当今工业领域中最被大肆宣传的技术包括人工智能，机器学习和大数据。这些进步的核心是分析，能够收集关键信息以做出更好的决策并推动产业转型。LNS Research最近对近6,200家工厂进行的一项调查将当今工业组织的分析进展与两年前的努力进行了比较。结果表明，跨工业公司的正式分析程序已经大大增加，这是一个好消息。但是研究还表明，制造商还有更多的数据要做，更多信息尽在振工链。

这项调查的结果是，LNS Research与MESA International联合发布了最新的两年期报告“ 2020年至关重要的分析：一个新世界”。全面的研究对工业公司使用分析方法进行了深入分析，并提出了具体的改进建议。此外，研究着眼于新冠对制造商的影响。

根据今年进行的调查，在工业公司中，正式分析程序的使用率增加了52％。此外，诊断能力也提高了102％，预测能力提高了66％。这些都是分析使用方面的重大改进，这对于制定工业转型战略并加快其成功至关重要。

虽然形式化分析和这些类型的功能的增长是有希望的，但规范分析仍是一个滞后的领域。LNS Research调查显示，在过去两年中，说明能力仅增长了39％，远远落后于诊断和预测分析的增长。规范性分析与诊断性和预测性分析方法不同，它提供了有关预测结果的特定建议（即，我们应该怎么做）。这项功能使规范分析对于使组织为将来的行动以及是否/何时发生情况做好准备尤其重要。

对于寻求持续改进和改变其运营方式的工业公司而言，规范能力内蕴藏着巨大的机遇。规范性分析是唯一建议特定操作的分析类型。但是，要使其正常工作，组织的分析必须可靠且值得信赖。连续过程控制中的实时优化（RTO）是说明性分析的一个常见示例，其基于久经考验的第一原理数学模型，使用它们的过程工程师可以理解。RTO甚至在将分析用于制造之前就已经存在，因此，有些人可能不认为它具有说明性。但是，RTO提供了急需的对分析的信任，以使说明有效。

寻求工业转型和运营改善的制造商的底线是，答案就在您自己的数据中，唾手可得。关键是要确保您的数据首先值得信赖，广泛可用并证明其价值。然后，使用各种类型的分析（包括规范分析）来创建有效的操作。利用分析是促进以数据为中心和基于学习的组织的核心，并且是成功进行工业转型的主要前提，更多信息尽在振工链。