Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Industrial Internet of Things >> Интернет вещей

Использование IoT и LPWAN для трансформации сбора данных в торгово-промышленных секторах

Использование IoT и LPWAN для трансформации сбора данных в торгово-промышленных секторах

Факри Садех, вице-президент сетевой технологии, стратегии и развития в Sigfox USA, объясняет, как Индустриальный Интернет вещей (IoT) может наконец сломить долгостоящий bottleneck сбора данных в торговых секторах вроде рыболовства, фермерства и морских исследований.

Декадами эти индустрии полагались на ручной сэмплинг — подход, который дорог, labor-intensive и склонен к человеческим ошибкам. С приходом Low Power Wide Area Network (LPWAN) технологии, однако, бизнес теперь может развертывать сенсоры, которые автоматически собирают и передают критические данные через огромные, удаленные области за долю стоимости традиционных cellular или satellite линков.

Новый рассвет для IoT в торгово-промышленных секторах

Дальнодоступное покрытие LPWAN — расширяющееся до 20 миль offshore — делает возможным коннектить устройства в удаленных полях, глубоких водах и других hard-to-reach локациях. В отличие от конвенциональных cellular сетей, LPWAN может проникать большие расстояния и сложные terrains, позволяя даже самым изолированным операциям задействовать real-time данные стримы.

Например, Gloucester Innovation, technology-driven solutions провайдер, нуждался в надежном способе мониторинга океанического здоровья вокруг массачусетских shellfish beds. Прикрепляя LPWAN-внедренные сенсоры к лобстерным трапам, команда собирает ежедневные измерения pH, глубины, температуры и контаминантов. Когда лобстермены поднимают трапы, сенсоры транслируют concise данные пакеты в облачный сервис, энабляя near real-time анализ без нарушения рутинного сбора.

«Использование Sigfox USA LPWAN технологии доказало feasibility океанического дна data harvesting в реальном времени», — говорит Рик Аптон, основатель Gloucester Innovation. «Ее стоимоэффективность и легкость масштабирования до тысяч сенсоров дают локальным Blue Economy стейкхолдерам беспрецедентную видимость в меняющиеся океанические условия, в конечном счете улучшая операции и устойчивость».

LPWAN также снижает затраты развертывания. Сателлитные сенсоры могут стоить hundreds of thousands долларов, в то время как LPWAN единицы передают только когда данные доступны, резая maintenance и replacement расходы.

От притока данных к действенным инсайтам

С данными текущими быстрее и надежнее чем когда-либо, торгово-промышленные секторы должны эволюционировать свои аналитические практики. Традиционный ручной анализ становится непрактичным на объемах, генерируемых IoT сетями. Data mining — автоматизированное открытие паттернов — предлагает scalable решение. Кластеризируя и классифицируя входящие сенсорные данные, бизнес может раскрыть скрытые тренды, предсказать оборудовательные фейлы и оптимизировать использование ресурсов.

По мере роста объема данных, точность mining алгоритмов улучшается, превращая raw numbers в стратегический интеллект, на который можно действовать в реальном времени.

Автор: Факри Садех, VP Network Technology, Strategy and Development, Sigfox USA.

Интернет вещей

  1. Подготовка производственных операций к ИИ с помощью IoT
  2. Как ИИ, Data Science и Machine Learning движут next-gen веб-дизайн
  3. Цифровые двойники: раскрытие интеллектуального Edge IoT в производстве — Часть 2
  4. Отрасли, лидирующие в IoT-революции — почему они побеждают
  5. Прибыльность в IoT: выравнивание с клиентами для драйва роста
  6. Использование IoT для HVAC Big Data: оптимизация энергии, комфорта и качества воздуха — Часть 2
  7. Готово ли ваше производство к IoT? Практическое руководство
  8. Как IoT усиливает детей с РАС учиться, играть и процветать
  9. Как IoT движет промышленной эффективностью и экономической устойчивостью в пост-COVID мире
  10. Использование IoT-данных для производственного совершенства