สิ่งที่จะเกิดขึ้นสำหรับ IoT เชิงอุตสาหกรรมและการวิเคราะห์ที่ซับซ้อน
เผยแพร่แล้ว: 2021-12-23
Marketplace 4 ยังคงเป็นวิวัฒนาการอย่างต่อเนื่อง โดยมีเว็บของสิ่งต่าง ๆ เป็นหลัก การเปลี่ยนแปลงทางดิจิทัลในตัวเลือกอุตสาหกรรมยังคงดำเนินต่อไปในขณะนี้และได้รับการเร่งจากการระบาดใหญ่ครั้งล่าสุด การค้นหาในอนาคตอันใกล้สำหรับ Industrial IoT และ Superior Analytics เป็นอย่างไร C-Suite ควรมีลำดับความสำคัญอย่างไรเมื่อเราเข้าสู่ปี 2022 และที่ผ่านมา
McKinsey เชื่อว่าภายในปี 2020 มูลค่าทั้งหมดที่ IoT จับได้คือ 1.6 ล้านล้านดอลลาร์ โดยตลาด B2B มีแนวโน้มที่จะขยายเป็นระหว่าง 3.4 ถึง 8.1 ล้านล้านดอลลาร์ภายในปี 2573 การประเมินนี้เผยให้เห็นว่ายังมีแนวโน้มราคาที่มีนัยสำคัญที่จะเข้าใจในอีกไม่กี่ปีข้างหน้า .
ในการซื้อเพื่อให้เข้าใจถึงประโยชน์นี้ มีอุปสรรคและความเป็นไปได้บางอย่างที่ต้องแก้ไขในธุรกิจและแนวทางดิจิทัลในการดำเนินธุรกิจ รากฐานสำหรับการพัฒนาได้รับการจัดตั้งขึ้นด้วยความก้าวหน้าอย่างรวดเร็วของส่วนประกอบ IoT ควบคู่ไปกับความสามารถในการให้ข้อมูลสำคัญของร้านค้าปลีก โดยราคาสำหรับทั้งสองส่วนนั้นลดลงอย่างมากในช่วงหลายทศวรรษที่ผ่านมา และตอนนี้เน้นที่วิธีที่เราใช้ข้อมูลที่ได้รับในปัจจุบันเพื่อสร้างมูลค่า
1. การทำงานร่วมกันของระบบเพื่อรับความรู้มากขึ้น
การปรับขนาดการเปลี่ยนแปลงทางอิเล็กทรอนิกส์ได้ตรวจสอบแล้วว่าเป็นหนึ่งในอุปสรรคที่ซับซ้อนที่สุดที่องค์กรเคยประสบในพื้นที่ IoT โครงการนำร่องหลายโครงการไม่ได้รับการติดตั้งตามขนาด ซึ่งจำกัดอัตราการนำไปใช้และการรับรู้มูลค่า สาเหตุเฉพาะประการหนึ่งของสิ่งนี้คืออุปสรรคด้านวิธีการที่เกิดจากการใช้ระบบนิเวศแบบปิดที่เป็นกรรมสิทธิ์ ร่วมกับการผสมผสานเทคนิคดั้งเดิม การผสมผสานของสถาปัตยกรรมรายละเอียดที่หลากหลาย และภาษาเซ็นเซอร์ IoT ที่ออกแบบมาโดยเฉพาะ ในการรับผลกำไรจากข้อมูลการวิเคราะห์ที่ซับซ้อนจำเป็นต้องได้รับและแบ่งปันที่เกี่ยวข้องกับอุปกรณ์ เพื่อให้สามารถรวบรวมข้อมูลเชิงลึกทั่วทั้งองค์กร เพื่อให้บรรลุเป้าหมายนี้ องค์กรจำเป็นต้องมีความสามารถในการทำงานร่วมกันจากการจัดซื้อจัดจ้างในอนาคตที่คาดการณ์ได้ทั้งหมด และกลยุทธ์ในการดูแลปัญหาเดิม
2. การตั้งค่าการจัดเก็บข้อมูลสำหรับการวิเคราะห์ที่ล้ำสมัยในอนาคตที่คาดการณ์ได้
การวิเคราะห์ที่เหนือกว่า ปัญญาประดิษฐ์ และการควบคุมอุปกรณ์ใช้ข้อมูลจำนวนมาก ในรูปแบบที่ไม่มีโครงสร้างที่ยังไม่ได้ปรุง ธุรกิจต้องการปรับวิธีการจับภาพ จัดเก็บ และดูแลรายละเอียดเหล่านี้ สำหรับข้อมูลอนุกรมเวลาของการวิเคราะห์เชิงคาดการณ์นั้นมีความสำคัญ ดังนั้นธุรกิจต่างๆ ควรใช้วิธีการถ่ายโอนเพื่อใช้คลังข้อมูลระบบคลาวด์และรวบรวมฐานข้อมูลแบบกราฟ เพื่อให้พวกเขาสามารถใช้ประโยชน์สูงสุดจากความรู้ด้านการวิเคราะห์ที่พัฒนาขึ้นใหม่ขั้นสูงที่สามารถเข้าถึงได้
3. การวิเคราะห์ที่พัฒนาขึ้นอย่างมากซึ่งเป็นความคิดริเริ่มสำหรับองค์กรขนาดใหญ่
คุณค่าจะเข้าใจได้เมื่อธุรกิจขยายขนาดและเริ่มต้นโดยใช้การวิเคราะห์ที่เหนือกว่า เช่น ปัญญาสังเคราะห์และการค้นพบเครื่องจักรในระหว่างการทำงาน ค่อนข้างจะมากกว่าการนำร่องเล็กๆ น้อยๆ หรือการสั่งห้ามการใช้คำตอบสำหรับกลุ่มวิทยาศาสตร์ความรู้ภายใน บริษัทต่างๆ จำเป็นต้องเริ่มต้นการตั้งค่าสำหรับการวิเคราะห์ที่ล้ำสมัยเพื่อใช้ระหว่างกลุ่ม การทำให้เป็นประชาธิปไตยของข้อมูลเกิดขึ้นเมื่อผู้คนในปัจจุบันระหว่างองค์กรเริ่มตรวจสอบข้อมูลเพื่อสนับสนุนการแจ้งตำแหน่งงานในแต่ละวัน McKinsey ประมาณการว่า 'โอกาสที่ยิ่งใหญ่ที่สุดสำหรับการสร้างคุณค่าคือการเพิ่มประสิทธิภาพการดำเนินงานด้านการผลิต - ทำให้การจัดการข้าวของและคนทำงานในแต่ละวันประสบความสำเร็จมากขึ้น'
4. การเรียนรู้เครื่องไม่มีโค้ดและ MLOps
การวิเคราะห์อัตโนมัติที่เหนือกว่าเป็นโอกาสสำคัญในอนาคตสำหรับองค์กรอุตสาหกรรม เทคโนโลยีมีความเข้าใจอุปกรณ์ขั้นสูงและไม่ต้องใช้โค้ด (ML) ซึ่งขณะนี้กำลังถูกปรับใช้โดยองค์กรทั่วโลก ML ที่ไม่มีรหัสอนุญาตให้สร้างความแตกต่างให้กูรูและผู้ปฏิบัติงานในการพัฒนาประเภทสินทรัพย์หรือการดำเนินงานอย่างรวดเร็วโดยไม่ต้องมีความเชี่ยวชาญด้านการเขียนโปรแกรมหรือการเขียนโปรแกรม การออกแบบจะถูกนำไปใช้ในทันที โดยศึกษาจากที่อยู่อาศัยและความรู้ทางประวัติศาสตร์ และให้ข้อมูลเชิงลึกที่สำคัญเพื่อช่วยปรับปรุงการปฏิบัติงานส่วนบุคคล เรากำลังพิจารณาการใช้งานนี้สำหรับการบำรุงรักษาเชิงคาดการณ์และการติดตามสถานการณ์แบบเรียลไทม์ ML Ops เป็นซอฟต์แวร์ของการทดสอบแบบบูรณาการอย่างต่อเนื่องและการปรับใช้อย่างต่อเนื่องโดยใช้ระบบอัตโนมัติในการจัดหา ปรับขนาดได้ และการออกแบบข้อมูลที่ทันสมัย เพื่อทำให้การค้นหาอุปกรณ์เป็นอุตสาหกรรม ผ่านการพัฒนาอุตสาหกรรมของการทำความเข้าใจอุปกรณ์ ที่ระบบอัตโนมัติของแบบจำลองสามารถวางไว้ตรงจุด ซึ่งช่วยให้มีความสามารถในการปรับขนาดของการวิเคราะห์ที่เป็นนวัตกรรมใหม่ในระหว่างธุรกิจ
5. เปิดใช้งานการทำงานระยะไกลและอัตโนมัติ
การย้ายไปยังฟังก์ชันการทำงานที่อยู่ห่างไกลและรวมศูนย์ได้ขับเคลื่อนการปรับปรุง เช่น การตรวจสอบระยะไกลและการทำงานอัตโนมัติที่มากขึ้นในตัวเลือกมากมาย นวัตกรรมเหล่านี้จะช่วยลดค่าใช้จ่ายในการวิ่ง อันตรายด้านความปลอดภัยสำหรับพนักงาน และช่วยให้ทราบถึงคุณค่าที่ IoT สร้างขึ้นได้มากขึ้น ศักยภาพในการติดตามดูจากระยะไกลและรับการแจ้งเตือนเมื่อคาดการณ์ประสิทธิภาพการทำงาน ความล้มเหลวหรือข้อผิดพลาดจะช่วยปรับปรุงประสิทธิภาพสำหรับทีม การวิเคราะห์ขั้นสูงนำเสนอผลลัพธ์หลักในการประเมิน ซึ่งรับประกันว่าบุคลากรและพื้นที่ที่เหมาะสมจะเรียกว่าไซต์อินเทอร์เน็ต พร้อมด้วยข้อมูลเชิงลึกที่อนุญาตให้ผู้ปฏิบัติงานทำการสรุปอย่างมีข้อมูล ซึ่งประเภทเหล่านี้เป็นการปรับขั้นตอนหรืออุปกรณ์ที่ใช้เพื่อให้แน่ใจว่าไม่มีการสูญเสียผลิตภาพ มีความรู้
6. การปฏิบัติตามและการลดการปล่อยมลพิษ
องค์กรทั่วทั้งอุตสาหกรรมกำลังกำหนดเป้าหมายการปล่อยมลพิษ ขั้นต่อไปคือการทำให้แน่ใจว่าสอดคล้องกับเป้าหมายเหล่านี้ IoT และการวิเคราะห์ขั้นสูงสามารถช่วยให้องค์กรต่างๆ กำหนดเส้นฐานที่แน่นอนสำหรับการมุ่งเน้นที่สิ่งแวดล้อม และสามารถจับตาดูการใช้งานอย่างต่อเนื่อง สามารถค้นพบพื้นที่ของการใช้พลังงานขนาดใหญ่พร้อมกับโอกาสในการปรับปรุงโอกาส สามารถใช้ ML อัตโนมัติเพื่อคาดการณ์พลังงานไฟฟ้าที่ใช้ไปอย่างรวดเร็วเพื่อรองรับการจัดเก็บพลังงานไฟฟ้าและการลดปริมาณการใช้ไฟฟ้าลง
7. การวิเคราะห์บริษัทแบบองค์รวม
การรวมข้อมูลและการวิเคราะห์ที่ล้ำสมัยทั่วทั้งบริษัทจะช่วยเพิ่มโอกาสในการคาดการณ์ การรายงาน และการปฏิบัติตามข้อกำหนด ข้อมูลสามารถใช้เพื่อผลักดันกลยุทธ์เพื่อความก้าวหน้า การเพิ่มประสิทธิภาพ และการกระจายความเสี่ยง สามารถใช้ข้อมูลเชิงลึกเพื่อปรับปรุงขั้นตอนการทำงาน และอาจสนับสนุนด้วยการแบ่งปันความเข้าใจระหว่างหน่วยงานและโมเดลของบริษัทที่มีลักษณะเฉพาะ
ความเสี่ยงด้านมูลค่าจากสถานการณ์การใช้งาน IoT แต่ละครั้งและการวิเคราะห์ที่เหนือกว่าอาจแตกต่างกันมาก ดังนั้นเป้าหมายสูงสุดในการดึงเอามูลค่าทั้งหมดที่ทำได้ คือการฝังนวัตกรรมภายในองค์กรทั้งหมดตั้งแต่ชุด c-suite ลงมา การเปลี่ยนผ่านสู่ดิจิทัลไม่ใช่เรื่องยาวอีกต่อไปในแผนกไอทีหรือกลุ่มนวัตกรรม เพื่อให้เห็นคุณค่าแท้จริงก็อยากจะฝังแน่นในความมีอยู่ของบริษัท
ปัญหาคือการปรับขนาดและดำเนินการอย่างรวดเร็วเพื่อให้เข้าใจคุณค่าได้อย่างรวดเร็ว สิ่งนี้จะช่วยในการเปลี่ยนแปลงวัฒนธรรมภายใน เทคนิค และวิธีการ โมเมนตัมจะดีขึ้นเมื่อนักบินเปลี่ยนไปเปิดตัว และมีการสร้างความก้าวหน้าที่ช่วยลดปัญหาคอขวด เพิ่มความแม่นยำในการตัดสินใจเลือก และเพิ่มผลลัพธ์โดยรวมของบริษัทโดยรวม
Trevor Bloch ผู้ก่อตั้งและ CEO ของทีม VROC AI