在工业环境中充分利用IoT，需要人们了解并部署必要的技术，以便更好地发挥数据分析工具的功能。
本文图片来源：CEChina
物联网(IoT)已经成为游戏规则的改变者，尤其是在工业领域。工业物联网(IIoT)分析可以让管理人员了解哪些因素会造成瓶颈、质量控制问题或事故。同时，他们可以确定哪些改进最有可能提高生产率或减少设备停机时间。然而，在工业环境中充分利用IoT，需要人们了解并部署必要的技术，以便在繁忙的环境中释放数据分析工具的价值。
云计算
当企业开始关注IIoT分析时，他们必须确定如何存储和访问已经拥有或即将收集的所有数据。幸运的是，云计算非常适合满足这些需求以及各方开始认真分析数据后可能出现的其它需求。
一个典型的制造工厂可能拥有数百或数千个相互连接的资产，每个资产都包含决策者可以用来更好地了解任何给定时间所发生的情况的数据。以一家大型消费品包装公司为例，该公司的管理层希望提高与其几个全球品牌相关的IoT利用率。这涉及到将280万台IoT设备，连接到一个基于云的集中式平台上。
除了为类似的大型项目提供出色的可扩展性外，云计算还支持分散的工作团队和站点，允许人们在多个地点连接数据采集设备。举个例子，该公司的IIoT项目涉及位于97个国家的、通过互联网连接的产品。因此，该公司选择的云工具可以处理数十亿台物联网设备，而且不需要人们参与基础设施管理。
将云计算纳入IIoT数据分析计划中可以获得的另一个好处是，授权方可以从任何有互联网接入的地方登录，并从其平板电脑、智能手机或电脑中获取最新统计数据。这种随时随地可访问的能力，支持位于不同地方的专家之间的协作，这可以改进产品设计或过程。在一个案例中，人们通过数据分析制造出的混凝土比同类产品的强度增加约30%，充分展示了协作和正确的方法是如何获得回报的。
设备传感器
尽管在实施物联网之前，制造企业必须考虑其设施的独特需求，但可以理解的是，许多人会考察其他人已经取得的成就来获得灵感。许多人随后意识到，将相互连接的传感器连接到关键设备上，具有重要的商业意义。这样做可以让他们收到报警，从而清楚哪些问题可能降低质量，或导致可预防的资产停机。
在一个案例中，一家传送带公司部署了IIoT传感器和一个补充平台，使客户能够进行持续监控。传送带最容易磨损，在关键运营中错位或传送带损坏，可能会对依赖传送带传送物料的客户造成严重损失，一旦管理层意识到这些问题，他们就做出了这一决定。
其中一项应用是将设备传感器应用于采矿业传送带叶片的监控。硬件收集实时数据，并将与历史性能信息进行比较，使系统能够标记异常情况。然后，用户可以依靠这些数据做出更合适的决策，以保持生产的平稳运行。
持续的数据流还通过帮助管理者确定机器进行离线维护的最佳时间来支持维护计划。否则，机器可能会发生意外故障，导致时间损失和成本增加。
此外，监测特定特征使人们能够创建基线，以确定整体设备健康状况和典型性能。一种常见的方法是进行振动测试，作为预测性维护策略的一部分。连接的传感器可以分析特定振动的强度或频率，以识别潜在的异常。然而，环境因素会影响物体的振动程度。幸运的是，传感器可以揭示影响因素的特征，例如设施的湿度和温度，从而更容易评估异常振动模式的程度。
人工智能
人工智能无疑将IIoT分析提升到了一个新的水平。这种改进主要得益于人工智能可以从大数据中发现模式，从而让人们比在没有技术帮助的情况下更快地得出结论。
客户订单表、设备统计数据、社交媒体评论和计算机视觉图像都能为制造现场提供线索，帮助其在提高总体产量和优化流程的同时加强质量控制措施。然而，如果试图手动处理所有这些数据，很可能会耗费大量的时间和人力。人工智能算法可以更高效地进行数据处理，对于拥有庞大且不断增长的信息库的企业来说，这是理想的选择。
许多人工智能应用是其它技术的有益补充。例如，人们越来越普遍地使用人工智能驱动的设备传感器。当将数据转移到云端进行处理时，还可以使用边缘计算基础设施来大大缩短传输距离。一些兼容的边缘设备甚至具有内置的处理功能，从而可以加强敏感数据的安全性。
聊天机器人
一些人还研究了生成式人工智能如何完善这些用例。这是一种超越传统的人工智能，允许人们使用自然语言与工具进行交互，类似于与朋友或同事的交谈。目前许多最受欢迎的商业生成式人工智能工具都是聊天机器人。
在一个案例中，员工使用客户纠正措施请求中的信息，这些信息涉及没有必要材料批号的焊条。他们请求聊天机器人提供五个问题，以便企业可以用这些问题来确定该问题的根本原因。
该工具回复的问题采用了众所周知的 “五个为什么 ”技术，有助于有效地解决问题。它包括提出几个逐渐接近问题核心的问题。例如，聊天机器人提出的第一个问题是，为什么焊条的数量不够。第五个也是最后一个问题是，该公司为何没有遵循能够确保相关方添加数字标识符的流程。
几乎可以肯定，该公司有一个既定的系统在某个时刻发生了故障，从而导致了这种结果，因此聊天机器人鼓励人们检查出错的原因。决策者可以收集与这一人工智能辅助过程相关的数据以跟踪趋势，并确保缺失的数字是异常值，而不是以前未被识别的更大问题的前兆。
此外，一些供应商正在开发生成式人工智能产品，可以根据公司的内部数据回答问题，从而提供分析优势。例如，用户可能会问，“在过去的六个月里，我们有多少印刷电路板没有通过质量控制检查？” 这是超越传统方法的人工智能数据分析的一个新兴实例。
这些案例突出了为什么人们会通过选择互补技术来满足他们的需求，从而在IIoT分析工作中获得最佳结果。这会激励企业管理层考虑各种可能性，并更好地思考如何将对物联网的投资与企业的总体目标联系起来。