Gartner最近的一项研究显示，83%的企业正努力在数字转型方面取得有意义的进展。这些研究结果与制造企业的高级IT专业人员对工业物联网(IIoT)满意度的另一项研究形成鲜明对比，后者将交通运输、发电以及制造业等行业中的机器和设备连接起来，研究发现，86%的人表示他们的解决方案非常有效。这些发现特别有趣，因为大多数这些制造业务仍处于工业物联网采用的最早阶段。
根据Bsquare的物联网成熟度指数，采用物联网技术通常有五个阶段，每个阶段通常建立在前一个阶段的基础之上，可以让企业在进阶过程中推动最大价值。这些阶段包括：
- 设备连网
- 数据监控
- 数据分析
- 自动化
- 边缘计算
大多数制造企业尚未从第3阶段发展到工业物联网更成熟的工作，例如自动化，这是可以解锁投资回报的重要地方。这种发展缓慢并不是因为缺乏努力，事实上，有一些障碍会影响企业超越工业物联网部署的初始(和基本)阶段的能力。
要想了解制造商的工业物联网解决方案走向何处，必须了解他们现在的处境、他们面临的挑战，以及他们如何准备突破感知的限制，以从更高级的功能中获益。
今天的企业在哪个阶段?
目前，大多数制造商已经达到物联网成熟度的第一和第二阶段，即设备连网( 67% )和数据监控( 62% )。这些企业已经擅长从传感器和相关设备收集数据，并将其传输到云数据库进行分析。许多企业也习惯于利用仪表板和可视化工具来了解设备状态，并协调简单的警报提醒。
然而，只有很少的( 47 % )已经进入第三阶段，即数据分析阶段，在这一阶段，许多人将会获得可观的回报。在这里，企业被授权利用机器学习、集群分析和人工智能( AI )来实时识别数据的相关性。这个步骤实质上是为第四阶段奠定基础的地方。在这个阶段，可以利用基于动态规则的逻辑来协调整个组织的复杂行动。
随着时间推移，应用机器学习和复杂的分析也增强了工业物联网系统的智能。当系统检测到生产线上的异常情况时，它会增加数据收集和传输。然后，它可以执行一系列自动步骤来纠正错误，或者自动调整操作参数以最小化损坏，同时提醒技术人员问题和维修的紧迫性。
为什么很少有公司能够实现自动化?
制造工厂从多个来源产生的大量数据，可能会淹没现有的工业物联网(IIoT)系统中。虽然见解在那里等待从工厂系统和设备的原始数据流中挑选出来，但它仍然埋藏在大量复杂数据集的迷宫中。
这种数据挑战很快会因人为因素而加剧。缺乏自动化计划的内部支持者或提取相关数据的正确资源可能会使工厂自动化和数字化转型陷入停滞。
制造商如何突破?
为了增强自动化的潜力，制造商应采取切实可行的方法，以帮助最大限度地减少组织和个人的阻力，并为更先进的能力奠定基础，包括：
1. 建立共识
虽然技术本身是一个关键因素，但成功的工业物联网(IIoT)计划是一项跨组织的努力，建立在许多利益相关者共同的业务目标之上。从一开始就创建一种接受最终目标的文化，比如自动化，这将有助于各方保持参与并专注于最终的回报。
2. 挑选业务问题和目标
为IIoT项目要解决的问题设定明确的定义至关重要。例如，明确的具体目标可能是根据当前的环境条件自动校准设置，以将质量提高10%。如果没有一套衡量价值方法的漫无目的的倡议只会浪费时间和资源。
3. 确定当前知识和专家团队
拥有专业知识的人不仅能识别和诊断问题，还能制定解决方案，这些都是至关重要的。这可能包括工程师、机械师和维护团队。让合适的人在合适的时间，以合适的能力参与进来，通过将你的团队已经掌握的东西付诸实施，可以加快几乎任何一项IIoT项目。
4. 需要时寻求外包帮助
如果您的企业由于技术或资源挑战而难以达到自动化水平，外包是一个明智的选择。拥有一个数据科学团队可以显著提高部署的成果质量和价值，这些团队经常有类似的部署经验，帮助您的企业避开常见障碍。
不管目标是什么，工业物联网(IIoT)系统已经成为制造商的秘密武器，可以利用他们现在和未来的完整数据库。通过在进入IIoT部署之前采取这些步骤，制造商将走上利用自动化提高产量、降低管理成本和提高生产力的道路。但是复杂程度并没有到此为止。在第五阶段，边缘计算将分析和协调的分布带到设备本身，以获得更大的计算能力和对实时条件的更快响应。
