在2019年，企业将利用工业制造领域的进步技术，并采取更大胆的措施来提高增长和运营效率。以下是2019年工业物联网的主要趋势和预测。

毫无疑问，到2022年，全球物联网技术支出预计将达到1.2万亿美元（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）整合到单一数据模型中的复杂问题，因为他们知道那些成功管理它的人可以在这个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）。

但问题不在于“为什么”，而在于“如何”：有许多工业物联网解决方案可以解决无数的业务问题，但制造商一次只能为几个概念验证项目或解决方案编制预算。

有这么多可以改进的地方，但制造商、投资者和机构会选择把钱投在哪里？

基于研究，我们已经确定了2019年将继续发挥作用的趋势。这些是制造商将采取的措施，以更好地管理运营、提供改进的产品和服务，并使业务更加智能化。

1  超越概念验证

如果2018年是概念验证的一年，那么2019年将是制造商从早期概念验证转向工业4.0解决方案试点部署的一年，例如预测性维护、数字双胞胎和质量预测。

工业4.0解决方案是如此新颖，以于我们仍缺乏与工业4.0计划相关的大部分投资回报率数据。

比如：

预测性维护几乎是所有近和即将召开的工业4.0会议的热门主题。但制造业的预测分析仍然需要数月时间来收集足够多的数据，以便在提供的投资回报率之前采取行动。

此外，虽然一些制造商已经达到了预测阶段，但很少有早期采用者能够达到业内认可的分析阶段。

但这种情况即将发生改变。

随着食品饮料、化工和其他大型行业的主要参与者部署工业物联网解决方案，明年这个时候将会有更多关于这些解决方案如何有效实施的信息出现。

2  制造业中人工智能的兴起

人工智能和工业物联网正在融合，使生产流程数字化，以提高生产力和减少停机时间。用于制造业的机器学习算法正在制定并针对具体的生产线挑战量身定做——例如减少生产浪费，提高流程稳定性，限度地减少意外停机时间以及流程干扰。

3  将*作技术（OT）数据情境化

*作技术（OT）和信息技术（IT）已经融合一段时间了，而“协作”曾经是目标。现在许多制造商正在将他们的*作技术和信息技术数据向前推进一步，以提高数据驱动的洞察力的相关性和准确性。

怎么做？

答案是：情境化。

制造商衡量正确数据并得出准确结论的方法是将工厂或生产线环境中的所有相关*作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一个示例：

一家食品和饮料制造商将机器学习算法应用于一条生产线上的*作数据，以寻找预测资产故障的模式。

但是这个软件没有考虑质量控制测试的警告，也没有考虑正在生产的产品和批次。

因此，食品烤箱可能会因特定配方而过热——但如果没有配方的背景，机器学习算法将永远无法为生产团队提供准确、可*作的见解。

在接下来的一年里，制造商将为系统编制预算，从而通过影响生产环境的流程和业务数据，帮助他们收集制造业卓越的洞察力。

4  使用数字双胞胎

实施物联网解决方案的公司中有24%已经使用数字双胞胎来提高性和效率——根据Gartner的说法，这个数字还将继续攀升。

数字双胞胎是物理实体的虚拟副本，通常是实时连接到物理实体。在制造业中，数字双胞胎支持许多工业4.0解决方案，范围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。

数字双胞胎常用于设计、建模和仿真领域，并在2018年成为时髦流行语。

在2019年，我们将看到数字双胞胎的更广泛扩展：更多的数字双胞胎将用于优化生产流程，而不是日常运营和流程中的单个资产。

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见解，无论是深入研究单个机器，还是查看流程架构，以识别和解决制造效率低下问题。

5  边缘计算

随着设备在2019年变得更加强大，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生成超过507.5 ZB的数据

制造商已经在收集数据，但通过云计算管理数据会给制造商带来财务压力——更不用说将所有原始数据存储在云中的风险。

边缘计算通过在数据源附近分析和存储数据来帮助企业减少与数据分析相关的时间和费用，并提高数据性。

想象一下：

一条生产线上多台机器监控机器组件的振动，而这会是每秒数百个数据点。

将所有数据上传到云中进行清理、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一台边缘计算机，以收集、存储和预处理*作技术（OT）数据。

即使是在源头执行基本的数据分析处理，也能将生产线数据聚合到令人难以置信的程度。对于机器学习算法来说，历史数据和实时数据要少得多，这加速了发现可能影响从产量到正常运行时间再到产品质量等的一切问题。

边缘计算还了云数据存储的成本，同时，限制发送到云的原始生产数据也了数据的风险。

6  移动工业4.0

5G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年将会出现实时工业物联网应用的大幅增长。

7  供应链优化

曾经纯粹是一个物流功能，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是通过数字化来满足新需求和改变供应链格局的一种方式。

供应链优化可以并且确实利用了2019年的许多其他工业4.0趋势：数字双胞胎、移动应用和人工智能支持的预测工具。

8  保护工业物联网终端

企业已经在投入资金保护其*作技术（OT）基础设施，其程度与保护IT系统相当。然而，对组织网络的*和当前威胁，再加上工业物联网应用的繁荣，将会看到面向对象和工业控制系统在制造工厂（无论规模或行业）成为主流。

这并不容易，保护物联网设备或机器将变得越来越困难，以于微软近发布了物联网设备的实践列表。

随着边缘计算的普及，出现了大量新的工业物联网终端，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，也会增加终端的风险。

尽管如此，开发智能生产线给企业带来的好处也还是显而易见的，对于那些希望通过人工智能提高产量和运营效率的制造商来说，保护数据已经不再是一个问题。

2019年工业物联网预测

我们正在看到越来越多工业物联网解决方案的部署，这些解决方案正在以数字化方式彻底改变制造业格局——改变客户关系、差异化产品和推动大规模运营改进，以满足日益增长的生产需求。

基于这些趋势，工业物联网早期采用者从工业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想为哪些商业价值驱动因素投入精力。只有这样，他们才能将其数字战略与他们的业务目标保持一致，以便有效地管理、保护和运营物联网平台和流程。