Data: if it’s not big, then it better be good
在数据方面，庞大的数据集能够创造大量机会。 这就是以消费者为中心的公司训练算法的方式，围绕我们选择的音乐、饮食、电影等做出相关推荐。
在工业领域，数据也能产生大量机会。 来自飞机发动机或燃气轮机等资产的大量信息可深刻反映其状态，能够帮助软件预测设备故障或维护需求。
然而，数据不足时训练算法和功能强大的软件会变得更加困难，而这正是工业领域内的普遍情况。 工业运营商注重保护自己的数据，因此会限制关键应用的信息共享。 此外，有限的生产错误最大程度地减少了错误数据的产生，因为汽车发动机生产商只会看到很少量缺陷的或规格不符的发动机。 这同样适用于电池制造商。
解决方案？
如果您没有大量的数据，那么您所拥有数据的质量就变得至关重要。
因为如果您拥有以百万计的数据集，那么可以轻松地平均掉质量较差的数据点。 但是如果您的数据集规模很小，那么每个数据点对构建精确模型都很重要。 少量的数据段就能够导致整个数据集出现偏差，使算法无法应用于现实世界。
接下来的问题是：“该如何生成‘'好'数据？”
简而言之，好的数据来源于好的传感器。 但这只占了其中一半。 诚然，好的传感器非常重要，因为它们能日复一日、年复一年提供敏感性、准确性、耐用性和可靠性来生成准确的数据，不受极端条件的影响。
但应用此类传感器的专业知识也同样重要。 了解适用于各种环境的技术类型及其位置布置至关重要，对工业检测和无损检测 (NDT) 而言尤为如此，因为在这些领域内有多种类型的传感器可供选择。 从 X 射线和超声波到 CT 扫描仪和振动传感器，每种场景都需要合适的技术，而这就需要专业知识才能知道要使用何种技术以及如何应用最有效，从而确保应用的一致性。
保持一致性不仅对一家工厂的多条生产线非常重要，而且对分布在全国或全球各地的多家工厂也非常重要。 一致的传感器应用和可复制的结果是保持数据质量一致的核心，因此无论产品来自哪个工厂，都能保证统一的产品质量。
准时制生产和增材制造的发展凸显了专业知识在传感器应用领域之所以如此重要的另一大原因。 在这种环境下，保证速度至关重要，无损检测专家可以迅速评估和部署测试要求，从而提供有关产品质量的即时反馈。 这可以加快迭代和原型制作的速度，加快产品上市，降低投资成本，提高生产率。
这种在价值链早期就对无损检测数据的依赖，并将其作为产品生命周期管理的一部分，是我们未来的发展方向。 如今，许多客户都带着质量和生产率方面的问题来向我们寻求支持，而我们可以帮助他们解决这些问题：提高 3D 打印零件质量的最佳方法是什么？ 该如何确保复合材料零件的质量？ 这是一个重要的演变，因为我们以合作伙伴和协作者的身份帮助客户转变他们对检测的看法，帮助他们将检测作为实现一系列业务目标的工具，包括节约成本、提高质量和缩短生产时间。 无损检测也在改变着数据的收集、分析和部署方式。 Waygate Technologies 功能强大的软件（如 InspectionWorks TM），能够帮助公司利用所采集的良好数据来改善成果。
举例来说，InspectionWorks 创建了涵盖所有相关检测数据流的整体视图，而这些数据流通常分散于各种不同的供应商技术或不同的工厂部门之中。 该平台收集并整理这些不同的数据流，对数据进行分析以产生可操作的见解，并通过与客户软件包（如计算机辅助设计和制造 (CAD/CAM)、制造执行系统 (MES)、产品生命周期管理 (PLM) 和企业资源规划 (ERP) 软件）连接和集成的工作流，帮助客户采取必要的步骤来推动改进。
我们的一家风能原始设备制造商客户能够创建复杂的多仪器、多用户检测工作流程，然后将其推送到他们的 ERP 系统，向内外部检测人员部署工单。 一旦检测人员进入现场开始检测，数据将自动绑定到资产上的正确“位置”，PLM 系统也将接收到推送的检测报告。 最后将对检测数据（包含大量注释和专家备注）进行处理、分析并将其转化为 CAD/模拟系统可吸收的可操作见解，从而实现设计和流程改进。
随着此类型软件生态系统的持续发展，作为价值创造、创新和业务差异化来源的检测只会不断地变得更加重要。
数据正在推动制造和维护领域的变革，而工业检测和无损检测所生成和分析的数据是推动这一行业前进的重要因素。
然而，在数据不断增长的热潮中，企业领导者必须牢记，高质量的数据在推动取得预期成果方面具备与大数据同等的重要性。