• Enabling real-time integration across on-premise and cloud platforms often involves integrating SAP, Salesforce, third-party and legacy systems. 2017 will be a break-out year for real-time integration between SAP, Salesforce, and third party systems in support of Internet of Things and Industrial Analytics.
• McKinsey Global Institute predicts that the Internet of Things (IoT) will generate up to $11T in value to the global economy by 2025
• Predictive and prescriptive maintenance of machines (79%), customer/marketing related analytics (77%) and analysis of product usage in the field (76%) are the top three applications of Industrial Analytics in the next 1 to 3 years.

Real-Time Integration Is the Cornerstone Of Industrial Analytics

Industrial Analytics (IA) describes the collection, analysis and usage of data generated in industrial operations and throughout the entire product lifecycle, applicable to any company that is manufacturing and selling physical products. It involves traditional methods of data capture and statistical modeling. Enabling legacy, third-party and Salesforce, SAP integration is one of the most foundational technologies that Industrial Analytics relies on today and will in the future. Real-time integration is essential for enabling connectivity between Internet of Things (IoT) devices, in addition to enabling improved methods for analyzing and interpreting data. One of the most innovative companies in this area is enosiX, a leading global provider of Salesforce and SAP integration applications and solutions. They’re an interesting startup to watch and have successfully deployed their integration solutions at Bunn, Techtronic Industries, YETI Coolers and other leading companies globally.

A study has recently been published that highlights just how foundational integration will be to Industrial Analytics and IoT. You can download the Industrial-Analytics-Report-2016-2017.pdf. This study was initiated and governed by the Digital Analytics Association e.V. Germany (DAAG), which runs a professional working group on the topic of Industrial Analytics. Research firm IoT Analytics GmbH was selected to conduct the study. Interviews with 151 analytics professionals and decision-makers in industrial companies were completed as part of the study. Hewlett-Packard Enterprise, data science service companies Comma Soft and Kiana Systems sponsored the research. All research and analysis related steps required for the study including interviewing respondents, data gathering, data analysis and interpretation, were conducted by IoT Analytics GmbH. Please see page 52 of the study for the methodology.

Key Takeaways:

• With real-time integration, organizations will be able to Increase revenue (33.1%), increase customer satisfaction (22.1%) and increase product quality (11%) using Industrial Analytics. The majority of industrial organizations see Industrial Analytics as a catalyst for future revenue growth, not primarily as a means of cost reduction. Upgrading existing products, changing the business model of existing products, and creating new business models are three typical approaches companies are taking to generate revenue from Industrial Analytics. Integration is the fuel that will drive Industrial Analytics in 2017 and beyond.

• For many manufacturers, the more pervasive their real-time SAP integration is, the more effective their IoT and Industrial Analytics strategies will be. Manufacturers adopting this approach to integration and enabling Industrial Analytics through their operations will be able to attain predictive and prescriptive maintenance of their product machines (79%). This area of preventative maintenance is the most important application of Industrial Analytics in the next 1 – 3 years. Customer/marketing-related analytics (77%) and analysis of product usage in the field (76%) are the second- and third-most important. The following graphic provides an overview of the 13 most important applications of Industrial Analytics.
  

• 68% of decision-makers have a company-wide data analytics strategy, 46% have a dedicated organizational unit and only 30% have completed actual projects, further underscoring the enabling role of integration in their analytics and IoT strategies. The study found that out of the remaining 70% of industrial organizations, the majority of firms have ongoing projects in the prototyping phase.
  
• Business Intelligence (BI) tools, Predictive Analytics tools and Advanced Analytics Platforms will be pivotal to enabling industrial data analysis in the next five years. Business Intelligence Tools such as SAP Business Objects will increase in importance to industrial manufacturing leaders from 39% to 77% in the next five years. Predictive Analytics tools such as HPE Haven Predictive Analytics will increase from 32% to 69%. The role of spreadsheets used for industrial data analytics is expected to decline (i.e., 27% think it is important in 5 years vs. 54% today).

• The Industrial Analytics technology stack is designed to scale based on the integration of legacy systems, industrial automation apps and systems, MES and SCADA systems integration combined with sensor-based data. IoT Analytics GmbH defines the technology stack based on four components inclouding data sources, necessary infrastructure, analytics tools, and applications. The following graphic illustrates the technology stack and underscores how essential integration is to the vision of Industrial Analytics being realized.

• Industrial Internet of Things (IIoT) and Industry 4.0 will rely on real-time integration to enable an era of shop-floor smart sensors that can make autonomous decisions and trade-offs regarding manufacturing execution. IoT Analytics GmbH predicts this will lead to smart processes and smart products that communicate within production environments and learn from their decisions, improving performance over time. The study suggests that Manufacturing Execution System (MES) agents will be vertically integrated into higher level enterprise planning and product change management processes so that these organizations can synchronously orchestrate the flow of data, rather than go through each layer individually.
  

Source: business2community.com, 19 december 2016

Robots en artificial intelligence zijn anno 2016 al ver genoeg ontwikkeld om een relatief groot deel van het fysieke voorspelbare werk en dataverwerkingstaken van mensen over te nemen. Bovendien zal technologische vooruitgang ervoor zorgen dat steeds meer taken van mensen worden overgenomen, wat ofwel leidt tot meer tijd voor andere taken, of een vermindering van het aantal menselijke werknemers.

Automatisering en robotisering bieden de mensheid de mogelijkheid om zich te bevrijden van repetitief, fysiek werk, dat vaak als onplezierig of saai wordt ervaren. Hoewel het verdwijnen van dit werk zal zorgen voor positieve effecten op aspecten als gezondheid en werkkwaliteit, heeft de ontwikkeling ook negatieve effecten op de werkgelegenheid – zeker in banen waarvoor weinig vaardigheden gevraagd worden. De afgelopen jaren is er veel gesproken over de omvang van de bedreiging die robots vormen voor de banen van menselijke werknemers en een recent onderzoek van McKinsey & Company gooit nog meer olie op het vuur. Volgens schattingen van het Amerikaanse consultancykantoor zal op korte termijn tot wel 51% van al het werk in de Verenigde Staten zwaar worden getroffen door robotisering en AI-technologie. 

Het onderzoek, dat is gebaseerd op een analyse van meer dan 2.000 werk-gerelateerde activiteiten in de VS in meer dan 800 arbeidsfuncties, suggereert dat voorspelbaar fysiek werk in relatief stabiele omgevingen de grootste kans loopt om te worden overgenomen door robots of een andere vorm van automatisering. Voorbeelden van dit soort omgevingen zijn onder meer de accommodatie en horecabranche, de maakindustrie en de retailsector. Vooral in de maakindustrie zijn de mogelijkheden voor robotisering groot – ongeveer een derde van al het werk in de sector kan als voorspelbaar worden beschouwd. Kijkend naar de huidige automatiseringstechnologie zou tot wel 78% van dit werk kunnen worden geautomatiseerd.

Maar het is echter niet alleen simpel productiewerk dat kan worden geautomatiseerd, aangezien ook werk op het gebied van dataverwerking en dataverzameling met de huidige technologie al kan worden gerobotiseerd. Volgens berekeningen van McKinsey kan tot wel 47% van de taken van een retail salesmedewerker op dit gebied worden geautomatiseerd – al ligt dit nog altijd veel lager dan de 86% automatiseringspotentie in het data-gerelateerde werk van boekhouders, accountants en auditors. 

In het onderzoek werd ook in kaart gebracht welke functies de meeste potentie voor automatisering hebben. Onderwijsdiensten en management lijken, kijkend naar de huidige technologie, de vakgebieden die het minst getroffen zullen worden door robotisering en AI-technologie. Vooral in het onderwijs zijn de percentages automatiseerbare taken laag, met weinig dataverzameling, -verwerking en voorspelbaar fysiek werk. Managers kunnen wel enige automatisering verwachten in hun werk, vooral op het gebied van dataverwerking en verzameling. In de bouw en landbouwsector is er sprake van veel werk dat als onvoorspelbaar kan worden beschouwd. De onvoorspelbare aard van deze werkzaamheden beschermt arbeiders in deze segmenten, omdat deze taken minder eenvoudig te automatiseren zijn.

McKinsey benadrukt dat de analyse zich richt op het vermogen van de huidige technologieën om taken van mensen over te nemen. Dat dit technologisch mogelijk is, betekent volgens het consultancybureau niet dat deze werkzaamheden ook daadwerkelijk zullen worden overgenomen door robots of intelligente technologie. In het onderzoek wordt namelijk geen rekening gehouden met de implementatiekosten van deze technologie, of naar de grenzen van automatisering. Daardoor zullen werknemers in bepaalde gevallen goedkoper en beter beschikbaar blijven dan een gerobotiseerd systeem.

Met het oog op de toekomst, voorspellen de onderzoekers dat met de komst van nieuwe technologieën op het gebied van robotisering en kunstmatige intelligentie er ook meer taken geautomatiseerd kunnen worden. Vooral technologie die het mogelijk maakt om natuurlijke gesprekken te voeren met robots, waarbij de machines menselijke taal kunnen begrijpen en automatisch kunnen antwoorden, zal volgens de onderzoekers een grote impact hebben op de mogelijkheden voor verdere robotisering.