亿迅智能制造网
工业4.0先进制造技术信息网站!
首页 | 制造技术 | 制造设备 | 工业物联网 | 工业材料 | 设备保养维修 | 工业编程 |
home  MfgRobots >> 亿迅智能制造网 >  >> Industrial Internet of Things >> 物联网技术

为工业数据科学的成功奠定基础

在某些时候,最成功的工业物联网 (IoT)倡议成为数据科学项目。机器和设备、工具、托盘和制成品上的连接传感器会生成大量数据点。

但是,业务或运营成功的前景不仅仅取决于数据收集,还取决于在整个组织中扩展的广泛技能。它还需要使用这些数据来推动转型。这可能包括实现新的运营基准,或者“在当今世界,创造弹性和灵活性,”普华永道咨询公司负责人史蒂夫皮尔斯伯里说。

[ 物联网世界 是北美最大的物联网盛会,战略家、技术专家和实施者在此相互联系,将物联网、人工智能、5G 和边缘技术付诸实践,跨越垂直行业。 立即预订机票。 ]

甚至在 COVID-19 大流行出现之前,推动工业数据科学变革对许多组织来说都是令人生畏的。数据科学专家供不应求,招聘竞争激烈。虽然许多行业组织启动了数字创新计划,但很少有人达到预期的投资回报。埃森哲研究显示,2016 年至 2018 年,近 80% 的工业企业的数字化项目未能达到预期的财务回报水平。

P 修复组织

工业组织与工业数据科学斗争的原因之一是缺乏规划。 Pillsbury 说:“现在,大多数 [工业] 公司至少处于试点和测试阶段,并且在许多情况下处于应用和采用阶段。

Pillsbury 补充说,阻碍他们达到规模和价值的一个因素是缺乏“专业知识”。 “这并不意味着他们必然拥有错误的 [技术] 技能或没有足够的正确技能。这也意味着他们还没有真正准备好组织应用所需的技能类型。”他说,工业组织必须教育他们的全体员工“什么是可能的艺术,以及如何接受它”。也就是说,组织也需要擅长文化转型。

普华永道的数字智商研究发现,在各个行业,拥有最成功数字项目的组织都是围绕他们的人员和文化建立的。普华永道将数字组织称为“超越者”,​​发现他们将教育员工和创造弹性文化放在首位。

然而,建筑供应制造商 HIL 的首席信息官 Murali Raj 指出,在一个组织内,员工和部门的数据成熟度可能会有很大差异。 Raj 建议,在制定转型计划时,要考虑到这种可变性并建立一个基础广泛的数据基础。当 HIL 部署预测性维护时,该公司为充分利用数据奠定了基础。 “我们不是专注于一条小型生产线或几台机器进行预测性维护,而是专注于创建数字化、互联的车间主干,”Raj 说。

H 以人为本的设计应用于流程

成功的工业组织赢得了高级和初级员工对数字和数据科学计划的支持。

许多试点此类项目的组织都专门组建了一个团队来研究数字领导力和最佳实践。 Pillsbury 说,这种“‘卓越中心’类型的人往往非常了解技术和数据科学,并且对价值驱动因素和他们试图解决的问题陈述有一个大致的了解。”但当这些专家构建数字工具供他人使用时,“他们发现人们通常不喜欢它们,”皮尔斯伯里说。最终用户通常“不喜欢设计、[一项技术] 的工作方式、他们应该如何与之交互,或者如何处理新信息,”他补充道。

Pillsbury 建议,组织可以通过在设计过程中征求反馈来获得员工对数据驱动型数字工具的支持。数字和数据领导者还可以将以人为本的设计概念部署到内部流程中,在设计数字工具或工作流程来解决这些问题之前,研究给定问题的背景以及员工的痛点。

确定领导转型的个人

虽然文化转型和教育至关重要,但数据科学的领导力是无可替代的。猎头公司 Kingsley Gate 首席执行官办公室 Umesh Ramakrishnan 表示,虽然很多人在简历中添加了“数据科学”、“人工智能”、“机器学习”等术语,但只有四分之一的候选人是专家伙伴。 “根据定义,很多这些 [人工智能] 技能都是新的,”Ramakrishnan 说。这应该是一个危险信号,“如果有人告诉你他们拥有 25 年的数据科学专业知识。”

Ramakrishnan 表示,在采访潜在的数据科学领导者时,每人应该花 20-30 分钟来确定他们是否拥有重要的知识。 Ramakrishnan 说:“这些人中的很多人在与人工智能、机器学习或数据科学相关的科学或工程方面都有基础。” “过去从事神经网络或深度学习工作并通过在职经验或通过额外教育继续保持优势的人是我们看到的进入中高级职位的人。”

能够与他人分享他们的专业知识并在整个组织内引发变革的数据科学专家是最有价值的。但是,Ramakrishnan 说,筛选具有战略技能的候选人比确定离散的技术专长更具挑战性。 “一个行业内部的技术转型远没有那个公司的文化转型那么困难,特别是如果它是一家传统公司,”他说。

埃森哲表示,拥有成功的数字项目的工业组织往往在上层和中层管理人员之间拥有共同的愿景,以及“在关键业务职能之间调整人才库和技术资产”的能力。数据科学领导者可以帮助灌输特质,但他们必须擅长沟通和说服。 “你必须有能力向人们展示为什么车间里的人在工作环境中使用 iPad 而不是剪贴板是有好处的,”Ramakrishnan 说。该人还应该能够向员工解释技术的价值以及对公司的价值。 “将个人目标与公司使命联系起来的能力是一种领导能力,这在高管中很少见。”

在 Ramakrishnan 看来,像“冠军”或“传道者”这样的术语并不能正确地描述这种能力。 “这些术语掩盖了所需的复杂领导能力,”他说。将概念验证工业物联网项目转向更广泛的数字化转型计划的组织需要的不仅仅是善于表达的工业数据科学专家。 “仅仅成为一名优秀的演讲者就可以让你成为一名优秀的传道者,”Ramakrishnan 总结道。 “但如果你无法将传福音转化为实际执行,那么你只是一个传教士,而你在业务中不需要它。”


物联网技术

  1. 全民数据:患者数据民主化是未来吗?
  2. 探索区块链在工业物联网系统中的作用(第 2 部分)
  3. 第四次工业革命
  4. Cervoz:为工业应用选择合适的闪存
  5. 工业物联网发展前景
  6. 工业物联网的四大挑战
  7. 操作大脑:工业物联网智能数据管理的新范式
  8. 智能工厂白日梦
  9. 工业物联网和工业 4.0 的构建块
  10. 趋势继续将 AI 的处理推向边缘
  11. DataOps:医疗自动化的未来
  12. 技术论文:工业物联网的智能工厂连接