IOT et industrie : Top IoT industriel pour les rapports de recherche sur la maintenance prédictive

Vous avez besoin d'aide pour élaborer une analyse de rentabilisation pour investir dans le logiciel de maintenance prédictive IIoT?

Alors que de plus en plus d'installations industrielles recherchent des solutions pour le logiciel de maintenance prédictive IIoT, beaucoup se tournent vers les rapports d'analystes accessibles au public.Cet article de blog résume les rapports d'analystes les plus importants, fournit les faits saillants en termes de données et de résultats clés et évalue l'utilité des rapports. Nous avons inclus des statistiques pertinentes que l'on peut utiliser pour construire l'analyse de rentabilisation du logiciel de maintenance prédictive IIoT ou d'autres solutions de l'industrie 4.0.

Veuillez noter que notre analyse s'est concentrée sur PdM4.0 / IIoT pour la maintenance prédictive. D'autres parties des rapports de recherche qui ne sont pas liées à ce sujet n'ont pas été évaluées.

Industrie 4.0: Construire l'entreprise numérique

PwC

2016

Cette enquête mondiale la plus complète sur l'industrie 4.0, contenant des estimations des dépenses en solutions numériques et des économies de coûts attendues par industrie.

Sujets couverts Une série de prévisions à partir de 2015/2016 sur l'impact de l'industrie 4.0 sur divers aspects, y compris la performance financière, la relation client, etc.
Couverture géographique À l'échelle mondiale
Méthodologie de recherche Enquête auprès de 2000 cadres supérieurs dans 26 pays
Lien vers le rapport https://www.pwc.com/gx/en/industries/industries-4.0/landing-page/industry-4.0-building-your-digital-enterprise-april-2016.pdf
Résumé du rapport Une perspective, rédigée en 2015, indiquant qu'à mesure que l'industrie 4.0 passe du buzz à la réalité, des compétences internes dans de nouveaux domaines sont nécessaires. Le rapport suggère de se concentrer sur les personnes en tant que catalyseurs du changement et de développer des compétences d'analyse des données à l'échelle de l'entreprise.
Statistiques clés • Attentes de réductions de coûts de 421 milliards de dollars et de 493 milliards de dollars par an au cours des cinq prochaines années.
• Réduction des coûts de l'industrie 4.0 pour la fabrication industrielle: 3,6% par an jusqu'en 2020.
• Pourcentage des revenus que les fabricants industriels s'attendaient à consacrer aux solutions d'opérations numériques jusqu'en 2020: 5%.
• Maturité des capacités d'analyse des données (dans tous les secteurs): moyenne – 52%, avancée – 18%, médiocre – 22%.
Évaluation des résultats
Avantages Les inconvénients
Le rapport offre une vue globale de toutes les technologies de l'industrie 4.0 et de leur impact sur plusieurs secteurs. Étant donné que ce rapport date de 2016, les prévisions de données sont quelque peu dépassées.

Pertinence du rapport pour l'analyse de rentabilisation de la maintenance prédictive IIoT

Perspective nouvelle / unique Utilité des données Orientation pratique

Examen des rapports de recherche sur l'industrie 4.0 et la maintenance prédictive IIoT

Maintenance prédictive 4.0: prédire l'imprévisible

PwC Pays-Bas

Juin 2017

Maintenance prédictive 4.0

Le rapport PwC sur la maintenance prédictive donne un aperçu de l'état actuel de PdM4.0 et des plans de déploiement futurs. Ce rapport comprend des conseils pratiques.

Sujets couverts État actuel et état futur de la maintenance prédictive (PdM 4.0) et du Big Data Analytics
Couverture géographique Europe: Belgique, Allemagne et Pays-Bas
Méthodologie de recherche Sondage téléphonique anonyme auprès de 280 personnes; des entretiens approfondis supplémentaires ont également été menés
Lien vers le rapport https://www.pwc.nl/nl/assets/documents/pwc-predictive-maintenance-4-0.pdf
Résumé du rapport • Quatre niveaux de maturité en maintenance prédictive (1 = inspections visuelles, 4 = PdM).
• La maintenance prédictive IIoT est largement acceptée, même si le déploiement est en retard par rapport à la vision stratégique.
• Les entreprises dotées d'actifs similaires ont une maintenance plus prédictive que les entreprises dotées d'actifs uniques.
• Le besoin de gouvernance lors de la création de capacités internes de Big Data. La création de compétences internes nécessite plus que l'embauche de personnes.
Statistiques clés • Objectif principal pour l'adoption du PdM: 47%: Amélioration de la disponibilité, 17%: Réduction des coûts, 16%: Prolongation de la durée de vie des actifs vieillissants, 11%: Réduction des risques pour la sécurité, la santé, l'environnement et la qualité, 8%: Satisfaction accrue des clients , 1% Nouvelle source de revenus: 1%.
• Petite minorité (11%) au niveau 4 / déploiement PdM.
• Environ la moitié des répondants ont des plans pour le déploiement de PdM. La répartition est la suivante: 20%: oui, nous y travaillons; 6%: oui, nous commençons l'année prochaine; 6%: oui, nous commençons dans 3 ans; 17%: oui, pas de date de début; 51%: non.
• Outils (matériels et logiciels) actuellement utilisés pour PdM: MS Excel / Access: 67%; WIFI: 34%; entrepôt de données: 18%; logiciel statistique: 18%; logiciel de surveillance du conditionnement: 40%; nuage: 13%; logiciel de données 33%; réseaux mobiles: 20%; IoT: 14%.
• 27% emploient actuellement des ingénieurs de fiabilité dans la maintenance prédictive et 8% emploient des scientifiques des données.
Évaluation des résultats
Avantages Les inconvénients
• L'utilisation d'exemples d'études de cas fournit un contexte intéressant pour le rapport.
• Le rapport propose une analyse approfondie des problèmes d'organisation et d'infrastructure.
• Exactitude des résultats. Selon le rapport, le PdM 4.0 n'est pas populaire en Allemagne (seulement 2%), alors qu'en Belgique il est populaire (23%). La disparité entre ces estimations soulève des inquiétudes quant à la méthodologie d'échantillonnage.
Pertinence du rapport pour l'analyse de rentabilisation de la maintenance prédictive IIoT
Perspective nouvelle / unique Utilité des données Orientation pratique

Examen des rapports de recherche sur l'industrie 4.0 et la maintenance prédictive IIoT

Notes de la frontière AI: aperçus de centaines de cas d'utilisation

McKinsey & Company

Avril 2018

Examen des rapports de recherche sur l'industrie 4.0 et la maintenance prédictive IIoT

McKinsey & Company fournit un rapport bien documenté sur l'IA, généré à travers une analyse de plus de 400 cas d'utilisation. Le rapport est de nature stratégique, avec peu de conseils pratiques.

Sujets couverts Mappage des techniques d'IA aux types de problèmes, perspectives de
cas d'utilisation, dimensionnement de la valeur potentielle de l'IA, voie de l'impact et de la valeur
Couverture géographique À l'échelle mondiale
Méthodologie de recherche Analyse de plus de 400 cas d'utilisation dans 19 industries et 9 fonctions commerciales
Lien vers le rapport Lien disponible ici
Résumé du rapport • La capacité du Deep Learning à analyser de très grandes quantités de données de grande dimension peut amener la maintenance prédictive à un nouveau niveau. La superposition de données supplémentaires – telles que des données audio et d'image – à partir des réseaux de neurones d'autres capteurs peut améliorer et éventuellement remplacer les méthodes plus traditionnelles.
• La capacité de prévoir les pannes d'équipement peut entraîner une réduction des temps d'arrêt.
• McKinsey prévoit des réductions de coûts et une augmentation des rendements de production.
• La réalisation du plein potentiel de l’IA nécessite une gamme variée de types de données.
• Les systèmes d'IA nécessitent une acquisition de données constante et des rafraîchisseurs de modèle. Un tiers des cas d'utilisation nécessitent des rafraîchissements de modèle au moins une fois par mois. Dans certains cas, des rafraîchissements quotidiens sont nécessaires.
Statistiques clés • La maintenance prédictive a le potentiel de créer de 0,5 à 0,7 billion de dollars en valeur incrémentielle.
• Dans 69% des cas d'utilisation, les réseaux de neurones profonds peuvent améliorer les performances au-delà de celles fournies par les approches analytiques traditionnelles.
Évaluation des résultats
Avantages Les inconvénients
• Le rapport contient une analyse approfondie et offre une perspective sur plusieurs secteurs. • Le rapport ne fournit pas suffisamment d'informations pratiques pour faciliter le déploiement.
Pertinence du rapport pour l'analyse de rentabilisation de la maintenance prédictive IIoT
Perspective nouvelle / unique Utilité des données Orientation pratique

Examen des rapports de recherche sur l'industrie 4.0 et la maintenance prédictive IIoT

Trouver l’Europe dans l’Internet des objets

Bain & Company

2017

Rapport de haut niveau sur les différences d'attitude et les progrès dans le déploiement de l'IoT et des solutions analytiques aux États-Unis et en Europe.

Examen des rapports de recherche sur l'industrie 4.0 et la maintenance prédictive IIoT

Sujets couverts Comment les dirigeants européens et américains perçoivent le potentiel de l'IoT
Couverture géographique Europe et États-Unis
Méthodologie de recherche Enquête auprès de 500 cadres en Europe et aux États-Unis
Lien vers le rapport http://www.bain.de/Images/BAIN_BRIEF_Finding_Europes_Edge_in_the_IoT.pdf
Résumé du rapport • Les entreprises européennes sont plus avancées dans leur déploiement de l'IIoT que leurs homologues américaines.
• Les dirigeants américains voient l'IoT / IIoT principalement du point de vue des économies de coûts opérationnels, tandis que les dirigeants européens apprécient des facteurs plus stratégiques tels que la supériorité concurrentielle.
Statistiques clés Cas d'utilisation de l'IoT et de l'analyse implémentés / déjà implémentés: 27% – Europe, 18% – États-Unis.
75% des cadres américains s'attendent à une maintenance prédictive IoT / IIoT pour des économies de coûts contre 35% des cadres européens.
Évaluation des résultats
Avantages Les inconvénients
• Le rapport démontre une profonde compréhension des tendances européennes et américaines et fournit des exemples pertinents d'autres industries. • L'orientation est à un niveau très élevé.

Pertinence du rapport pour l'analyse de rentabilisation de la maintenance prédictive IIoT

Perspective nouvelle / unique Utilité des données Orientation pratique

Examen des rapports de recherche sur l'industrie 4.0 et la maintenance prédictive IIoT

Autres rapports de recherche:

Les rapports suivants peuvent fournir des informations supplémentaires sur la maintenance prédictive mais sont moins utiles pour l'élaboration d'une analyse de rentabilisation pour la maintenance prédictive IIoT.


Laisser un commentaire