閱讀任何主要科技媒體，您都會發現大型制造商在工業4.0項目上投入巨資的故事。諸如此類的故事會讓任何人相信，大型工廠里充斥著機器人、連網機器和傳感器，它們收集從產品工程到質量再到生產性能的所有方面的實時數據，并且這些數據正被用來預測如何運行更高效的制造業。雖然這可能發生在一些最大的制造商身上，但絕大多數制造商仍在思考工業物聯網(IoT)和工業4.0是值得投資還是僅僅是炒作。

[[335434]]

脫節的現實

在美國，許多制造廠都有20年以上的歷史。車間里只有不到14%的機器是“連網的”。 這意味著它們沒有傳感器或監控器來提取有關它們如何工作的數據。這些較舊的機器很容易出現故障，并且每年造成的停機損失高達500億美元。

圍繞工業物聯網的大肆炒作是，制造商必須立即投資于機器學習、增強現實或人工智能等變革性技術，以獲得效率方面的任何好處，然而這與實際情況相去甚遠。

制造業中的數據問題

要克服的主要障礙是那些舊機器。實際上，有些機器會生成大量數據，但要訪問這些數據并不容易。其他的甚至沒有數字控制器，需要外部改裝和傳感器來提取操作數據。獲取可用數據通常是困難且昂貴的，因此必須能從工作中獲得明確的回報。也因此，公司將重點放在哪些過去可能有問題的最關鍵設備上。

即使有數據，如何處理數據也存在不確定性。某人或某種工具必須解讀數據并使之有意義。大多數制造商都沒有數據科學家來幫助完成這項工作。天花亂墜的炒作告訴制造商，獲得數據將改變企業的運作方式，但現實是數字化只是奠定了了解任何特定資產的基礎。需要有一種方法來可視化數據，以使其具有可操作性。

工業物聯網炒作與現實

歸根結底，產品必須盡可能高效地制造，并交付給要求苛刻的客戶。

我們的客戶告訴我們，他們認為工業物聯網和工業4.0是一個機會，可以利用他們已經擁有的東西做更多事情，而不是投資于新技術來實現某個遙遠的未來。但是，當有一個可行的方法來發現想法和改進機會時，他們就會接受。

在撰寫這篇文章時，我們有少量客戶正在著手工業物聯網項目。很多公司都是從零開始實施的：只是獲得了對現有資產的更多了解。他們將能夠：

• 查看正在發生的事情：可視化工作單元，包括使項目保持運轉的基礎資產，并了解如何提高運營效率并在潛在問題發生之前做出響應。
• 知道發生了什么：借助歷史趨勢曲線進行的實時監控使您能夠了解、診斷并改善正常運行時間和性能——如果開始出現質量問題，您將有一個真實來源來幫助查明根本原因。
• 預測將會發生什么：利用幾乎所有性能特征的準確、實時圖表來識別可能破壞運營或質量性能的趨勢，從而獲得有關資產性能的可行見解。

我們的客戶知道，工業物聯網是他們不能忽視的戰略——因為那些忽視它的制造商很有可能會像許多消費類公司一樣錯過互聯網。