如何（NOT）使用 IoT 和 AI 失败

如今，大多数成长中的工业公司都押注于根据工业4.0转型，解决各种技术举措。

物联网宇宙正在以惊人的速度爆发新的力量。

一方面，智能传感器爆炸，再加上大数据的海啸。另一方面，有许多复杂的大数据平台可以大规模收集、处理和存储数据，并取得突破性的技术进步。这进一步提出了一个更深层次的”太人性化”的问题，即我们存储数据的能力在数据处理和分析能力时无法扩展。

工业 4.0 时代需要特定的操作方法和技术，使我们能够创造新的价值。此值是通过从数万亿台互联机械中提取的数据，并加快路径以获得该洞察。

然而，当今世界面临着重大的数据泛滥问题，在无组织、孤立的数据地雷中寻找有价值的见解。但是，得益于物联网和人工智能，未来将转向范式转变，让行业能够体验到更高的资产可用性、更好的可持续性和更高的生产效率所带来的好处。

加快物联网游戏打破传统产业规范

利用来自 IoT 设备的数据有助于引导和加快实现端到端工业数字化转型的道路。工业 4.0 愿望远未实现工业数字和数据成熟度。大多数组织都难以在正确的时间获得正确的数据，以生成有价值的见解，从而促进更快、更准确的业务决策。

以下是工业 4.0 的现状不起作用的原因，以及公司如何重新考虑其数据战略以实现快速无缝的生产部署：

随着行业4.0的变化，公司正在大量投资数据科学和机器学习计划，以行业4.0冠军的身份脱颖而出。他们正在寻找一些可能或根本不存在的东西。

根据微软最近的分析，超过30%的行业领导者陷入了这种无目的地重复一个又一个物联网倡议的恶性循环中。

如今，企业蓬勃发展的不是粗略和战术数据，这些数据揭示了是否有利润或亏损，而是依靠更深入的见解。例如，按利润率转移的百分比、影响因素是什么以及此影响底线的确切程度。

事实是，从飞行员到实际生产的这一质跨越是一个巨大的努力！然而，他们的大多数POC并没有转化为生产，因为他们没有看到显著的正底线影响。

公司应采用实用型模型，推动企业范围的 IoT 计划在早期成功中拥有有效的证明点。

稳健的数据策略不仅从选择同类最佳的工具和技术开始，将松散端和数据源拼接在一起。它应从关键业务优先级、关键 KPI 围绕哪些决策开始 – 必须收集、衡量和分析哪些类型的数据。

在这60秒的视频，大数据和AI行业专家和我最喜欢的，大数据院长，比尔施马佐精美地强调大数据是如何不是与技术，而是关于数据的经济价值。

作为一家希望确保高效工厂运营的工业公司，您需要考虑跟踪关键运营 KPI。毕竟，是 KPI 的总和放在一起，讲述了一个关于生产线、工厂和组织绩效的故事。

操作 KPI 或指标是一种度量单位，可以根据不同的卷、时间频率和成本类别量化和优化操作流程。

准确跟踪这些 KPI 可提供急需的业务和运营洞察，以满足您的运营目标

当企业接触工业 4.0 试点时，没有明确了解 KPI 和数据时，它们必将在下面列出的四种方案中结束。

影响：不明确的业务目标，这意味着他们无法证明哪些潜在好处
预算超支：缺乏明确的业务成果，这意味着预算将超支，难以量化
数据质量：75% 的公司在试点期间意识到缺少用于解决任何/特定业务问题的正确数据
ROI：如果没有跨多个参数的清晰定义策略，就很难为进一步创新提供业务案例-
- 需要购买更多的工具或技术
- 内部数据技能与咨询或外包公司合作的成本
- 行业 4.0 承诺的领导战略和共识

企业需要消除商业盲点，以便数字化到位。当公司将 IT 和 OT 专家带入一个房间时，他们可以一起将挑战带到最前沿，不仅是挑战，还包括自动化和数据战略等战略领域的潜在解决方案。此方法培养了简化的数字文化，以尝试 IoT 和 AI 来构建、学习和使用增强的操作方式。

数据科学家和 IT 团队可以利用计算机、设备类型中 OT 业务专业知识的宝藏，利用大量统计技术，帮助推动关键决策并提高收入利润。 extensive collection of statistical techniques.

例如：

AI 和 IoT 正在重新定义工厂经理的游戏，在降低成本的同时实现卓越运营。AI 驱动的高级分析方法正在改变公司执行许多操作的方式 – 从跟踪运营缺陷到维护正常运行时间到简化运营。

AI 是通过利用大量 IoT 数据流的真正功能为您的业务创建这种差异的网关。这里的症结不仅仅是敏捷，而是将这种速度转化为有价值的决策，从而减少上市时间。

公司必须使用 IoT 和 AI 的数据，将敏捷性的真正价值转化为决策、成本节约和可扩展创新，从而更精确地实现结果，加快上市时间。