À venir pour l'IdO industriel et l'analyse sophistiquée
Publié: 2021-12-23
Marketplace 4. est néanmoins une évolution continue, avec le Web des objets à sa base. La transformation numérique des options industrielles se poursuit et a été accélérée par la dernière pandémie. À quoi ressemblera la recherche future prévisible pour l'IdO industriel et l'analytique supérieure ? Quelles priorités la C-Suite devrait-elle avoir à l'approche de 2022 et au-delà ?
McKinsey a estimé que d'ici 2020, la valeur totale capturée par l'IoT était de 1,6 billion de dollars, le marché B2B étant susceptible de s'étendre entre 3,4 et 8,1 billions de dollars d'ici 2030. Cette évaluation révèle qu'il existe encore d'importantes perspectives de prix à comprendre dans les années à venir. .
Pour comprendre cet avantage, il existe des obstacles et des possibilités qui doivent être abordés dans les approches commerciales et numériques au cours des affaires. La base du développement a été établie avec la progression rapide des composants IoT, ainsi que la possibilité de vendre au détail des informations importantes, les prix de ces deux éléments diminuant considérablement au fil des décennies. Et l'accent est maintenant mis sur la façon dont nous utilisons ces informations actuellement obtenues pour en tirer profit.
1. Interopérabilité des systèmes pour recevoir une plus grande connaissance
La mise à l'échelle de la transformation électronique s'est avérée être l'un des obstacles les plus compliqués que les entreprises aient rencontrés dans l'espace IoT. De nombreux projets pilotes n'ont pas été équipés à grande échelle, ce qui limite le taux d'adoption et la réalisation de la valeur. L'une des causes en est une barrière de méthodes qui a été créée par l'utilisation d'écosystèmes fermés propriétaires, ainsi que la combinaison de techniques héritées, la combinaison d'architectures de détails diverses et de langages de capteurs IoT sur mesure. Pour tirer profit d'analyses sophistiquées, des faits doivent être acquis et partagés impliquant des appareils, afin que des informations puissent être recueillies dans toute l'organisation. Pour y parvenir, les organisations doivent avoir besoin d'interopérabilité de tous les achats futurs prévisibles et d'une stratégie pour prendre en charge les problèmes hérités.
2. Mise en place du stockage des données pour une future analyse de pointe prévisible
L'analytique supérieure, l'intelligence artificielle et la maîtrise des appareils utilisent d'énormes informations, dans leur format brut et non structuré. Les entreprises veulent ajuster leur méthode de capture, de stockage et de gestion de ces informations. Pour l'analyse prédictive, les informations sur les séries chronologiques sont essentielles et les entreprises doivent donc envisager de passer à l'utilisation d'entrepôts de détails dans le cloud et d'adopter des bases de données de graphiques afin de pouvoir tirer le meilleur parti du nouveau savoir-faire d'analyse hautement développé accessible.
3. Des analyses hautement développées, une initiative d'envergure pour l'entreprise
La valeur sera comprise lorsque les entreprises évolueront et commenceront à utiliser des analyses avancées telles que l'intelligence synthétique et la découverte de machines dans le cadre de leurs fonctions. Plutôt que de petites applications pilotes ou de proscrire l'utilisation des réponses aux groupes internes de science de la connaissance, les entreprises doivent commencer à mettre en place des analyses de pointe à utiliser au cours du groupe. La démocratisation des données a lieu lorsque les gens d'aujourd'hui au sein de l'organisation commencent à examiner les données pour aider à informer leurs positions de travail au jour le jour. McKinsey estime que "la plus grande opportunité de création de valeur réside dans l'optimisation des opérations de fabrication - ce qui rend la gestion quotidienne des biens et des personnes beaucoup plus efficace".
4. Maîtrise de la machine sans code et MLOps
L'automatisation de Superior Analytics est la future chance importante pour les entreprises industrielles. Les technologies ont avancé et la compréhension des appareils (ML) sans code est actuellement déployée par des organisations du monde entier. Le ML sans code permet aux gourous et aux opérateurs de faire la différence de développer rapidement des types de leurs actifs ou opérations sans aucune expertise en codage ou en programmation. Les conceptions sont immédiatement déployées, lisant à partir de connaissances en direct et historiques et donnent des informations essentielles pour aider les utilisateurs à améliorer leurs opérations. Nous envisageons de l'utiliser pour la maintenance prédictive et la surveillance de la situation en temps réel. ML Ops est le logiciel de test intégré continu et de déploiement continu par le biais de l'automatisation pour fournir des conceptions d'informations évolutives et à jour pour industrialiser la recherche d'équipements. C'est via l'industrialisation de la compréhension des appareils que les automatisations de modèles peuvent être mises en place, contribuant à l'évolutivité d'analyses innovantes au cours de l'entreprise.
5. Activation des opérations à distance et automatiques
Le passage à des fonctions d'exploitation et centralisées à distance a entraîné des améliorations telles que la vérification à distance et une plus grande automatisation dans de nombreuses options. Ces innovations aideront à minimiser les dépenses de fonctionnement, les risques pour la sécurité du personnel et permettront de mieux connaître la valeur qui peut être produite par l'IoT. La possibilité de surveiller à distance et d'obtenir des alertes en cas de prédiction de productivité, d'échec ou d'erreur améliore l'efficacité des équipes. L'analyse avancée présente un résultat fondamental dans l'évaluation garantissant que le personnel et les zones appropriés sont appelés sur le site Web, ainsi que des informations qui permettent aux opérateurs de tirer des conclusions éclairées, telles que des ajustements dans les procédures ou l'équipement utilisé pour s'assurer que la perte de productivité n'est pas bien informé.
6. Conformité et réduction des émissions
Les organisations à l'échelle de l'industrie fixent des objectifs d'émissions, l'étape à venir consiste à s'assurer qu'elles sont conformes à ces objectifs. L'IoT et l'analytique avancée peuvent aider les entreprises à déterminer des bases de référence exactes pour se concentrer sur l'environnement et peuvent garder un œil sur l'utilisation en cours. Des domaines d'utilisation importante de l'énergie peuvent être découverts ainsi que des opportunités d'amélioration des opportunités. Auto ML peut être appliqué pour prévoir les pics d'utilisation de l'énergie électrique afin de prendre en charge le stockage de l'énergie électrique et la minimisation du gaspillage.
7. Analyse globale de l'entreprise
La fusion des données et des analyses de pointe dans toute l'entreprise offre une perspective d'amélioration des prévisions, des rapports et de la conformité. Les données peuvent être utilisées pour pousser les tactiques d'avancement, d'optimisation et de diversification. Les informations peuvent être utilisées pour améliorer les procédures et peuvent éventuellement soutenir le partage de connaissances entre les divisions et les modèles d'entreprise uniques.
Le risque de valeur de chaque situation d'utilisation de l'IoT et des analyses supérieures peut différer considérablement. Et donc l'objectif principal pour capturer toute la valeur réalisable, est d'intégrer l'innovation dans l'ensemble de l'organisation à partir de la direction vers le bas. La transformation numérique ne siège plus dans la division informatique ou le groupe d'innovation. Pour que la valeur authentique soit considérée, elle doit être ancrée dans l'existence de l'entreprise.
Le problème est d'évoluer et de le faire à un rythme rapide afin que la valeur puisse être comprise rapidement. Cela aidera à son tour à modifier les cultures internes, les techniques et les méthodologies. L'élan s'améliorera au fur et à mesure que les pilotes se convertiront aux déploiements, et des avancées seront créées qui réduiront les goulots d'étranglement, augmenteront la précision de la prise de décision et augmenteront globalement les résultats de l'entreprise.
Trevor Bloch, fondateur et PDG de l'équipe, VROC AI