論文の概要: Business Models for Digitalization Enabled Energy Efficiency and
Flexibility in Industry: A Survey with Nine Case Studies
- arxiv url: http://arxiv.org/abs/2402.01718v1
- Date: Fri, 26 Jan 2024 14:11:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:28:51.054525
- Title: Business Models for Digitalization Enabled Energy Efficiency and
Flexibility in Industry: A Survey with Nine Case Studies
- Title（参考訳）: 産業におけるエネルギー効率とフレキシビリティを実現するデジタル化ビジネスモデル:9事例による調査
- Authors: Zhipeng Ma, Bo N{\o}rregaard J{\o}rgensen, Michelle Levesque, Mouloud
Amazouz, Zheng Grace Ma
- Abstract要約: 本稿では、ビジネスモデルキャンバス(BMC)を用いて分析される9つの産業事例の多様な集合を調査する。
その結果、主要なパートナーは産業関係者、IT企業、学術機関であることがわかった。
ほとんどのケースにおける価値提案は、エネルギー効率を改善し、エネルギーの柔軟性を実現することである。
- 参考スコア（独自算出の注目度）: 1.2453705483335629
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Digitalization is challenging in heavy industrial sectors, and many pi-lot
projects facing difficulties to be replicated and scaled. Case studies are
strong pedagogical vehicles for learning and sharing experience & knowledge,
but rarely available in the literature. Therefore, this paper conducts a survey
to gather a diverse set of nine industry cases, which are subsequently
subjected to analysis using the business model canvas (BMC). The cases are
summarized and compared based on nine BMC components, and a Value of Business
Model (VBM) evaluation index is proposed to assess the business potential of
industrial digital solutions. The results show that the main partners are
industry stakeholders, IT companies and academic institutes. Their key
activities for digital solutions include big-data analysis, machine learning
algorithms, digital twins, and internet of things developments. The value
propositions of most cases are improving energy efficiency and enabling energy
flexibility. Moreover, the technology readiness levels of six industrial
digital solutions are under level 7, indicating that they need further
validation in real-world environments. Building upon these insights, this paper
proposes six recommendations for future industrial digital solution
development: fostering cross-sector collaboration, prioritizing comprehensive
testing and validation, extending value propositions, enhancing product
adaptability, providing user-friendly platforms, and adopting transparent
recommendations.
- Abstract（参考訳）: デジタル化は重工業分野では困難であり、多くのpi-lotプロジェクトは複製とスケールの困難に直面している。
ケーススタディは、学習と経験と知識の共有のための強力な教育車両であるが、文献ではほとんど利用できない。
そこで本稿では,ビジネス・モデル・キャンバス(bmc)を用いて分析を行う9つの産業事例の多様な集合を収集する調査を行った。
これらの事例を9つのbmcコンポーネントに基づいて要約比較し、産業用デジタルソリューションのビジネスポテンシャルを評価するために、ビジネスモデル評価指標(vbm)を提案する。
その結果、主要なパートナーは産業関係者、IT企業、学術機関であることがわかった。
デジタルソリューションの主要な活動には、ビッグデータ分析、機械学習アルゴリズム、デジタルツイン、モノのインターネットなどが含まれる。
ほとんどの場合の価値提案はエネルギー効率の改善とエネルギーの柔軟性の実現である。
さらに、6つの産業用デジタルソリューションの技術準備レベルはレベル7以下であり、現実の環境でさらなる検証が必要であることを示している。
これらの知見に基づいて, クロスセクタコラボレーションの促進, 包括的なテストと検証の優先順位付け, 価値提案の拡張, 製品適応性の向上, ユーザフレンドリなプラットフォームの提供, 透過的なレコメンデーションの採用。
関連論文リスト
- Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。
DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
論文 参考訳（メタデータ） (2024-07-02T14:05:10Z) - Digital Business Model Analysis Using a Large Language Model [1.5500145658862499]
本研究では,LLMをベースとした類似企業の比較分析手法を提案する。
この方法は、デジタルビジネスモデル設計におけるアイデア生成を支援することができる。
論文 参考訳（メタデータ） (2024-06-09T11:16:11Z) - The Survey on Multi-Source Data Fusion in Cyber-Physical-Social Systems:Foundational Infrastructure for Industrial Metaverses and Industries 5.0 [31.600740278783242]
産業5.0の概念は発展し、産業メタバースは実際の産業プロセスと並行して運用されることが期待されている。
ソーシャルメディアデータに隠されたカスタマイズされたユーザニーズは、ソーシャルメディア技術によって見つけることができる。
本研究では,産業メタバースのためのマルチソースデータ融合駆動型運用アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-04-11T05:09:32Z) - The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。
本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文 参考訳（メタデータ） (2023-12-01T16:00:25Z) - Digital Twin Framework for Optimal and Autonomous Decision-Making in
Cyber-Physical Systems: Enhancing Reliability and Adaptability in the Oil and
Gas Industry [0.0]
本研究は,石油・ガス産業におけるガスリフトプロセスに適用可能な,最適かつ自律的な意思決定のためのディジタルツインフレームワークを提案する。
このフレームワークは、ベイジアン推論、モンテカルロシミュレーション、トランスファーラーニング、オンライン学習、そしてDTに認知を与える新しい戦略を組み合わせたものである。
論文 参考訳（メタデータ） (2023-11-21T18:02:52Z) - Digital Twins in Wind Energy: Emerging Technologies and
Industry-Informed Future Directions [75.81393574964038]
本稿では、風力エネルギー産業におけるデジタルツイン技術とその能力レベルについて概観する。
デジタルツインの定義と能力レベルを0-5; 0-スタンドアロン、1-記述型、2-診断型、3-予測型、4-予測型、5-自律型から統合する。
論文 参考訳（メタデータ） (2023-04-16T18:38:28Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Building AI Innovation Labs together with Companies [5.316377874936118]
将来的には、ほとんどの企業が人工知能(AI)のトピックに直面することになり、その戦略を決定する必要があります。
最大の課題の1つは、明確なビジネス価値を持つ革新的なソリューションのアイデアを思いつくことです。
これは一方のビジネス能力と他方のAIとデータ分析の技術的能力を必要とする。
論文 参考訳（メタデータ） (2022-03-16T08:45:52Z) - A Survey of Knowledge Tracing: Models, Variants, and Applications [70.69281873057619]
知識追跡は、学生の行動データ分析の基本的なタスクの1つである。
我々は、異なる技術経路を持つ3種類の基本KTモデルを示す。
この急速に成長する分野における今後の研究の方向性について論じる。
論文 参考訳（メタデータ） (2021-05-06T13:05:55Z) - Digital Twins: State of the Art Theory and Practice, Challenges, and
Open Research Questions [62.67593386796497]
この研究は、様々なDT機能と現在のアプローチ、デジタルツインの実装と導入の遅れの背景にある欠点と理由を探求する。
この遅延の主な理由は、普遍的な参照フレームワークの欠如、ドメイン依存、共有データのセキュリティ上の懸念、デジタルツインの他の技術への依存、定量的メトリクスの欠如である。
論文 参考訳（メタデータ） (2020-11-02T19:08:49Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。