9 فناوری نوظهور که استراتژی های شرکت را در سال 2022 شکل می دهند

0 0
Read Time:10 Minute, 29 Second

دستگاه IoT و RFID که کارگران انبار را نظارت می کند
Modjoul از یک دستگاه پوشیدنی برای کاهش صدمات در بین کارگران استفاده می‌کند و اطمینان حاصل می‌کند که افراد از تجهیزات حفاظتی مناسب در تنظیمات خاص استفاده می‌کنند. تصویر: مدجول

پارچه داده و شبکه امنیت سایبری فناوری‌های جدیدی هستند که معماری فناوری اطلاعات شرکت را شکل می‌دهند در حالی که حمل و نقل بدون کربن و روبات‌های انبار جدید کارایی و ایمنی را افزایش می‌دهند. فناوری های نوظهور همه چیز را از امنیت سایبری گرفته تا تغییرات آب و هوایی را پوشش می دهند. این روندهای فناوری، مواردی هستند که در سال 2022 باید به تماشای این تاکتیک ها بپردازند، آیا این تاکتیک هنوز در مراحل اولیه است یا به سرعت در حال رشد است.

فن آوری های پاک و حمل و نقل کم کربن

مک‌کینزی فناوری‌های پاک را در فهرست خود فهرست می‌کند 10 روند برتر در فناوری به دلیل نیاز روزافزون به تولید انرژی پاک. این سیستم‌هایی را برای توزیع انرژی در شبکه، ذخیره انرژی و اجازه تولید انرژی بدون کربن را پوشش می‌دهد. این نوآوری‌ها انرژی‌های تجدیدپذیر، جذب کربن، فناوری‌های شبکه هوشمند، وسایل نقلیه الکتریکی، تصفیه فاضلاب و ساختمان‌ها و زیرساخت‌های هوشمند را پوشش می‌دهند. از آنجایی که این فناوری‌ها هزینه کمتری برای پیاده‌سازی می‌کنند، مک‌کینزی این فناوری‌های نوظهور را به‌طور فزاینده‌ای برای مدل‌های کسب‌وکار سنتی با پتانسیل تأثیرگذاری بر ساختار صنعت و پویایی رقابتی مخرب می‌بیند.

مجمع جهانی اقتصاد نیز فناوری سبز را فهرست کرده است به عنوان یک روند نوظهور برای پیگیری در سال 2022. دو نمونه از این پیشرفت، قطار مسافربری است که دی اکسید کربن تولید نمی کند و سوخت های جایگزین حمل و نقل مانند آمونیاک سبز. Coradia iLint در سوئد کار می کند و به جای سوخت دیزل از هیدروژن نیرو می گیرد. به گفته شرکت سازنده آلستوم، آلمان 41 قطار از این قطارها و اپراتور قطار ایتالیایی FNM 14 قطار سفارش داده است.

علاوه بر کاهش انتشار گازهای گلخانه ای از قطارها، مبتکران در تلاش هستند تا اثرات آب و هوایی سفر با هواپیما را نیز کاهش دهند. آمونیاک سبز می تواند به طور کلی یک سوخت جایگزین ارزان برای صنعت کشتیرانی باشد. آمونیاک سبز با استفاده از انرژی های تجدیدپذیر برای تولید الکتریسیته تولید می شود که الکترولیزور را برای استخراج هیدروژن از آب تغذیه می کند. بر اساس گزارش مجمع جهانی اقتصاد، چالش اعمال این موارد در مقیاس است.

برنامه های کاربردی قابل ترکیب

این رویکرد مدولار به معنای استفاده از بلوک‌های ساختمانی قابل تعویض برای ایجاد برنامه‌های کاربردی است. برنامه های Composable برای پیوند دادن قطعات جداگانه و فعال کردن اشتراک داده ها به API ها متکی هستند. این رویکرد می‌تواند تطبیق سازمان‌ها با نیازمندی‌های تجاری و بازار را سریع‌تر از رویکرد سنتی آسان‌تر کند. این به دلیل این واقعیت است که برنامه های کاربردی جدید را می توان به راحتی با پشته های فناوری موجود بدون مواجهه با مشکل سیلوهای داده ادغام کرد.
گارتنر این روند را تا الف گسترش می‌یابد فلسفه تجاری گسترده تر که شامل این اصول است:

  • تفکر ترکیبی: هنگام تعیین اینکه چه چیزی بسازید یا ایجاد کنید، ماژولار بودن، استقلال، ارکستراسیون و کشف را در اولویت قرار دهید.
  • معماری تجاری قابل ترکیب: سازمانی بسازید که انعطاف پذیر و انعطاف پذیر باشد
  • فناوری های ترکیب پذیر: از اهداف طراحی سرعت از طریق کشف و چابکی بیشتر از طریق مدولار بودن برای ساخت فناوری های جدید استفاده کنید.

شبکه امنیت سایبری

شرکت‌ها می‌توانند از این معماری ترکیب‌پذیر برای دستیابی به راه‌حل‌های امنیتی مستقل برای همکاری با یکدیگر برای بهبود امنیت کلی استفاده کنند. کیسی پانتا، تحلیلگر گارتنر این فناوری جدید را برای پوشش هویت های خارج از محیط امنیتی سنتی و افزایش امنیت برای کارگران از راه دور توصیه می کند.
این رویکرد معماری توزیع‌شده می‌تواند مقیاس کنترل امنیت سایبری را آسان‌تر کند و همچنین آن را انعطاف‌پذیرتر و قابل اعتمادتر کند. به گفته شرکت امنیت سایبری Check Point، معماری شبکه امنیت سایبری دارای چهار لایه اساسی است:

  • تجزیه و تحلیل امنیتی و اطلاعاتی
  • بافت هویتی توزیع شده
  • سیاست تلفیقی و مدیریت پوسچر
  • داشبوردهای تلفیقی

پارچه داده

گارتنر بر اساس پتانسیل کاهش تلاش‌های مدیریت داده‌ها تا 70 درصد، بافت داده را در 12 گرایش فناوری استراتژیک برتر خود گنجانده است. این فناوری راه جدیدی برای ادغام منابع داده در پلتفرم ها و کاربران تجاری ارائه می دهد. فابریک داده از “تصمیم گیری مجدد مهندسی شده” پشتیبانی می کند و می تواند برای تعیین محل استفاده و تغییر داده ها استفاده شود.
پارچه داده یک مفهوم طراحی است که از قابلیت‌های انسان و ماشین برای دسترسی به داده‌هایی که در حال حاضر در آن قرار دارند استفاده می‌کند و تعیین می‌کند که آیا باید منتقل شوند یا ادغام شوند. آشوتوش گوپتا، تحلیلگر گارتنر، در توضیح بافت داده ها این مثال را به اشتراک می گذارد که چگونه معماری می تواند عملیات را بهبود بخشد:

«… یک رهبر زنجیره تأمین با استفاده از بافت داده می‌تواند دارایی‌های داده‌ای که به تازگی با آن مواجه شده‌اند به روابط شناخته شده بین تأخیر تأمین‌کننده و تأخیر تولید با سرعت بیشتری اضافه کند و تصمیم‌گیری را با داده‌های جدید (یا برای تأمین‌کنندگان جدید یا مشتریان جدید) بهبود بخشد».

گوپتا توضیح می‌دهد که بافت داده خطوط لوله اطلاعات را مشاهده می‌کند و سپس شروع به پیشنهاد جایگزین‌های سازنده‌تر برای فرآیندهای موجود می‌کند. اجرای این زیرساخت مستلزم تغییر تمرکز بار کاری انسان و ماشین است.

محاسبات لبه

گزارش بنیاد لینوکس، State of the Edge 2021، متوجه شد که زیرساخت ها و برنامه های کاربردی در مقایسه با سال 2020 رشد کرده اند. بزرگترین مانع، سرمایه گذاری های زیرساختی فوق العاده مورد نیاز برای حمایت از تقاضای رو به رشد است:

ما تخمین می زنیم که بین سال های 2019 تا 2028، هزینه های سرمایه ای انباشته ای بالغ بر 800 میلیارد دلار برای تجهیزات جدید و جایگزین سرور فناوری اطلاعات و امکانات محاسباتی لبه هزینه خواهد شد. این هزینه ها به طور نسبتاً مساوی بین تجهیزات دستگاه و لبه های زیرساخت تقسیم می شود.

این گزارش نشان می‌دهد که حتی با وجود این نیازهای زیرساختی، محاسبات لبه‌ای در تمام مناطق جهانی در حال گسترش است و پیش‌بینی می‌شود بیشترین ردپای لبه در آسیا و اقیانوسیه با 38 درصد باشد. چین، ژاپن و کره جنوبی تا سال 2028 بزرگترین مشارکت کنندگان در این زیرساخت خواهند بود. اروپا با 29 درصد و 21 درصد در آمریکای شمالی در رتبه بعدی قرار خواهند گرفت.

پیشرفت‌های این بخش شامل مراکز داده لبه‌ای میکرو مدولار و فاکتورهای شکل جدید مانند کابینت‌های کنار خیابان و اتصالات تیر چراغ برق است. محاسبات لبه تغییراتی را در هارد دیسک‌ها و همچنین با پردازنده‌های سرور Arm، تراشه‌های پردازش هوش مصنوعی، پردازنده‌های گرافیکی، کنترل‌کننده‌های رابط شبکه هوشمند و آرایه‌های گیت قابل برنامه‌ریزی میدانی ایجاد می‌کند.

اینترنت اشیا و ابزارهای پوشیدنی برای ایمنی کارگران

فناوری اینترنت اشیا فقط برای ماشین ها نیست. Modjoul از یک دستگاه پوشیدنی برای کاهش صدمات در بین کارگران استفاده می‌کند و اطمینان حاصل می‌کند که افراد از تجهیزات حفاظتی مناسب در تنظیمات خاص استفاده می‌کنند. این پلتفرم از فناوری RFID و یک دستگاه پوشیدنی استفاده می‌کند که می‌تواند به دور گردن بسته شود یا روی کمربند بسته شود یا به عنوان سگک کمربند استفاده شود. شش حسگر در دستگاه حرکت، مکان و داده های محیطی را ردیابی می کنند.

دیدن: هوش مصنوعی در تولید حلقه بسته می‌تواند برای سیستم‌های محاسباتی لبه‌ای مفید باشد: ۴ نکته در IIoT

کاربران Modjoul ردیابی می‌کنند و سعی می‌کنند از “انحرافات پرخطر” و پیچش‌ها در نیروهای کار انبار جلوگیری کنند. Modjoul یک مطالعه موردی منتشر کرد بر اساس یک پروژه آزمایشی با یک شرکت بزرگ تجارت الکترونیک و دریافتند که متخصصان پیشگیری از آسیب از داده‌های Modjoul برای تعیین اینکه چه کارگرانی به آموزش نیاز دارند و کدام فرآیندها ممکن است باعث آسیب شوند استفاده می‌کنند. این شرکت همچنین این نتایج را از پروژه آزمایشی به دست آورد:

  1. استفاده از ابزار لمسی برای رفتار «خارج از انطباق» اصلاح شد و منجر به کاهش رفتارهای پرخطر شد.
  2. داده‌های جمع‌آوری‌شده می‌توانند همکارانی را که بیشتر در معرض آسیب بودند شناسایی کنند و اسامی آن‌ها را به متخصص پیشگیری از آسیب ارائه کنند. را
  3. متخصصان پیشگیری از آسیب ثابت کرده‌اند که می‌توانند رفتار ریسک‌های پرت را تغییر دهند و ریسک عملیات را کاهش دهند.را
  4. فناوری Modjoul همراه با مربیگری مناسب، میزان کلی خم شدن هر همکار را کاهش داد. مهمتر از همه، میزان خمش پرخطر کاهش یافت. را

محاسبات افزایش حریم خصوصی

این تاکتیک بر امنیت داده‌های شخصی در محیط‌های غیرقابل اعتماد تمرکز می‌کند و از تکنیک‌های حفاظت از حریم خصوصی استفاده می‌کند تا امکان استخراج ارزش از اطلاعات و در عین حال رعایت الزامات انطباق را در همان زمان فراهم کند. این رویکرد برای امنیت داده در روزهای اولیه است، به گفته گارتنر، اما پتانسیل کاهش خطر نقض داده ها را دارد. Scion Analytics ترکیب این تکنیک ها را توصیه می کند برای جمع آوری یک زیرساخت محاسباتی افزایش دهنده حریم خصوصی:

  • مدارک دانش صفر
  • محاسبات چند طرفه
  • رمزگذاری هممورفیک
  • حریم خصوصی متفاوت
  • محیط های اجرایی قابل اعتماد

مایکل توپک، تحلیلگر Scion در یک پست وبلاگی گفت که رهبران منابع انسانی می توانند از PEC برای کاهش شکاف دستمزد جنسیتی استفاده کنند، محققان پزشکی می توانند از این تکنیک برای تجزیه و تحلیل داده های بیماران و در عین حال حفظ حریم خصوصی استفاده کنند و مدیران بانک می توانند از آن برای جلوگیری از کلاهبرداری استفاده کنند.

رباتیک هوشمندتر برای کارخانه های تولیدی

Mantis Robotics در حال توسعه یک بازوی رباتیک لمسی است که از فناوری حسگر برای کار ایمن در کنار مردم استفاده می کند. این شرکت ادعا می کند که دستگاه “خارج از جعبه” ایمن است و نیازی به حصار کشی ندارد. کارخانه ها معمولاً بازوهای رباتیک و سایر وسایل را به صورت فیزیکی از انسان برای اهداف ایمنی جدا نگه می دارند. بازوی آخوندک از سنسورهایی برای تشخیص نزدیک شدن فرد و کاهش سرعت یا توقف عملیات استفاده می کند. به گفته این شرکت، ربات می تواند هزینه کل مالکیت را کاهش دهد و ظرف چند ساعت مستقر شود.

دیدن: ربات‌ها در بازسازی و تعمیر زیرساخت‌ها نقش اصلی را دارند

آمازون در این شرکت به عنوان بخشی از خرده فروش سرمایه گذاری کرد صندوق نوآوری صنعتی جدید در آوریل اعلام شد. آمازون یک میلیارد دلار در شرکت هایی سرمایه گذاری خواهد کرد که راه حل هایی برای کارآمدتر کردن زنجیره تامین، انجام عملیات و عملیات لجستیکی ایجاد می کنند. این صندوق «در شرکت‌هایی سرمایه‌گذاری خواهد کرد که راه‌حل‌هایی را تصور می‌کنند که به تدریج سرعت تحویل را افزایش می‌دهند و تجربه کارمندانی را که در زمینه‌های انبارداری و لجستیک کار می‌کنند، بهبود می‌بخشند».

Gerry Vannuffelen، بنیانگذار و مدیر عامل Mantis Robotics، در اطلاعیه ای گفت در مورد سرمایه گذاری که مشتریان اغلب می گویند اگر می خواهند روبات ها با خیال راحت در کنار مردم کار کنند، باید کارایی را قربانی کنند.

او گفت: «با آمازون به عنوان پیشگام در استفاده از رباتیک، این سرمایه‌گذاری نشان‌دهنده اطمینان قوی در چشم‌انداز ما برای ایمن‌تر کردن و سازنده‌تر کردن همکاری انسان و ربات است».

فناوری های انبار هوشمند

BionicHIVE است توسعه یک ربات مستقل که می تواند با قفسه ها و جعبه های موجود در انبارها سازگار شود. این بدان معنی است که این فناوری می تواند در انبارهایی که به طور خاص برای کارگران ربات طراحی نشده اند، کار کند. SqUID از یک موتور الگوریتمی برای مرتب سازی، انتخاب و قفسه بندی بسته ها استفاده می کند. این دستگاه از دوربین ها و حسگرها برای حرکت بین افراد و اشیاء در انبار و از ریل های روی قفسه ها برای حرکت به سمت بالا و عرض استفاده می کند. این شرکت این رویکرد را “اتوماسیون مقاوم سازی” می نامد و بیان می کند که این الگوریتم می تواند به صورت پویا مشکلات ایجاد شده در یک انبار را بیاموزد و قطعنامه ها را برای همه انبارهای شبکه اعمال کند.

BionicHIVE همچنین برنده سرمایه گذاری از صندوق صنعتی آمازون در ماه آوریل شد.

SqUID از یک موتور الگوریتمی برای مرتب‌سازی، انتخاب و قرار دادن بسته‌ها و دوربین‌ها و حسگرها برای حرکت بین افراد و اشیاء در انبار استفاده می‌کند. تصویر: BionicHIVE


لینک منبع

About Post Author

IT TV

Happy
Happy
0 %
Sad
Sad
0 %
Excited
Excited
0 %
Sleepy
Sleepy
0 %
Angry
Angry
0 %
Surprise
Surprise
0 %

نوشته های مشابه

Average Rating

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا