“任何IIoT系統(tǒng)的四個主要部分是智能資產(chǎn)、數(shù)據(jù)通信基礎架構，用于解釋數(shù)據(jù)并對其進行操作的分析和應用程序以及人員。
智能資產(chǎn)包括具有傳感器、處理器、內(nèi)存和通信功能的機器或其他資產(chǎn)。在某些情況下，這些資產(chǎn)可能具有關聯(lián)的虛擬實體或支持軟件定義的配置和性能；智能資產(chǎn)生成更多數(shù)據(jù)并在整個價值鏈上共享信息；某些智能資產(chǎn)最終將具有自我意識或自主運行?；ヂ?lián)網(wǎng)，這些資產(chǎn)和其他實體之間的數(shù)據(jù)通信將經(jīng)常利用網(wǎng)絡技術，如LTE，ZigBee的無線網(wǎng)絡連接，IEEE 802.15-4，和基于云的計算基礎架構，其存儲可滿足大數(shù)據(jù)需求。強大的分析和相關軟件將增強資產(chǎn)優(yōu)化以及系統(tǒng)優(yōu)化。將部署預測性分析以減少計劃外的停機時間。這些工具生成的最新可用信息將導致新應用程序支持新的，變革性的業(yè)務模型。公司將不再提供實體產(chǎn)品進行銷售，而是越來越多地將產(chǎn)品“作為服務”提供。人將通過訪問更多數(shù)據(jù)，更好的分析工具和更好的信息來參與其中，并將越來越多地根據(jù)這些資源所產(chǎn)生的分析做出決策。量化決策將變得更加普遍，“智能”信息將在人們需要的時間和地點出現(xiàn)。但是人們還將繼續(xù)通過社交和移動工具及應用程序與他人以及與機器和系統(tǒng)建立更好的聯(lián)系?！?/p>
智能資產(chǎn)：今天從傳感器、電動機、儀器等獲得的數(shù)據(jù)使我20年前開始使用時產(chǎn)生的數(shù)據(jù)量逐漸增加。我們必須學習如何利用所有這些數(shù)據(jù)，找到有用的信息并利用我們獲得的情報來提高利潤。
數(shù)據(jù)基礎架構：僅僅十年前，在許多行業(yè)中將PLC或其他控制系統(tǒng)聯(lián)網(wǎng)的情況并不常見。今天，情況已經(jīng)不同了，因此我們所有人都必須準備好應對來自智能資產(chǎn)的數(shù)據(jù)泛濫。
分析：這是數(shù)據(jù)變成知識的地方。我相信分析及其應用將徹底改變制造業(yè)，而那些不接受分析的人將被拋在后面。正如我之前所說，上下文是數(shù)據(jù)的關鍵，而分析當然需要上下文有效。但是，只有人們知道什么上下文對于啟用分析并使之有用至關重要。分析不是創(chuàng)造自己，而是人們創(chuàng)造。
人：這是所有人中最關鍵的組成部分。即使出現(xiàn)了具有機器學習內(nèi)容的機器學習和基于云的預測分析包，例如Microsoft Azure機器學習，IPLeanware的Braincube等，仍然需要人們充分理解數(shù)據(jù)才能編寫上述工具的算法。人們?nèi)匀恍枰宄男┲笜藢I(yè)務影響最大。人們?nèi)匀恍枰{整數(shù)據(jù)的形狀以從工具中獲取意義。
人們還需要解決以上工具所顯示的問題。比如，我們需要的并不是真正解決問題的軟件，而是需要提出“為什么”的人們。幾年前誰甚至在制造業(yè)或公用事業(yè)領域聽說過“數(shù)據(jù)科學家”一詞?數(shù)據(jù)科學已經(jīng)存在了很長時間，但是在過去的五年中，這個領域的工作量呈爆炸式增長，在從未考慮過這種事情的行業(yè)中，工作量激增了。數(shù)據(jù)科學家正在研究幾年前還不存在的問題。同樣，人是IIoT的最關鍵組成部分。
擁有正確數(shù)據(jù)的正確問題解決者可以是一種神奇的組合，許多組織如此專注于前三個組成部分(智能資產(chǎn)、數(shù)據(jù)基礎結構、尤其是分析)，以至于它們可以最大程度地減少第四，也是最重要的組成部分——人。一些組織所做的另一個假設是，如果將相同的數(shù)據(jù)或信息放在多個人面前，則每個人理論上可以用他們所看到的內(nèi)容對組織產(chǎn)生相同的影響。但是，基于他們對信息、技能和經(jīng)驗的解釋，這是不正確的。我們不做這些假設-我們知道在正確的人面前提供正確的信息 ，在適當?shù)臅r間對其可能產(chǎn)生的影響有所不同。
品-20241216191417.jpg)
-20241213094735.png)
