改進的連接性、傳感器的進步、無處不在的云存儲和強大的分析功能的結合，已被證明是物聯網(IoT)在各種應用中取得成功的秘訣。幾乎沒有哪個行業不使用物聯網來監控、改進或預測性能。主要用途之一是工業物聯網(IIoT)，其中包括制造、公用事業、能源生產和運輸。緊隨其后的是物聯網在醫療保健中的應用。私營和公共部門，包括聯邦、州和地方各級政府機構，其接受度都很高。

根據Fortune Business Insights的數據，全球物聯網市場預計將從2022年的4780億美元增長到2029年的24650億美元，年增長率為26%。IDC估計IIoT市場每年價值1970億美元，其中運輸占710億美元。根據MarketsandMarkets的數據，另一個行業，醫療器械，預計將從2021年的26.5億美元增長到2026年的942億美元，年增長率接近30%。

跨行業和行業內的數據不具有可比性，因為有些僅包括傳感器，而有些則包括平臺或整個系統。據估計，不限于設備的醫療物聯網在2020年為410億美元，預計到2028年將增長到1870億美元。據Straits Research稱，全球醫療保健物聯網市場已達到近1000億美元，預計未來8年將以每年約20%的速度增長。然而，所有這些估計的共同點在于，它們都包含大量數據，并預測了非常強勁的增長率。

市場如此快速增長的一個原因是，物聯網是一項非常有效的技術。在某些行業中，顯示物聯網實施影響的指標很容易獲得。例如，智能建筑儀表和其他設備可以節省10%–40%的能源成本，具體取決于受影響的系統。此外，據美國能源部稱，使用物聯網設備進行預測性維護的能力提供了一系列令人印象深刻的額外節省，將維護成本降低了25%–30%，并將故障減少了70%–75%。這些結果支持非常高的投資回報率。

即使在醫療保健等物聯網收益可能更難以量化的領域，通過生命體征和其他健康指標的監測及早發現問題也可以縮短住院時間、改善結果并降低成本。考慮到美國每年在醫療保健上花費的2.2萬億美元中有75%用于治療慢性病患者，因此，通過更好地管理這一群體的健康可以節省相當大的費用。

控制雨水

北卡羅來納州卡里是研究三角地區的一個郊區社區，人口約17.5萬。作為一項計劃的一部分，在當地政府中創建一個更具適應性的分布式領導文化，大約6年前，各方齊心協力，更好地整合信息系統，并為所有部門提供訪問權限。一個值得關注的領域是雨水管理。在此之前，雨水管理的主要重點是路權和基礎設施等問題，并沒有采取積極主動的洪水管理方法。例如，有關水位上升的信息主要來自公民的臨時報告，且通常是緊急情況下提交的。

除了改善各部門間的數據共享，重大的文化變革還促進了利益相關者的廣泛參與。卡里的助理鎮長Danna Widmar表示“我們成立了一個雨水工作組，成員包括教授、雨水規劃人員和遭受洪水的市民。我們很幸運能夠接觸到一些雨水管理方面最重要的專家，從學者到從業者。”由此產生的建議被鎮議會一致接受。批準的計劃包括開發基于物聯網傳感器系統實施的雨水管理模型。“我們從卡里的一個名為核桃溪的小分水嶺開始，該分水嶺流入羅利，然后繼續我們在斯威夫特溪的工作，這是卡里一個更大的分水嶺，”Widmar繼續說道：“我們有30多個傳感器，包括檢測水位、降雨量、空氣和水溫并按需拍照的雨量計和流量傳感器。”如果特定位置的水位異常高，系統會觸發警報，這可能是由于堵塞或洪水上漲造成的。

在達到閾值水位時，警報可以自動發送服務請求，部署現場工作人員來調查并解決問題。此外，公民現在可以通過開放數據門戶訪問信息。除了改進雨水管理外，該鎮還希望確保開發不會產生更多問題，并保護社區的流域。這些數據由卡里和其他政府合作伙伴使用。Widmar解釋道：“我們試圖優先處理最重要的問題，這樣受影響最嚴重的公民就可以做好準備并受到保護。”

數據存儲在Microsoft的Azure云中，并由SAS進行預測分析，整個卡里的政府部門都在使用它。卡里現在從其雨水傳感器中獲得了一年的數據。“隨著時間的推移，我們將能夠查看歷史數據并做出更好的預測，”Widmar指出：“并且我們可以根據其他數據繼續完善模型。”該鎮正在使用模擬徑流水質和水量的雨水管理模型。隨著新數據的輸入，模型得到改進，以更具體地反映卡里鎮雨水系統的狀況。物聯網傳感器系統還計劃在明年擴展到第三個分水嶺。

使用物聯網進行知識管理和決策支持的價值在于，對來自傳感器的數據進行的分析。SAS IoT Analytics建立在成熟的SAS分析平臺之上，并使用SAS Viya提供的豐富可視化功能。其可以分析集中收集的數據，也可以從Azure云傳輸到傳感器所在的邊緣，以分析那里生成的數據。

一些物聯網系統每隔幾秒就會產生讀數。在這種情況下，將相關數據與常規數據分開，以便每5秒發現趨勢，這是非常重要的。但只有一小部分需要通過網絡發送。SAS物聯網副總裁Jason Mann表示：“許多客戶有10分鐘的評估窗口。如果發生異常事件，將在10分鐘內捕獲數據，以檢測先兆或能夠將分析分發到需要決策的位置。”

交通運輸是物聯網技術的早期采用者。Mann指出：“許多卡車運輸企業為這些車輛提供售后服務和支持。每輛卡車可能有數十個或數百個傳感器，它們正在收集有關性能的信息。如果讀數不在正常參數范圍內，車隊經理可以制定維護計劃，并通過分析駕駛員的路線和日程安排，可以確定將卡車送入的最佳時間。正常運行時間是一個關鍵的KPI。”

合作伙伴在確保物聯網系統按預期運行方面發揮著重要作用。Mann觀察到：“物聯網生態系統中的組件必須協同工作，沒有哪個行業特定的平臺擁有所有數據源。”典型組件包括天氣數據、GIS信息、2D和3D制圖、水文數據，以及根據行業不同的各種傳感器輸入。“我們確保工作的所有系統都與Azure Cloud兼容，但也需要能夠在該環境之外工作，并將數據整合在一起。”

SAS Grid Guardian AI是與Exacter合作開發的，Exacter是一家制造傳感器以檢測電網問題的企業。當傳感器在移動時，會自動將傳感器數據與相關的電力系統資產相關聯。為了以低成本收集這些數據，市政垃圾車配備了傳感器，并在巡回時收集數據。一旦對數據進行分析，就可以確定薄弱環節，這有助于引導資本投資并避免停電。

簡化操作

物聯網的使用如此普遍的原因之一是，其可以有效地讓許多行業“用更少的錢做更多的事情”，這是一個適用于所有行業的要求。PwC互聯解決方案合伙人Rob Mesirow表示：“派遣工程師在大型建筑物周圍檢查不同系統的狀態不再可行。這種類型的活動需要自動化，并將數據轉換為可操作的信息。“與某些技術不同，物聯網不需要做任何論證;問題更多是關于如何實施它。

根據Mesirow的說法，PwC提供端到端的解決方案，包括從一開始就與客戶合作制定戰略，從網絡的物理安裝到分析數據的交付。企業查看客戶的政策和程序，進行面談，并建立基線和預期結果。在實施該技術方面，PwC擁有一系列產品和合作伙伴。“我們的總體方法是建立在客戶已有的基礎上，讓‘愚蠢的事情變得聰明’，并幫助客戶理解后端的數據。”

PwC制造自己的傳感器，因為在其物聯網計劃的早期，實施系統所需的產品不可用。在其他情況下，其能夠增強現有技術。“HEPA過濾器有一組移動的針，很難讀取，”Mesirow繼續說道：“我們增加了數碼相機，幾乎每次都能準確讀取溫度計。隨著時間的推移，傳感器被訓練來讀取特定的儀表，并且比人類更有效率。”

一旦收集到數據，將在PwC的統一數據平臺Signal Graph中對其進行分析。該圖形數據庫的數據包括本地歷史數據、第三方數據(如天氣數據)和物聯網數據集。“物聯網數據是最重要的，因為其是實時的，可以立即采取行動，但同時它也是暫時的，”Mesirow評論道：“Signal Graph在無監督模式下不斷尋找數據的異常和模式，然后將其推送給我們和客戶。”

為了使信息輸出可操作，呈現選項需要靈活。”Mesirow解釋道：“例如，食品行業的經理可能希望在制冷裝置的溫度超出范圍時收到警報，因為由于此類故障會損失大量食物。然而，他們也可能想問一個更普通的問題，比如儲存的所有食物是否安全。”在這種情況下，系統可以報告一切都在適當的范圍內，但若是出現一些異常波動，這可能表明某個單元即將發生故障。在這種情況下，可以提前采取補救措施，防止損失。

許多客戶完全依賴PwC的分析和可視化，但PwC也可以為SAP等企業系統或建筑管理系統提供API。Mesirow指出：“我們的目的是以客戶不需要依賴內部IT或數據科學家也可以直接訪問的方式呈現數據。”鑒于圖形數據庫輸出可能很復雜，PwC最近推出了一種通過增強現實和虛擬現實來查看數據的方法。

傳感器已經存在了很長時間，分析解決方案、云存儲和互聯網也是如此。現在不同的是，這項技術可以讓它們一起工作，實時為用戶提供可操作的信息。