Skip to main content
Denne side vises ved hjælp af automatiseret oversættelse. Vil du have den vist på engelsk i stedet?
Industrielt anlæg interiør med moderne infrastruktur og datastyringssystemer.

Sådan løser du tre anstødssten for datahåndtering

Alle industrivirksomheder er ivrige efter at omdanne deres data til værdi, og de fleste har et digitalt transformationsprojekt i gang. Men ifølge en global undersøgelse af CIO'er fra Gartner Inc opfylder færre end halvdelen deres mål. Sådan undgår du de tre mest almindelige anstødssten.

Sådan låser du op for den fulde værdi af at forbinde din IT og OT

Alle industrivirksomheder er ivrige efter at omdanne deres data til værdi, og de fleste har et digitalt transformationsprojekt i gang.

Men ifølge en global undersøgelse af CIO'er foretaget af Gartner Inc opfylder færre end halvdelen deres mål¹.

Det er grundlæggende at forbinde prikkerne mellem IT (informationsteknologi) og OT (operationel teknologi).

Med dine øjne i horisonten kan du her se, hvordan du undgår de tre mest almindelige anstødssten, der afsporer organisationers evne til at frigøre den fulde værdi af at forbinde deres drifts- og forretningssystemer.

[1]

91011169-5fd9-40c8-acfd-ecab0d7577e1 - AdamCartwright4 original

Adam Cartwright

Anstødssten 1: en uklar destination

AI bliver ofte en hammer på udkig efter et søm. AI kan ikke kompensere for dårligt definerede mål. Lad ikke de smarte svar fra store sprogmodeller få dig til at tro, at AI forstår, hvad du skal gøre, eller at andre AI-teknologier derefter får det til at ske.

Hvis du ikke forstår, hvordan succes ser ud, og hvordan den måles, vil du mislykkes. Brug den samme strenghed, som du ville anvende til at specificere en konsulent til at definere dit AI-projekt.

Rettelsen: Ethvert digitalt eller AI-projekt skal være et forandringsprojekt. Tag dine medarbejdere med dig, og hjælp dem med at være glade for at bringe al deres viden ind i projektet, så de hjælper med at gøre det til en succes og integreres i din virksomhed som sædvanligt.

Anstødssten 2: vær ikke bange for at bryde siloen

Datasiloer er arven fra årtier med afbrudte systemer - hardware og software tilføjet over tid eller administreret af separate teams uden en samlende digital tråd. Maskiner kører muligvis stadig problemfrit, men deres data sidder låst i enkeltstående systemer, der ikke kan tale med hinanden. Ældre systemer og protokoller er et særligt problem; IT-teams ønsker, at OT-data skal 'være som en API', og det er det ikke.

Denne fragmentering er en stor hindring for at opnå meningsfuld realtidsindsigt, der kan håndteres af organisationernes eksisterende systemer.

Rettelsen: Industrielle IoT-platforme som Siemens Industrial Edge hjælper med at forene disse miljøer ved at skabe en enkelt grænseflade til datadeling, der kan tilsluttes OT. De forbinder sensorer, maskiner og ældre infrastruktur til skyen - hvilket giver de standardiserede grænseflader, IT leder efter.

Anstødssten 3: Ikke korrekt mærkning af dataene

Rå data uden kontekst er bare støj. For at udlede indsigt skal disse data være korrekt mærket med metadata som tidsstempler, kildebeskrivelser eller aktividentifikatorer.

Men manuel mærkning er arbejdskrævende, og mange virksomheder mangler de interne ressourcer til at gøre det i stor skala.

Rettelsen: Mærk mens du går. Dette skal være en disciplin og skal indgå i dine standard driftsprocedurer. Hvis du har enorme ældre datasæt, er AI-drevne værktøjer som Siemens SALT (Semi-Automatic Labelling Tool) designet til at tage denne udfordring op.

Lad ikke dine data gå til spilde

Ægte digitalisering afhænger af at samle OT og IT — at få maskiner og systemer til at tale det samme sprog. Men det afhænger også af smart datapraksis: at rive siloer ned, mærke data korrekt og anvende AI med formål og omhu.

Ved at undgå disse tre anstødssten for datahåndtering kan industrielle virksomheder stoppe med at gå glip af den værdi, der allerede gemmer sig i deres drift, og begynde at få deres data til at fungere for dem.