圖片來源：https://pixabay.com/images/id-3812762/

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

毫無疑問，到2022年，全球物聯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(OT和IT數據、BI、質量管理和生產流程)整合到單一數據模型中的複雜問題，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，物聯網設備和服務的采用率將在2019年達到20%(IDC)。

但問題不在於“為什麼”，而在於“如何”：有許多工業物聯網解決方案可以解決無數的業務問題，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。

有這麼多可以改進的地方，但制造商、投資者和政府機構會選擇把錢投在哪裏?

基於研究，我們已經確定了2019年將繼續發揮作用的趨勢。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，並使業務更加智能化。

工業物聯網的8個趨勢

1、超越概念驗證

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

工業4.0解決方案是如此新穎，以至於我們仍缺乏與工業4.0計劃相關的大部分投資回報率數據。

比如：

預測性維護幾乎是所有最近和即將召開的國際工業4.0會議的熱門主題。但制造業的預測分析仍然需要數月時間來收集足夠多的數據，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內認可的分析階段。

但這種情況即將發生改變。

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

2、制造業中人工智能的興起

人工智能和工業物聯網正在融合，使生產流程數字化，以提高生產力和減少停機時間。用於制造業的機器學習算法正在制定並針對具體的生產線挑戰量身定做——例如減少生產浪費，提高流程穩定性，最大限度地減少意外停機時間以及消除流程幹擾。

3、將操作技術(OT)數據情境化

操作技術(OT)和信息技術(IT)已經融合一段時間了，而“協作”曾經是目標。現在許多制造商正在將他們的操作技術和信息技術數據向前推進一步，以提高數據驅動的洞察力的相關性和准確性。

怎麼做?

答案是：情境化。

制造商衡量正確數據並得出准確結論的唯一方法是將工廠或生產線環境中的所有相關操作數據與信息技術系統中的業務環境數據相結合。

以下是預測性維護中數據情境化的一個示例：

一家食品和飲料制造商將機器學習算法應用於一條生產線上的操作數據，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准確、可操作的見解。

在接下來的一年裏，制造商將為系統編制預算，從而通過影響生產環境的流程和業務數據，幫助他們收集制造業卓越的洞察力。

4、使用數字雙胞胎

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

數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。在制造業中，數字雙胞胎支持許多工業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化等。

數字雙胞胎最常用於設計、建模和仿真領域，並在2018年成為時髦流行語。

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

這些“完整的”數字雙胞胎將整合流程數據，並幫助制造商獲得更准確的見解，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據處理和人工智能的能力，也稱為邊緣計算。

到2020年，物聯網傳感器和設備將生成超過507.5 ZB的數據

制造商已經在收集數據，但通過雲計算管理數據會給制造商帶來財務壓力——更不用說將所有原始數據存儲在雲中的安全風險。

邊緣計算通過在數據源附近分析和存儲數據來幫助企業減少與數據分析相關的時間和費用，並提高數據安全性。

想象一下：

一條生產線上多台機器監控機器組件的振動，而這會是每秒數百個數據點。

將所有數據上傳到雲中進行清理、處理、聚合和分析是多餘的。

在邊緣計算中，生產線上的每台機器都連接到一台邊緣計算機，以收集、存儲和預處理操作技術(OT)數據。

即使是在源頭執行基本的數據分析處理，也能將生產線數據聚合到令人難以置信的程度。對於機器學習算法來說，曆史數據和實時數據要少得多，這加速了發現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。

邊緣計算還降低了雲數據存儲的成本，同時，限制發送到雲的原始生產數據也降低了數據的安全風險。

6、移動工業4.0

5G網絡的到來預示著工業物聯網(IIoT)應用的廣泛采用。

由於5G和其他移動技術的進步，2019年將會出現實時工業物聯網應用的大幅增長。

7、供應鏈優化

曾經純粹是一個物流功能，現在有了自己的商業模式和優化流程。

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。

供應鏈優化可以並且確實利用了2019年的許多其他工業4.0趨勢：數字雙胞胎、移動應用和人工智能支持的預測工具。

8、保護工業物聯網終端

企業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系統相當。然而，對組織網絡安全的明顯和當前威脅，再加上工業物聯網應用的繁榮，將會看到面向對象安全和工業控制系統安全在制造工廠(無論規模或行業)成為主流。

這並不容易，保護物聯網設備或機器將變得越來越困難，以至於微軟最近發布了物聯網設備的最佳實踐列表。

隨著邊緣計算的普及，出現了大量新的工業物聯網終端，即具有計算能力和網絡連接能力的設備。因此，即使通過向雲端發送較少數據來保護數據，也會增加終端的風險。

盡管如此，開發智能生產線給企業帶來的好處也還是顯而易見的，對於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，保護數據已經不再是一個問題。

2019年工業物聯網預測

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

基於這些趨勢，工業物聯網早期采用者從工業4.0計劃中獲得收入的可能性是後期采用者的五倍。但請注意——公司必須首先決定他們想為哪些商業價值驅動因素投入精力。只有這樣，他們才能將其數字戰略與他們的業務目標保持一致，以便有效地管理、保護和運營物聯網平台和流程。