Apa yang akan datang untuk IoT Industri dan Analisis Canggih
Diterbitkan: 2021-12-23
Marketplace 4. tetap merupakan evolusi berkelanjutan, dengan Web hal-hal sebagai utamanya. Transformasi digital dalam opsi industri terus berlanjut sekarang dan dipercepat oleh pandemi terbaru. Seperti apa pencarian di masa mendatang untuk IoT Industri dan Analisis Unggul? Prioritas apa yang harus dimiliki C-Suite saat kita memasuki 2022 dan yang lalu?
McKinsey percaya bahwa pada tahun 2020 nilai lengkap yang ditangkap oleh IoT adalah $1,6 triliun, dengan pasar B2B kemungkinan akan berkembang menjadi antara $3,4 dan $8,1 triliun pada tahun 2030. Penilaian ini mengungkapkan bahwa masih ada prospek harga yang signifikan untuk dipahami di tahun-tahun mendatang .
Untuk memahami manfaat ini, ada beberapa rintangan dan kemungkinan yang perlu ditangani dalam pendekatan bisnis dan digital dalam perjalanan bisnis. Landasan untuk pengembangan telah didirikan dengan kemajuan pesat komponen IoT, bersama dengan kemampuan untuk menjual informasi penting ke outlet ritel, dengan harga untuk keduanya berkurang secara drastis selama beberapa dekade. Dan penekanannya sekarang adalah bagaimana kita menggunakan informasi yang saat ini diperoleh untuk menghasilkan nilai.
1. Interoperabilitas sistem untuk menerima pengetahuan yang lebih besar
Menskalakan transformasi elektronik telah diverifikasi sebagai salah satu rintangan paling rumit yang pernah dialami perusahaan di ruang IoT. Banyak proyek percontohan belum dilengkapi dengan skala, membatasi tingkat adopsi dan realisasi nilai. Salah satu penyebabnya adalah hambatan metode yang dihasilkan oleh penggunaan ekosistem tertutup yang dipatenkan, bersama dengan kombinasi teknik lama, campuran arsitektur detail yang beragam dan bahasa sensor IoT yang dipesan lebih dahulu. Untuk mendapatkan keuntungan dari fakta analitik yang canggih perlu diperoleh dan dibagikan yang melibatkan perangkat, sehingga wawasan dapat dikumpulkan di seluruh organisasi. Agar ini dapat dicapai, organisasi harus membutuhkan interoperabilitas dari semua pengadaan di masa mendatang, dan strategi untuk menangani masalah warisan.
2. Menyiapkan penyimpanan data untuk analitik canggih di masa mendatang
Analisis superior, kecerdasan buatan, dan penguasaan perangkat menggunakan informasi yang sangat besar, dalam format tidak terstruktur yang belum matang. Bisnis ingin menyesuaikan cara mereka menangkap, menyimpan, dan menangani detail ini. Untuk analitik prediktif, info deret waktu sangat penting dan oleh karena itu bisnis harus mendekati transfer untuk memanfaatkan gudang detail cloud dan merangkul database grafik sehingga mereka dapat memanfaatkan pengetahuan analitik baru yang sangat maju untuk diakses.
3. Analisis yang sangat berkembang, sebuah inisiatif besar perusahaan
Nilai akan dipahami ketika skala bisnis dan mulai menggunakan analitik unggul seperti kecerdasan sintetis dan penemuan mesin dalam menjalankan fungsinya. Daripada aplikasi percontohan kecil atau melarang penggunaan jawaban untuk kelompok ilmu pengetahuan internal, perusahaan harus mulai menyiapkan analitik canggih untuk digunakan selama kelompok. Demokratisasi data terjadi ketika orang-orang saat ini selama organisasi mulai meninjau data untuk mendukung menginformasikan posisi kerja mereka sehari-hari. McKinsey memperkirakan bahwa 'peluang terbesar untuk penciptaan yang bernilai adalah dalam mengoptimalkan operasi manufaktur – menghasilkan pengelolaan barang-barang dan orang-orang yang bekerja sehari-hari jauh lebih sukses.'
4. Penguasaan mesin tanpa kode dan MLOps
Mengotomatiskan Analisis Unggul adalah peluang signifikan di masa depan bagi perusahaan industri. Teknologi telah maju dan Pemahaman Perangkat (ML) tanpa kode sekarang sedang digunakan oleh organisasi di seluruh bumi. ML tanpa kode memungkinkan hal membuat perbedaan, para ahli dan operator untuk dengan cepat mengembangkan jenis aset atau operasi mereka tanpa keahlian pengkodean atau pemrograman apa pun. Desain langsung dikerahkan, belajar dari pengetahuan tinggal dan sejarah dan memberikan wawasan penting untuk membantu meningkatkan operasi pribadi. Kami melihat ini dimanfaatkan untuk pemeliharaan prediktif dan pemantauan situasi waktu nyata. ML Ops adalah perangkat lunak pengujian terintegrasi berkelanjutan dan penerapan berkelanjutan melalui otomatisasi untuk memasok, skalabel, dan desain informasi terkini untuk mengembangkan penemuan peralatan. Melalui industrialisasi pemahaman perangkat, otomatisasi model dapat ditempatkan di tempat, membantu skalabilitas analitik inovatif selama bisnis.
5. Mengaktifkan operasi jarak jauh dan otomatis
Perpindahan ke fungsi operasi dan terpusat yang jauh telah mendorong peningkatan seperti pemeriksaan jarak jauh dan otomatisasi yang lebih besar dalam banyak opsi. Inovasi ini akan membantu meminimalkan pengeluaran operasional, bahaya keamanan bagi staf dan memungkinkan lebih banyak lagi mengetahui nilai yang dapat dihasilkan oleh IoT. Potensi untuk mengawasi dan memperoleh peringatan dari jarak jauh ketika produktivitas, kegagalan, atau kesalahan diprediksi meningkatkan efisiensi tim. Analisis lanjutan menyajikan hasil dasar dalam evaluasi yang menjamin bahwa personel dan area yang tepat disebut ke situs web, bersama dengan wawasan yang memungkinkan operator untuk membuat kesimpulan yang tepat, seperti penyesuaian dalam prosedur atau peralatan yang digunakan untuk memastikan bahwa hilangnya produktivitas tidak berpengetahuan luas.
6. Kepatuhan dan pengurangan emisi
Organisasi di seluruh industri sedang menetapkan target emisi, tahap berikutnya adalah memastikan bahwa mereka sesuai dengan target ini. IoT dan analitik tingkat lanjut dapat membantu perusahaan menentukan dasar yang tepat untuk fokus pada lingkungan dan dapat mengawasi penggunaan yang sedang berlangsung. Area pemanfaatan energi yang cukup besar dapat ditemukan bersama dengan peluang untuk peningkatan peluang. ML Otomatis dapat diterapkan untuk memperkirakan lonjakan penggunaan daya listrik untuk mendukung penyimpanan daya listrik dan meminimalkan pemborosan.
7. Analisis perusahaan holistik
Menggabungkan data dan analitik canggih di seluruh perusahaan memberikan prospek untuk perkiraan, pelaporan, dan kepatuhan yang ditingkatkan. Data dapat digunakan untuk mendorong taktik untuk kemajuan, pengoptimalan, dan diversifikasi. Wawasan dapat digunakan untuk meningkatkan prosedur dan mungkin mendukung dengan berbagi pemahaman di antara divisi dan model perusahaan yang unik.
Risiko nilai dari setiap situasi penggunaan IoT dan analitik superior dapat sangat berbeda. Jadi tujuan utama untuk menangkap seluruh nilai yang dapat dicapai, adalah untuk menanamkan inovasi dalam organisasi total dari c-suite ke bawah. Transformasi digital tidak lagi duduk di divisi TI atau kelompok inovasi. Agar nilai autentik dianggap, nilai tersebut ingin ditanamkan dalam keberadaan perusahaan.
Masalahnya adalah untuk mengukur, dan melakukannya dengan cepat sehingga nilai dapat dipahami dengan cepat. Ini pada gilirannya akan membantu mengubah budaya, teknik, dan metodologi batin. Momentum akan meningkat saat pilot beralih ke peluncuran, dan kemajuan dibuat yang mengurangi kemacetan, meningkatkan ketepatan pengambilan pilihan, dan secara keseluruhan meningkatkan hasil perusahaan.
Trevor Bloch, pendiri dan CEO tim, VROC AI