Novità per l'IoT industriale e l'analisi sofisticata
Pubblicato: 2021-12-23
Marketplace 4. è comunque una continua evoluzione, con il Web delle cose al suo interno. La trasformazione digitale nelle opzioni industriali continua ora ed è stata accelerata dall'ultima pandemia. Come sarà la ricerca nel prossimo futuro per Industrial IoT e Superior Analytics? Quali priorità dovrebbe avere la C-Suite mentre entriamo nel 2022 e nel passato?
McKinsey ha ritenuto che entro il 2020 il valore completo acquisito dall'IoT fosse di 1,6 trilioni di dollari, con il mercato B2B destinato a espandersi tra i 3,4 e gli 8,1 trilioni di dollari entro il 2030. Questa valutazione rivela che negli anni a venire c'è ancora una significativa prospettiva di prezzo da comprendere .
Per comprendere questo vantaggio, ci sono alcuni ostacoli e possibilità che devono essere affrontati negli approcci aziendali e digitali nel corso degli affari. Le basi per lo sviluppo sono state stabilite con il rapido progresso dei componenti IoT, insieme alla capacità di fornire informazioni significative nei punti vendita, con prezzi per entrambi che sono diminuiti drasticamente nel corso dei decenni. E l'enfasi ora è su come utilizziamo queste informazioni che vengono attualmente ottenute per guadagnare valore.
1. Interoperabilità dei sistemi per ricevere maggiori conoscenze
Il ridimensionamento della trasformazione elettronica si è rivelato essere uno degli ostacoli più complicati che le aziende hanno dovuto affrontare nello spazio IoT. Molti progetti pilota non sono stati attrezzati per la scalabilità, limitando il tasso di adozione e la realizzazione del valore. Una delle cause in particolare di ciò è una barriera di metodi che è stata prodotta dall'uso di ecosistemi chiusi proprietari, insieme alla combinazione di tecniche legacy, miscela di architetture di dettagli diversi e linguaggi di sensori IoT su misura. Per trarre profitto da analisi sofisticate, i fatti devono essere acquisiti e condivisi che coinvolgono i dispositivi, in modo che le informazioni possano essere raccolte in tutta l'organizzazione. Affinché ciò possa essere raggiunto, le organizzazioni devono avere bisogno dell'interoperabilità da tutti gli appalti futuri prevedibili e di una strategia per occuparsi delle preoccupazioni legate all'eredità.
2. Impostazione dell'archiviazione dei dati per analisi all'avanguardia nel futuro prevedibile
Analisi superiori, intelligenza artificiale e mastering dei dispositivi utilizzano enormi informazioni, nel suo formato non strutturato crudo. Le aziende vogliono modificare il modo in cui acquisiscono, archiviano e si prendono cura di questi dettagli. Per l'analisi predittiva, le informazioni sulle serie temporali sono fondamentali e quindi le aziende dovrebbero avvicinarsi al trasferimento per utilizzare i magazzini di dettagli cloud e adottare i database dei grafici in modo da poter sfruttare al meglio il nuovo know-how di analisi altamente sviluppato accessibile.
3. Analisi altamente sviluppate un'iniziativa di grandi dimensioni per l'azienda
Il valore sarà compreso quando le aziende scalano e iniziano a utilizzare analisi superiori come l'intelligenza sintetica e la scoperta di macchine nel corso delle loro funzioni. Piuttosto che piccole applicazioni pilota o vietare l'uso delle risposte a gruppi interni di scienza della conoscenza, le aziende devono iniziare a configurare analisi all'avanguardia da utilizzare durante il gruppo. La democratizzazione dei dati avviene quando le persone oggi durante l'organizzazione iniziano a rivedere i dati per supportare le informazioni sulle loro posizioni lavorative quotidiane. McKinsey stima che "la più grande opportunità per la creazione di valore sia nell'ottimizzazione delle operazioni di produzione, producendo molto più successo nella gestione quotidiana lavorativa degli effetti personali e delle persone".
4. Mastering macchina senza codice e MLOps
Automatizzare Superior Analytics è la futura opportunità significativa per le società industriali. Le tecnologie sono avanzate e senza codice La comprensione dei dispositivi (ML) è attualmente implementata da organizzazioni in tutto il mondo. Il ML senza codice consente ai guru e agli operatori di fare la differenza per sviluppare rapidamente tipi di risorse o operazioni prive di qualsiasi esperienza di codifica o programmazione. I progetti vengono implementati all'istante, studiando dalla dimora e dalla conoscenza storica e forniscono spunti vitali per aiutare il personale a migliorare le operazioni. Stiamo cercando di utilizzarlo per la manutenzione predittiva e il monitoraggio della situazione in tempo reale. ML Ops è il software di collaudo integrato continuo e implementazione continua attraverso l'automazione per fornire progetti informativi scalabili e aggiornati per industrializzare la scoperta delle apparecchiature. È attraverso l'industrializzazione della comprensione dei dispositivi che le automazioni del modello possono essere posizionate sul posto, aiutando con la scalabilità dell'analisi innovativa durante il business.
5. Abilitazione delle operazioni remote e automatiche
Il passaggio a funzioni operative e centralizzate a distanza ha portato miglioramenti come il controllo a distanza e maggiori automazioni in molte opzioni. Queste innovazioni aiuteranno a ridurre al minimo le spese di gestione, i pericoli per la sicurezza per il personale e consentiranno di conoscere ulteriormente il valore che può essere prodotto dall'IoT. La possibilità di tenere d'occhio in remoto e acquisire avvisi quando si prevede produttività, guasti o errori migliora l'efficienza dei team. L'analisi avanzata presenta il risultato principale nella valutazione garantendo che il personale e le aree giusti siano definiti per il sito Internet, insieme a approfondimenti che consentono agli operatori di trarre conclusioni informate, come modifiche alle procedure o alle apparecchiature utilizzate per assicurarsi che la perdita di produttività non sia informato.
6. Conformità e riduzione delle emissioni
Le organizzazioni a livello di settore stanno fissando obiettivi di emissione, la fase imminente è assicurarsi che siano conformi a questi obiettivi. L'IoT e l'analisi avanzata possono aiutare le aziende a determinare le linee di base esatte per concentrarsi sull'ambiente e possono tenere d'occhio l'utilizzo in corso. È possibile scoprire aree di notevole utilizzo dell'energia insieme a opportunità di miglioramento delle opportunità. Auto ML può essere applicato per prevedere picchi di consumo di energia elettrica per supportare l'accumulo di energia elettrica e ridurre al minimo gli sprechi.
7. Analisi aziendale olistica
L'unione di dati e analisi all'avanguardia in tutta l'azienda offre una prospettiva per previsioni, rapporti e conformità migliorati. I dati possono essere utilizzati per promuovere tattiche di avanzamento, ottimizzazione e diversificazione. Gli approfondimenti possono essere utilizzati per migliorare le procedure e possono eventualmente supportare la condivisione della comprensione tra divisioni uniche e modelli aziendali.
Il rischio di valore derivante da ciascuna situazione d'uso dell'IoT e dell'analisi superiore può variare considerevolmente. E quindi l'obiettivo principale per catturare l'intero valore ottenibile è incorporare l'innovazione all'interno dell'organizzazione totale dalla c-suite in giù. La trasformazione digitale non fa più parte della divisione IT o del gruppo di innovazione. Affinché il valore autentico possa essere considerato, deve essere incorporato nell'esistenza dell'impresa.
Il problema è ridimensionare e farlo a un ritmo rapido in modo che il valore possa essere compreso rapidamente. Questo, a sua volta, aiuterà ad alterare le culture interiori, le tecniche e le metodologie. Lo slancio aumenterà man mano che i piloti si convertono ai roll-out e vengono creati progressi che riducono i colli di bottiglia, aumentano la precisione delle scelte e, in generale, aumentano i risultati della società.
Trevor Bloch, fondatore e CEO del team, VROC AI