"De vier belangrijkste onderdelen van elk IIoT-systeem zijn slimme bedrijfsmiddelen, datacommunicatie-infrastructuur, analyse en toepassingen om de gegevens te interpreteren en erop te reageren, en mensen.
Slimme bedrijfsmiddelen omvatten machines of andere bedrijfsmiddelen met sensoren, processoren, geheugen en communicatiemogelijkheden. In sommige gevallen kunnen deze bedrijfsmiddelen geassocieerde virtuele entiteiten hebben of software-gedefinieerde configuratie en prestaties ondersteunen; slimme bedrijfsmiddelen genereren meer gegevens en delen informatie in de waardeketen; sommige slimme bedrijfsmiddelen zullen uiteindelijk zelfbewust zijn of autonoom werken. Via het internet zal datacommunicatie tussen deze bedrijfsmiddelen en andere entiteiten vaak gebruik maken van netwerktechnologieën zoals LTE, draadloze ZigBee-netwerken, IEEE 802.15-4 en cloud-gebaseerde computerinfrastructuur waarvan de opslag kan voldoen aan de behoefte aan grote hoeveelheden gegevens. Krachtige analyses en aanverwante software zullen de optimalisatie van zowel activa als systemen verbeteren. Voorspellende analyses zullen worden ingezet om ongeplande uitvaltijd te verminderen. De nieuwste beschikbare informatie die door deze tools wordt gegenereerd, zal leiden tot nieuwe toepassingen die nieuwe, transformatieve bedrijfsmodellen ondersteunen. Bedrijven zullen niet langer fysieke producten te koop aanbieden, maar steeds meer producten "als dienst". Mensen zullen participeren door toegang tot meer gegevens, betere analytische hulpmiddelen en betere informatie, en zullen steeds vaker beslissingen nemen op basis van de analyse die deze hulpmiddelen genereren. Kwantitatieve besluitvorming zal steeds gebruikelijker worden en "slimme" informatie zal beschikbaar zijn waar en wanneer mensen die nodig hebben. Maar mensen zullen ook steeds beter verbonden zijn met elkaar en met machines en systemen via sociale en mobiele tools en toepassingen. "
Het is duidelijk dat mensen het belangrijkste onderdeel zijn van de vier onderdelen van het IIoT-systeem:
Slimme Activa: De hoeveelheid gegevens die we tegenwoordig krijgen van sensoren, motoren, instrumenten, enz. is groter dan de hoeveelheid gegevens die we genereerden toen ik ze 20 jaar geleden begon te gebruiken. We moeten leren hoe we al deze gegevens kunnen benutten, nuttige informatie kunnen vinden en de verkregen intelligentie kunnen gebruiken om onze resultaten te verbeteren.
Gegevensinfrastructuur: Nog maar tien jaar geleden was het in veel industrieën ongebruikelijk om PLC's of andere besturingssystemen in een netwerk op te nemen. Vandaag de dag is dat niet langer het geval, dus we moeten allemaal voorbereid zijn op de stortvloed aan gegevens die voortkomt uit slimme bedrijfsmiddelen.
Analyse: Dit is waar gegevens in kennis veranderen. Ik geloof dat analytics en de toepassingen ervan een revolutie teweeg zullen brengen in de productie, en degenen die analytics niet omarmen zullen achterblijven. Zoals ik al eerder zei, is context de sleutel tot gegevens en analyse vereist zeker context om effectief te zijn. Maar alleen mensen weten welke context cruciaal is om analyses mogelijk en nuttig te maken. Analyse creëert zichzelf niet, mensen creëren het.
Mensen: Dit is de meest kritieke component van allemaal. Zelfs met de opkomst van machine learning en cloud-gebaseerde predictive analytics pakketten met machine learning content, zoals Microsoft Azure Machine Learning, IPLeanware's Braincube, etc., moeten mensen nog steeds de data volledig begrijpen om de algoritmes voor bovenstaande tools te schrijven. Mensen moeten nog steeds uitzoeken welke statistieken de grootste impact hebben op het bedrijf. Mensen moeten de gegevens nog steeds vormgeven om betekenis te krijgen uit de tools.
Men moet ook de problemen aanpakken die de bovenstaande hulpmiddelen laten zien. Wat we bijvoorbeeld nodig hebben is geen software die het probleem oplost, maar mensen die de "waaromvraag" stellen. Wie had er een paar jaar geleden nog gehoord van de term "data scientist" in de productie- of nutssector? Datawetenschap bestaat al heel lang, maar in de afgelopen vijf jaar is de hoeveelheid werk op dit gebied geëxplodeerd, in sectoren die zoiets nog nooit hadden overwogen. Gegevenswetenschappers werken aan problemen die een paar jaar geleden nog niet bestonden. Mensen zijn ook de meest kritieke component van IIoT.
De juiste probleemoplossers met de juiste gegevens kan een magische combinatie zijn, en veel organisaties zijn zo gefocust op de eerste drie componenten (intelligente middelen, gegevensinfrastructuur en vooral analyse) dat ze de vierde, en de belangrijkste component - mensen - minimaliseren. Een andere aanname die sommige organisaties maken is dat als dezelfde gegevens of informatie voor meerdere mensen wordt gezet, elke persoon theoretisch dezelfde impact kan hebben op de organisatie met wat ze zien. Op basis van hun interpretatie van informatie, vaardigheden en ervaring is dit echter onjuist. Wij doen deze aannames niet - we weten dat de juiste informatie op het juiste moment voor de juiste persoon krijgen het verschil kan maken.
Trefwoorden in dit artikel: Terminal voor industriële Ethernet-gegevensoverdracht
Dutch 
English 
Russian 
German 
Spanish 
Italian 
Portuguese 
French