Gartner最近的一項研究顯示，83%的企業正努力在數字轉型方面取得有意義的進展。這些研究結果與制造企業的高級IT專業人員對工業物聯網(IIoT)滿意度的另一項研究形成鮮明對比，后者將交通運輸、發電以及制造業等行業中的機器和設備連接起來，研究發現，86%的人表示他們的解決方案非常有效。這些發現特別有趣，因為大多數這些制造業務仍處于工業物聯網采用的最早階段。

[[255323]]

根據Bsquare的物聯網成熟度指數，采用物聯網技術通常有五個階段，每個階段通常建立在前一個階段的基礎之上，可以讓企業在進階過程中推動最大價值。這些階段包括：

• 設備連網
• 數據監控
• 數據分析
• 自動化
• 邊緣計算

大多數制造企業尚未從第3階段發展到工業物聯網更成熟的工作，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超越工業物聯網部署的初始(和基本)階段的能力。

要想了解制造商的工業物聯網解決方案走向何處，必須了解他們現在的處境、他們面臨的挑戰，以及他們如何準備突破感知的限制，以從更高級的功能中獲益。

今天的企業在哪個階段?

目前，大多數制造商已經達到物聯網成熟度的第一和第二階段，即設備連網( 67% )和數據監控( 62% )。這些企業已經擅長從傳感器和相關設備收集數據，并將其傳輸到云數據庫進行分析。許多企業也習慣于利用儀表板和可視化工具來了解設備狀態，并協調簡單的警報提醒。

然而，只有很少的( 47 % )已經進入第三階段，即數據分析階段，在這一階段，許多人將會獲得可觀的回報。在這里，企業被授權利用機器學習、集群分析和人工智能( AI )來實時識別數據的相關性。這個步驟實質上是為第四階段奠定基礎的地方。在這個階段，可以利用基于動態規則的邏輯來協調整個組織的復雜行動。

隨著時間推移，應用機器學習和復雜的分析也增強了工業物聯網系統的智能。當系統檢測到生產線上的異常情況時，它會增加數據收集和傳輸。然后，它可以執行一系列自動步驟來糾正錯誤，或者自動調整操作參數以最小化損壞，同時提醒技術人員問題和維修的緊迫性。

為什么很少有公司能夠實現自動化?

制造工廠從多個來源產生的大量數據，可能會淹沒現有的工業物聯網(IIoT)系統中。雖然見解在那里等待從工廠系統和設備的原始數據流中挑選出來，但它仍然埋藏在大量復雜數據集的迷宮中。

這種數據挑戰很快會因人為因素而加劇。缺乏自動化計劃的內部支持者或提取相關數據的正確資源可能會使工廠自動化和數字化轉型陷入停滯。

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，包括：

1. 建立共識

雖然技術本身是一個關鍵因素，但成功的工業物聯網(IIoT)計劃是一項跨組織的努力，建立在許多利益相關者共同的業務目標之上。從一開始就創建一種接受最終目標的文化，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。

2. 挑選業務問題和目標

為IIoT項目要解決的問題設定明確的定義至關重要。例如，明確的具體目標可能是根據當前的環境條件自動校準設置，以將質量提高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。

3. 確定當前知識和專家團隊

擁有專業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掌握的東西付諸實施，可以加快幾乎任何一項IIoT項目。

4. 需要時尋求外包幫助

如果您的企業由于技術或資源挑戰而難以達到自動化水平，外包是一個明智的選擇。擁有一個數據科學團隊可以顯著提高部署的成果質量和價值，這些團隊經常有類似的部署經驗，幫助您的企業避開常見障礙。

不管目標是什么，工業物聯網(IIoT)系統已經成為制造商的秘密武器，可以利用他們現在和未來的完整數據庫。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量、降低管理成本和提高生產力的道路。但是復雜程度并沒有到此為止。在第五階段，邊緣計算將分析和協調的分布帶到設備本身，以獲得更大的計算能力和對實時條件的更快響應。