2019年，公司将利用工业制造的进步，采取更大胆的措施来提高增长和运营效率。以下是2019年的主要工业物联网趋势和预测。到2022年，全球物联网技术支出预计将达到1.2万亿美元也就不足为奇了(IDC)。制造商正在寻求解决将所有生产系统（OT和IT数据、BI、质量管理和生产流程）集成到单一数据模型中的复杂问题，因为他们知道成功管理它的人可以在此过程中击败竞争对手。因此，物联网设备和服务的采用率将在2019年达到20%（IDC）。但问题不是“为什么”而是“如何”：有许多IIoT解决方案可以解决无数业务问题，但制造商一次只能为几个概念验证项目或解决方案预算。改进空间如此之大，制造商、投资者和政府机构将把钱投向何处？根据研究，我们确定了将在2019年继续发挥作用的趋势。制造商将采取这些步骤来更好地管理运营、提供改进的产品和服务，并使他们的业务更加智能。8工业物联网趋势1.超越概念验证如果2018年是概念验证年，那么2019年将是制造商从早期概念验证转向试点Twins和质量预测的一年。工业4.0解决方案非常新，我们仍然缺乏与工业4.0计划相关的大部分ROI数据。例如：预测性维护是几乎所有最近和即将举行的国际工业4.0会议的热门话题。但是制造业的预测分析仍然需要几个月的时间来收集足够的数据，以便在提供完整的投资回报率之前采取行动。此外，虽然一些制造商已达到预测阶段，但很少有早期采用者达到行业认可的分析阶段。但这即将改变。随着食品饮料、化工和其他大型行业的主要参与者部署IIoT解决方案，到明年这个时候将有更多关于如何有效实施这些解决方案的信息。2.人工智能在制造业中的兴起人工智能和工业物联网正在融合，将生产流程数字化，以提高生产率并减少停机时间。用于制造的机器学习算法正在制定和定制以应对特定的生产线挑战——例如减少生产浪费、提高过程稳定性、最大限度地减少计划外停机时间以及消除过程中断。3.结合运营技术（OT）数据运营技术（OT）和信息技术（IT）已经融合了一段时间，“协作”曾经是目标。许多制造商现在正在进一步提升他们的OT和IT数据，以提高数据驱动洞察力的相关性和准确性。如何？答案是：情境化。制造商衡量正确数据并得出准确结论的唯一方法是将工厂或生产线环境中的所有相关运营数据与信息技术系统中的业务环境数据相结合。以下是预测性维护中数据情境化的示例：一家食品和饮料制造商将机器学习算法应用于生产线的运营数据，以找到预测资产故障的模式。但该软件没有考虑质量控制测试的注意事项，也没有考虑生产的产品和批次。因此，对于特定食谱，食品烤箱可能会过热——但如果没有食谱的背景，机器学习算法将永远无法为生产团队提供准确、可操作的见解。明年，制造商将为系统制定预算，这些系统将通过影响生产环境中的流程和业务数据来帮助他们收集对卓越制造的洞察力。4.使用数字孪生来实施物联网解决方案的公司中有24%已经在使用数字孪生来提高安全性和效率——据Gartner称，这个数字将继续攀升。数字双胞胎是物理实体的虚拟副本，通常与其实时连接。在制造业中，数字孪生支持许多工业4.0解决方案，从自动根本原因分析到质量预测、预测性维护、库存智能和供应链优化等。数字孪生最常用于设计、建模和仿真领域，并在2018年成为流行语。2019年，我们将看到数字孪生的更广泛扩展：更多数字孪生将用于优化生产流程，而不是单个资产日常操作和流程。这些“完整”的数字双胞胎将整合流程数据并帮助制造商获得更准确的洞察力，无论是深入研究单个机器还是查看高级流程架构以识别和解决制造效率低下的问题。5.边缘计算随着2019年设备变得越来越强大，越来越多的制造商将利用本地数据处理和人工智能的能力，也称为边缘计算。到2020年，物联网传感器和设备将产生超过507.5ZB的数据制造商已经在收集数据，但通过云计算管理数据给制造商带来了财务压力——更不用说将所有原始数据存储在云中存在安全风险。边缘计算可帮助企业减少与数据分析相关的时间和费用，并通过在数据源附近分析和存储数据来提高数据安全性。想象一下：生产线上的多台机器以每秒数百个数据点的速度监控机器部件的振动。将所有数据上传到云端进行清洗、处理、聚合和分析是多余的。在边缘计算中，生产线上的每台机器都连接到边缘计算机以收集、存储和预处理操作技术(OT)数据。即使是源头的基本数据分析处理也可以将生产线数据聚合到令人难以置信的程度。机器学习算法的历史和实时数据要少得多，这加快了发现可能影响从产量到正常运行时间再到产品质量等方方面面的问题的速度。边缘计算还降低了云数据存储的成本，同时限制发送到云端的原始生产数据也降低了数据安全风险。6.移动工业4.05G网络的到来预示着工业物联网（IIoT）应用的广泛采用。由于5G和其他移动技术的进步，2019年实时IIoT应用将显着增加。7.供应链优化，曾经纯粹的物流功能，现在有了自己的商业模式和优化流程。与此同时，在线消费趋势极大地改变了客户对按需服务、透明度、速度和效率的期望。供应链4.0是一种通过数字化满足新需求和改变供应链格局的方式。供应链优化可以而且确实利用了2019年的许多其他工业4.0趋势：数字双胞胎、移动应用程序和人工智能预测工具。8.保护IIoT端点企业已经投资于保护其运营技术(OT)基础设施，其程度与保护IT系统的程度相同。然而，组织网络安全面临的明确和当前威胁，加上工业物联网应用的蓬勃发展，将看到面向对象的安全和工业控制系统安全成为制造工厂的主流，无论规模或行业如何。这并不容易，保护物联网设备或机器的安全将变得越来越困难，以至于微软最近发布了物联网设备最佳实践列表。随着边缘计算的普及，涌现出一大批新型工业物联网终端，即具有计算能力和网络连接能力的设备。因此，即使通过向云端发送较少数据来保护数据，也会增加端点的风险。尽管如此，开发智能生产线对企业的好处是显而易见的，对于希望通过人工智能提高生产和运营效率的制造商来说，保护数据不再是问题。2019年工业物联网预测我们看到越来越多的工业物联网解决方案部署，这些解决方案正在以数字方式彻底改变制造业格局——转变客户关系、差异化产品并大规模推动运营改进，以满足不断增长的生产需求。基于这些趋势，IIoT的早期采用者从工业4.0计划中获得收入的可能性是后期采用者的五倍。但请注意——公司必须首先决定他们希望在哪些业务价值驱动因素上投入精力。只有这样，他们才能将数字战略与业务目标结合起来，以便有效地管理、保护和运营物联网平台和流程。
