工業物聯網和復雜分析的未來
已發表: 2021-12-23
Marketplace 4. 儘管如此，它仍是一個持續發展的過程，其主要是物聯網。 工業選擇的數字化轉型現在仍在繼續，並因最新的大流行而加速。 可預見的未來對工業物聯網和高級分析的搜索是什麼樣的？ 進入 2022 年及以後，C-Suite 應該有哪些優先事項？
麥肯錫認為，到 2020 年，物聯網獲得的全部價值為 1.6 萬億美元，到 2030 年，B2B 市場可能會擴大到 3.4 至 8.1 萬億美元。該評估表明，未來幾年仍有巨大的價格前景有待理解.
在購買以了解這種好處時，在業務過程中需要在業務和數字方法中解決一些障礙和可能性。 隨著物聯網組件的快速發展，以及零售重要信息的能力，發展的基礎已經建立，這兩者的價格在過去幾十年裡都急劇下降。 現在的重點是我們如何使用當前獲得的這些信息來創造價值。
1. 系統的互操作性以獲取更多知識
規模化電子轉型已被證明是企業在物聯網領域遇到的最複雜的障礙之一。 許多試點項目尚未具備規模化能力，限制了採用率和價值實現。 造成這種情況的一個特別原因是使用專有封閉生態系統產生的方法障礙，以及傳統技術的結合、不同細節架構的混合和定制的物聯網傳感器語言。 為了從復雜的分析中獲利，需要獲取和共享涉及設備的事實，以便可以在整個組織中收集見解。 為實現這一目標，組織需要從所有可預見的未來採購中實現互操作性，以及解決遺留問題的戰略。
2. 為可預見的未來最先進的分析設置數據存儲
卓越的分析、人工智能和設備掌握使用未經處理的非結構化格式的大量信息。 企業希望調整他們捕獲、存儲和處理這些細節的方式。 對於預測分析來說，時間序列信息至關重要，因此企業應該轉向使用雲詳細信息倉庫並採用圖形數據庫，以便他們可以充分利用新的高度開發的分析技術。
3. 高度發達的分析是企業巨大的舉措
當企業擴展並開始在其職能過程中使用諸如人工智能和機器發現等高級分析時，價值就會被理解。 與小型試點應用程序或禁止使用內部知識科學小組的答案相比，公司需要開始設置在小組中使用的最先進的分析。 當今天組織中的人們開始審查數據以支持告知他們的日常工作職位時，就會發生數據民主化。 麥肯錫估計，“創造價值的最大機會是優化製造運營——使日常工作的財產和人員管理更加成功。”
4.無代碼機器掌握和MLOps
自動化高級分析是工業公司未來的重要機會。 技術已經先進，無代碼設備理解 (ML) 目前正在全球各地的組織中部署。 無代碼 ML 允許專家和運營商在沒有任何編碼或編程專業知識的情況下快速開發其資產或運營類型。 這些設計被立即部署，從居住和歷史知識中學習，並提供重要的見解來幫助個人改進操作。 我們正在研究將其用於預測性維護和實時情況監控。 ML Ops 是一種持續集成測試和持續部署的軟件，通過自動化提供、可擴展和最新的信息設計來實現設備檢測的工業化。 正是通過設備理解的工業化，模型自動化可以在現場進行，有助於業務期間創新分析的可擴展性。
5. 啟用遠程和自動操作
向遠程操作和集中化功能的轉變推動了遠程檢查和許多選項的更高自動化等改進。 這些創新將有助於最大限度地減少運營支出和員工的安全風險，並讓更多人了解物聯網可以產生的價值。 當預測到生產力、失敗或錯誤時，遠程監控和獲取警報的潛力可以提高團隊的效率。 高級分析提供了評估的根本結果，以確保正確的人員和區域被稱為互聯網站點，以及允許操作員做出明智結論的見解，這些類型的程序或設備的調整用於確保生產力的損失不會知識淵博。
6. 排放達標和減排
行業範圍內的組織正在製定排放目標，即將到來的階段是確保它們符合這些目標。 物聯網和高級分析可以幫助企業確定關注環境的準確基線，並可以密切關注持續使用情況。 可以發現大量能源利用的領域以及改善機會的機會。 Auto ML 可用於預測電力使用峰值，以支持電力存儲和浪費最小化。
7. 整體公司分析
合併整個公司的數據和最先進的分析為增強預測、報告和合規性提供了前景。 數據可用於推動推進、優化和多樣化的策略。 洞察力可用於增強程序，並可能支持獨特部門和公司模型之間的理解共享。
物聯網和高級分析的每種使用情況的價值風險可能會有很大差異。 因此，獲取可實現的全部價值的首要目標是將創新嵌入到從最高管理層向下的整個組織中。 數字化轉型不再屬於 IT 部門或創新團隊。 為了獲得真正的價值，它希望嵌入公司的存在中。
問題是規模化，並以快速的速度這樣做，以便可以迅速理解價值。 這反過來將有助於改變內部文化、技術和方法。 隨著飛行員轉變為推出，動力將增強，並創造出減少瓶頸、提高選擇精度並全面提升公司業績的進步。
VROC AI創始人兼團隊首席執行官 Trevor Bloch