自工业革命以来，原材料和能源一直是每种制成品的基础。在工业4.0中，数据变得比以往任何时候都更加重要，不仅可以降低运营成本，提高效率，还可以减少产品的每一部分，并从原材料和能源中获取利润。

几十年前，工厂利用监控和数据采集（SCADA）以及可编程逻辑控制器（PLC）等技术开创了物联网（IoT）的先河。这些传统的物联网应用主要是关于控制机器人和其他设备，监控生产以及识别诸如过热泵等问题，这些都是有价值的。

工业4.0建立在该基础之上，以实现更深入，更深入的业务洞察。例如，即时制造的趋势意味着供应商面临着比以往更大的压力，以最大限度地减少停机时间并最大限度地提高产量。新一代“更智能”的传感器和仪器，如高温计，不仅可以测量处理中的产品，还可以测量其自身的其他关键参数，并确保它们在理想范围内。这些数据有助于保持产品在班次，生产线和工厂之间的一致性。

如果温度趋势过高或过低，这也表明生产过程中的上游可能出现问题。在失败的早期阶段，温度变化可能是如此微妙，以至于员工不会注意到。同样的情况是机械臂由于轴承失效而逐渐减速 - 仅仅尚未达到其生产率受损的程度。如果使用正确，集成传感器提供的数据可以在发生之前开始检测到此故障。

这些见解使制造商能够调整生产并仍能满足最后期限。例如，如果产品温度变化仍然在范围内，制造商现在可以在生产到达需要维护的点时将生产转移到另一条生产线。如果有足够的预先警告，制造商也可以在周末安排停机时间。

这些数据还可以在更换设备时提供见解。例如，Cisco Kinetic等工具可以提取和分析数据，以便制造商了解哪些品牌和型号的设备和组件具有更高或更低的故障率和维护成本。现在，它知道要购买哪些以及要避免哪些。因此，它可以更严格地控制维护等运营费用。

更多的物联网传感器可以提供更多的见解和更多的好处。以产品温度趋势超出范围为例。设备和未完成产品上的上游传感器提供了额外的数据，工业机械师可以使用这些数据快速查明问题。每小时，他们不必花费追踪问题是他们可以用来修理它的一小时。每个机械师的工作效率越高，每个工厂需要的人员就越少。所有这些节省都流向了底线。

浪费不可

物联网数据还有助于制造商实现其能效，污染和产品产量的目标。就新建工厂而言，能效目标通常包括获得LEED认证。

原材料通常受到严格管制，包括基于使用量的昂贵许可证。以欧洲领先的用于生产光纤电缆的先进原材料制造商为例，其生产需要具有潜在危险的材料。它们的生产受到可安全存放在现场的前体材料数量的限制。随着产品需求的增加，最大允许前体材料成为限制因素; 他们增加产量的唯一选择是提高过程本身的效率。这需要深入学习和洞察他们的过程，以了解如何获得这种改进。

物联网数据使该公司能够从其现有的天然气分配中拧出更多米的电缆。它开始使用高温计来密切监测和控制温度，这是衡量其过程有效性和效率的关键指标。这些见解使公司能够以最大化产品质量和产量的方式优化其工艺，从而减少其前体材料的使用，以实现相同的产量和产品质量。

这些和其他工业4.0应用程序的商业利益是制造商投资物联网的主要原因，但它们不是唯一的原因。数字化转型计划的成本迅速下降是变革的另一个推动因素。不仅基于云的数据存储和计算的成本降低，而且同时，可用于分析，理解和将这些数据转换为可操作信息的工具也在增加。现成的解决方案，如Microsoft BI，非常适合分析大量收集的数据，而且不需要少量的博士学位。数据科学家运行。存储和分析数TB数据的成本从数千美元急剧下降到5美元。曾经无望的理想现在是实用和负担得起的。

但这与说数字转型就像购买软件和传感器一样简单就不一样了。制造商通常寻求专家指导，以确定在何处部署物联网设备，连接传统工厂设备，以及选择正确的网络技术，以便安全可靠地将所有内容编织在一起。

如何处理所有数据

许多制造商还希望了解如何理解物联网提供的大量数据，例如确定哪些数据值得立即发出警报以及哪些数据可以存储以供分析。垂直市场经验特别有用，因为例如，物联网合作伙伴可以建议生产过程的特定部分进行监控，跟踪哪些指标以及数据趋势指示的内容。今天的制造过程非常复杂，很难快速，轻松地理解操作所有设备的复杂性，在许多情况下，可以从供应商自身获得专业知识。关键供应商已经多年了解其独特的产品，可以帮助定义关键参数，以确保在给定应用中实现最佳性能。

另一个例子是测量泵的油粘度，以确定何时需要更换，而不是简单地依赖供应商推荐但过于频繁的维护计划。当粘度，振动和其他属性表明需要维护时，机器学习可以通过教授人工智能发挥作用。AI和ML也是几年前太不成熟和昂贵的技术的例子。

与几乎所有其他类型的业务一样，制造商将数字化转型视为最大化效率，生产力，盈利能力和竞争力的必要过程。物联网，人工智能和机器学习为这些数字化转型奠定了基础。

转型之路

最后，我想结束这篇文章，谈谈与数字转换相关的演化步骤。第一步是确认某些事情已经失败（例如传感器不能正常运行。第二步是能够理解为什么这个传感器/过程失败。这些是物联网转型和未来工厂中最简单的步骤。今天许多公司都处于这个水平。

第三步变得更具预测性：这意味着能够在失败之前确定某些事情何时失败，并尽可能多地花费前置时间。生产者至少不希望因失败而影响/损坏他们的最终产品或设备。但更好的是，他们希望提前通知安排必要的计划维护（如上所述）。

这一演变中最后也是最具变革性的一步是从预测性转变为规范性，这意味着您可以在数据中看到某些事情即将失败，但生产者能够调整和调整流程，以便准确控制何时停机可能会招致 这需要对流程有重要的了解和洞察力，通常通过汇总大量数据并精确了解哪些参数会影响流程。在这个阶段，所有乐器和传感器都开始充当交响乐。

最后一步也是一个重要的转变点，当拥有如此多信息和了解其流程的公司可以开始更精确地调整和控制其流程，以实现所需的产品均匀性，质量，制造成本和吞吐量。这种学习可以部署在一个站点上，但在整个企业的多个站点上更有效。公司很难在不同的制造地点实现相同的产品一致性，这很容易受到设施，地理位置，个人和供应的影响。这种物联网革命可以协调这些全球运营，推动整个组织的产品和制造同步和改进。