如果您将物联网连接和分析标记为主要用于数据收集的工具,这是情有可原的。这些技术确实从机器、传感器和系统中收集了大量信息,但仅通过收集的角度来查看它们限制了它们的真正潜力。当公司陷入收集数据的陷阱,而没有明确的策略将其转化为可操作的见解时,就会错失相当大的机会。 另请参阅:工业连接和物联网如何实现制造业数字化转型 如果没有协调的方法,数据就会变成噪音。它让团队不知所措,并将重要的见解埋在混乱之中。这就是从仅仅收集数据到编排数据的转变发挥作用的地方。在数据编排模型中,物联网连接和分析协同工作以同步操作。因此,数据不仅被收集,而且被实时动态分析和采取行动。 通过过渡到数据编排方法,组织摆脱了被
近年来,由于物联网(IoT)的普遍使用,工业领域发生了重大变革。物联网设备已成为工业环境不可或缺的一部分,从各种流程的设备、传感器和机械中收集数据。虽然物联网设备的采用本身就带来了实质性的改进,但物联网分析的力量真正推动了卓越运营。 通过处理和分析从物联网设备收集的数据,工业管理者可以做出明智的决策,从而提高运营效率、提高生产率、减少停机时间等。 现代物联网分析利用先进的数据分析工具、人工智能和技术来分析物联网设备生成的大量数据。在工业环境中,这些数据可以包括从设备性能指标到环境条件以及生产指标的任何内容。物联网分析的价值在于其能够将原始数据转化为可操作的见解。 该过程通常涉及数据收
各行业的物联网用例数量都在增加,其中许多用例提供的投资回报率比几年前更高。这是 IoT Analytics 最近发布的《2024 年物联网用例采用报告》中的两个主要发现。具体而言,从 2021 年到 2024 年,物联网用例的数量增长了 53%。92% 的组织表示其物联网用例实现了积极的投资回报率。 与几年前相比,这在观念和理念上发生了很大的变化。例如,思科 2017 年的一项调查发现,60% 的物联网计划停滞在概念验证 (PoC) 阶段,只有 26% 的公司认为其物联网计划取得了完全成功。 尽管随着时间的推移,情况有所改善,但三年前仍然存在问题。 2021 年,IoT Analytic
供应链一直很容易受到事件和故障的影响,即使是管理最完善的公司和服务也会陷入混乱。实时人工智能最终会给这项复杂的努力带来一些意义吗?或者它只是被宣传为包治百病的最新灵丹妙药? 从本质上讲,供应链依赖于许多很多移动部件来按需交付。其中许多部分都是不同的,从原材料供应商到工厂,从卡车到船舶,从仓库到零售商。决策者和管理者能否全面了解正在发生的事情?可能不会。但人工智能等技术有望帮助填补知识空白,提供洞察力来预测和克服出现的问题。这是朝着正确方向迈出的一步。 毕马威的一份新报告指出,得益于生成式人工智能、数据分析、自动化、数字孪生、机器学习、物联网、区块链等一系列技术,“智能”供应链现已成为现实。
随着制造业不断数字化发展,人们将更加依赖公司整个运营过程中部署的工业物联网 (IIoT) 设备的数据。展望 2025 年,此类设备将日益高度互联,并产生更丰富、更细粒度的数据,以供做出明智的决策。 这种增强的功能将使工业物联网设备适用于更广泛的应用,并且它们的数据将用于进一步推动现有工作,以提高生产力、降低成本等。最重要的是,2025 年工业物联网有望带来新的发展,从而重新定义运营、效率和竞争优势。 2025 年:制造商使用 IIoT 的转型年 以下是明年值得关注的一些主要工业物联网趋势。 1.增强与人工智能 (AI) 和机器学习 (ML) 的集成 人工智能和机器学习越来越多地与
数据驱动型组织的成功或失败取决于其根据最新信息做出决策的能力。无论您是优化供应链、检测金融交易中的欺诈,还是实时个性化客户体验,数据新鲜度都至关重要。 然而,对于许多组织来说,“数据即时性”这一圣杯仍然难以实现。他们继续依赖传统的数据仓库或其他遗留数据存储——为批处理和历史分析而构建的强大工具——但没有能力满足实时分析的需求。结果呢?关键业务决策是根据不再新鲜的数据做出的,从而导致错失机会、结果不佳以及无法跟上竞争的步伐。 如果您处于数据新鲜度对于您的用例至关重要的情况,并且您仍在使用数据仓库作为主要分析存储,那么您可能无法获得实时见解的全部好处。事实上,您可能会产生严重的数据延迟和运营成
零售业也未能幸免于商店、客户服务渠道、仓储和供应链中物联网设备和传感器激增的影响。现在,零售商正在利用人工智能来更好地利用这些数据。 因此,事物的人工智能 (AIoT)正在成为零售商的关键。为什么?将人工智能与物联网设备的数据相结合,可以帮助零售商重新构想店内体验,增强服务交付,并在每个运营层面保持产品可见性。 在零售和服装领域的全球数据物联网主题报告中,人工智能日益融入零售业的物联网产品和服务是不可避免的,并且已经发生:“物联网价值链中的关键层是物理、连接、数据、应用程序和服务。虽然这些层在逻辑上是离散的,但大规模物联网解决方案的逻辑边界相当模糊。 例如,虽然堆栈顶部将继续存在清晰可识
工业制造组织经常发现自己正在应对一个固有的挑战:遗留设备、机器和系统。这些老化的 OT 系统专为不同的运营时代而设计,通常依赖于专有通信协议,并且从未设计为与其他系统共享数据或让组织可以访问其数据。 虽然它们在过去可能已经足够了,但它们从未打算与现代应用程序无缝集成或跨系统共享数据。缺乏集成和访问数据困难给制造商努力拥抱数字化转型带来了重大障碍。如果无法将这些遗留系统连接到现代基础设施,组织就无法获得创新和运营效率所需的数据驱动的见解。 为什么需要整合遗留资产 数字化转型的核心在于大规模收集和分析数据的能力。制造商需要访问实时数据来做出明智的决策、优化运营并在快速发展的市场中保持竞争力。
全面质量控制概念的提出者 Armand V. Feigenbaum 博士还介绍了“隐藏工厂”的概念,即制造系统中因错误、返工和闲置设备等低效率而丧失的未开发潜力。 如今,这种隐形或隐藏工厂的想法已经演变成制造商可以真正解决的问题,物联网 (IoT) 可以实时揭露这些低效率的问题。通过利用传感器、分析和计算能力,制造商可以发现和优化隐藏的流程,将理论浪费转化为可行的见解。随着复杂性和竞争的不断加剧,公司必须开始解决这些低效率的问题。幸运的是,物联网只会变得更好.. 当费根鲍姆博士描述“隐藏工厂”时,他强调了制造业中的一个普遍真理:效率低下和浪费往往被忽视,从而悄然降低了生产率和盈利能力
信息技术 (IT) 和运营技术 (OT) 的融合正在重塑工业制造格局,为提高效率、创新和竞争力提供机会。 传统上,IT 和 OT 一直在孤岛中运营——IT 专注于以数据为中心的企业运营,而 OT 则管理工厂车间的物理流程。这些领域的融合促进了无缝数据交换、实时分析和集成控制系统,从而提高了运营效率并做出明智的决策。这种整合不仅仅是技术升级,更是制造商在数字时代努力保持竞争优势的战略必然。 推动 IT/OT 融合的关键主题 全球市场洞察和战略商业智能提供商 IoT Analytics 最近发布的《2024 年 IT/OT 融合洞察报告》强调了一些共同定义工业集成未来的共同主题。对于想要在
数据湖屋已成为一个灵活的、多用途的存储库。在这一期 Smart Talk 节目中,Stratola 首席执行官 Dinesh Chandrasekhar 和他的嘉宾 Starburst 首席执行官兼董事长 Justin Borgman 讨论了如何扩展数据湖站的功能,以包含实时数据和高性能查询,从而提供几乎实时的见解——这是一个越来越常见的用例。需要两项关键技术——Kafka 流和强大的查询引擎。 特别有趣的是他们对开源软件和开放格式重要性的看法,这些观点已经得到 Snowflake 和 Databricks 的验证,并宣布支持 Apache Iceberg。 Justin 分享了他对基准测试
建筑业是全球发展的支柱,塑造着我们生活、工作和联系的环境。它占世界 GDP 的近 13%,并在不同行业雇用了数百万人。然而,尽管该行业在经济增长和基础设施建设中发挥着至关重要的作用,但其效率低下、成本超支和返工等问题却造成了每年近 1 万亿美元的浪费。随着对可持续、更快、更具成本效益的建筑解决方案的需求不断增长,采用创新技术(尤其是人工智能)已成为实现工作流程现代化和应对这些系统性挑战的迫切需要。 建筑行业面临着严峻的挑战:管理和使用大量分散的非结构化数据。合同、图纸、变更单和进度表通常存在于孤岛中,因此很难有效地访问、分析信息并根据信息采取行动。知识图(一种构建和互连数据的方式)正在改变这
十多年前,工业 4.0 的愿景承诺给工业制造带来突破性的变革。通过利用互连系统、实时数据和高级分析,公司有望实现前所未有的效率、生产力和敏捷性水平。然而,如今,许多工业制造商都在努力应对一个严峻的现实:工业 4.0 的成果往往未能达到预期。 工业 4.0 的愿景与现实 工业 4.0 的核心目标是将物理生产系统与数字技术相集成,以创建智能、互联的工厂。这包括利用: 物联网(IoT): 提供实时数据的传感器和设备。 大数据和分析: 从大量信息中得出的见解。 人工智能和机器学习: 先进的决策和预测能力。 云计算: 可扩展且灵活的数据存储和处理。 我们的承诺很明确:减少停机时间、优化供应链、预
多年来,汽车制造商一直依靠数据驱动的技术来改善制造运营、降低成本并提高效率。大多数人使用物联网和高级分析来实时关注运营情况。最近,这些技术得到了数字孪生、虚拟开发和协作等的补充。现在,一个额外的工具,人工智能 (AI),已被添加到武器库中。 人工智能通过增加智能、自动化和预测能力来补充和增强智能制造技术,例如数字孪生、虚拟开发和物联网支持的系统。 人工智能和机器学习 (ML) 越来越多地被用来帮助做出更明智的决策,并使制造商能够对不断变化的条件(市场和生产线上)做出反应。在这两种情况下(做出更明智的决策并对不断变化的条件做出反应),人工智能可以帮助制造商使用整个工厂的物联网设备和智能传感器
物联网设备预计将在 2025 年融入新技术和新功能,使其比以往任何时候都更加强大。工业公司可能会利用这些发展来从物联网中获得比以前更多的收益。 预计到 2025 年会有许多发展的领域之一是物联网连接。随着制造商实现现代化并日益自动化操作,对设备和生产线的操作数据进行分析变得至关重要。只有在无线基础设施到位的情况下,使用从该数据得出的见解的应用程序才能工作。 越来越多的组织通过添加新服务来补充其传统的无线连接选项(例如 Wi-Fi、LoRaWAN、蓝牙等)。例如,在过去几年中,许多使用公共无线服务的物联网设备已经从支持2G/3G服务转向4G/5G网络以增强连接性。 此外,在过去一年左右
汽车制造商已转向智能制造技术,以更快地将具有更多驾驶员需求功能的汽车推向市场,同时应对更严格的法规和供应链问题。过去,这些技术基本上是独立部署和使用的;现在,人们正在转向更高层次的智能工厂战略。 特别是,业界应该对无缝集成人工智能、物联网和自动化的超连接生产环境产生更多兴趣。这样的智能工厂不再只是一个愿望,而是一个愿景。它们是竞争的必需品。 2025 年智能工厂有哪些新变化? 人工智能驱动的决策、实时物联网监控和自主机器人技术的结合有望重新定义制造效率、降低成本和产品质量。 将对行业产生重大影响的一些变化包括: 人工智能驱动的预测制造: 人工智能在预测性维护和需求预测方面取得了重大进展
链接到部署和扩展工业人工智能的最佳实践 部署和扩展工业人工智能的最佳实践 人工智能 (AI) 正在改变工业运营,帮助组织优化工作流程、减少停机时间并提高生产力。不同的垂直行业以独特的方式利用人工智能。 链接至汽车智能制造 汽车智能制造 利用下一代设计和开发工具引领自动驾驶、电动、共享移动和连接方面的交通革命。 链接到数据管道自动化中心 数据管道自动化中心 随着企业变得数据驱动并更加依赖分析来运营,在正确的时间向正确的数据用户提供高质量、可信的数据至关重要。 链接到自动化集成中心 自动化集成中心 自动化集成的目标是使单独构建的应用程序和系统能够轻松共享
随着物联网和边缘计算的普及,企业,尤其是制造商和技术提供商,开始转变其业务模式,在最初销售很久之后就从服务提供、软件补丁或预测性和预防性维护服务中获取收入。 然而,公司还添加了条款,规定他们是这些补丁或服务的独家提供商。现在,来自市场的阻力以及政府法规正在改变这些限制,有可能开辟更具竞争力的售后服务。 Jan Recker 和 Gerald C. Kane 在《麻省理工学院斯隆管理评论》上撰文称,“近年来,软件产品供应商越来越多地对其产品使用数字控制,以获取额外的售后价值”。通常,公司会“要求订阅以保持设备正常运行,或者远程限制所有者在产品损坏时修复产品的能力。” 雷克和凯恩写道,尽管顾
在当今数据驱动的世界中,制造商正在寻求更快、更智能的方法来提高运营效率、确保安全并做出实时决策。帮助他们实现这些目标的最有前途的工具之一是实时视觉智能。但是,构建一个能够实时从实时视频流和传感器数据中提供可操作见解的系统需要一个由多个集成组件组成的复杂、精心编排的架构。 为此,任何视觉智能系统的第一层都是数据采集。这从观察系统开始——在整个设施中战略性地放置摄像机和传感器,以实时捕获丰富的真实数据。这些设备监控物理空间、机械、人员和产品,以生成连续的视觉和环境信息流。 先进的 IP 摄像机现在可以捕获高分辨率视频流,并且在配备内置人工智能时,甚至可以在将数据传递到下游之前执行运动检测或基本
在体育用品行业,创新是品牌胜负的战场。消费者需要更加创新、个性化和可持续的产品,促使制造商重新思考产品生命周期的每个阶段。 如何才能实现这一目标?答案在于创新技术推动的数字化转型,包括模拟、物联网和人工智能驱动的分析。这些力量正在增强产品设计和制造。他们正在从根本上重塑品牌与客户的联系以及在快速发展的市场中竞争的方式。在这个新时代,那些拥抱智能、灵活性和可持续性的人将定义体育的未来。 这一转型的最前沿是需要工具和平台,使制造商能够将智能、灵活性和可持续性集成到其运营中。从智能设备提供的实时性能洞察到优化产品设计的数字孪生,体育用品品牌利用这些技术来保持敏捷、创新和竞争力。 体育用品制造的数
物联网技术