由尼克尔查凡山

工业物联网委员会是一个以工业为中心的执行者社区，由代表全球各行各业的业务执行者、技术专家和学者组成。该小组定期召开会议，分享关于在日常业务运营中整合新技术和新兴技术的影响和潜在好处的见解。以下是一个聚焦于“适应性未来”主题的会议回顾。

适应性未来就在眼前。工业准备好利用它的力量了吗?

数据驱动，自适应技术开始在广泛的行业中转换业务流程。虽然公司肯定会认识到AI，Analytics和Automation可以提供的益处，但许多人没有完全准备好在他们可以将这些强大的自适应技术集成到其制造和供应链操作中的自适应未来。他们面临的障碍是什么以及他们看到成功的地方？虽然仍处于早期阶段，但行业4.0是不可避免的，技术推动转型的市场正在迅速增长。

数据,数据无处不在。但是如何利用它呢?

正如在4月IOT行业议会讨论期间所指出的，利用机器学习和分析可能需要在较少的技术先进的工业环境中构建一个完全新的数字平台。但是，无论娴熟的组织如何在技术方面，他们都需要处理数据是自适应技术的生命线。因此，通过将数据驱动的应用程序集成到供应链和物流工作流程将数据驱动的应用程序集成到数据被摄取，存储，处理和呈现的方式围绕数据来围绕供应链和物流工作流来说，毫无疑问。随着INS-ON设备，智能机器，IT系统以及各种应用，并实时使用大量数据，公司被淹没。为了最大限度地减少压倒性用户的风险，“喂养系统”的新方法，利用边缘的数据和分析;正在设计小，广泛，非结构化和结构化数据。这些尺寸需要对分析和平台的现代方法。

规划人员需要在正确的时间以正确的格式获得正确的数据，以做出正确的决定。为了使数据对决策者具有可操作性和实用性，并避免“分析瘫痪”，分析师需要学习如何将技术上的变化转化为决策者能够实际使用的语言。没有人读算法。在技术和管理两方面都有一条学习曲线，很难驾驭。可能需要多次培训。正如一位与会者所指出的，弥合大数据分析师和运营之间的差距(在这种情况下，电子元件通过供应链的实际物理移动)可能是相当具有挑战性的。“他们生活在两个不同的世界。”

信任问题

数据过载是一个关键问题。知道什么是可以信任的同样重要。安全是一个主要问题，恶意软件可能破坏数据，勒索软件攻击可能导致操作突然中断，代价高昂。当与供应商、合作伙伴和客户等外部方共享数据时，风险会成倍增加。为了确保数据完整性，建议采用集中的公司控制，很少或不授予外部业务单位、远程地点或第三方地方自治权。在企业层面，信任数据驱动决策的意愿被对神奇的“黑匣子”的恐惧所侵蚀——数据输入后，答案就会被吐出。我们是否真的了解盒子里的内容，我们是否真的能相信得到的建议?

谁来负责?

对影响分析项目的组织动态进行排序是另一个障碍。谁决定收集的数据和谁可以使用它？In the case of our session panelists, they mentioned it has typically been business intelligence, marketing, operations, and supply chain managers who have had oversight and were charged with demonstrating a project’s value and getting buy-in from corporate executives to put up the money. Creating a solid business case is critical. Several panelists recommended starting out with limited-scope, pilot programs designed to demonstrate the productivity and/or cost-cutting advantages that predictive analytics, AI, and robotics could potentially deliver.

工业物联网委员会回应了会议的一项调查
在利用数据时，你的首要任务是什么?

•增加利润15%

•提高生产率 - 54％

•两者相等——31%

不仅仅是技术

虽然数字化在现代供应链管理中发挥着核心作用，但它不是唯一的因素。在过去的一年里，新冠肺炎疫情导致的旅行延误和隔离、苏伊士运河油轮事件和德克萨斯深度冰冻都造成了全球供应链中断和物流噩梦。还有人的因素。供应链经理注意到，供应计划很难做好，因为客户通常会夸大(或低估)他们需要的产品数量，而且合同协议和订单往往需要提前18个月签署。

用例

在自适应未来的会议期间，行业机构联合会会员委员会提出了许多申请，以改善业务工作流程：

•多元数据分析- 在整个产品开发过程中实时提供关键指标，以确保充足的成分采购，提高产品稠度和质量。

•需求规划- 巩固历史数据，以预测复杂多供应商供应链的未来需求。

•预测分析-建立模型，绘制出备件的最优全球分销路线。

•过程自动化,在SAP中集成信息丰富、基于流程的数据，以简化全球供应链中的物料流动。

•RPA.-进行工业机器人试验，以突出生产率的提高——同样重要的是——证明机器人可以“帮助你更聪明地工作，让你的生活更轻松，而不是取代你的工作。”

•数字的双胞胎预测性维护- 配对工业工厂环境中的数据分析和智能护目镜，以实现视觉叠加（红色，黄色，绿色），将焦点放在需要即将修复的机器上。

•供应链规划-使用照片扫描和机器学习识别数千个备件，创建未来的需求模型，并自动分类和路线的零件到最佳的存储位置。

•安全-从变压器收集数据，以实现整个电网的预测性维护。

•根本原因分析- 将历史石油和天然气价格与外部因素相关，了解价格波动的原因，并为未来销售和定价预期创建型材。

•功率分配-在不同供应商(如水电、太阳能、核能)之间交换数据，并建立未来能源需求模型，以确保在需要时提供适当的电力供应，但只是足够的，因此不浪费。

不能让机器狂奔

由自动化和人工智能决策推动的自适应未来在很大程度上仍处于早期阶段。尽管如此，普华永道分析师预测，到2030年，全球70%的GDP增长将来自人工智能和自动化机器人技术。工业将需要谨慎地支持道德的人工智能考虑机器最终将被赋予多少权力。目前，工业物联网委员会成员表示，他们最常见的用途是围绕人工智能和分析创建“增强智能”系统，在循环中有大量的人类监督和干预。虽然有许多新的道路有待开拓，但行业将需要仔细考虑，在向前发展的过程中，机器最终将获得多少权力。