Endüstriyel IoT ve Gelişmiş Analitik için yaklaşanlar
Yayınlanan: 2021-12-23
Pazaryeri 4. yine de, esasında Nesnelerin Ağı olmak üzere sürekli bir evrimdir. Endüstriyel seçeneklerde dijital dönüşüm şu anda devam ediyor ve son pandemi ile hızlandı. Endüstriyel IoT ve Üstün Analitik için öngörülebilir gelecek nasıl görünüyor? 2022 ve geçmişe girerken C-Suite'in öncelikleri neler olmalı?
McKinsey, 2020 yılına kadar IoT tarafından elde edilen toplam değerin 1,6 trilyon dolar olduğuna ve B2B pazar yerinin 2030 yılına kadar 3,4 ila 8,1 trilyon dolar arasında büyüyeceğine inanıyor. Bu değerlendirme, önümüzdeki yıllarda anlaşılması gereken önemli bir fiyat beklentisinin devam ettiğini ortaya koyuyor. .
Bu faydayı anlamak için satın almada iş ve iş akışında dijital yaklaşımlarda üstesinden gelinmesi gereken bazı engeller ve olasılıklar vardır. Geliştirmenin temeli, IoT bileşenlerinin hızlı ilerlemesi ve önemli bilgileri perakende satış noktalarına sunma yeteneği ile birlikte, her ikisinin de fiyatlarının on yıllar boyunca önemli ölçüde azalmasıyla oluşturulmuştur. Ve şimdi vurgu, şu anda elde edilen bu bilgiyi değer yaratmak için nasıl kullandığımız üzerindedir.
1. Daha fazla bilgi edinmek için sistemlerin birlikte çalışabilirliği
Ölçeklendirme elektronik dönüşümü, işletmelerin IoT alanında karşılaştığı en karmaşık engellerden biri olduğunu doğruladı. Pek çok pilot proje, benimseme oranını ve değer gerçekleştirmeyi kısıtlayacak şekilde ölçeklendirilecek donanıma sahip değildir. Bunun nedenlerinden biri, eski tekniklerin birleştirilmesi, çeşitli ayrıntı mimarilerinin karışımı ve ısmarlama IoT sensör dilleri ile birlikte tescilli kapalı ekosistemlerin kullanılmasıyla üretilen bir yöntem engelidir. Gelişmiş analitikten kâr elde etmek için, organizasyon genelinde içgörülerin toplanabilmesi için cihazları içeren gerçeklerin edinilmesi ve paylaşılması gerekir. Bunun başarılması için, kuruluşların öngörülebilir tüm gelecekteki satın almalardan birlikte çalışabilirliğe ve eski endişelerle ilgilenme stratejisine ihtiyaç duyması gerekir.
2. Öngörülebilir gelecekteki en gelişmiş analitikler için veri depolamayı ayarlama
Üstün analitik, yapay zeka ve cihaz mastering, çok büyük bilgileri, pişmemiş yapılandırılmamış formatında kullanır. İşletmeler, bu ayrıntıları yakalama, saklama ve bunlarla ilgilenme yöntemlerini ayarlamak isterler. Tahmine dayalı analitik için zaman serisi bilgisi kritik öneme sahiptir ve bu nedenle işletmeler, bulut ayrıntı depolarından yararlanmaya geçiş yapmaya yaklaşmalı ve yeni yüksek düzeyde gelişmiş analitik teknik bilgisinden en iyi şekilde yararlanabilmeleri için grafik veritabanlarını benimsemelidir.
3. Son derece gelişmiş analitik, kurumsal boyutta bir girişim
İşletmeler, işlevleri sırasında sentetik zeka ve makine keşfi gibi üstün analitikleri ölçekleyip kullanmaya başladıklarında değer anlaşılacaktır. Firmaların, küçük pilot uygulamalardan veya dahili bilgi bilim gruplarına verilen yanıtların kullanımını yasaklamaktan biraz daha fazlası, grup sırasında kullanılacak en son teknolojiye sahip analitikler için kurulum yapmaya başlamaları gerekiyor. Veri demokratikleştirmesi, günümüzde organizasyondaki insanlar, günlük iş konumlarını bilgilendirmek için verileri gözden geçirmeye başladıklarında gerçekleşir. McKinsey, 'değer yaratmak için en büyük fırsatın üretim operasyonlarını optimize etmede olduğunu tahmin ediyor - eşyaların ve insanların günlük yönetimini çok daha başarılı hale getirmek.'
4. Kodsuz makine mastering ve MLOps
Superior Analytics'i otomatikleştirmek, endüstriyel şirketler için gelecekteki önemli bir şanstır. Teknolojiler gelişmiştir ve kodsuz Cihaz anlayışı (ML) şu anda dünyanın her yerindeki kuruluşlar tarafından dağıtılmaktadır. No-Code ML, maddenin fark yaratmasına izin verir, gurular ve operatörler, herhangi bir kodlama veya programlama uzmanlığından yoksun varlıklarının veya operasyonlarının türlerini hızla geliştirmelerine izin verir. Tasarımlar anında devreye alınır, beklemeden ve tarihsel bilgilerden incelenir ve kişisel iyileştirme operasyonlarına yardımcı olmak için hayati bilgiler verir. Bunun kestirimci bakım ve gerçek zamanlı durum izleme için kullanıldığını görüyoruz. ML Ops, ekipman bulmayı endüstriyelleştirmek için tedarik, ölçeklenebilir ve güncel bilgi tasarımları için otomasyon yoluyla sürekli entegre test ve sürekli dağıtım yazılımıdır. İş sırasında yenilikçi analitiklerin ölçeklenebilirliğine yardımcı olarak, model otomasyonlarının yerinde yerleştirilebileceği cihaz anlayışının endüstrileşmesi yoluyla olur.
5. Uzaktan ve otomatik işlemleri etkinleştirme
Uzak işletim ve merkezi işlevlere geçiş, birçok seçenekte uzaktan kontrol ve daha fazla otomasyon gibi iyileştirmeler sağlamıştır. Bu yenilikler, işletme harcamalarını, personel için güvenlik tehlikelerini en aza indirmeye yardımcı olacak ve IoT tarafından üretilebilecek değerin daha fazla bilinmesini sağlayacaktır. Verimlilik, başarısızlık veya hata tahmin edildiğinde uzaktan göz kulak olma ve uyarı alma potansiyeli, ekiplerin verimliliğini artırır. Gelişmiş analitik, doğru personel ve alanların internet sitesinde adlandırıldığını garanti eden değerlendirmede kök sonucu ve operatörlerin bilinçli sonuçlar çıkarmasına izin veren içgörüler sunar; bu türler, üretkenlik kaybının olmadığından emin olmak için kullanılan prosedürlerde veya ekipmanda ayarlamalar olarak bilgili.
6. Emisyon uyumluluğu ve azaltma
Endüstri çapındaki kuruluşlar emisyon hedefleri belirliyor, sonraki aşama bu hedeflerle uyumlu olduklarından emin olmak. IoT ve gelişmiş analitik, şirketlere çevreye odaklanmak için kesin temelleri belirlemede yardımcı olabilir ve devam eden kullanıma göz kulak olabilir. Büyük enerji kullanım alanları, fırsat geliştirme fırsatlarıyla birlikte keşfedilebilir. Otomatik ML, elektrik enerjisi depolama ve israfı en aza indirmeyi desteklemek için elektrik gücü kullanımı artışlarını tahmin etmek için uygulanabilir.
7. Bütünsel şirket analizi
Tüm şirket genelinde verileri ve son teknoloji analitiği birleştirmek, gelişmiş tahmin, raporlama ve uyumluluk için bir olasılık sağlar. Veriler, ilerleme, optimizasyon ve çeşitlendirme için taktikleri zorlamak için kullanılabilir. İçgörüler prosedürleri geliştirmek için kullanılabilir ve muhtemelen benzersiz bölümler ve şirket modelleri arasında anlayış paylaşımını destekleyebilir.
IoT ve üstün analitiklerin her kullanım durumundan kaynaklanan değer riski önemli ölçüde farklılık gösterebilir. Bu nedenle, elde edilebilecek tüm değeri yakalamanın en önemli amacı, inovasyonu üst yönetimden başlayarak tüm organizasyonun içine yerleştirmektir. Dijital dönüşüm, BT bölümünde veya inovasyon grubunda daha uzun süre oturmaz. Otantik değerin kabul edilebilmesi için firmanın varlığına gömülmek ister.
Sorun, ölçeklendirmek ve bunu hızlı bir oranda yapmaktır, böylece değer hızlı bir şekilde anlaşılabilir. Bu, iç kültürleri, teknikleri ve metodolojileri değiştirmeye yardımcı olacaktır. Pilotlar kullanıma sunuldukça ve darboğazları azaltan, seçim yapma hassasiyetini artıran ve genel olarak şirketin sonuçlarını artıran gelişmeler yaratıldıkça ivme artacaktır.
Trevor Bloch, kurucu ve ekip CEO'su, VROC AI