اینترنت اشیاء صنعتی (IIoT): چهار پیش بینی بازار IIoT از تحقیقات LNS برای سال 2018
دو تحلیلگر ارشد شرکت تحقیقاتی LNS (دن میکلوویچ، متیو لیتلفیلد) در تحقیقات و مشاوره IIoT به پیش بینی آنچه در سال 2018 برای فروش گذاشته خواهد شد، پرداختند.
در جهان IIoT و تحولات دیجیتالی برای صنعت، سال گذشته سالی به یاد ماندنی بود. بسیاری به سال های گذشته نگاه خواهند کرد، جایی که ما اوج هیجان را لمس کردیم و از صحبت کردن درباره ی امکان، به عمل رسیدیم.
علی رغم برخی شکستهای بزرگ برای برخی فروشندگان این فضا، هنوز هم حرکت های مثبت زیادی در این زمینه انجام می شود و شرکت تحقیقاتی LNS معتقد است که حتی وقتی که ما به یک دوران ناامیدکننده پس از پیروزی می رسیم، هنوز چیزهای زیادی برای بردن هست، چه برای فروشندگان و چه کاربران. در این مقاله، مدیر و تحلیلگر اصلی شرکت تحقیقاتی LNS ، متیو لیتلفیلد و تحلیل گر اصلی دن میکلوویچ، طرح های خود برای IIoT در سال آینده را شرح می دهند.
1. صنایع بزرگ بازآفرینی تعالی عملیاتی (متیو لیتلفیلد)
متخصصان فضای صنعتی مدتهاست که به چگونگی تصویب تکنیک های پیشرفته پردازش و رویکرد اتخاذ تکنولوژی به عنوان منزوی، سازمانی و پیرو می پردازند. تولید بی حاصل، که در دهه 1980 در سراسر جهان گسترش یافت، از سیستم تولید تویوتا و دیگر تولید کنندگان موفق ژاپن بسط یافته بود. شش سیگما در اوایل دهه 1980 از موتورولا بسط داده شد و در دهه 1990 یکی از اصول هدایت GE زیر نظر جک ولش بود. در هر دو مورد این سیستم ها بهترین نتایج را در اختیار متقاضیان اولیه گذاشتند، سپس از طریق کار دانشگاهیان، مشاوران و ارائه دهندگان فناوری در صنایع متنوع به کار گرفته شدند.
[اینترنت اشیاء جهان نشان می دهد که نسل بعدی IoT به منظور گشودن هوش اشیاء در عرصه های صنعتی، سازمانی و مصرف کننده، همگرا می شوند. اتفاقات جدید برای 2018 را ببنید.]
با گسترش این روشها، برخی پدیده های جالب رخ داد. اولا، فرآیندهای تکامل یافته به منظور استفاده از فناوری موجود در آن زمان در دسترس بودند. ثانيا، فرآيندها خودشان سخت تر شدند و در بعضي از محافل نيز به اصول عقاید تبديل مي شدتد، یه این معنا که تکنولوژي پيشرفت کرد، این فرآيند بدون تحريک و انتقاد شديد نمی توانست اتفاق بیافتد.
LNS معتقد است که سال 2018 سالی است که این رویکرد متعصبانه شکسته می شود و یک نسل جدید از شرکت های صنعتی بزرگ ظهور خواهند کرد و به طور عمومی با بهبود دادن بهترین نتایج اثبات می شوند، که این رویکرد جدید Lean و Six-Sigma نیاز به ذخیره ی کامل پتانسیل بالقوه ی فناوری دیجیتال در تولید دارد.
2. اتخاذ پلتفرم بستر انتقادی IIoT در بخش صنعتی (متیو لیتلفیلد)
در سال گذشته پیش بینی ما برای سال 2017 این بود که دیدیم ارائه دهندگان پلتفرم IIoT از هدایت، به سمت رونق کسب و کار شرکت، با بیش از یک فروشنده و به سمت رکورد با مشتریانی که تعهدات سرمایه گذاری دارند، حرکت کرد. حق با ما بود، با دو استارتاپ بزرگ در فضای انتشار پیروزی های عمده. C3IoT با Enel (بزرگترین صنایع همگانی در ایتالیا) در سراسر جهان گسترش یافتند و همچنینUptake در کنار شرکت Caterpillar Progress Rail (با نظارت بر 5000 قطار).
سال 2018 ما باور داریم سالی است که افزایش چندگانه مشتریان بزرگ در پلتفرم چند کاربره با سرویس ها و کابردهایی که در این راستا قرار دارند اتفاق می افتد. با این حال، برخی پیش بینی های احتیاطی وجود دارد. این یک معماری تک پلتفرمه برای قاعده گذاری همگانی نیست. LNS معتقد است که هر کاربر نهایی، سیستم عامل های متعددی برای موارد استفاده جداگانه دارد و اتصال بین ابری به یک نیاز و واقعیت تبدیل خواهد شد. ما همچنین معتقدیم که پلتفرم های IIoT (بجز پلتفرم های ابری مانند Azure و AWS ) مجبور به تمایز در مورد تخصص و ارتباط موضوع می باشند. بنابراین پلتفرم های مختلف ممکن است پیشنهاد تجزیه و تحلیل و برنامه های مشابه دهند، اما قدرت صنعتی خاص و اقتباس برای صنایع همگانی مانند: نفت و گاز، حمل و نقل و تولید دارند.
3. تبدیل APM به همه چیز در مورد کسب و کار (دن میکلوویچ)
از زمان ظهور مدیریت عملکرد دارایی (APM)تاکنون، تمرکز بر بهبود قابلیت اطمینان، کاهش زمان ناپدید شدن و کاهش تعمیر و نگهداری غیرمجاز بوده است. اکثر این موارد بر فرضیات قبلی دلالت دارد که اگر “آن” شکسته شود، “آن” نمی تواند به کسب و کار کمک کند. فرض این است که به حداقل رساندن خرابی، سودآوری را افزایش می دهد و بهترین راه برای به حداقل رساندن خرابی این است که “تعمیر” تجهیزات قبل از خرابی های فاجعه بار انجام شود. مشکل این فرضیه این است که حفظ یک قطعه از تجهیزات به تنهایی می تواند باعث خرابی های بیشتر شود. در گذشته، متخصصان صنعت به انجام تحلیل هایی به منظور پیش بینی زمان خرابی قطعه از تجهیزات می پرداختند و پس از آن عملیات پیشگیری را انجام میدادند تا از این خرابی ها جلوگیری کنند. ما 2018 را به عنوان سالی می بینیم که تمرکز آن بر روی بهینه سازی سودآوری تجهیزات است. یادگیری ماشین و بهبود تجزیه و تحلیل داده های بزرگ، داده های کسب و کار را قادر می سازد تصمیم گیری بهتری برای نمایه عملیاتی بر مبنای دستگاه برای سفارشات جمع شده، مسائل مربوط به قابلیت اطمینان و مدل دوقلو برای کارخانه دیجیتال داشته باشند. در سال 2017، معرفی این مفاهیم را با راهکارهای “مشاور سودمند” با Schneider Electric و محصولات مدیریت کارایی عملیات GE (OPM) دیدیم. انتظار می رود در سال 2018 بیشتر باشد.
4. دوقلوهای دیجیتال در سال 2018 شبیه سازی آینده احتمالی (دن مایکلویچ)
همانند تمرکز بر تجزیه و تحلیل، بسیاری از تردیدها در مورد دوقلوهای دیجیتال در صنایع دارایی های سنگین، در مورد برنامه های تمرکز بر نگهداری مانند: اضافه کردن شرایط عملیاتی روی تجهیزات اشعه X مجازی برای کمک به تکنسین ها در تشخیص و یا استفاده از دوقلو برای مدل سازی سرویس های مورد انتظار زندگی می باشد. این دوقلو اساس رشد ابزار AR / VR برای کمک به تکنسین ها در انجام بهتر وظایف خدماتی است. در سال 2018 ما انتظار داریم تمرکز دیجیتال دوقلو به جای جنبه های فیزیکی تنها، به جنبه های فرآیند نیز تغییر کند. این روند، منافع جدیدی در طراحی فرایند و برنامه های مهندسی به وجود خواهد آورد، بنابراین تغییرات در عملکرد عملیاتی مورد نیاز برای تسهیل قابلیت اطمینان می تواند برای اثرات تولید مورد بررسی قرار گیرد، همانطور که در بالا ذکر شد. این استفاده گسترده از “دوقلو دیجیتال” برای ارائه ایده های متداول آینده و ارائه توصیه هایی در مورد شیوه های ممکن اقدامات، مفهوم آنچه را دوقلو دیجیتال است، تغییر خواهد داد.