IIoTと予測分析
インダストリアルインターネットオブシングス、インダストリー4.0、デジタルファクトリーなどは、すべてのマーケティングエグゼクティブが使用するのが好きな流行語です。しかし、今日のそれらの広範な採用により、それらは適用可能なテクノロジーになり、製造業者はより高い生産性という普遍的な目標を達成することができます。
それは最初からデータに関するものでした。植物の床はリックです 
hすべての側面のデータ。それをキャプチャするだけの問題です。米国の製造業者のほぼ3％が、運用データを利用して有益な情報を抽出していることがわかっています。 IIoTの切り替えを成功させるには、企業は目標とそれを成功に導くための人材の利用可能性について明確にする必要があります。
トップダウン方式で分類された目標が最も合理的であり、チームがモジュール式に上がることができます。さらに、IIoTはさまざまな機能の組み合わせであるため、学際的な一貫性を可能にする作業関係を形成することが重要です。連携するリソースの例としては、プラントエンジニア、技術者、SI、そしてもちろん管理者があります。
予測分析はIIoTの重要な側面であり、それがなければ、切り替えの目的全体が無効になります。これにより、データのチャンクを利用し、インテリジェンスを真の精神で実現できます。一言で言えば、予測分析には、プロセスの品質と需要予測の改善が含まれ、どちらも組織の生産性の向上を可能にします。ただし、デジタルファクトリーでは、その役割ははるかに広範囲であり、機械の稼働時間や機器の強制的な障害の防止などの分野にまで及びます。
工場フロア全体に広がるセンサーから収集されたリアルタイムデータを処理することにより、予測分析は、実際に故障する前に、故障しやすい機械についての洞察をオペレーターに提供することができます。これにより、オペレーターは、工場全体の混乱を引き起こすのではなく、アイドル時間中に修理をスケジュールすることができます。
収集されるデータの量が増えると、自動化の範囲も増え、手動プロセスのインテリジェンスを高めることができます。たとえば、システムを調整して、障害が近づいた場合にマシンの動作を自動的に遅くしたり、寿命を延ばすことができるしきい値を設定したりできます。
同様に、データのアップストリームにより、オペレーターは根本原因分析をより正確に実行できるようになり、特定のエラーが再発する可能性が低くなります。
これらのメリットはすべて理論的なものではありませんが、実際には世界中の組織によって享受されています。たとえば、American Electric Power（AEP）での予測分析の使用により、故障前にガスタービンの修理を行うことができました。早期の警告により、タービンが完全に故障したために費やされたであろう1,900万ドルが節約されました。
自動制御システム