到2026年,制造商将在数据管理和分析上花费198亿美元
强大的数据收集流程和复杂的分析工具将为机械健康和生产线优化提供关键见解。
最新消息
奥比斯宣布领导层变动 SMC3小组成员讨论了经济衰退的可能性 伯克希尔葛瑞和轨迹机器人合作实现跨平台机器人自动化 ALAN介绍了后勤工作,重点是改善获得灾难援助的途径 AAR报告称,截至1月21日的一周,美国铁路货运量和多式联运货运量好坏参半 更多新闻最新的资源
单承运人vs.多承运人运输策略下载白皮书,了解使用易捷邮政进行多家运送服务的好处。所有的资源
ABI研究公司据预测,到2026年,制造商和工业公司将在数据管理、数据分析和相关专业服务上花费198亿美元。
报告的作者指出,制造工厂每天都会产生大量的数据,并补充说,传统上,数据被记录在纸上或在电子表格中进行分析。然而,如今数据可以通过传感器自动收集,并使用远远超过电子表格功能的工具进行分析。
“对于许多制造商来说,他们意识到运营决策需要基于经验证据而不是猜测。挑战不一定是捕获和分析数据,而是首先要分析什么。迈克尔·拉恩r, ABI Research首席分析师。“研究结果需要对运营产生有意义的影响,因此制造商需要退后一步,制定精确的目标。”
拉纳补充说,制造商应该与供应商合作,帮助他们确定活动的优先顺序并制定项目。例如,增加产量、减少浪费、提高质量,还是充分了解一台机器是否需要维修?预测性维护对于避免停机和提高工厂车间的安全性至关重要。与此同时,视频检测软件比人眼更准确地捕捉到缺陷。
随着用例的扩展,供应商生态系统也在发展以满足它们。例如,Bright Wolf、InVMA和deploy Solutions结合技术和咨询专业知识,帮助各自的客户从业务角度理解数字化转型。Davra致力于确保制造商使用干净的数据,Relimetrics专注于视频检查,Altair专注于支持数字孪生的分析能力,Senseye专注于预测性维护。
人工智能(AI)和机器学习的进步意味着供应商不仅可以报告数据,还可以预测结果并提出建议。行动的方向产生了令人信服的主张,并且当与数据可视化平台结合时,将数据嵌入到许多不同的角色中。无代码/低代码平台的出现使得员工不必是数据科学家就可以在他们的角色中利用分析。
“虽然制造商已经花了几十年的时间来完善他们的物理生产线,但今天他们需要花时间来优化收集和分析数据的流程。但是不应该仅仅为了数据而收集数据,”Larner总结道。
这些发现来自ABI Research工业应用中的数据管理应用分析报告。这份报告是公司的工业与制造业研究服务,包括研究,数据和ABI见解。基于广泛的主要访谈,应用分析报告对特定应用程序的关键市场趋势和因素进行了深入分析,这些趋势和因素可能侧重于单个市场或地理位置。
文章主题
LM对2023年运价展望的看法:托运人会得到喘息吗? 全球劳动力价格:中国不再是一个低成本国家 从这一期查看更多信息