物聯(lián)網(wǎng)不是一種可以簡單“實施”的技術(shù)。

物聯(lián)網(wǎng)越來越多地用于降低成本和創(chuàng)造新的收入機會，但它不是一種可以簡單“實施”的技術(shù)。

物聯(lián)網(wǎng)和其他轉(zhuǎn)型技術(shù)需要一定程度的內(nèi)省，必須用于解決具體問題或?qū)I(yè)務(wù)運營帶入明確定義的未來狀態(tài)。當然，這不僅從技術(shù)角度而且在基礎(chǔ)商業(yè)模式中帶來變化和破壞。

北美工業(yè)公司是如何準備好迎接破壞的呢？

IoT復雜性 - 同比增長率達到兩位數(shù)

最近在200名北美高管中進行的IFS研究顯示，工業(yè)企業(yè)的物聯(lián)網(wǎng)使用量同比大幅增長，并突顯了12個月內(nèi)的幾個有趣的趨勢線。

研究表明：

• 在整個工作單元或生產(chǎn)線上收集物聯(lián)網(wǎng)數(shù)據(jù)的公司增加了17％，而不是單個機器組件或單個機器。
• 使用物聯(lián)網(wǎng)增加30％以支持資產(chǎn)績效管理。
• 使用物聯(lián)網(wǎng)監(jiān)控客戶設(shè)備增加10％。

這些數(shù)字都表明了現(xiàn)場服務(wù)管理的轉(zhuǎn)型方法。

ERP挑戰(zhàn)

雖然物聯(lián)網(wǎng)使用案例變得越來越復雜，但連接設(shè)備和用于運營業(yè)務(wù)的交易軟件之間仍然存在巨大差距 - 最明顯的是企業(yè)資源規(guī)劃（ERP）。該研究顯示，將物聯(lián)網(wǎng)數(shù)據(jù)流與其ERP軟件集成在一起的受訪者的百分比與徘徊在16％的同比保持不變。這代表了物聯(lián)網(wǎng)的一個障礙，它提供了來自連接設(shè)備的新業(yè)務(wù)和收入機會，這些設(shè)備觸發(fā)了用于運行組織的事務(wù)系統(tǒng)中的業(yè)務(wù)流程。

尋找物聯(lián)網(wǎng)和ERP的通用語言使物聯(lián)網(wǎng)和ERP相互通信

存在物流和技術(shù)障礙。物聯(lián)網(wǎng)傾向于在連續(xù)流中創(chuàng)建數(shù)據(jù)，其中傳感器可以將設(shè)備狀況的記錄發(fā)送到工廠歷史記錄或監(jiān)督控制和數(shù)據(jù)采集（SCADA）系統(tǒng)，頻率為每秒幾次。

另一方面，ERP系統(tǒng)需要描述定義的業(yè)務(wù)事件的數(shù)據(jù)。項目團隊必須定義ERP系統(tǒng)應該收集哪些數(shù)據(jù)，然后必須確定物聯(lián)網(wǎng)發(fā)現(xiàn)工具如何將物聯(lián)網(wǎng)數(shù)據(jù)的意識流式轉(zhuǎn)換為告訴ERP系統(tǒng)需要維護一部分設(shè)備的內(nèi)容，應該將技術(shù)人員派遣到客戶現(xiàn)場，或者減慢生產(chǎn)線以防止質(zhì)量問題。

這是企業(yè)軟件越來越需要解決的主要挑戰(zhàn)之一 - 當它發(fā)生時，它可以前所未有地解鎖轉(zhuǎn)型。IFS首席產(chǎn)品官Christian Pedersen解釋說，“想想物聯(lián)網(wǎng)不斷流入ERP系統(tǒng)和人工智能（AI）應用程序的潛力，通過創(chuàng)建新的業(yè)務(wù)邏輯不斷學習和應用這些知識。那時人工智能將看到真正的突破 - 當ERP系統(tǒng)發(fā)生巨大變化時，改變我們對它們的思考方式。“

連接設(shè)備的崛起

雖然公司正在努力解決IoT-ERP集成問題，但是當它們在設(shè)備上部署傳感器的復雜程度時，它們的進展速度要快得多。該研究詢問受訪者是否在一臺設(shè)備，整個設(shè)備，工作單元/生產(chǎn)線性能或網(wǎng)絡(luò)車隊中傳感單個組件。

最顯著的發(fā)現(xiàn)之一是，在一年內(nèi)，報告未在任何設(shè)備上使用傳感器的受訪者數(shù)量下降了三倍 - 從15％降至略低于5％。另一個有趣的發(fā)現(xiàn)是，17％的受訪者正在監(jiān)控整個工作單元或生產(chǎn)線。

值得關(guān)注的一點：資產(chǎn)績效管理 IFS研究證實了其他關(guān)于資產(chǎn)績效管理（APM）重要性的研究數(shù)據(jù)，其中一部分側(cè)重于整個企業(yè)資產(chǎn)的可見性，比其他用例更快地推動IIoT部署。資產(chǎn)業(yè)績管理的重要性在市場研究未來（MRFR）的一項研究中得到了回應：

“資產(chǎn)績效管理導致了重點轉(zhuǎn)移，即提高可靠性，減少停機時間并減少計劃外維護。MRFR看到2016年至2022年的時間段，重點是優(yōu)化設(shè)備的盈利能力。因此，機器學習和改進的大數(shù)據(jù)分析將允許企業(yè)根據(jù)訂單積壓和可靠性問題確定工廠的最佳運營配置文件。在可預見的未來，所有這些因素將極大地促進市場的增長。“

數(shù)據(jù)驅(qū)動轉(zhuǎn)型的路線圖

借助IFS研究的見解，工業(yè)組織可以做出明智的決策，評估物聯(lián)網(wǎng)和人工智能等顛覆性技術(shù)如何適應其特??定的業(yè)務(wù)環(huán)境并釋放新的增長機會。

IFS Industries總裁Antony Bourne表示：“物聯(lián)網(wǎng)幫助企業(yè)轉(zhuǎn)變業(yè)務(wù)，提高效率，使他們能夠探索新的收入來源并從根本上改變業(yè)務(wù)流程。” “在企業(yè)軟件和技術(shù)平臺上經(jīng)驗豐富的合作伙伴可以幫助確定一種行之有效的方法。如果工業(yè)公司不接受數(shù)字化轉(zhuǎn)型，那么他們的業(yè)務(wù)很可能會被更敏捷的競爭對手所破壞。“

文章來自 SmartIndustry