Ce urmează pentru IoT industrial și Analytics sofisticat
Publicat: 2021-12-23
Piața 4. este totuși o evoluție continuă, cu Rețeaua lucrurilor în principal. Transformarea digitală a opțiunilor industriale continuă acum și a fost accelerată de cea mai recentă pandemie. Cum caută viitorul previzibil pentru Industrial IoT și Superior Analytics? Ce priorități ar trebui să aibă C-Suite pe măsură ce trecem în 2022 și trecut?
McKinsey a crezut că până în 2020 valoarea completă capturată de IoT a fost de 1,6 trilioane de dolari, piața B2B probabil să se extindă la între 3,4 și 8,1 trilioane de dolari până în 2030. Această evaluare arată că există în continuare perspective semnificative de preț care trebuie înțelese în anii următori. .
Pentru a înțelege acest beneficiu, există câteva obstacole și posibilități care trebuie abordate în abordările de afaceri și digitale în cursul afacerii. Baza dezvoltării a fost stabilită odată cu progresul rapid al componentelor IoT, împreună cu capacitatea de a comercializa informații semnificative, prețurile pentru ambele scăzând drastic de-a lungul deceniilor. Și acum accentul se pune pe modul în care folosim aceste informații care sunt în prezent obținute pentru a valorifica.
1. Interoperabilitatea sistemelor pentru a primi cunoștințe mai mari
Scalarea transformării electronice s-a dovedit a fi unul dintre cele mai complicate obstacole pe care le-au întâmpinat întreprinderile în spațiul IoT. Multe proiecte pilot nu au fost echipate la scară, ceea ce limitează rata de adoptare și realizarea valorii. Una dintre cauzele acestui lucru este o barieră a metodelor care a fost produsă de utilizarea ecosistemelor închise proprietare, împreună cu combinarea tehnicilor moștenite, amestec de arhitecturi de detalii diverse și limbaje personalizate pentru senzori IoT. Pentru a profita de pe urma analizei sofisticate, trebuie să fie obținute și partajate faptele care implică dispozitive, astfel încât informațiile să poată fi adunate în întreaga organizație. Pentru ca acest lucru să fie realizat, organizațiile trebuie să aibă nevoie de interoperabilitate din toate achizițiile viitoare previzibile și de strategie pentru a se ocupa de preocupările legate de moștenire.
2. Configurarea stocării datelor pentru analize de ultimă generație în viitorul previzibil
Analizele superioare, inteligența artificială și stăpânirea dispozitivelor folosesc informații uriașe, în formatul său nepreparat nestructurat. Companiile doresc să ajusteze modul în care metodele de capturare, stocare și îngrijire a acestor detalii. Pentru analiza predictivă, informațiile din seria temporală sunt esențiale și, prin urmare, companiile ar trebui să abordeze să se transfere la utilizarea depozitelor de detalii din cloud și să adopte baze de date grafice, astfel încât să poată profita la maximum de noul know-how de analiză foarte dezvoltat.
3. Analize foarte dezvoltate, o inițiativă uriașă a întreprinderii
Valoarea va fi înțeleasă atunci când afacerile se extind și încep să utilizeze analize superioare, cum ar fi inteligența sintetică și descoperirea mașinii în cursul funcțiilor lor. Mai mult decât mici aplicații-pilot sau interzicerea utilizării răspunsurilor la grupurile interne de știință a cunoașterii, firmele trebuie să înceapă să creeze analize de ultimă generație care să fie utilizate în timpul grupului. Democratizarea datelor are loc atunci când oamenii de astăzi din cadrul organizației încep să revizuiască datele pentru a susține informarea pozițiilor lor de la zi la zi lucrătoare. McKinsey estimează că „cea mai mare oportunitate pentru crearea de valoare este în optimizarea operațiunilor de producție – producând gestionarea de zi cu zi a bunurilor și a oamenilor mult mai mult succes”.
4. Stăpânirea mașinii fără cod și MLOps
Automatizarea Analytics Superior este șansa semnificativă de viitor pentru corporațiile industriale. Tehnologiile au avansat și Înțelegerea dispozitivelor (ML) fără cod este acum implementată de organizații din întreaga lume. ML fără cod permite materiei să facă diferența guru și operatori să dezvolte rapid tipuri de active sau operațiuni lipsite de orice expertiză în codare sau programare. Design-urile sunt implementate instantaneu, studiind din cunoștințele de locuit și istorice și oferă perspective vitale pentru a ajuta personalul să își îmbunătățească operațiunile. Ne uităm ca acest lucru să fie utilizat pentru întreținerea predictivă și monitorizarea situației în timp real. ML Ops este software-ul de testare integrată continuă și implementare continuă prin intermediul automatizării pentru a furniza proiecte de informații scalabile și actualizate pentru a industrializa descoperirea echipamentelor. Prin industrializarea înțelegerii dispozitivelor, automatizările modelului pot fi plasate la fața locului, ajutând la scalabilitatea analizelor inovatoare în timpul afacerii.
5. Activarea operațiunilor de la distanță și automate
Trecerea la funcții de operare la distanță și centralizate a condus la îmbunătățiri precum verificarea la distanță și automatizări mai mari în multe opțiuni. Aceste inovații vor ajuta la minimizarea cheltuielilor de funcționare, a pericolelor de siguranță pentru personal și vor permite să cunoască mai mult valoarea care poate fi produsă de IoT. Potențialul de a urmări de la distanță și de a obține alerte atunci când se preconizează productivitatea, eșecul sau greșeala îmbunătățește eficiența echipelor. Analiza avansată prezintă rezultatul principal al evaluării, care garantează că personalul și zonele potrivite sunt trimise pe site-ul internet, împreună cu informații care le permit operatorilor să tragă concluzii informate, astfel de ajustări ale procedurilor sau echipamentelor utilizate pentru a se asigura că nu este pierderea productivității. informat.
6. Conformitatea și reducerea emisiilor
Organizațiile din întreaga industrie stabilesc ținte de emisii, etapa următoare este să se asigure că respectă aceste ținte. IoT și analiza avansată pot ajuta corporațiile să determine linii de bază exacte pentru concentrarea asupra mediului și pot urmări utilizarea continuă. Zonele de utilizare a energiei considerabile pot fi descoperite împreună cu oportunități de îmbunătățire a oportunităților. Auto ML poate fi aplicat pentru a prognoza vârfurile de utilizare a energiei electrice pentru a sprijini stocarea energiei electrice și minimizarea risipei.
7. Analiza holistică a companiei
Amalgamarea datelor și a analizelor de ultimă generație în întreaga companie oferă o perspectivă de prognozare, raportare și conformitate îmbunătățite. Datele pot fi utilizate pentru a promova tactici de avansare, optimizare și diversificare. Perspectivele pot fi utilizate pentru a îmbunătăți procedurile și, eventual, pot sprijini împărtășirea înțelegerii între divizii și modele de companie unice.
Riscul valoric din fiecare situație de utilizare a IoT și a analizelor superioare poate diferi considerabil. Așadar, obiectivul principal de a capta întreaga valoare realizabilă este acela de a încorpora inovația în întreaga organizație, de la C-suite în jos. Transformarea digitală nu mai mult se află în divizia IT sau grupul de inovare. Pentru ca valoarea autentică să fie considerată, aceasta dorește să fie încorporată în existența firmei.
Problema este să scalați și să faceți acest lucru într-un ritm rapid, astfel încât valoarea să poată fi înțeleasă rapid. Acest lucru va ajuta la modificarea culturilor interioare, tehnicilor și metodologiilor. Momentul se va spori pe măsură ce piloții se transformă în lansări și sunt create progrese care reduc blocajele, sporesc precizia alegerilor și, în general, sporesc rezultatele corporației.
Trevor Bloch, fondator și CEO al echipei, VROC AI