Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Strategi untuk memodernisasi sejarawan data untuk industri manufaktur di AWS Cloud
<a name="introduction"></a>

*Devender Satija, Amazon Web Services ()AWS*

*Oktober 2023* ([sejarah dokumen](doc-history.md))

Industri 4.0 adalah revolusi dalam industri manufaktur, dan dibentuk oleh komputasi cerdas. Konektivitas, data, analitik, kecerdasan buatan (AI), dan pembelajaran mesin (ML) mendorong transformasi digital industri manufaktur. Hasilnya adalah munculnya [industri Internet of Things (IIoT)](apg-gloss.md#glossary-iiot) dan konvergensi tim teknologi operasional (OT) dan teknologi informasi (TI). *Modernisasi sejarawan* adalah pendekatan yang digunakan untuk memodernisasi dan meningkatkan sistem OT untuk melayani kebutuhan industri manufaktur dengan lebih baik.

Tujuan industri tidak berubah selama bertahun-tahun; fokusnya tetap pada peningkatan kualitas berkelanjutan dan pengurangan downtime. Banyak organisasi memiliki aset pabrik yang berusia lebih dari 20 tahun, dan sebagian besar data produksi terperangkap dalam mesin penuaan ini. Untuk mengoptimalkan operasi, produsen perlu mengekstrak data tersebut, memperkayanya dengan data dari sumber lain, dan mendapatkan wawasan darinya. Secara historis, produsen bergantung pada sejarawan lokal. *Sejarawan data manufaktur*, juga dikenal sebagai *sejarawan*, adalah jenis database yang digunakan untuk mengumpulkan dan menyimpan data dari berbagai sumber di pabrik. Panduan ini memberikan strategi untuk memodernisasi sejarawan untuk memanfaatkan konektivitas, analitik, dan manfaat AI/ML dari. AWS Cloud

## Ikhtisar
<a name="overview"></a>

Strategi modernisasi sejarawan berfokus pada penggunaan data dan teknologi untuk membantu organisasi membuat keputusan yang lebih baik. Strategi ini termasuk menggunakan data yang ada, menganalisis data tersebut, dan mengungkap wawasan dengan menggunakan teknologi canggih, seperti AI/ML. Strategi ini dapat membantu meningkatkan efisiensi operasional, mengurangi waktu henti, dan mendorong inovasi.

Berikut ini adalah pendorong umum untuk modernisasi, tergantung pada ukuran organisasi:
+ **Skala dan demokratisasi data yang belum pernah terjadi sebelumnya** — Data mungkin tersedia, tetapi disimpan dalam sejarawan lokal yang hanya menyediakan visibilitas lokal dan analitik lokal terbatas. Seiring organisasi Anda terus mengumpulkan lebih banyak data, biaya penyimpanan dan pengelolaan data tersebut dalam sejarawan lokal terus meningkat.
+ **Inovasi tanpa henti atau merger** — Mungkin sulit untuk mempertahankan dan mengintegrasikan berbagai sejarawan lokal sebagai hasil dari ekspansi, merger, atau akuisisi.
+ **Kinerja di tepi** — Anda mungkin tidak dapat membawa analitik lanjutan dan daya komputasi ke data operasional lokal.
+ **Peluang untuk skala dan penghematan** — Skalabilitas, masalah kinerja, dan model lisensi berbasis tag yang melarang dapat memengaruhi total biaya kepemilikan (TCO) dan dapat mencegah akuisisi data yang memadai untuk membangun kasus penggunaan lanjutan.
+ **Wawasan yang dapat ditindaklanjuti** - Data TI dan OT tidak cukup terintegrasi untuk memberikan wawasan tepat waktu kepada pengawas pabrik yang membantu mereka meminimalkan waktu henti yang tidak direncanakan, meningkatkan kualitas produk, dan meningkatkan kinerja dan ketersediaan aset.
+ **Keberlanjutan** — Untuk memenuhi tujuan keberlanjutan dan hemat energi, Anda memerlukan pemahaman yang lebih baik tentang operasi pabrik.