Internet of Things (IoT) har masser af flotte, sjove anvendelsesmuligheder, fra forbundet biler til produkter, at opdatere sig selv via software opdateringer. Men den reelle handling i IoT er der sker bag kulisserne, støtte hardcore fremstilling og industrielle maskiner og systemer, som engine sensorer, forebyggende vedligeholdelse, og tid-serie analyse af controllere. Industri-IoT er som industriel styrke, som det lyder.
Foto: Joe McKendrick
Den industrielle tingenes internet er en stor, kompleks skibet til at lancere, og tingene kan bevæge sig langsommere som forventet. En nylig undersøgelse af 600 high-tech ledere af Michael Schallehn og Christopher Schorling, både med Bain & Company. De Bain undersøgelse fandt, at industrielle kunder, der var mindre begejstret om potentialet i intelligent vedligeholdelse i 2018, end de var for to år tidligere. “Samtaler med mange kunder afsløre at gennemføre forebyggende vedligeholdelse løsninger, har været vanskeligere end forventet, og det har vist sig mere udfordrende at udtrække værdifuld indsigt fra de data, Schallehn og Schorling stat. Problemet har været at integrere en sådan kapacitet i eksisterende operationelle teknologi, med alle dens forskellige mærker, mærker, standarder og protokoller.
Stadig nogle industri insidere siger, Industri-IoT er en proving ground, der i sidste ende vender op og ned på rygraden af producenten økonomi. Bernd Brutto, CTO af Software AG og grundlægger af Cumulocity, for en, siger, at hvis der er noget, Industriel IoT vedtagelse har været stigende. I en samtale på de seneste Ti World begivenhed i Santa Clara, Californien, Grov siger kunstig intelligens og maskinindlæring er at ændre spil for producenter og ud, især med kunstig intelligens og maskinindlæring at blive sprøjtet ind i ligningen. Der er konsekvenser for virksomhedens software systemer.
Væksten i den Industrielle IoT ud til at være langsommere end forudsigelser, fordi teknologien er stadig i sin vorden, fortsætter han. “Vi er kun ved begyndelsen. De fleste projekter er bevis for begreber, piloter, og ikke kommercielle installationer. Folk taler en masse om predictive analytics, men i virkeligheden er den kommercielle installationer er lige begyndt at ske nu.” For eksempel, Grov illustrerer, sensorer, der nu link til AI-baserede systemer, der overvåger paint-brush strokes inden for bilproduktion planter. Mens en person kan være i stand til at spotte 95% af fejl i anvendelsen af maling til bil organer, kan det tage tid, før problemet er identificeret og rettet. En AI-styrede tingenes internet system kan endda forudsige forestående problemer, siger han.
En af de udfordringer, der er skalering IoT ud over disse beviser af begrebet. “Skalering Er meget vanskeligt, fordi det altid er meget specifikke for en maskine eller en proces, og selv for den samme maskine,” siger Brutto. “Intelligent vedligeholdelse i en fabrik, der kunne se anderledes fra enhver anden fabrik.” En række lag har bygget op inden for fremstillings-miljøer, udgør, hvad Brutto kalder en “traditionel fremstilling pyramide” – med i/O-systemer, sensorer, programmerbare logiske controllere, SCADA, MES, manufacturing execution systemer og ERP-på toppen.”
Dette er et miljø, der er moden til konsolidering, med fremkomsten af cloud-og edge-design reducerer kompleksiteten af fremstillings-pyramide. Især “ERP-on-top”, hvor Grov ser forstyrrende forandring i horisonten. Se, hvordan customer relationship management (CRM) rum har ændret sig i løbet af det seneste årti som et tegn på, siger han. “For ti år siden, CRM, der bruges til at være en del af ERP — noget, som de fleste mennesker glemmer. Nu, cloud-baserede CRM vokser meget hurtigere end ERP. Det var første gang, et cloud-miljø, der var til at spise op kapaciteter af ERP. Cloud-programmer, der er langt mere innovative, mere bruger venligt, og meget mere integreret end ERP. Du har massive innovationer, der kommer fra cloud anvendelse leverandører, og de spiser op og ERP.”
Dette er kun for at forbedre virksomhedens reaktionsevne og tilpasningsevne, Grov fortsætter. “Cloud er bare nemmere, mere intuitivt og hurtigere at bruge for medarbejdere, brugere eller samarbejdspartnere. For eksempel, at integrere en cloud-applikation til et ERP eller enterprise application kan i dag gøres med en bruger-interface. For fem år siden, meget store integrationsprojekter var påkrævet. Nemt en million kroner på investeringen, før du fik nogen integration sker.”
Men Grov ikke anbefaler at sætte alle systemer og data i skyen. Snarere, han ser potentiale med kant computing, hvor behandlingen er fordelt over hele spektret, fra midten til enhederne selv. Kant er ved at blive meget, meget vigtigt, fordi en masse af use cases kan ikke kun stole på cloud, især det industrielle område.
Edge design er nøglen, som det fungerer autonomt. “Hvis forbindelsen ikke er der, at systemet stadig har til at arbejde, .fordi for real-time analytics, kan du ikke bare stole på en internet-forbindelse,” Grov forklarer. Så, der er aggregering af data krav. “Når der er så meget data der kommer ind, giver det ikke mening at skubbe alle, at i skyen,” siger han. “Du vil have til at samle data, men ikke alle data punkt.”
Endelig kant computing giver mening, da det hjælper med at overvinde latency problemer, der er forbundet med cloud. Mange applikationer, især i industrielle miljøer, kræver millisekund responstid, noget, der ikke kan sikres med skyen, siger han.
(Disclosure: jeg var en gæst på Software AG på IoT Verden, der er nævnt i dette indlæg.)
Relaterede Emner:
Cloud
Digital Transformation
Big Data Analytics
CXO
Innovation