炒作与现实：制造业中的工业物联网到底发生了什么？

在美国，许多制造厂都有20年以上的历史。车间里只有不到14%的机器是“连网的”。这意味着它们没有传感器或监控器来提取有关它们如何工作的数据。这些较旧的机器很容易出现故障，并且每年造成的停机损失高达500亿美元。 

围绕工业物联网的大肆炒作，制造商必须立即投资于机器学习、增强现实或人工智能等变革性技术，以获得效率方面的任何好处，然而这与实际情况相去甚远。

要克服的主要障碍是那些旧机器。实际上，有些机器会生成大量数据，但要访问这些数据并不容易。其他的甚至没有数字控制器，需要外部改装和传感器来提取操作数据。获取可用数据通常是困难且昂贵的，因此必须能从工作中获得明确的回报。也因此，公司将重点放在那些过去可能有问题的最关键设备上。

即使有数据，如何处理数据也存在不确定性。某人或某种工具必须解读数据并使之有意义。大多数制造商都没有数据科学家来帮助完成这项工作。天花乱坠的炒作告诉制造商，获得数据将改变企业的运作方式，但现实是数字化只是奠定了了解任何特定资产的基础。需要有一种方法来可视化数据，以使其具有可操作性。

归根结底，产品必须尽可能高效地制造，并交付给要求苛刻的客户。

我们的客户告诉我们，他们认为工业物联网和工业4.0是一个机会，可以利用他们已经拥有的东西做更多事情，而不是投资于新技术来实现某个遥远的未来。但是，当有一个可行的方法来发现想法和改进机会时，他们就会接受。

在撰写这篇文章时，我们有少量客户正在着手工业物联网项目。很多公司都是从零开始实施的：只是获得了对现有资产的更多了解。他们将能够：

查看正在发生的事情：可视化工作单元，包括使项目保持运转的基础资产，并了解如何提高运营效率并在潜在问题发生之前做出响应。

知道发生了什么：借助历史趋势曲线进行的实时监控使您能够了解、诊断并改善正常运行时间和性能——如果开始出现质量问题，您将有一个真实来源来帮助查明根本原因。

预测将会发生什么：利用几乎所有性能特征的准确、实时图表来识别可能破坏运营或质量性能的趋势，从而获得有关资产性能的可行见解。

我们的客户知道，工业物联网是他们不能忽视的战略——因为那些忽视它的制造商很有可能会像许多消费类公司一样错过互联网。