Rockwell Automation: Pionier bei Remote Monitoring & Cloud Analytics

Marc Baret, Director, EMEA Industrial Services, Rockwell Automation, diskutiert die Zukunft der Automatisierung für Remote Monitoring und Cloud Analytics.

Automatisierung verändert rasant die Jobs, die wir tun, die Orte, an denen wir arbeiten, und sogar, wie wir Arbeit definieren. Forrester hat vorhergesagt, dass 2020 allein eine Million Knowledge-Work-Jobs durch Chatbots, Software-Robotik, RPA und virtuelle Agenten ersetzt werden. Das mag wie eine bedrohliche Vorwarnung klingen, aber der Bericht schätzt auch, dass 331.500 Jobs allein in den US-Arbeitsmärkten hinzukommen, angehoben durch Rollen, die Empathie, Intuition und mentale sowie physische Agilität erfordern.

Mit zunehmender Automatisierungsadoption wird dies Konnektivität und Zuverlässigkeit stärken und Unternehmen helfen, Daten, Systeme und Prozesse zugänglicher und verfügbarer zu machen. Viele Fertigungsunternehmen finden jedoch, dass ihr Weg zur Automatisierung und digitalen Transformationsstrategien durch Produktivitätsniveaus und das gleichzeitige Risiko von Ausfallzeiten verlangsamt wird.

Dies anzugehen ist durch Tools wie Predictive Analytics und Wartung möglich, die als virtuelle Erweiterung ihrer Teams fungieren. Die erfolgreiche Implementierung dieser Technologien erfordert jedoch zusätzliche externe Expertise. Um dies weiter zu erforschen, sind hier die fünf Hauptfallen, denen Unternehmen bei der Annäherung an digitale Transformation begegnen, und Vorschläge, wie man ihnen begegnet.

Falle #1: Cybersicherheitsrisiken

Sicherheitsverletzungen machen weiterhin große Schlagzeilen aufgrund der schwerwiegenden Auswirkungen, die sie auf Unternehmen haben können. Ein Verstoß riskiert nicht nur den Verlust sensibler Informationen, sondern auch Störungen, Ausfallzeiten und Leistungsprobleme sowie schwerwiegende Reputationsschäden. Dies unterstreicht die Wichtigkeit für Unternehmen, ihre Datenmanagementprozesse zu verbessern und in ihre IT-Infrastruktur zu investieren.

Predictive-Maintenance-Support kann Herstellern helfen, solche Probleme zu vermeiden, indem er automatisch auf ungewöhnliche Muster überwacht und potenzielle Anzeichen von Datendiebstahl oder Netzwerkeinbruch sofort identifiziert. Sie erfordern auch einen umfassenden Sicherheitsansatz, der Richtlinien und Verfahren umfasst und Schutzschichten um Menschen, Prozesse und Technologierisiken bietet.

Falle #2: Zu viele Daten

Unternehmen generieren riesige Datenmengen, die, wenn sie richtig genutzt werden, ein immens wertvoller Vermögenswert sein können. Viele Fertigungsorganisationen wissen jedoch nicht, wie sie ihre Daten optimal nutzen und optimieren dadurch weder ihre Workflows noch Produktionsprozesse so, dass sie die besten Erkenntnisse und Ergebnisse gewinnen.

In der Lage zu sein, massive Datenmengen zu verstehen, ist der Schlüssel zur Lösung der größten Herausforderungen, denen Organisationen gegenüberstehen. Aber die dafür erforderlichen Fähigkeiten und Kapazitäten sind selten Teil der Kernkompetenzen eines Unternehmens. Es ist daher wichtig, mit einem vertrauenswürdigen Datenexperten zusammenzuarbeiten, der die richtigen Informationen sammeln, speichern und so präsentieren kann, dass sie die effektivsten Geschäftsentscheidungen ermöglichen.

Falle #3: Schlechtes Datenmanagement

Unternehmen häufen mehr Daten an als je zuvor, aber einfach große Datenmengen zu haben, reicht nicht aus. Sie brauchen Tools, die ihnen helfen, ihre Daten besser zu nutzen und die Informationen zu verstehen, die sie haben.

Der wahre Wert der Automatisierung liegt im IP, das Unternehmen über ihre Kunden, Prozesse und Produktdesigns halten. Die Nutzung von KI und Machine Learning ermöglicht es ihnen, riesige Informationsmengen zu analysieren, Hypothesen aufzustellen und signifikante Datenmuster zu erstellen und Lernmodelle zu trainieren, um das Unbekannte zu entdecken. Darüber hinaus werden Datenteams in der Lage sein, mehr Use Cases in deutlich reduzierter Zeit zu testen, was ihnen hilft, große Fortschritte im Verständnis ihrer Daten zu machen.

Das Potenzial dieser KI-Fortschritte wird durch McKinsey-Analysen hervorgehoben, die ergaben, dass die fortschrittlichsten Deep-Learning-Techniken bis zu 5,8 Billionen US-Dollar an jährlichem Wert ausmachen könnten. In zwei Dritteln der 400 getesteten Use Cases verbesserte KI die Leistung über das hinaus, was durch andere Analysetechniken möglich war. Ohne diese Fähigkeit, riesige Datenmengen von mehreren Plattformen zu sammeln und effektiv zu nutzen, werden Hersteller weiterhin Schwierigkeiten haben, effektive Schlussfolgerungen über Änderungen und Produktivität in ihren Werken zu ziehen.

Falle #4: Nicht Schritt halten mit dem Technologietempo

Die Menge an Buzzwords rund um digitale Transformation kann oft überwältigend und sogar ärgerlich für Unternehmen sein, die einfach wollen, dass Technologie funktioniert. Viele Anbieter fordern auch enorme Vorabinvestitionen, was eine abschreckende Aussicht sein kann und Unternehmen abschrecken kann, wenn ein Projekt nicht funktioniert. Darüber hinaus kann die Bindung an einen Anbieter oder eine Bereitstellung dazu führen, dass Unternehmen von ihren Wettbewerbern abgehängt werden.

Es ist daher wichtig, mit Anbietern zusammenzuarbeiten, die vor jeder Bereitstellung, die einen großen technologischen Wandel darstellt, einen Pilot- oder Prototypen anbieten. Dies wird eine schrittweise Vision davon liefern, wie der Prozess funktionieren wird, Meilensteine setzen und dem Unternehmen helfen zu verstehen, wie es funktionieren wird und wie der erwartete ROI aussieht. Vertrauenswürdige Technologiepartner müssen Erweiterungen eines Teams sein, wenn sie Unternehmen helfen sollen, ihre Ziele und KPIs zu erreichen.

Falle #5: Fehlende Expertise

Selbst mit den richtigen Automatisierungstechnologien an Ort und Stelle benötigen Unternehmen oft noch externe Unterstützung von Menschen mit entsprechender Erfahrung und Expertise. Dies kann jetzt durch den Einsatz von Augmented Reality erreicht werden, um Remote-Application-Support bereitzustellen und Informationen für Ingenieure zu überlagern.

Wie bei jeder Technologiebereitstellung muss sie zur Kultur des Unternehmens passen und das Beste für ihre spezifischen Bedürfnisse tun. Unternehmen, die langsam sind, bei diesen Arten aufkommender Technologien zu handeln, laufen jedoch das reale Risiko, zurückgelassen zu werden.

Die Zukunft der Automatisierung annehmen

Die Bewältigung der zentralen Herausforderungen besserer Produktivität und reduzierter Ausfallzeiten ist mit den richtigen Technologiepraktiken und dem richtigen Technologiepartner möglich. Indem sie die oben genannten häufigen Fallen verstehen, können Fertigungsunternehmen ihren Weg in die Zukunft der Automatisierung besser navigieren. Digitalisierung ist jedoch nichts, das sie allein erreichen können.

AUCH INTERESSANT:

• C3.ai: Lieferung führender Enterprise-KI-Software

• AWS: Intelligenteres Fertigen mit Cloud- und IoT-Technologie

• Wie smarte Technologie die industrielle Welt transformiert

• Lesen Sie die neueste Ausgabe von Manufacturing Global hier

Für weitere Informationen zu Fertigungsthemen – werfen Sie einen Blick auf die neueste Ausgabe von Manufacturing Global.

Folgen Sie uns auf LinkedIn und Twitter.