O que está por vir para IoT industrial e análise sofisticada
Publicados: 2021-12-23
O Marketplace 4. é, no entanto, uma evolução contínua, com a Web das coisas em seu principal. A transformação digital nas opções industriais continua agora e foi acelerada pela última pandemia. Como é a busca no futuro previsível para Industrial IoT e Superior Analytics? Quais prioridades o C-Suite deve ter à medida que entramos em 2022 e no passado?
A McKinsey acredita que até 2020 o valor total capturado pela IoT foi de US$ 1,6 trilhão, com o mercado B2B provavelmente expandindo para entre US$ 3,4 e US$ 8,1 trilhões até 2030. Essa avaliação revela que ainda há uma perspectiva de preço significativa a ser compreendida nos próximos anos .
Para entender esse benefício, existem alguns obstáculos e possibilidades que precisam ser enfrentados nos negócios e nas abordagens digitais no decorrer dos negócios. A base para o desenvolvimento foi estabelecida com o rápido progresso dos componentes de IoT, juntamente com a capacidade de varejo de informações significativas, com preços para ambos diminuindo drasticamente ao longo das décadas. E a ênfase agora está em como usamos essa informação que está sendo obtida para fazer valer a pena.
1. Interoperabilidade de sistemas para receber maior conhecimento
Dimensionar a transformação eletrônica provou ser um dos obstáculos mais complicados que as empresas enfrentaram no espaço da IoT. Muitos projetos-piloto não foram equipados para escalar, restringindo a taxa de adoção e a realização de valor. Uma das causas disso é uma barreira de métodos que foi produzida pelo uso de ecossistemas fechados proprietários, juntamente com a combinação de técnicas herdadas, mistura de diversas arquiteturas de detalhes e linguagens de sensores IoT sob medida. Para lucrar com análises sofisticadas, os fatos precisam ser adquiridos e compartilhados envolvendo dispositivos, para que os insights possam ser coletados em toda a organização. Para que isso seja alcançado, as organizações precisam ter interoperabilidade de todas as aquisições futuras previsíveis e uma estratégia para cuidar das preocupações do legado.
2. Configurando o armazenamento de dados para análises de última geração previsíveis
Análises superiores, inteligência artificial e masterização de dispositivos usam informações enormes, em seu formato não estruturado e cru. As empresas querem ajustar a maneira como capturam, armazenam e cuidam desses detalhes. Para a análise preditiva, as informações de séries temporais são críticas e, portanto, as empresas devem se aproximar para passar a usar os depósitos de detalhes da nuvem e adotar bancos de dados de gráficos para que possam aproveitar ao máximo o novo conhecimento de análise altamente desenvolvido acessível.
3. Análise altamente desenvolvida, uma iniciativa de grande porte
O valor será entendido quando as empresas dimensionarem e começarem a usar análises avançadas, como inteligência sintética e descoberta de máquina no decorrer de suas funções. Mais do que pequenas aplicações-piloto ou proibir o uso das respostas para grupos internos de ciência do conhecimento, as empresas precisam começar a configurar análises de última geração a serem utilizadas durante o grupo. A democratização de dados ocorre quando as pessoas hoje na organização começam a revisar dados para informar suas posições de trabalho no dia-a-dia. A McKinsey estima que a 'maior oportunidade para a criação de valor está na otimização das operações de fabricação – tornando o gerenciamento de trabalho diário de pertences e pessoas muito mais bem-sucedido'.
4. Masterização de máquina sem código e MLOps
Automatizar o Superior Analytics é a chance significativa futura para corporações industriais. As tecnologias têm avançado e o entendimento de dispositivo (ML) sem código está sendo implantado por organizações em todo o mundo. O ML sem código permite que gurus e operadores façam a diferença para desenvolver rapidamente tipos de seus ativos ou operações sem qualquer conhecimento de codificação ou programação. Os projetos são implantados instantaneamente, estudando a partir do conhecimento histórico e habitacional e fornecem informações vitais para ajudar o pessoal a melhorar as operações. Estamos analisando isso sendo utilizado para manutenção preditiva e monitoramento de situação em tempo real. ML Ops é o software de testes integrados contínuos e implantação contínua por meio de automação para fornecer projetos de informações escaláveis e atualizados para industrializar equipamentos descobrindo. É por meio da industrialização do entendimento do dispositivo que as automações de modelos podem ser colocadas no local, auxiliando na escalabilidade de análises inovadoras durante os negócios.
5. Habilitando operações remotas e automáticas
A mudança para funções operacionais e centralizadas distantes gerou melhorias como verificação à distância e maiores automações em muitas opções. Essas inovações ajudarão a minimizar os gastos operacionais, os riscos de segurança para a equipe e permitirão que você conheça ainda mais o valor que pode ser produzido pela IoT. O potencial de monitorar remotamente e adquirir alertas quando a produtividade, falha ou erro é previsto melhora a eficiência das equipes. A análise avançada apresenta resultados fundamentais na avaliação, garantindo que as pessoas e áreas certas sejam chamadas para o site, juntamente com insights que permitem aos operadores tirar conclusões informadas, como ajustes nos procedimentos ou equipamentos utilizados para garantir que a perda de produtividade não seja bem informado.
6. Conformidade e redução de emissões
Organizações de todo o setor estão definindo metas de emissões, o próximo estágio é garantir que elas estejam em conformidade com essas metas. A IoT e a análise avançada podem ajudar as empresas a determinar linhas de base exatas para foco no ambiente e podem ficar de olho no uso contínuo. Áreas de utilização de energia considerável podem ser descobertas juntamente com oportunidades de melhoria de oportunidades. O Auto ML pode ser aplicado para prever picos de uso de energia elétrica para dar suporte ao armazenamento de energia elétrica e à minimização do desperdício.
7. Análise holística da empresa
A fusão de dados e análises de última geração em toda a empresa oferece uma perspectiva de previsão, relatórios e conformidade aprimorados. Os dados podem ser utilizados para impulsionar táticas de avanço, otimização e diversificação. Insights podem ser usados para melhorar os procedimentos e podem ajudar com o compartilhamento de conhecimento entre divisões exclusivas e modelos de empresa.
O risco de valor de cada situação de uso de IoT e análises superiores pode diferir consideravelmente. Assim, o principal objetivo de capturar todo o valor alcançável é incorporar a inovação em toda a organização, desde o c-suite. A transformação digital não está mais na divisão de TI ou no grupo de inovação. Para que o valor autêntico seja considerado, ele quer estar embutido na existência da empresa.
O problema é escalar, e fazê-lo em um ritmo rápido para que o valor possa ser entendido rapidamente. Isso, por sua vez, ajudará a alterar culturas, técnicas e metodologias internas. O impulso aumentará à medida que os pilotos se converterem em lançamentos, e os avanços forem criados para reduzir os gargalos, aumentar a precisão da escolha e, em geral, aumentar os resultados da corporação.
Trevor Bloch, fundador e CEO da equipe, VROC AI