"Ngành công nghiệp này đã thực hiện số hóa trong một thời gian dài và những thay đổi gần đây đã làm cho các ứng dụng này mạnh mẽ hơn, linh hoạt hơn, di động hơn, thông minh hơn và tự chủ hơn. Sự thay đổi trong chỉ số CPI ngày càng gia tăng. Nó tăng dần do các trách nhiệm vốn có liên quan đến việc vận hành một nhà máy công nghiệp." Sergio Fernandes, Giám đốc Thị trường Hóa chất, Tập đoàn Điện lực Yokogawa, Hoa Kỳ, cho biết. Điều đó cho thấy, các công ty CPI đã triển khai thành công công nghệ kỹ thuật số trên quy mô lớn, một phần nhờ sự chuyển đổi từ phần mềm chạy trên máy tính xách tay của người dùng sang các ứng dụng và công cụ hiệu suất cao mà giờ đây có thể truy cập được từ hầu hết mọi nơi.
Fernandes giải thích: "Điện toán đám mây không chỉ giảm ngân sách CAPEX mà còn tạo điều kiện thuận lợi cho sự sẵn có của các mô hình quy trình, dù ở trạng thái{0}}ổn định hay động, bất kể vị trí của người dùng cuối". Tuy nhiên, ông cảnh báo không nên chỉ giả định rằng các mô hình nhà máy kỹ thuật số (dù tiên tiến đến đâu) sẽ hoàn toàn chính xác về mặt lâu dài. "Các quy trình công nghiệp giống như các thực thể sống; chúng thay đổi theo thời gian. Bất kỳ biểu diễn toán học nào, chẳng hạn như bản sao kỹ thuật số, sẽ cần phải được điều chỉnh và cập nhật thông qua một số cơ chế. Ngoài ra, cuối cùng chúng sẽ bị loại bỏ. Tài sản cần được chú ý; chúng cần có ngân sách để duy trì tính bền vững của chúng." Anh ấy nói thêm. Nhìn về phía trước, khi ngày càng có nhiều hoạt động tự chủ xuất hiện, nhu cầu cấp thiết về bảo mật và tính bền vững có nghĩa là phải đạt được sự cân bằng thông minh khi triển khai nguồn nhân lực bên cạnh tài sản kỹ thuật số. Fernandes cho biết: "Các hoạt động tại hiện trường nguy hiểm, các hành động lặp đi lặp lại, các hoạt động thường ngày, các chuyến đi thực địa không cần thiết để thu thập dữ liệu và kiểm tra tại các khu vực nguy hiểm có thể được giải quyết một cách thông minh bằng các công nghệ hiện tại và sắp tới". “Điều này có nghĩa là liên tục cải tiến hoạt động, dự đoán sự gián đoạn tiếp theo và tối ưu hóa toàn bộ chuỗi giá trị.” Tài sản cần được quan tâm; họ yêu cầu ngân sách để duy trì tính bền vững của họ." Ông nói thêm.
Rajesh Ramachandran, giám đốc kỹ thuật số, ABB Industrial Automation, nhắc lại rằng việc chỉ phát triển một mô hình phần mềm bắt chước một quy trình hoặc tài sản là chưa đủ để thực sự thúc đẩy quá trình số hóa.. . "Xu hướng hiện nay là hướng tới các bản song sinh AI công nghiệp cho các nhà máy kỹ thuật số. Anh ấy xem xét cách dự đoán và tối ưu hóa một tập hợp kết quả cho một kịch bản quy trình cụ thể, mang lại cơ hội để tinh chỉnh-các điều chỉnh khác nhau thông số." Ramachandran nhấn mạnh rằng AI thuần túy không thể được áp dụng "nguyên trạng" trong môi trường công nghiệp và chuyên môn về lĩnh vực tương ứng là điều cần thiết để nắm bắt được sự phức tạp của hoạt động CPI, chẳng hạn như thông số kỹ thuật chất lượng của sản phẩm cuối cùng hoặc sự hiện diện của tạp chất nguyên liệu thô. chuyên môn, đạt đến đỉnh cao là mô hình nhận thức được xây dựng thông qua nền tảng phần mềm ABB Genix. "Genix xây dựng cái mà chúng tôi gọi là mô hình nhận thức dựa trên dữ liệu từ các hệ thống khác nhau như bảo trì, thiết bị đo đạc và phòng thí nghiệm. Điều này có nghĩa là nó giúp đưa ra các dự đoán tối ưu hóa chính xác hơn." Ramachandran nói thêm. Trích dẫn các nghiên cứu trong ngành cho thấy rằng, trung bình, một nhà máy chỉ có thể sử dụng khoảng 27% dữ liệu sản xuất của mình, trong khi các kỹ sư có thể dành tới 80% thời gian để tổng hợp dữ liệu, ông dự đoán rằng các nền tảng phần mềm tiên tiến sẽ giúp giảm thiểu những sự mất cân bằng này. . Ông cho biết: "Về cơ bản, chúng tôi đang giải quyết các lĩnh vực mà chúng tôi cần khai thác giá trị trong dữ liệu không sử dụng và áp dụng AI công nghiệp trên quy mô lớn để đạt được năng suất và lợi ích hoạt động tối đa, đồng thời đơn giản hóa dữ liệu hội nhập."
Nền tảng thông minh
Không còn nghi ngờ gì nữa, các nền tảng phần mềm công nghiệp đã trở nên mạnh mẽ hơn trong những năm gần đây khi ngày càng có nhiều công ty áp dụng các trường hợp sử dụng AI và máy học (ML) công nghiệp. Michael Tworzydlo, giám đốc sản phẩm phân tích và máy học tại Emerson (St. Louis, Missouri; ), giải thích: "Tại CPI, các loại công nghệ này đang được tích hợp ở khắp mọi nơi, từ giám sát tài sản đến máy bay không người lái được hỗ trợ bởi AI{1}}mà không thể kiểm tra tháp đuốc". Nhưng Tworzydlo cảnh báo không nên quá{4}}thổi phồng giá trị của những giải pháp này mà không cần phải thừa nhận tầm quan trọng của các nguyên tắc kỹ thuật cơ bản. "Là một kỹ sư hóa học, những kiến thức cơ bản về phân tích là nơi tốt nhất để bắt đầu, bắt đầu bằng phân tích-dựa trên nguyên tắc, chẳng hạn như phân tích dựa trên cách thức hoạt động của bộ trao đổi nhiệt. Sau đó, tổ chức có thể phát triển theo cách tiếp cận theo hướng dữ liệu-sử dụng AI hoặc ML để xử lý các quy trình phức tạp hơn hoặc các vấn đề-toàn nhà máy." Anh ấy nói thêm.
Paige Morse, giám đốc ngành hóa chất tại Aspen Technology, Inc, giải thích: “AI mang lại khả năng mạnh mẽ cho CPI, nhưng một số công ty gặp khó khăn trong việc áp dụng nó một cách hiệu quả vào các thách thức sản xuất”.
Để đáp lại, AspenTech đã bắt đầu nhúng AI vào nền tảng phần mềm của mình, giúp nhiều người dùng dễ tiếp cận hơn. Morse lưu ý rằng việc kết hợp-các nguyên tắc kỹ thuật đầu tiên với AI và kiến thức chuyên môn về miền có thể giúp người dùng tìm ra giải pháp tốt hơn cho các vấn đề phức tạp cần phải giải quyết trong CPI. Phương pháp lập mô hình kết hợp của AspenTech không chỉ giúp tối ưu hóa các quy trình mà còn cho phép các kỹ sư tạo ra các cảm biến mềm tùy chỉnh, thiết kế các thiết bị mới và tích hợp các quy trình-trên toàn bộ nội dung. "Các kỹ sư hiện có thể sử dụng ML để xây dựng các mô hình phong phú nhanh hơn nhằm tận dụng dữ liệu mô phỏng hoặc nhà máy, bổ sung kiến thức chuyên môn về miền, nguyên tắc kỹ thuật và các ràng buộc thiết kế mà không cần chuyên môn sâu về quy trình hoặc AI." Morse nói. Với nhiều công ty CPI phải đối mặt với khoảng cách kỹ năng hợp pháp.
Ngoài việc khắc phục khoảng cách lao động, các sáng kiến bền vững là một lĩnh vực khác mà các công ty CPI đang ngày càng tập trung nỗ lực. Morse cho biết: “Tiết kiệm chi phí đã thúc đẩy phần lớn nỗ lực số hóa, nhưng các công ty ngày càng tập trung vào chất thải và khí thải từ các đơn vị sản xuất, cũng như cải thiện hiệu quả và độ tin cậy”. Cô nói thêm: "Mô phỏng quy trình giúp phát triển các sản phẩm mới nhằm đáp ứng các thách thức kỹ thuật của nền kinh tế tuần hoàn, chẳng hạn như tái chế phân tử và thiết kế nhựa mới, và với sự trợ giúp của AI, hoạt động này thậm chí còn nhanh hơn".
Khả năng dự đoán này ngày càng có giá trị trong việc đạt được các mục tiêu bền vững cụ thể, chẳng hạn như giảm ô nhiễm không khí thông qua hệ thống giám sát khí thải dự đoán (PEMS), một chức năng của nền tảng Plantweb Optics Analytics của Emerson, triển khai các hệ thống kiểm soát ML và AI thông qua bản sao kỹ thuật số và triển khai phân tán. "Là một phần của Plantweb Optics Analytics, chúng tôi có thể triển khai PEMS để giám sát và ước tính lượng khí thải bằng cách sử dụng các mô hình và ML để tối ưu hóa sản xuất một cách linh hoạt. Với PEMS, chúng tôi có thể xây dựng các mô hình dựa trên các biến số quy trình đã được ghi lại và sử dụng chúng để ước tính và cuối cùng là giảm lượng khí thải." Tworzydlo nói.
Cam kết của phần mềm đối với chiến lược bền vững vượt xa việc giảm phát thải. "Sự gia tăng của các sản phẩm và công nghệ bền vững tái sử dụng hoặc tái chế chất thải là một lĩnh vực tăng trưởng cho ngành mô phỏng quy trình, đặt ra những vấn đề mới và cơ hội mới. Các lĩnh vực tăng trưởng gần đây bao gồm mô phỏng quy trình dẫn xuất từ cây gai dầu (ví dụ: CBD) và các biện pháp kiểm soát cải tiến để giảm lượng khí thải từ các nguồn năng lượng tái tạo. Các lĩnh vực tăng trưởng được thiết lập nhiều hơn cho ngành hóa chất bao gồm nhiên liệu sinh học, thu hồi khí mê-tan, thu hồi CO2 và lựa chọn dung môi." David Hill, Giám đốc Hỗ trợ Kỹ thuật tại Chemstations Inc. (Houston, TX) cho biết.
Hill tin rằng triển vọng của các trình mô phỏng quy trình có thể được nâng cao hơn nữa bằng cách tạo ra các liên minh sản phẩm với các công cụ phụ trợ trong CPI. Các kỹ sư không sử dụng trình mô phỏng quy trình thường có các công cụ có thể được cải thiện bằng cách kết nối với trình mô phỏng quy trình. Trong các lĩnh vực an toàn, kiểm soát quy trình và năng lượng, có nhiều cơ hội để kết hợp các công cụ-cụ thể của ngành với các nguyên tắc đầu tiên của trình mô phỏng quy trình". Hill giải thích. Hill tin rằng động lực của sự thay đổi này sẽ bao gồm việc giảm khí nhà kính, hiệu quả sử dụng năng lượng, tối ưu hóa dựa trên các mô hình nhiệt động lực học, độ an toàn được cải thiện và cơ hội kiểm soát quy trình nâng cao bằng cách sử dụng mô phỏng nghiêm ngặt.
Thực tế mở rộng
Ngoài AI và ML, các nền tảng phần mềm thực tế tăng cường (AR) và thực tế ảo (VR) cũng đang phát triển trong các nhà máy công nghiệp-và người ta không còn coi loại công nghệ này là một mặt hàng "xa xỉ", hữu ích hơn bao giờ hết do nhu cầu làm việc từ xa trong thời kỳ đại dịch ngày càng tăng. Với việc có ít người ở trong thực vật hơn do đại dịch, thực vật đang áp dụng các công nghệ mới. ar có thể phủ thông tin kỹ thuật số vào thế giới thực, giúp trang bị tốt hơn cho người lao động để thực hiện các nhiệm vụ một cách chính xác và dễ dàng hơn." Tworzydlo của Emerson cho biết. Đối với tương lai của AI, ML và AR trong phần mềm công nghiệp, các trường hợp sử dụng chắc chắn sẽ tiếp tục mở rộng. "Vẫn còn rất nhiều tiềm năng chưa được khai thác. Cuối cùng, chúng tôi sẽ bắt đầu nhắm mục tiêu các quy trình nhất định cho các hoạt động tự chủ.
Aveva Group plc (Cambridge, Vương quốc Anh;) đã kết hợp các khái niệm AR và VR vào nền tảng Thực tế mở rộng (XR) của mình và một ứng dụng đặc biệt phù hợp là đào tạo nhân sự. " Hệ thống đào tạo chuyên sâu XR cho phép các công ty nắm bắt và lưu giữ kiến thức vận hành khi thay thế những người vận hành có kinh nghiệm đã nghỉ hưu, điều này rất quan trọng đối với hiệu suất và an toàn của nhà máy. Chương trình đào tạo về hành vi này có thể được áp dụng không chỉ cho-những người vận hành tuyến đầu mà còn cho các kỹ sư, kỹ thuật viên và người ứng cứu khẩn cấp." Ravi Gopinath, Giám đốc đám mây và Giám đốc sản phẩm của Aveva, giải thích.
Trong một ví dụ, chương trình đào tạo người vận hành do Aveva và Shell (The Hague, Hà Lan;) phát triển tập trung vào đào tạo hành vi để cải thiện năng lực an toàn. Gopinath nói: "Với phương pháp tiếp cận hành vi này, người vận hành có thể được đào tạo và đánh giá về cách họ thực hiện khi đối mặt với một tình huống ngẫu nhiên hoặc từng đợt trong nhà máy." Trong một dự án khác, Aveva và Adnoc (Abu Dhabi;) đã tạo ra một chương trình đào tạo trung tâm trực quan hóa dữ liệu theo thời gian thực- tập hợp hơn 120 trang tổng quan và 200.000 điểm dữ liệu trên một màn hình tương tác khổng lồ.
Đào tạo chỉ là một phần tiềm năng của XR. Các ứng dụng dựa trên máy tính bảng AR-đã được sử dụng để hỗ trợ nhân viên hiện trường. Việc sử dụng AR để kết nối các mô hình VR trong máy tính bảng với thông tin-thời gian thực và các quy trình được hướng dẫn cho phép thực hiện công việc tốt hơn, nhờ đó tránh được những sự cố tốn kém và giảm thời gian ngừng hoạt động. Nhìn về phía trước, Aveva tin rằng phần mềm XR có thể cải thiện đáng kể thiết kế cơ sở và kỹ thuật dự án vốn bằng cách tự động hóa việc nhập các mô hình nhà máy 3D truyền thống được sử dụng trong giai đoạn thiết kế vào môi trường thực tế. Việc chuyển đổi sang VR sẽ cho phép bạn xem xét và cải thiện các thiết kế tiện dụng ngay cả trước khi bạn mua bất kỳ thiết bị nào. Các nhà máy ảo có thể tồn tại hoàn toàn trên đám mây, cho phép sự cộng tác giữa các kỹ sư ở các khu vực khác nhau
văn phòng hoặc thậm chí ở các châu lục khác nhau.
Với sự phát triển của khả năng thu thập và phân tích dữ liệu trong nền tảng phần mềm, các công cụ phân tích mạnh mẽ đã trở thành công cụ-tự phục vụ, đưa ra quyết định{1}}có thể mở rộng cho các kỹ sư hóa học, những người có thể xây dựng chức năng của riêng mình vào chúng để đáp ứng các nhu cầu quy trình cụ thể. Edwin van Dijk, phó chủ tịch tiếp thị tại TrendMiner NV cho biết, với các công cụ dân chủ hóa như vậy, các kỹ sư có thể tận dụng dữ liệu từ các nguồn khác nhau - ví dụ: chất lượng lô, v.v.. - để cải thiện chất lượng quy trình của họ. dữ liệu từ các nguồn khác nhau-ví dụ: thông tin phòng thí nghiệm như chất lượng lô có thể được liên kết để xử lý dữ liệu với dữ liệu bảo trì. ). "Mục tiêu của việc dân chủ hóa hoạt động phân tích là cung cấp thông tin chi tiết có thể hành động cho mọi nhà điều hành, từ phòng điều khiển đến phòng họp, để đưa ra quyết định-theo dữ liệu. Bằng cách cho phép người dùng tạo trang tổng quan của riêng họ dựa trên dấu vân tay, màn hình và chế độ xem theo ngữ cảnh, điều này vượt xa các công cụ trang tổng quan truyền thống." Van Dijk cho biết thêm. Với nhận dạng mẫu, các kỹ sư có thể điều tra hiệu suất vận hành và sử dụng hành vi vận hành tốt để giám sát quy trình. Ngoài ra, họ có thể tự tạo ra những cảm biến “mềm” để theo dõi những gì cảm biến vật lý không thể đo được, chẳng hạn như thông số chất lượng sản phẩm.
Một câu chuyện thành công về phân tích dữ liệu được TrendMiner báo cáo liên quan đến một nhà máy hóa chất đang gặp phải tình trạng van "dính", gây ra sự chậm trễ giữa những thay đổi về đầu ra của van và phản hồi của quy trình thực tế. Nhà máy muốn xác định chính xác thời điểm van bắt đầu dính, vì vậy họ cần theo dõi bất kỳ sai lệch nào so với hoạt động dự kiến của van và sau đó tìm các thông số có thể phân biệt giữa giai đoạn hoạt động của van "bình thường" và "xấu". Các thông số này được chuyển đổi thành cảnh báo về hành vi lệch pha, không chỉ thông báo cho nhân viên về tình huống mà còn đề xuất các hành động khắc phục có thể thực hiện được. "Bằng cách sử dụng giải pháp phân tích tự phục vụ, các chuyên gia quy trình có thể sử dụng khả năng AI và ML được nhúng để tìm kiếm và xác thực các vấn đề sản xuất bằng cách sử dụng phân tích xu hướng tốc độ cao.
Ngay cả với vô số công cụ phần mềm và ứng dụng di động có sẵn để lựa chọn, một số người dùng vẫn yêu cầu các giải pháp có tính tùy chỉnh cao để đáp ứng nhu cầu kinh doanh của họ. Đây là lúc-việc lập trình nội bộ có thể trở nên hữu ích.JourneyApps (Denver, Colo.;) cung cấp một nền tảng phát triển ứng dụng có năng suất cao-mà người dùng có thể sử dụng để viết mã của riêng mình, tạo ra các ứng dụng phức tạp hơn so với các trình tạo ứng dụng không-được mã hóa, nhắm mục tiêu đến những người không-lập trình viên và bị giới hạn bởi chính họ sự đơn giản. Giám đốc điều hànhJourneyApps Conrad Hofmeyr giải thích: "Điều này có nghĩa là logic kinh doanh tiên tiến, tính toán kỹ thuật và tích hợp tùy chỉnh cao có thể được triển khai trong vài ngày mà không cần nhiều chi phí truyền thống liên quan đến phát triển phần mềm." Ông lưu ý rằng hầu hết các kỹ sư hóa học đều có một số kinh nghiệm viết mã hoặc viết kịch bản cơ bản thông qua các công cụ như Microsoft Excel Macros hoặc Matlab, vì vậy họ có thể nhanh chóng có được các kỹ năng lập trình cần thiết để sử dụng JourneyApps nhằm xây dựng các ứng dụng phức tạp tự động hóa và hợp lý hóa các chức năng kinh doanh quan trọng.
Ví dụ: Hofmeyr trích dẫn ví dụ về một công ty CPI đã xây dựng một ứng dụng dành riêng cho Quy trình vận hành tiêu chuẩn (SOP), cho phép họ chuyển từ các SOP dựa trên bảng tính-thủ công sang một ứng dụng được-kiểm soát tập trung với quy trình kiểm tra hoàn chỉnh. Ông cho biết thêm, "Khả năng tùy chỉnh do JourneyApps cung cấp có nghĩa là các ứng dụng toàn cầu riêng lẻ có thể được điều chỉnh cho phù hợp với nhu cầu địa phương và tích hợp hệ thống." Trong một ví dụ khác, một nhà sản xuất hóa chất mỏ dầu đã phát triển ứng dụng của riêng mình để chạy các phép tính quan trọng được sử dụng trong quy trình báo cáo hiện trường hàng ngày và tạo tài liệu báo cáo, tất cả đều diễn ra trong khi người dùng ngoại tuyến trên một trang web ngoại tuyến.
Nhìn về phía trước để kết thúc sử dụng
Các công cụ mô hình hóa và phần mềm tiên tiến cũng cho phép tạo ra các sản phẩm cuối cùng an toàn hơn, hiệu quả hơn trong nhiều ngành công nghiệp, từ phụ tùng ô tô đến dược phẩm. Một ví dụ là công cụ Ultrasim-được hỗ trợ kỹ thuật (CAE) của BASF SE (Ludwigshafen, Đức) để lập mô hình các đặc tính vật liệu. Công cụ này gần đây đã được cập nhật để mô hình hóa nhiều loại vật liệu đàn hồi dẻo nhiệt từ quá trình xử lý ban đầu cho đến toàn bộ chuỗi xử lý. cuối cùng-sử dụng sản phẩm. Chu kỳ phát triển ngắn hơn và lịch trình gấp rút đang đặt áp lực ngày càng lớn lên các kỹ sư để có được hiệu suất sản phẩm phù hợp ngay lần đầu tiên. Marios Lambi, trưởng nhóm CAE phụ trách kỹ thuật mô phỏng tại BASF ở Bắc Mỹ cho biết: Ultrasim có thể mô phỏng tải ban đầu và tải theo chu kỳ của các bộ phận, điều này đã được chứng minh là đặc biệt quan trọng đối với các bộ phận ô tô được làm từ vật liệu đàn hồi. "Từ tải từ biến đến mô phỏng va chạm, tải nhiệt và hành vi rung, cùng với việc xử lý các mô phỏng mô tả quá trình-các đặc tính vật liệu gây ra, như cũng như các công cụ tối ưu hóa số cho phép thay đổi hình học nhanh chóng, Ultrasim đặt nền tảng để thiết kế các bộ phận tốt hơn," Andreas Wüst, Trưởng nhóm phân tích kết cấu động của BASF Châu Âu nhấn mạnh.
"Quy trình mô tả đặc tính vật liệu tạo ra dữ liệu cần thiết cần thiết để đảm bảo tính chính xác trong việc dự đoán hoạt động của các bộ phận thực. Các mô hình vật liệu lý thuyết được phát triển cho mục đích này đang được hiệu chỉnh bằng cách sử dụng thông tin từ các thử nghiệm, do đó đảm bảo rằng hoạt động đó thể hiện các điều kiện sản xuất thực tế chứ không phải một tình huống tùy tiện khác xa với thực tế." "Có nhiều ví dụ về các cụm lắp ráp phức tạp, chẳng hạn như ghế ô tô, đã được thử nghiệm va chạm và các thử nghiệm này sử dụng độ chính xác dự đoán của Ultrasim để tạo ra các bộ phận vượt qua các bài kiểm tra xác nhận. Điều này rút ngắn đáng kể chu kỳ phát triển và giảm thiểu, nếu không muốn nói là loại bỏ, những thay đổi trong thiết kế", ông nói thêm.
Đối với các quy trình-có độ chính xác cao trong phòng thí nghiệm R&D và phân tích chất lượng đối với các thành phần dược phẩm sinh học và các sản phẩm có giá trị-cao khác, công cụ phần mềm có thể được sử dụng cho nhiều mục đích khác nhau, bao gồm cả việc hỗ trợ kế hoạch kinh doanh liên tục (BCP) của tổ chức. Barbara van Cann, giám đốc tiếp thị sản phẩm phần mềm sắc ký của Tổ chức Hệ thống Dữ liệu Doanh nghiệp Chromeleon của Thermo Fisher Scientific cho biết: “Phần mềm hiệu quả có thể giảm thiểu hoặc giảm số lượng rủi ro trong quá trình kiểm tra trong phòng thí nghiệm, đơn giản hóa việc kiểm tra sự kiện và các quy trình tự động có thể được sử dụng để khôi phục hệ thống sau một sự kiện hoặc thậm chí giữ cho chúng hoạt động trong một sự kiện, tất cả đều đơn giản hóa BCP”. Ngoài ra, các phòng thí nghiệm có thể đơn giản hóa hơn nữa BCP bằng cách chọn phần mềm tích hợp bao gồm hệ thống dữ liệu sắc ký (CDS), hệ thống quản lý thông tin phòng thí nghiệm (LIMS) và hệ thống thực thi phòng thí nghiệm (LES). van Cann giải thích, "Cả phần mềm LIMS và CDS đều phải cung cấp các công cụ để giám sát chất lượng, hiệu chuẩn và bảo trì thiết bị, ngay cả đối với từng bộ phận riêng lẻ." Phần mềm CDS cũng phải giúp người dùng xử lý các điểm bất thường trong phân tích và có các tính năng an toàn dự phòng- được tích hợp trong mạng để đảm bảo rằng hoạt động có thể tiếp tục mà không cần sự can thiệp của con người trong trường hợp mất mạng. Để tránh bị gián đoạn do các cuộc tấn công an ninh mạng, Van Cann khuyến nghị các phòng thí nghiệm nên chạy CDS và phần mềm khác trong một miền tách biệt với hệ thống văn phòng chính để tránh các mối đe dọa mạng tiềm ẩn từ e-email. Cuối cùng, như với bất kỳ nền tảng phần mềm tự động nào, yếu tố con người phải được xem xét. "Có thể giảm thiểu lỗi của con người bằng cách kiểm soát những gì người dùng có thể và không thể làm cũng như những gì họ có thể và không thể truy cập. Ngoài ra, nên có sẵn các công cụ để tự động hóa nhiều hành động nhất có thể. Ít tương tác của người dùng hơn đồng nghĩa với ít lỗi hơn." Cô ấy nói thêm.