工业物联网和预测分析
工业物联网、工业 4.0、数字工厂等，是每个营销主管都喜欢使用的流行语。但如今它们的广泛采用已使它们成为适用技术，使制造商能够实现更高生产力的普遍目标。
它从一开始就与数据有关。厂房是 ric 
h 各方面数据；它只是捕捉它的问题。据发现，近 3% 的美国制造商正在利用他们的运营数据并提取有益信息。为了使任何 IIoT 转变取得成功，公司需要明确他们的目标和人力资源的可用性，以使其取得成功。
以自上而下的方式分解的目标是最合理的，允许团队模块化向上。此外，重要的是形成一种允许跨学科连贯性的工作关系，因为毕竟 IIoT 是各种功能的结合。协同工作的资源示例包括工厂工程师、技术人员、SI，当然还有管理层。
预测分析是 IIoT 的一个重要方面，没有它，整个转换的目的就会失败。它允许利用数据块并以其真正的精神实现智能。简而言之，预测分析涉及改进流程质量和需求预测，这两者都可以提高组织的生产力。然而，在数字工厂中，这个角色要广泛得多，延伸到机器正常运行时间和防止设备强制故障等领域。
通过处理从遍布工厂车间的传感器收集的实时数据，预测分析能够让操作员在机器实际发生故障之前深入了解容易发生故障的机器。这使操作员可以在空闲时间安排维修，而不是造成工厂范围内的中断。
随着收集的数据量的增加，自动化程度也在增加，从而提高了手动流程的智能性。例如，可以调整系统以在接近故障时自动减慢机器运行速度，或设置允许延长使用寿命的阈值。
同样，数据的上游也可以让运营商进行更准确的根本原因分析，降低特定错误再次发生的机会。
所有这些好处都不是理论上的，而是世界各地的组织实际上正在收获。例如，美国电力公司 (AEP) 使用预测分析，可以在燃气轮机发生故障之前进行维修。预警为他们节省了 1900 万美元，这些钱本来是由于涡轮机完全损坏而花掉的。
自动化控制系统