산업용 IoT 및 정교한 분석의 향후 출시 예정
게시 됨: 2021-12-23
Marketplace 4. 그럼에도 불구하고 사물의 웹을 중심으로 지속적인 진화를 이루고 있습니다. 산업 옵션의 디지털 혁신은 현재 계속되고 있으며 최신 유행병으로 인해 가속화되었습니다. 산업 IoT 및 우수한 분석에 대한 예측 가능한 미래 검색은 무엇입니까? 2022년과 과거로 접어들면서 C-Suite는 어떤 우선 순위를 가져야 합니까?
McKinsey는 2020년까지 IoT가 포착한 완전한 가치가 1조 6000억 달러, B2B 시장이 2030년까지 3.4조 달러에서 8조 1000억 달러 사이로 확장될 것이라고 믿었습니다. 이 평가는 앞으로 몇 년 동안 상당한 가격 전망이 계속해서 이해되어야 함을 보여줍니다. .
이러한 이점을 이해하기 위해 구매하는 데에는 비즈니스 과정에서 비즈니스 및 디지털 접근 방식에서 해결해야 하는 몇 가지 장애물과 가능성이 있습니다. 개발 기반은 IoT 구성 요소의 빠른 발전과 함께 중요한 정보를 소매할 수 있는 기능과 함께 수십 년 동안 두 제품의 가격이 크게 낮아짐에 따라 확립되었습니다. 그리고 지금 강조점은 현재 획득하고 있는 이 정보를 가치 있게 만드는 방법에 있습니다.
1. 더 많은 지식을 얻기 위한 시스템의 상호 운용성
전자 혁신을 확장하는 것은 기업이 IoT 공간에서 경험한 가장 복잡한 장애물 중 하나로 확인되었습니다. 많은 파일럿 프로젝트가 확장에 적합하지 않아 채택률과 가치 실현이 제한됩니다. 그 원인 중 하나는 레거시 기술의 결합, 다양한 세부 아키텍처 및 맞춤형 IoT 센서 언어의 결합과 함께 독점적인 폐쇄 생태계를 사용하여 생성된 방법 장벽입니다. 정교한 분석에서 이익을 얻으려면 조직 전체에서 통찰력을 수집할 수 있도록 장치와 관련된 사실을 수집하고 공유해야 합니다. 이를 달성하기 위해 조직은 예측 가능한 모든 미래 조달의 상호 운용성과 레거시 문제를 처리하는 전략이 필요합니다.
2. 예측 가능한 미래의 최첨단 분석을 위한 데이터 스토리지 설정
우수한 분석, 인공 지능 및 장치 마스터링은 조리되지 않은 구조화되지 않은 형식으로 방대한 정보를 사용합니다. 기업은 이러한 세부 사항을 캡처, 저장 및 처리하는 방법을 조정하기를 원합니다. 예측 분석의 경우 시계열 정보가 중요하므로 기업은 클라우드 세부 정보 웨어하우스를 사용하도록 이전하고 그래프 데이터베이스를 수용하여 고도로 개발된 새로운 분석 노하우를 최대한 활용할 수 있도록 해야 합니다.
3. 고도로 개발된 분석 엔터프라이즈 규모의 이니셔티브
기업이 기능 과정에서 합성 지능 및 기계 발견과 같은 우수한 분석을 사용하여 확장하고 시작할 때 가치를 이해하게 될 것입니다. 소규모 파일럿 응용 프로그램이나 내부 지식 과학 그룹에 대한 답변 사용을 금지하는 것보다 다소 회사는 그룹 중에 활용될 최첨단 분석을 위한 설정을 시작해야 합니다. 데이터 민주화는 오늘날 조직 내 사람들이 데이터 검토를 시작하여 자신의 일상 업무 위치를 지원하기 시작할 때 발생합니다. McKinsey는 '가치 창출을 위한 가장 큰 기회는 제조 작업을 최적화하는 것입니다. 즉, 소지품과 사람에 대한 일상적인 관리를 훨씬 더 성공적으로 수행하는 것입니다.'
4. 코드 없는 머신 마스터링 및 MLOps
우수한 분석을 자동화하는 것은 산업 기업에게 중요한 미래 기회입니다. 기술은 발전했으며 현재 전 세계 조직에서 코드 없는 ML(장치 이해)을 배포하고 있습니다. 코드 없는 ML은 전문가와 운영자가 코딩 또는 프로그래밍 전문 지식 없이도 자산 또는 작업 유형을 신속하게 개발할 수 있도록 허용합니다. 설계는 즉시 배치되어 거주 및 역사적 지식을 연구하고 개인이 작업을 개선하는 데 도움이 되는 중요한 통찰력을 제공합니다. 우리는 이것을 예측 유지 보수 및 실시간 상황 모니터링에 활용하고 있습니다. ML Ops는 장비 발견을 산업화하기 위해 확장 가능한 최신 정보 설계를 제공하는 자동화를 통해 지속적으로 통합된 테스트 및 지속적 배포의 소프트웨어입니다. 장치 이해의 산업화를 통해 모델 자동화가 제자리에 배치되어 비즈니스 중에 혁신적인 분석의 확장성을 지원할 수 있습니다.
5. 원격 및 자동 작업 활성화
원격 작동 및 중앙 집중식 기능으로의 이동은 원격 검사 및 많은 옵션의 자동화 향상과 같은 개선을 주도했습니다. 이러한 혁신은 운영 비용, 직원의 안전 위험을 최소화하고 IoT가 생산할 수 있는 가치를 더 많이 알 수 있도록 지원합니다. 생산성, 실패 또는 실수가 예측될 때 원격으로 주시하고 경고를 받을 수 있는 가능성은 팀의 효율성을 향상시킵니다. 고급 분석은 운영자가 정보에 입각한 결론을 내릴 수 있도록 하는 통찰력과 함께 올바른 인력과 영역이 인터넷 사이트에 지정되도록 보장하는 평가의 근본 결과를 제공합니다. 지식이 풍부한.
6. 배출량 준수 및 감소
산업 전반의 조직은 배출 목표를 설정하고 있으며, 다가오는 단계에서는 이러한 목표를 준수하는지 확인하고 있습니다. IoT 및 고급 분석은 기업이 환경에 집중하기 위한 정확한 기준을 결정하는 데 도움이 될 수 있으며 지속적인 사용을 주시할 수 있습니다. 상당한 에너지 활용 영역은 기회 개선의 기회와 함께 발견될 수 있습니다. Auto ML은 전력 저장 및 낭비 최소화를 지원하기 위해 전력 사용 스파이크를 예측하는 데 적용될 수 있습니다.
7. 전체적인 기업 분석
회사 전체에 걸쳐 데이터와 최첨단 분석을 통합하면 향상된 예측, 보고 및 규정 준수 가능성을 제공합니다. 데이터는 발전, 최적화 및 다양화를 위한 전술을 추진하는 데 활용될 수 있습니다. 통찰력을 활용하여 절차를 개선할 수 있으며 고유한 부서 및 회사 모델 간의 이해 공유를 지원할 수 있습니다.
IoT 및 우수한 분석의 각 사용 상황에서 가치 위험은 상당히 다를 수 있습니다. 따라서 달성 가능한 전체 가치를 포착하는 최고의 목표는 최고 경영진부터 전체 조직에 혁신을 포함시키는 것입니다. 디지털 혁신은 더 이상 IT 부서나 혁신 그룹에 있지 않습니다. 진정한 가치가 인정받기 위해서는 기업의 존재에 내재되어 있기를 원합니다.
문제는 규모를 확장하고 가치를 빠르게 이해할 수 있도록 빠른 속도로 확장하는 것입니다. 이것은 내부 문화, 기술 및 방법론을 변경하는 데 도움이 됩니다. 파일럿이 롤아웃으로 전환함에 따라 추진력이 향상되고 병목 현상을 줄이고 선택의 정확성을 높이며 전반적으로 기업의 결과를 향상시키는 발전이 이루어집니다.
VROC AI 의 창립자이자 팀 CEO인 Trevor Bloch