Aldrig tidigare har data varit så tillgängliga som nu. Sensortekniken har kommit så långt att de kan bli pyttesmå. Därför kan man placera sensorteknik praktiskt taget var som helst och ta fram olika data. Således kan enkla produkter också bli en del av IoT-nätverket.
Ett bra exempel på detta är armbandsuret. Tidigare använde vi det endast för att hålla koll på tiden. Sensortekniken ger det nu flera oväntade möjligheter: Vi kan mäta pulsen, se vår sömnkvalitet, hur vädret kommer bli, läsa e-postmeddelanden och till och med betala när vi står i kassan. Det är bara fantasin som sätter gränsen.
Under 2021 fanns det mer än 10 biljoner aktiva IoT-produkter. Det uppskattas att det kommer finnas över 25,4 biljoner senast 20301. Det är mer än en fördubbling av tillgängliga data på under tio år! Men vad är värdet hos alla dessa data?
Systematisera data
När biljoner data flyter runt, tillför de inget värde. Först när data samlas i en plattform och presenteras i enkla former ser man helhetsbilden. Det blir lättare att vidta åtgärder när du ser hela situationen. Genom att presentera data mer översiktligt, får vi ut mer av dessa data.
Låt oss ta ett exempel från kraftvärlden, nämligen transformatorns temperatur i nätstationen. Bilden nedan ger en grafisk visning av transformatortemperaturen för två olika transformatorer i samma nätstation. Dessutom visar den rums- och utomhustemperatur. Här kan man enkelt se att transformatorns temperatur ökade när rumstemperaturen steg.
Man kan således snabbt se att temperaturökningen i transformatorn inte berodde på ett fel med själva transformatorn. Det var den omgivande miljön som orsakade temperaturökningen.
En grafisk representation av transformatortemperaturen för två olika transformatorer i samma transformatorstation
Med andra ord:
- Genom att grafiskt visa data tillsammans med andra data – t.ex. utomhus- och rumstemperatur i samma diagram – blir det lättare att dra slutsatser.
- Om data samlas i en tabell, är det svårare för blotta ögat att se sambandet. Genom att visualisera data i bland annat grafer får man en snabbare överblick.
Mer data kan öka effektiviteten, men också ge huvudvärk
Genom att till exempel få data presenterade i både realtid och ur ett historiskt perspektiv får du ett bättre beslutsunderlag, och därmed får du ut mer av dina resurser.
Samtidigt måste röra oss bort från att jobba i silos. De data vi samlar in bör användas till sin fulla potential för att säkerställa effektivare drift inom alla branscher. Genom att bryta ner traditionella silos kan vi samordna oss bättre och få insikter som hjälper alla parter.
För att säkerställa effektiv drift måste du snabbt kunna se förändringar
Med ett bra dataunderlag kan du gå från vidta reaktiva till proaktiva åtgärder.
Du kommer i större utsträckning att kunna förutse var det behövs förbättringar och snabbt se var utmaningarna ligger med bra grafiska presentationer, historiska data och realtidsuppdateringar.
Detta är avgörande för att säkerställa effektiv drift.
Hur ser framtiden ut?
Maskininlärning handlar om databehandling, och ju mer data den får, desto bättre beslutsunderlag har maskininlärningen. Därför är det viktigt att flytta utvecklingen i en riktning där man bryter ner silos. Jobba mot en framtid där data kan delas mellan olika avdelningar, företag och till och med branscher.
Här kan du läsa om – Quant Insight Analys av IoT- och mätardata för energibolag