工业物联网和复杂分析的未来
已发表: 2021-12-23
Marketplace 4. 尽管如此，它仍是一个持续发展的过程，其主要是物联网。 工业选择的数字化转型现在仍在继续，并因最新的大流行而加速。 可预见的未来对工业物联网和高级分析的搜索是什么样的？ 进入 2022 年及以后，C-Suite 应该有哪些优先事项？
麦肯锡认为，到 2020 年，物联网获得的全部价值为 1.6 万亿美元，到 2030 年，B2B 市场可能会扩大到 3.4 至 8.1 万亿美元。该评估表明，未来几年仍有巨大的价格前景有待理解.
在购买以了解这种好处时，在业务过程中需要在业务和数字方法中解决一些障碍和可能性。 随着物联网组件的快速发展，以及零售重要信息的能力，发展的基础已经建立，这两者的价格在过去几十年里都急剧下降。 现在的重点是我们如何使用当前获得的这些信息来创造价值。
1. 系统的互操作性以获取更多知识
规模化电子转型已被证明是企业在物联网领域遇到的最复杂的障碍之一。 许多试点项目尚未具备规模化能力，限制了采用率和价值实现。 造成这种情况的一个特别原因是使用专有封闭生态系统产生的方法障碍，以及传统技术的结合、不同细节架构的混合和定制的物联网传感器语言。 为了从复杂的分析中获利，需要获取和共享涉及设备的事实，以便可以在整个组织中收集见解。 为实现这一目标，组织需要从所有可预见的未来采购中实现互操作性，以及解决遗留问题的战略。
2. 为可预见的未来最先进的分析设置数据存储
卓越的分析、人工智能和设备掌握使用未经处理的非结构化格式的大量信息。 企业希望调整他们捕获、存储和处理这些细节的方式。 对于预测分析来说，时间序列信息至关重要，因此企业应该转向使用云详细信息仓库并采用图形数据库，以便他们可以充分利用新的高度开发的分析技术。
3. 高度发达的分析是企业巨大的举措
当企业扩展并开始在其职能过程中使用诸如人工智能和机器发现等高级分析时，价值就会被理解。 与小型试点应用程序或禁止使用内部知识科学小组的答案相比，公司需要开始设置在小组中使用的最先进的分析。 当今天组织中的人们开始审查数据以支持告知他们的日常工作职位时，就会发生数据民主化。 麦肯锡估计，“创造价值的最大机会是优化制造运营——使日常工作的财产和人员管理更加成功。”
4.无代码机器掌握和MLOps
自动化高级分析是工业公司未来的重要机会。 技术已经先进，无代码设备理解 (ML) 目前正在全球各地的组织中部署。 无代码 ML 允许专家和运营商在没有任何编码或编程专业知识的情况下快速开发其资产或运营类型。 这些设计被立即部署，从居住和历史知识中学习，并提供重要的见解来帮助个人改进操作。 我们正在研究将其用于预测性维护和实时情况监控。 ML Ops 是一种持续集成测试和持续部署的软件，通过自动化提供、可扩展和最新的信息设计来实现设备检测的工业化。 正是通过设备理解的工业化，模型自动化可以在现场进行，有助于业务期间创新分析的可扩展性。
5. 启用远程和自动操作
向远程操作和集中化功能的转变推动了远程检查和许多选项的更高自动化等改进。 这些创新将有助于最大限度地减少运营支出和员工的安全风险，并让更多人了解物联网可以产生的价值。 当预测到生产力、失败或错误时，远程监控和获取警报的潜力可以提高团队的效率。 高级分析提供了评估的根本结果，以确保正确的人员和区域被称为互联网站点，以及允许操作员做出明智结论的见解，这些类型的程序或设备的调整用于确保生产力的损失不会知识渊博。
6. 排放达标和减排
行业范围内的组织正在制定排放目标，即将到来的阶段是确保它们符合这些目标。 物联网和高级分析可以帮助企业确定关注环境的准确基线，并可以密切关注持续使用情况。 可以发现大量能源利用的领域以及改善机会的机会。 Auto ML 可用于预测电力使用峰值，以支持电力存储和浪费最小化。
7. 整体公司分析
合并整个公司的数据和最先进的分析为增强预测、报告和合规性提供了前景。 数据可用于推动推进、优化和多样化的策略。 洞察力可用于增强程序，并可能支持独特部门和公司模型之间的理解共享。
物联网和高级分析的每种使用情况的价值风险可能会有很大差异。 因此，获取可实现的全部价值的首要目标是将创新嵌入到从最高管理层向下的整个组织中。 数字化转型不再属于 IT 部门或创新团队。 为了获得真正的价值，它希望嵌入公司的存在中。
问题是规模化，并以快速的速度这样做，以便可以迅速理解价值。 这反过来将有助于改变内部文化、技术和方法。 随着飞行员转变为推出，动力将增强，并创造出减少瓶颈、提高选择精度并全面提升公司业绩的进步。
VROC AI创始人兼团队首席执行官 Trevor Bloch