设备制造商和用户希望利用通过分析和建模 IoT 和传感器数据获得的洞察力，从被动操作转变为主动操作。 设备制造商迅速采用物联网和嵌入式智能传感器，再加上新的连接选项，可以轻松访问大量丰富的运营数据。越来越多的设备制造商和用户希望利用通过分析和建模数据获得的洞察力从被动操作转变为主动操作。最近，RTInsights 与 PTC 数字化转型解决方案的人工智能和分析主管 Chris MacDonald 一起探讨了推动兴趣的因素在这一领域，公司面临的挑战以及有助于成功的关键技术。这是该对话的摘要。 RTInsights：为什么有兴趣转向主动式运营，为什么是现在？ 麦克唐纳： 服务和售后市

DevOps 被认为是满足嵌入式软件市场对更多应用程序和新功能的需求的最佳方式，所有这些都可以在更短的时间内提供。 一场完美风暴正在酝酿嵌入式设备软件开发。嵌入式设备正在激增，特别是随着新的连接选项（例如 5G）使创新的连接设备应用成为可能，并且它们的使用正在扩大，利用新的分析和人工智能功能。同时，设备生命周期需求（例如响应不断演变的网络攻击）使得快速创建和部署软件更改成为必要。 这些条件对开发和运营人员提出了新的要求。越来越多地，DevOps 被认为是满足市场对更多应用程序和新功能的需求的最佳方式，所有这些都可以在更短的时间内提供。 RTInsights 最近采访了 Wind Riv

NASA 等组织正在与刚刚起步的人分享他们在 AI 和 AIOps 方面的经验。 有兴趣实施 AIOps 的组织可以从其他已采取步骤在其运营和 DevOps 团队中使用人工智能的建议中学习。 NASA 就是这样一个分享建议的创新者，它最近强调了采取整体方法为航天局的金融和采购等业务应用推出人工智能的重要性，特别是在 AIOps 环境中。 在向 AI 运营小组 ATARC 的一次演讲中，NASA 的数据科学小组负责人确定了 AIOps 计划所需的三个关键要素。技术可能是最明显的一项，但组织还必须准备好他们的数据以确保它为人工智能做好准备，同样重要的是企业文化转变，人们接受让数据帮助制

AIOps 可观察性可帮助 IT 减少停机时间、提高应用程序性能并让客户满意。 2016 年，Gartner 创造了首字母缩写词 AIOps（用于 IT 运营的人工智能），但在此之前几年，IT 专业人员已经听说并体验了自主计算的元素。这种自动化技术使大型机和服务器能够做出自动和自适应的决策和调整，以便它们能够响应嵌入在其运营中的传感器向它们提供的性能信息。 引入 AIOps 可观察性 无论是 AIOps 还是自主计算，目标始终是协助 IT 监控和调整性能，以便充分利用计算机化资产并为业务提供优化的技术。 IT 看好 AIOps，从现在到 2026 年 AIOps 解决方案的预测复合年增

经过一年的加速数字化转型和向云端迁移，您没有理由不采用云技术来制定欺诈检测策略。 过去一年出现的无数社会和经济障碍为每个行业带来了改进的机会。对于那些从事预防欺诈和降低风险的金融服务业者来说，他们不得不面对应对在经济衰退和不确定时期趋于上升的欺诈的挑战。 在过去的一年里，数字化转型和技术采用也加速了——对于金融机构和试图欺骗它们的不良行为者来说。 2021 年是金融机构重新思考其技术以保持安全和竞争力的重要时刻。欺诈圈的形状和大小不断增长，您的欺诈检测应用程序需要适应这种高度动态和新兴的环境。 另见： AI 为欺诈检测和预防带来实时性 欺诈检测的现状 金融界目前处于多重格局变化的

物联网基础设施是构建边缘计算环境的一种可能方式。 物联网 (IoT) 和边缘计算是当今最热门的流行语之一。尽管它们不一定齐头并进，但将物联网与边缘计算配对是从这两类技术中获得最大价值的一种常见策略。 物联网是以某种方式连接到互联网的任何非传统设备网络。此处的“非传统设备”是指传感器、医疗设备和智能家居系统等设备，而不是 PC 和服务器等传统设备。 物联网的历史可以追溯到几十年前。但直到过去几年——或者可能是最近十年——物联网才终于成熟并证明了它已经为大规模现实世界使用做好了准备。 边缘计算是一种计算架构，其中数据和处理尽可能靠近最终用户。它与传统的云计算架构相反，后者的数据和处理集

较早的进入者在获得边缘计算的好处方面处于领先地位，他们提供的路线图和课程将使所有人受益。 淘金热正在利用边缘计算，但某些行业和类型的公司更有可能比其他公司更早地开始看到结果。边缘实施的领导者将是由云和技术制造商提供服务的运输和制造部门的组织。 这是 Akash Bhatia 和 BCG 贡献者团队的话，他们在今年早些时候研究了边缘计算正在重塑各大行业集团公司的方式，并指出边缘计算有望以先前技术转变的方式产生赢家和输家，例如作为云计算。然而，虽然云使企业的访问和实施变得更加简单，但边缘计算需要一套更复杂的技能和能力，因此今天的赢家可能不是明天的赢家。 另见： 边缘计算与云计算：入门

可观察性策略为企业 IT 和 DevOps 团队利用 AIOps 提供了丰富的好处 为什么需要将可观察性作为 IT 战略的一部分？好处包括让您的员工保持生产力和您的业务正常运转。 所有这一切看起来都很简单，但对于它背后的“如何”，你需要回想十年前云的承诺刚刚出现的时候。将您的基础架构卸载到云端将延长正常运行时间，同时降低资本和运营成本。同时，切换到基于云的应用程序承诺可以访问同类最佳的应用程序，同时最大限度地减少开发费用和修补的需要。 企业在随后的几年中普遍意识到了这些云计算的好处，但他们也遇到了新的挑战，即复杂性。 迁移到云通常需要一个多云战略，其中包括多个基础设施供应商和一篮子

当离散设备的模型结合到系统级的操作视图中时，数字孪生技术的力量就会得到放大。 工业物联网 (IIoT) 的广泛采用激发了人们对数字孪生技术的兴趣。 IIoT 将连接的智能设备和分析结合在一起，使组织能够监控、收集、交换、分析和提供有关其系统和流程的有价值的新见解。这些洞察有助于推动更明智、更快的业务决策。 当物理系统与数字表示相结合时，衍生的见解可以为制造商在其运营的不同方面带来额外的好处，涵盖从智能制造到供应链优化再到产品或服务创新的各个方面。 许多行业对数字孪生技术的兴趣正在蓬勃发展。该市场在 2020 年价值 31 亿美元，预计到 2026 年将达到 482 亿美元，从 2020

DataOps 可以帮助医疗保健组织使用现代数据分析实践并推动有效降低成本和增加收入的合理业务实践。 医疗保健组织正在努力解决与数据相关的问题。无法处理大量数据并获得实时洞察力使它们无法以最高效率运行。由于数据存在于内部和外部系统中，因此提取、集成和标准化数据是一项持续的挑战。预算限制和人员配备问题增加了复杂性，因为它需要资源来监控和管理集成。医疗保健组织首当其冲受到此类管理不善的系统的影响。例如，源系统中的版本更改未实时集成可能会导致关键计费数据丢失。这可能会导致医院因延迟申报而错过报销，或者至少会导致现金流延迟，从而导致医院出现重大的收入流失。所有这些问题都可以通过采用 DataOps

人工智能和增强分析的进步意味着企业团队可以更有效地将他们的数据放入上下文中。 自从大数据成为流行语之前，就有一个让商业领袖和数据专业人士感到沮丧的挑战。这是分析中缺乏上下文。 看看这个用例是否听起来很熟悉。一位业务负责人最初要求分析区域销售下滑的原因，一位数据分析师努力工作了几个月，建立模型、提取数据并为业务方开发报告。 问题 当结果回来时，结果令人失望的是单维度的，从未证实销售放缓背后的真正“原因”。该报告可能会识别特定产品线或特定销售团队的滑点。但不是两者兼而有之。 缺少的是上下文。没有办法检测到滑点的真正根本原因。是人事、薪酬还是人员流动问题？真的是供应链问题吗？会不会是新的

虽然连接的工业革命正在进行中，但物联网技术继续推动进步和无处不在的变化。 物联网 (IoT) 正在推动整个垂直市场的数字时代发生重大而有影响力的变化。虽然物联网设备可以在我们的家中找到——听音乐、开灯甚至做饭——但在工业环境中部署的物联网设备的数量也在同步增长。物联网似乎已成为提高全球效率和改善生活的必要条件，随之而来的是组织需要调整和适应技术进步，以保持相关性、竞争力和有效性。 另见： 物联网开始向企业证明自己 每个应用程序都是独一无二的，可能需要不同形式的物联网连接——无论是 5G、BLE、LoRa 还是 Wi-Fi——对于组织来说，在部署之前了解和权衡每种技术的优缺点非常重要，以

利用知识图谱的推理能力，组织可以推断新的数据连接并解释他们创建的任何新连接。 数字化转型风靡一时，在大多数情况下，数字化转型的目标是将数据视为资产。在某些情况下，这意味着将数据货币化，而在其他情况下，目标是更有效地利用数据来获得洞察力以做出更好的决策。然而，在现实中，两者都很难实现。数字化转型需要从日益混合、多样化和不断变化的数据中获得快速洞察，但传统的数据集成平台并非针对当今环境而设计。因此，组织无法再跟上数据日益复杂的步伐，也无法识别数据之间隐藏的关系和联系以发现新的机会。越来越需要一种推理能力，使公司能够将不同的数据集放在一起并分析它们以获得洞察力。 只有当 IT 团队能够摆脱

具有前瞻性的智能工厂组织拥抱新技术，对劳动力发展非常感兴趣。 智能工厂的承诺远未实现。 “超过 70% 的公司仍陷于试点炼狱，而只有少数领先制造商能够大规模部署先进制造，在工厂内或跨价值链创造新的价值和客户体验。” 这是世界经济论坛与其最近推出的“全球灯塔网络”联合发布的一份报告的要点之一，该网络旨在通过数字化转型和人工智能等举措推动工业 4.0。 WEF 表示，这项工作的目标是鼓励最佳实践，以促进技能发展和可持续发展，从而实现智能工厂的地位。现在有 69 家工厂和站点是网络的一部分。 另见： 智能工厂能否变得更智能？ 报告指出，具有前瞻性的工业企业正在积极采用下一代技术，例如用于

在数字化转型时代，企业 IT 系统的可观察性至关重要。 随着组织拥抱数字化转型，相关的业务流程自动化给 IT 团队带来了更大的压力，要求他们更加主动和灵活。 DevOps 从业者和站点可靠性工程师 (SRE) 受到不同寻常的关注，因为他们是创建关键应用程序并保持它们运行的​​专业人员。快速、明智的响应至关重要，因为数字化转型企业的生死取决于其运营系统的性能。 现代系统的内在复杂性和庞大的运营数据量产生了新的相关挑战。当出现问题并且性能受到影响时，发现可能的根本原因和修复的传统手动过程太慢。因此，运营团队的新基本工具是可观察性 . 对可观察性的需求 可观察性是团队将运营数据用作罗塞塔石碑

以人为本的互联网创造了不可估量的创新和社会变革。期待互联网下一个以机器为中心的章节。 今天的互联网是为人类打造的——明天的互联网将是为机器打造的。最终用户的这种变化将改变有关网络构建方式的一切，并推动投资和创新向“边缘”（即边缘计算）的巨大转变。 在移动性日益繁荣的推动下，边缘计算已经满足了对更快、更灵活、更分散的数据处理和计算范式的日益增长的需求。正如摩尔定律在各种技术中反复证明的那样，即将到来的边缘计算的指数级增长将使我们 2021 年的智能手机和亚马逊充斥的生活相形见绌。 另见： Kubernetes 与边缘计算有什么关系？ 为了正确看待这一点，让我们首先考虑物联网的普及程度及

对制造流程采用数字化战略将使中小型制造商保持竞争力。 企业工业制造可能在数字化转型方面处于领先地位，但中小型制造商仍然可以利用新技术来建立可持续和成功的运营。无处不在的物联网和低代码开发方法可帮助任何规模的制造商从现代化和转型中获益。 然而，制造数字化可能会带来一些与技术本身无关的基本挑战。美国国家标准与技术研究院 (NIST) 和其他机构已经注意到一些常见的数字化转型障碍和潜在的解决方案。 初始投资资金 中小型企业可能没有大型企业投资新解决方案和调整现有解决方案的预算。当运营“按原样正常运行”时，这可能是一个障碍，但制造商必须学会看到更大的愿景。前期会有投资成本，但不采用技术跟上

NIST 发布了其智能电网框架的更新版本，重点关注互操作性和安全标准。 谈论一个完美时机的案例。上周，就在一场寒流使德克萨斯州的电网瘫痪时，美国国家标准与技术研究院 (NIST) 发布了其智能电网框架的更新版本。 具体来说，新版本是智能电网互操作性标准的框架和路线图。 NIST 发布的报告指出，“近年来发生了重大的电网现代化，但技术和相关标准的扩散仅适度提高了互操作性。 另见： 人工智能是国家电网基础设施投资的核心 在当前市场上，互操作性仍然是电力系统关键但尚未开发的能力。如果不采取行动，可操作性情况可能会变得更糟。正如 NIST 指出的那样：“分布式能源和其他技术的扩展，以及不

实现工业物联网的成功需要一种方法来帮助公司集成现代工业应用中通常使用的许多技术。 工业物联网或更广泛地说，工业 4.0 的承诺是创建“智能工厂”——利用机械和硬件上的传感器在工厂或仓库中创造无所不知的意识。希望和相信这种仪器技术将能够创建大量数据集，人工智能可以利用这些数据集来推动工厂的超优化。 凉爽的。听起来很棒。给我报名。我要那个。我们都这样做。 虽然物联网在 Waze、Yelp 和 Uber 等消费者应用程序中发生了变革，但它的好处并没有在广泛的工业应用程序中实现。至少在可扩展、可重复和负担得起的应用程序中不是这样。 那么为什么我们还没有在工业世界看到同样的转变呢？简短的回答

展望未来，智能边缘的无延迟功能将帮助企业实现数字化转型的承诺等。 我做过的第一次计算是在 Sinclair 计算机上进行的。我大学毕业后做的第一份工作是关于 DEC PDP II。这让我老了。在我第一次体验 PDP II 九个月后，DEC 推出了其 DEC Rainbow 桌面，然后我观察了 EDI 如何改变了我们在全球范围内转移资金的方式。 PayPal 现在可以通过手机立即完成的操作。那是1980年代。计算方式的变化和快速演变是我们这个世界的共同组成部分。自 1980 年代以来，它利用摩尔定律和梅特卡夫定律的各个方面发展得非常快。有时这些定律会同时起作用（互联网），有时这些计算定律会