在2019年，企業(yè)將利用工業(yè)制造領域的進步技術，并采取更大膽的措施來提高增長和運營效率。以下是2019年工業(yè)物聯(lián)網的主要趨勢和預測。

在2019年，企業(yè)將利用工業(yè)制造領域的進步技術，并采取更大膽的措施來提高增長和運營效率。以下是2019年工業(yè)物聯(lián)網的主要趨勢和預測。

毫無疑問，到2022年，全球物聯(lián)網技術支出預計將達到1.2萬億美元(IDC)。

制造商正在尋求解決將所有生產系統(tǒng)(OT和IT數(shù)據(jù)、BI、質量管理和生產流程)整合到單一數(shù)據(jù)模型中的復雜問題，因為他們知道那些成功管理它的人可以在這個過程中擊敗競爭對手。因此，物聯(lián)網設備和服務的采用率將在2019年達到20%(IDC)。

但問題不在于“為什么”，而在于“如何”：有許多工業(yè)物聯(lián)網解決方案可以解決無數(shù)的業(yè)務問題，但制造商一次只能為幾個概念驗證項目或解決方案編制預算。

有這么多可以改進的地方，但制造商、投資者和政府機構會選擇把錢投在哪里?

基于研究，我們已經確定了2019年將繼續(xù)發(fā)揮作用的趨勢。這些是制造商將采取的措施，以更好地管理運營、提供改進的產品和服務，并使業(yè)務更加智能化。

工業(yè)物聯(lián)網的8個趨勢

1、超越概念驗證

如果2018年是概念驗證的一年，那么2019年將是制造商從早期概念驗證轉向工業(yè)4.0解決方案試點部署的一年，例如預測性維護、數(shù)字雙胞胎和質量預測。

工業(yè)4.0解決方案是如此新穎，以至于我們仍缺乏與工業(yè)4.0計劃相關的大部分投資回報率數(shù)據(jù)。

比如：

預測性維護幾乎是所有最近和即將召開的國際工業(yè)4.0會議的熱門主題。但制造業(yè)的預測分析仍然需要數(shù)月時間來收集足夠多的數(shù)據(jù)，以便在提供全面的投資回報率之前采取行動。

此外，雖然一些制造商已經達到了預測階段，但很少有早期采用者能夠達到業(yè)內認可的分析階段。

但這種情況即將發(fā)生改變。

隨著食品飲料、化工和其他大型行業(yè)的主要參與者部署工業(yè)物聯(lián)網解決方案，明年這個時候將會有更多關于這些解決方案如何有效實施的信息出現(xiàn)。

2、制造業(yè)中人工智能的興起

人工智能和工業(yè)物聯(lián)網正在融合，使生產流程數(shù)字化，以提高生產力和減少停機時間。用于制造業(yè)的機器學習算法正在制定并針對具體的生產線挑戰(zhàn)量身定做——例如減少生產浪費，提高流程穩(wěn)定性，最大限度地減少意外停機時間以及消除流程干擾。

3、將操作技術(OT)數(shù)據(jù)情境化

操作技術(OT)和信息技術(IT)已經融合一段時間了，而“協(xié)作”曾經是目標。現(xiàn)在許多制造商正在將他們的操作技術和信息技術數(shù)據(jù)向前推進一步，以提高數(shù)據(jù)驅動的洞察力的相關性和準確性。

怎么做?

答案是：情境化。

制造商衡量正確數(shù)據(jù)并得出準確結論的唯一方法是將工廠或生產線環(huán)境中的所有相關操作數(shù)據(jù)與信息技術系統(tǒng)中的業(yè)務環(huán)境數(shù)據(jù)相結合。

以下是預測性維護中數(shù)據(jù)情境化的一個示例：

一家食品和飲料制造商將機器學習算法應用于一條生產線上的操作數(shù)據(jù)，以尋找預測資產故障的模式。

但是這個軟件沒有考慮質量控制測試的警告，也沒有考慮正在生產的產品和批次。

因此，食品烤箱可能會因特定配方而過熱——但如果沒有配方的背景，機器學習算法將永遠無法為生產團隊提供準確、可操作的見解。

在接下來的一年里，制造商將為系統(tǒng)編制預算，從而通過影響生產環(huán)境的流程和業(yè)務數(shù)據(jù)，幫助他們收集制造業(yè)卓越的洞察力。

4、使用數(shù)字雙胞胎

實施物聯(lián)網解決方案的公司中有24%已經使用數(shù)字雙胞胎來提高安全性和效率——根據(jù)Gartner的說法，這個數(shù)字還將繼續(xù)攀升。

數(shù)字雙胞胎是物理實體的虛擬副本，通常是實時連接到物理實體。在制造業(yè)中，數(shù)字雙胞胎支持許多工業(yè)4.0解決方案，范圍從自動根本原因分析到質量預測、預測性維護、庫存智能和供應鏈優(yōu)化等。

數(shù)字雙胞胎最常用于設計、建模和仿真領域，并在2018年成為時髦流行語。

在2019年，我們將看到數(shù)字雙胞胎的更廣泛擴展：更多的數(shù)字雙胞胎將用于優(yōu)化生產流程，而不是日常運營和流程中的單個資產。

這些“完整的”數(shù)字雙胞胎將整合流程數(shù)據(jù)，并幫助制造商獲得更準確的見解，無論是深入研究單個機器，還是查看高級流程架構，以識別和解決制造效率低下問題。

5、邊緣計算

隨著設備在2019年變得更加強大，越來越多的制造商將利用本地數(shù)據(jù)處理和人工智能的能力，也稱為邊緣計算。

到2020年，物聯(lián)網傳感器和設備將生成超過507.5 ZB的數(shù)據(jù)

制造商已經在收集數(shù)據(jù)，但通過云計算管理數(shù)據(jù)會給制造商帶來財務壓力——更不用說將所有原始數(shù)據(jù)存儲在云中的安全風險。

邊緣計算通過在數(shù)據(jù)源附近分析和存儲數(shù)據(jù)來幫助企業(yè)減少與數(shù)據(jù)分析相關的時間和費用，并提高數(shù)據(jù)安全性。

想象一下：

一條生產線上多臺機器監(jiān)控機器組件的振動，而這會是每秒數(shù)百個數(shù)據(jù)點。

將所有數(shù)據(jù)上傳到云中進行清理、處理、聚合和分析是多余的。

在邊緣計算中，生產線上的每臺機器都連接到一臺邊緣計算機，以收集、存儲和預處理操作技術(OT)數(shù)據(jù)。

即使是在源頭執(zhí)行基本的數(shù)據(jù)分析處理，也能將生產線數(shù)據(jù)聚合到令人難以置信的程度。對于機器學習算法來說，歷史數(shù)據(jù)和實時數(shù)據(jù)要少得多，這加速了發(fā)現(xiàn)可能影響從產量到正常運行時間再到產品質量等的一切問題。

邊緣計算還降低了云數(shù)據(jù)存儲的成本，同時，限制發(fā)送到云的原始生產數(shù)據(jù)也降低了數(shù)據(jù)的安全風險。

6、移動工業(yè)4.0

5G網絡的到來預示著工業(yè)物聯(lián)網(IIoT)應用的廣泛采用。

由于5G和其他移動技術的進步，2019年將會出現(xiàn)實時工業(yè)物聯(lián)網應用的大幅增長。

7、供應鏈優(yōu)化

曾經純粹是一個物流功能，現(xiàn)在有了自己的商業(yè)模式和優(yōu)化流程。

與此同時，在線消費趨勢極大地改變了客戶對按需服務、透明度、速度和效率的期望。供應鏈4.0是通過數(shù)字化來滿足新需求和改變供應鏈格局的一種方式。

供應鏈優(yōu)化可以并且確實利用了2019年的許多其他工業(yè)4.0趨勢：數(shù)字雙胞胎、移動應用和人工智能支持的預測工具。

8、保護工業(yè)物聯(lián)網終端

企業(yè)已經在投入資金保護其操作技術(OT)基礎設施，其程度與保護IT系統(tǒng)相當。然而，對組織網絡安全的明顯和當前威脅，再加上工業(yè)物聯(lián)網應用的繁榮，將會看到面向對象安全和工業(yè)控制系統(tǒng)安全在制造工廠(無論規(guī)模或行業(yè))成為主流。

這并不容易，保護物聯(lián)網設備或機器將變得越來越困難，以至于微軟最近發(fā)布了物聯(lián)網設備的最佳實踐列表。

隨著邊緣計算的普及，出現(xiàn)了大量新的工業(yè)物聯(lián)網終端，即具有計算能力和網絡連接能力的設備。因此，即使通過向云端發(fā)送較少數(shù)據(jù)來保護數(shù)據(jù)，也會增加終端的風險。

盡管如此，開發(fā)智能生產線給企業(yè)帶來的好處也還是顯而易見的，對于那些希望通過人工智能提高產量和運營效率的制造商來說，保護數(shù)據(jù)已經不再是一個問題。

2019年工業(yè)物聯(lián)網預測

我們正在看到越來越多工業(yè)物聯(lián)網解決方案的部署，這些解決方案正在以數(shù)字化方式徹底改變制造業(yè)格局——改變客戶關系、差異化產品和推動大規(guī)模運營改進，以滿足日益增長的生產需求。

基于這些趨勢，工業(yè)物聯(lián)網早期采用者從工業(yè)4.0計劃中獲得收入的可能性是后期采用者的五倍。但請注意——公司必須首先決定他們想為哪些商業(yè)價值驅動因素投入精力。只有這樣，他們才能將其數(shù)字戰(zhàn)略與他們的業(yè)務目標保持一致，以便有效地管理、保護和運營物聯(lián)網平臺和流程。