Gartner最近的一項研究顯示，83%的企業(yè)正努力在數(shù)字轉(zhuǎn)型方面取得有意義的進展。這些研究結(jié)果與制造企業(yè)的高級IT專業(yè)人員對工業(yè)物聯(lián)網(wǎng)（IIoT）滿意度的另一項研究形成鮮明對比，后者將交通運輸、發(fā)電以及制造業(yè)等行業(yè)中的機器和設(shè)備連接起來，研究發(fā)現(xiàn)，86%的人表示他們的解決方案非常有效。這些發(fā)現(xiàn)特別有趣，因為大多數(shù)這些制造業(yè)務(wù)仍處于工業(yè)物聯(lián)網(wǎng)采用的最早階段。

根據(jù)Bsquare的物聯(lián)網(wǎng)成熟度指數(shù)，采用物聯(lián)網(wǎng)技術(shù)通常有五個階段，每個階段通常建立在前一個階段的基礎(chǔ)之上，可以讓企業(yè)在進階過程中推動最大價值。這些階段包括：1 、設(shè)備連網(wǎng)，2、數(shù)據(jù)監(jiān)控，3、數(shù)據(jù)分析，4、自動化，5、邊緣計算。

大多數(shù)制造企業(yè)尚未從第3階段發(fā)展到工業(yè)物聯(lián)網(wǎng)更成熟的工作，例如自動化，這是可以解鎖投資回報的重要地方。這種發(fā)展緩慢并不是因為缺乏努力，事實上，有一些障礙會影響企業(yè)超越工業(yè)物聯(lián)網(wǎng)部署的初始（和基本）階段的能力。

要相了解制造商的工業(yè)物聯(lián)網(wǎng)解決方案走向何處，必須了解他們現(xiàn)在的處境、他們面臨的挑戰(zhàn)，以及他們?nèi)绾螠?zhǔn)備突破感知的限制，以從更高級的功能中獲益。

今天的企業(yè)在哪個階段？

目前，大多數(shù)制造商已經(jīng)達到物聯(lián)網(wǎng)成熟度的第一和第二階段，即設(shè)備連網(wǎng)（ 67% ）和數(shù)據(jù)監(jiān)控（ 62% ）。這些企業(yè)已經(jīng)擅長從傳感器和相關(guān)設(shè)備收集數(shù)據(jù)，并將其傳輸?shù)皆茢?shù)據(jù)庫進行分析。許多企業(yè)也習(xí)慣于利用儀表板和可視化工具來了解設(shè)備狀態(tài)，并協(xié)調(diào)簡單的警報提醒。

然而，只有很少的（ 47 % ）已經(jīng)進入第三階段，即數(shù)據(jù)分析階段，在這一階段，許多人將會獲得可觀的回報。在這里，企業(yè)被授權(quán)利用機器學(xué)習(xí)、集群分析和人工智能（ AI ）來實時識別數(shù)據(jù)的相關(guān)性。這個步驟實質(zhì)上是為第四階段奠定基礎(chǔ)的地方。在這個階段，可以利用基于動態(tài)規(guī)則的邏輯來協(xié)調(diào)整個組織的復(fù)雜行動。

隨著時間推移，應(yīng)用機器學(xué)習(xí)和復(fù)雜的分析也增強了工業(yè)物聯(lián)網(wǎng)系統(tǒng)的智能。當(dāng)系統(tǒng)檢測到生產(chǎn)線上的異常情況時，它會增加數(shù)據(jù)收集和傳輸。然后，它可以執(zhí)行一系列自動步驟來糾正錯誤，或者自動調(diào)整操作參數(shù)以最小化損壞，同時提醒技術(shù)人員問題和維修的緊迫性。

為什么很少有公司能夠?qū)崿F(xiàn)自動化？

制造工廠從多個來源產(chǎn)生的大量數(shù)據(jù)，可能會淹沒現(xiàn)有的工業(yè)物聯(lián)網(wǎng)（IIoT）系統(tǒng)中。雖然見解在那里等待從工廠系統(tǒng)和設(shè)備的原始數(shù)據(jù)流中挑選出來，但它仍然埋藏在大量復(fù)雜數(shù)據(jù)集的迷宮中。

這種數(shù)據(jù)挑戰(zhàn)很快會因人為因素而加劇。缺乏自動化計劃的內(nèi)部支持者或提取相關(guān)數(shù)據(jù)的正確資源可能會使工廠自動化和數(shù)字化轉(zhuǎn)型陷入停滯。

制造商如何突破？

為了增強自動化的潛力，制造商應(yīng)采取切實可行的方法，以幫助最大限度地減少組織和個人的阻力，并為更先進的能力奠定基礎(chǔ)，包括：

建立共識

雖然技術(shù)本身是一個關(guān)鍵因素，但成功的工業(yè)物聯(lián)網(wǎng)（IIoT）計劃是一項跨組織的努力，建立在許多利益相關(guān)者共同的業(yè)務(wù)目標(biāo)之上。從一開始就創(chuàng)建一種接受最終目標(biāo)的文化，比如自動化，這將有助于各方保持參與并專注于最終的回報。

挑選業(yè)務(wù)問題和目標(biāo)

為IIoT項目要解決的問題設(shè)定明確的定義至關(guān)重要。例如，明確的具體目標(biāo)可能是根據(jù)當(dāng)前的環(huán)境條件自動校準(zhǔn)設(shè)置，以將質(zhì)量提高10％。如果沒有一套衡量價值方法的漫無目的的倡議只會浪費時間和資源。

確定當(dāng)前知識和專家團隊

擁有專業(yè)知識的人不僅能識別和診斷問題，還能制定解決方案，這些都是至關(guān)重要的。這可能包括工程師、機械師和維護團隊。讓合適的人在合適的時間，以合適的能力參與進來，通過將你的團隊已經(jīng)掌握的東西付諸實施，可以加快幾乎任何一項IIoT項目。

需要時尋求外包幫助

如果您的企業(yè)由于技術(shù)或資源挑戰(zhàn)而難以達到自動化水平，外包是一個明智的選擇。擁有一個數(shù)據(jù)科學(xué)團隊可以顯著提高部署的成果質(zhì)量和價值，這些團隊經(jīng)常有類似的部署經(jīng)驗，幫助您的企業(yè)避開常見障礙。

不管目標(biāo)是什么，工業(yè)物聯(lián)網(wǎng)（IIoT）系統(tǒng)已經(jīng)成為制造商的秘密武器，可以利用他們現(xiàn)在和未來的完整數(shù)據(jù)庫。通過在進入IIoT部署之前采取這些步驟，制造商將走上利用自動化提高產(chǎn)量、降低管理成本和提高生產(chǎn)力的道路。但是復(fù)雜程度并沒有到此為止。在第五階段，邊緣計算將分析和協(xié)調(diào)的分布帶到設(shè)備本身，以獲得更大的計算能力和對實時條件的更快響應(yīng)。

責(zé)任編輯：ct