工業(yè)4.0如今仍然是一個(gè)不斷演進(jìn)的過程，其核心是物聯(lián)網(wǎng)。工業(yè)環(huán)境中的數(shù)字化轉(zhuǎn)型仍在持續(xù)，并且由于新冠疫情而在加速實(shí)施。那么，工業(yè)物聯(lián)網(wǎng)和高級分析在未來將如何發(fā)展?隨著即將進(jìn)入2022年，企業(yè)高管對此應(yīng)采取哪些優(yōu)先事項(xiàng)?

　　根據(jù)調(diào)研機(jī)構(gòu)麥肯錫公司的估計(jì)，2020年全球物聯(lián)網(wǎng)市場規(guī)模為1.6萬億美元，到2030年B2B市場規(guī)?？赡軙鲩L到3.4至8.1萬億美元。這項(xiàng)評估表明，未來幾年仍有大量價(jià)值機(jī)會有待實(shí)現(xiàn)。

　　為了實(shí)現(xiàn)這一價(jià)值，各行業(yè)的企業(yè)實(shí)施數(shù)字戰(zhàn)略需要克服一些障礙并抓住機(jī)遇。物聯(lián)網(wǎng)硬件的快速發(fā)展以及存儲大數(shù)據(jù)的能力奠定了數(shù)據(jù)增長的基礎(chǔ)，這些年來這方面的成本都已顯著降低。現(xiàn)在的重點(diǎn)是如何使用這些正在獲取的數(shù)據(jù)來創(chuàng)造價(jià)值。

　　1.實(shí)現(xiàn)系統(tǒng)互操作性以獲取更好的數(shù)據(jù)

　　事實(shí)證明，擴(kuò)展數(shù)字化轉(zhuǎn)型是企業(yè)在物聯(lián)網(wǎng)領(lǐng)域遇到的最主要的障礙之一。許多項(xiàng)目無法擴(kuò)大規(guī)模，限制了采用率和價(jià)值實(shí)現(xiàn)。造成這種情況的原因之一是由于使用專有的封閉生態(tài)系統(tǒng)，以及傳統(tǒng)系統(tǒng)、不同數(shù)據(jù)架構(gòu)和定制物聯(lián)網(wǎng)傳感器語言的混合，造成了生態(tài)系統(tǒng)的障礙。為了從高級分析中受益，需要在生態(tài)系統(tǒng)之間獲取和共享數(shù)據(jù)，以便可以在整個(gè)企業(yè)范圍內(nèi)收集見解。為了實(shí)現(xiàn)這一目標(biāo)，企業(yè)需要要求所有未來采購具有互操作性，并計(jì)劃解決遺留問題。

　　2.為未來的高級分析規(guī)劃數(shù)據(jù)存儲

　　高級分析、人工智能和機(jī)器學(xué)習(xí)使用原始的非結(jié)構(gòu)化格式的大數(shù)據(jù)。企業(yè)需要改變捕獲、存儲和管理這些數(shù)據(jù)的方式。對于預(yù)測分析而言，時(shí)間序列數(shù)據(jù)至關(guān)重要，因此企業(yè)應(yīng)該計(jì)劃使用云數(shù)據(jù)倉庫并采用圖形數(shù)據(jù)庫，以便充分利用新的高級分析技術(shù)。

　　3.企業(yè)范圍內(nèi)的高級分析計(jì)劃

　　當(dāng)企業(yè)在運(yùn)營過程中擴(kuò)展并開始使用高級分析(如人工智能和機(jī)器學(xué)習(xí))時(shí)，就會實(shí)現(xiàn)更多的價(jià)值。企業(yè)需要規(guī)劃在整個(gè)企業(yè)中使用的高級分析，而不是在小型試點(diǎn)項(xiàng)目采用或限制在內(nèi)部數(shù)據(jù)科學(xué)團(tuán)隊(duì)內(nèi)。當(dāng)企業(yè)的員工開始分析數(shù)據(jù)以幫助他們了解日常工作時(shí)，就會出現(xiàn)數(shù)據(jù)民主化。麥肯錫公司估計(jì)，價(jià)值創(chuàng)造的最大潛力在于優(yōu)化制造業(yè)的業(yè)務(wù)運(yùn)營，可以提高資產(chǎn)和人員的管理效率。

　　4.無代碼機(jī)器學(xué)習(xí)和MLOps

　　自動(dòng)化高級分析是工業(yè)企業(yè)的下一個(gè)重大機(jī)遇。隨著技術(shù)的進(jìn)步，無代碼機(jī)器學(xué)習(xí)(ML)現(xiàn)在正在被世界各地的企業(yè)廣泛部署。無代碼機(jī)器學(xué)習(xí)(ML)使專家和運(yùn)營人員無需任何編碼或編程知識即可快速創(chuàng)建其資產(chǎn)或操作的模型。這些模型是自動(dòng)部署的，可以從實(shí)時(shí)和歷史數(shù)據(jù)中學(xué)習(xí)，并提供關(guān)鍵見解以幫助優(yōu)化運(yùn)營?？梢钥吹剿挥糜陬A(yù)測性維護(hù)和實(shí)時(shí)狀態(tài)監(jiān)控。MLOps是通過自動(dòng)化應(yīng)用持續(xù)集成測試和持續(xù)部署，提供可擴(kuò)展的最新數(shù)據(jù)模型，以實(shí)現(xiàn)機(jī)器學(xué)習(xí)的工業(yè)化。通過機(jī)器學(xué)習(xí)的工業(yè)化，模型自動(dòng)化才得以實(shí)現(xiàn)，有助于企業(yè)實(shí)現(xiàn)高級分析的可擴(kuò)展性。

　　5.實(shí)現(xiàn)遠(yuǎn)程和自動(dòng)化操作

　　向遠(yuǎn)程工作和集中操作的轉(zhuǎn)變推動(dòng)了遠(yuǎn)程監(jiān)控等創(chuàng)新，并在許多運(yùn)營環(huán)境中提高了自動(dòng)化程度。這些創(chuàng)新將有助于降低運(yùn)營成本和人員安全風(fēng)險(xiǎn)，并有助于進(jìn)一步提高物聯(lián)網(wǎng)可以產(chǎn)生的價(jià)值。提高預(yù)測生產(chǎn)故障或錯(cuò)誤的遠(yuǎn)程監(jiān)控和接收警報(bào)的能力將會提高團(tuán)隊(duì)的效率。高級分析將提供根本原因分析，確保將正確的人員和部件調(diào)派到現(xiàn)場，并提供見解使操作員能夠做出明智的決策，例如調(diào)整流程或設(shè)備以確保不會出現(xiàn)生產(chǎn)力損失。

　　6.排放達(dá)標(biāo)和減少排放

　　各行業(yè)的企業(yè)都在制定碳排放目標(biāo)，下一步是確保實(shí)現(xiàn)這些目標(biāo)。物聯(lián)網(wǎng)和高級分析可以幫助企業(yè)確定目標(biāo)設(shè)置的基準(zhǔn)，并可以監(jiān)控持續(xù)使用的情況。可以識別使用大量能源的領(lǐng)域以及潛在改進(jìn)的機(jī)會。AutoML可以用于預(yù)測能源使用峰值，以協(xié)助儲存能源和實(shí)現(xiàn)廢物最小化。

　　7.企業(yè)的整體分析

　　整合企業(yè)的數(shù)據(jù)和高級分析為改進(jìn)預(yù)測、報(bào)告和合規(guī)性提供了機(jī)會。其數(shù)據(jù)可用于推動(dòng)增長、優(yōu)化和多元化戰(zhàn)略。所提出的見解可用于改進(jìn)流程，并有助于不同部門和業(yè)務(wù)部門之間的知識共享。

　　物聯(lián)網(wǎng)和高級分析的每個(gè)用例的價(jià)值可能會有很大差異。因此，獲取價(jià)值的最終目標(biāo)是將創(chuàng)新嵌入到整個(gè)企業(yè)中，這將從企業(yè)高管開始，數(shù)字化轉(zhuǎn)型不再局限于IT部門或創(chuàng)新團(tuán)隊(duì)。為了使真正的價(jià)值得到認(rèn)可，它需要融入到企業(yè)的使命中。

　　很多企業(yè)面臨的挑戰(zhàn)是擴(kuò)大規(guī)模，以便快速獲取價(jià)值。這反過來將有助于改變內(nèi)部文化、程序和方法。隨著試點(diǎn)項(xiàng)目轉(zhuǎn)向推廣，并進(jìn)行改進(jìn)以減少瓶頸，可以提高決策的準(zhǔn)確性，并全面改善企業(yè)的業(yè)務(wù)。