模，收集見解以改進資源使用。您可以從一條生產線開始，逐漸擴大到覆蓋整個作業線。

確立可持續改進的操作系統。挖掘數字化、可持續發展見解，以及推進改變的過程為閉環改進提供了基礎。完全自動化的持續改進方法需要融合 IT/OT，將不同生產階段的數據匯總為一個數字主線，最終覆蓋到整個價值鏈。如此順暢的數據流能夠讓您全面了解資源使用情況，形成協作式方法以改進和優化。

將可持續生產與可持續產品管理連接起來。大規模推進持續改進意味著能夠全面達成運營和產品目標。這就需要作出諸多改變，例如：

實施完全數字化產品生命周期管理 (PLM) 系統

打造數字化產品通行證

將數字孿生用于可持續的產品設計

從根本上說，將可持續發展目標與公司整體策略相結合至關重要。數字化投資不僅是出于商業需要，更是創造更加可持續的未來中的關鍵一環。