消费物联网与工业物联网之间存在着一些重要的差别。首先,其价值不同:工业物联网在接下来的十年内将产生相较于消费物联网两倍的回报。其次,规模不同:如果你认为移动互联网规模已足够大,想象一下到2020年,光是电力行业就会有70亿个已连接设备。第三,数据差异。你多久发一次Twitter?一天发几次Twitter?而风力电场每隔10秒就产生一次数据,发电厂每天产生数TB的数据。同样地,喷气式发动机,火车,石油钻井平台以及更多的类似的电力机器也是如此。
工业物联网的风险也更高。你可能会容忍你的Fitbit(智能手环)少计算了几步,或(Uber)优步驾驶员偶尔多扣您的费用,但如果您的应用程序和MRI(核磁共振)扫描仪在脑部扫描过程中遇到通信故障,您感觉如何?
所以,工业物联网的风险的确很高,但潜在的回报也是如此。根据世界经济论坛的估计,以全球4万亿美元的电力行业为例,未来10年内可通过数字化发电、送电以及商业消费的流程创造1.3万亿美元的经济价值。
电力行业也有很强的改革动力。可再生能源的迅速崛起,分布式发电(例如屋顶太阳能)的增长,能源存储和电动汽车的出现以及扁平的消费者需求 - 这些趋势正在颠覆传统公用事业的商业模式。公用事业迫切需要来自数据的洞察,这将有助于在面临剧烈的市场波动时提高运营的可靠性,生产力和盈利能力。
在能源行业之外,企业可能会面临许多不同的挑战。然而,能源行业和其他大多数资产密集型行业之间有着较高的相似之处。无论企业制造或管理的机器与系统如何,可靠性都显得尤为重要,也应该如此!提高可靠性是工业物联网最重要的价值创造之一。请记住那个电力行业的例子,这1.3万亿美元的价值潜力中几乎三分之一(准确地说是3870亿美元)的价值将来自于排除机器的意外停机。
机会以某种方式被联系起来,已经成为了最重要的商业资产。我们自己的许多机器已经生成了十多年的数据。但是,机器生成的绝大部分数据直到今天都没有被利用起来,我们电力行业的客户仅使用了已生成数据的2%。
利用机器和数字资产的价值,意味着利用先进的分析技术来监控,优化和最终预测那些可能导致停机且额外花费的事件。传递此类价值的软件类别通常称为资产绩效管理,其功效主要取决于相关的分析目录,但在能源行业中,公司已经能够预测并防止75%的机器故障发生,这就是将高级分析应用于工业机器的时间序列数据的力量。
然而,工业物联网不仅仅体现为数字资产的可靠性。试想一下,假如你的车载电脑提醒你需要进行汽车保养,但却没有告诉你何时燃油不足,或者你的驾驶习惯是否使得燃油效率降至5 MPG(英里/加仑),又或者说:连接整个系统比连接其中的某一部分或简单地监视其某个性能更有价值。
有效地实现工业物联网的货币化,意味着应当考虑机器如何设置,以及如何使用数据来优化影响整体性能的变量。
对于大多数电力生产商来说,燃料成本意义非常重大。美国85%的电力仍来自不可再生能源,燃料成本可高达工厂总运营成本的80%。利用分析来了解哪些变量会影响燃料消耗 - 以及它们如何影响消费 - 在这个行业中是非常有价值的。而且你的行业也可能会这样。许多工业生产过程都会带来巨大的原材料成本,并且基于这些材料优化消费和产量的能力将成为竞争优势的来源。在能源行业,燃料的有效利用不仅影响成本,还影响排放,并通过将实时输出数据与能源市场联系起来,影响整体业务盈利能力。
真正的数字化不仅仅是连接资产及其运营环境。它包含了管理这些资产的人力成本。让我暂时回到停电状态。由于传输和分配问题,每年大约有8%的电力无法送达客户,30%至40%的停电是由于倒塌的树木压在电线上所造成的。那么,为什么需要较长时间才能恢复供电?你的电力供应商必须找到正确的故障地点!想象一下若使用传感器数据,就能够在合适的时间将正确的工作人员安排在正确的位置,以防止或减轻数百万人的停电事故。这就是我们所说的“数字产业工人”的价值主张。
安排计划仅仅只是我们所看到的一部分。当我们想到数字工作者时,我们的意思是将他们与数据以及他们所需要的工具联系起来,以保持安全,更高效地工作并为他们的机构带来更多价值。也可以连接无人机和其他设备,以便进行远程检查,以防止不必要的危险工作条件。这实际上是当今工业数字化的最前沿。
通过数字化资产,其设置以及对其运营至关重要的人员和流程来创建巨大的价值。然而,工业物联网中的涅磐很可能出现在通过多元化关联运营而成为可能的全新商业模式中。
例如,数字化电力行业的最大价值可能在于如何让新一代的智能城市和社区出现。没有一个能够应对于处理电动汽车大量涌入以及同时减少商业能源消耗的问题,正如纽约州正在努力实现的电动化运输和商业建筑能源管理系统一样,若没有一个动态响应的电子化系统,将不可能实现。只有软件才能为这个具有百年历史的行业带来这种灵活性。
也许你所在的行业也是如此。如果你完全数字化你的运营,你可以解决哪些客户的问题呢?
所有物联网议程网络贡献者均对其帖子的内容和准确性负责。对作者的意见并不一定表达物联网议程的想法。