每一次产业革命的到来，都会催生一批新业态和新模式，带来产品、服务和制造的全面变化和发展。工业互联网代表了新一轮产业革命变革，体现了新型信息技术和制造业的深度融合，也将彻底改变传统的产业模式，影响到全球制造业的变化。
生产设计开始转向虚拟化
利用大数据、云计算和设计软件技术，采用面向产品全生命周期的智能化设计系统，在虚拟现实、数据库等技术的支持下，极大的提高产品设计的质量和新产品研发的成功率，缩短产品的上市周期，降低产品的研发成本，提高产品市场竞争力。
批量化定制生产趋势明显
以智能工厂为代表的未来制造业，实现制造装备的数字化、网络化和智能化，可大幅度提高生产系统的功能、性能和自动化程度，使的制造系统向柔性化、数字化以及智能化方向转变，使得工厂以最低的资源能源消耗，换取最优化的产品制造成为可能。同时，大量智能化设备的应用，也使得机器人取代大部分的人力劳动，节省人力成本，提高生产效率和质量。智能化模式还能为客户高效率的提供符合个性化需求的高质量定制产品，使大规模个性化定制生产得以实现。
科学提供整体解决方案
两化的深度融合，将使企业实现产品全生命周期各个环节的协同规划与决策优化管理，有效提高企业的市场反应速度，并为客户提供最优化的整体解决方案。新技术的发展使客户与企业之间的交流沟通变得更加有效，企业能够全面了解客户的需求，在智能生产的基础上完成满足需求的产品制造，同时还会实现自我检测和修复功能，降低产品运行成本和维修成本，为客户提供最优化的解决方案。
看懂被GE卖掉的Predix就看懂了工业互联网
近日，《华尔街日报》引述消息人士称，GE已聘请一家投行来安排其数字资产（GE Digital）的出售。2015年，GE在全球成立了新的业务部门GE Digital（GE数字集团），并将原有的软件和IT职能部门并入其中，旨在加速组织的数字化转型，构建企业的数字工业能力。
消息一出，便在国内工业互联网圈子里开始“刷屏”，因为GE Digital的核心资产是工业互联网平台Predix。
作为工业互联网开山鼻祖，GE如果卖掉Predix不玩工业互联网了，那意味着工业互联网的重要倡导者将退出历史舞台，这让作为跟随者的小伙伴们情何以堪？
GE的Predix和西门子的MindSphere平台被国内众多工业互联网平台提供商视为标杆，代表了工业互联网的未来。
作为工业互联网开山鼻祖，GE于2012年在全球范围内率先提出工业互联网概念，2013年推出工业互联网平台产品Predix。2015年，GE推出Predix 2.0，并在全球建成4个云计算中心，每天监测分析来自全球各地部署的1000万个传感器中的5000万项数据。2015年，GE在全球成立了新的业务部门GE Digital，并将原有的软件和IT职能部门并入其中，Predix作为明星产品成为部门重要资产。
不论是基于哪种因素考虑，如果GE真的卖掉了Predix，对于国内工业互联网产业而言是有启发的。当然，工业互联网发展大势所趋，其大方向并不会因为此事售卖而改变。Predix的发展也在提醒企业在建设工业互联网平台时，不能盲目发展，只有真正带来商业价值的工业互联网平台才能存活下来。
Predix到底是什么？跟随小编来一起了解！
看懂Predix ，就看懂了工业互联网
Predix是GE推出的针对整个工业领域的基础性系统平台，这是一个开放的平台，它可以应用在工业制造、能源、医疗等各个领域。随着工业数字化转型的大潮涌起，似乎Predix成为了一个绕不过去的“关键词”，言必称“我比Predix如何如何”、“我要来做中国的Predix云云”，而事实上，我们对Predix的架构和价值，还缺乏清晰的认知。
GE的Predix平台、APM、OPM以及ServiceMax等一系列产品给我们的印象非常震撼，我们完全无法想象像GE这么传统的硬件公司，能够设计出来像AWS一样强大的软件平台和软件产品……
Predix到底是什么？远远不止是平台
Predix最开始是一个PaaS平台，但是随着GE对其的不断完善，现在已经超越了平台的概念，成为GE Digital的当家花旦。目前，Predix已经远远不止是平台，包括了边缘+平台+应用三部分，其中边缘和平台都只是配合应用的，应用才是Predix的最终目的。
现在的架构同两年前相比，虽然还是分为边缘端、云端（平台端）和应用端，但最大的区别是将应用和平台拆开了，在平台层提供更丰富的工具和能力，而应用层则是围绕着资产、运营和商业的应用。以下，我们将对这三个部分进行分别介绍。
边缘端
众所周知，工业设备的连接和协议具有复杂性和多样性的特点，并且很多是与GE有竞争关系的各大厂商（西门子、ABB等）主导的封闭协议，因此Predix并不直接提供实现数据采集的硬件网关设备，但是提供了一个网关框架——Predix Machine，以实现数据的采集和连接。
Predix提供了Predix Machine的开发框架，支持开放现场协议的接入，并增强了边缘计算的功能，由合作伙伴开发相应的设备接入和边缘计算的功能。尤其值得关注的是Predix提供的边缘计算功能，在国内，我们还在讨论什么是边缘计算，而Predix已经通过丰富的实际案例定义了边缘计算的实现框架。
GE在边缘计算上面丝毫不落后于像华为和Cisco这样的ICT厂家。在这次M+M大会上，我们可以看到Predix Machine，几乎覆盖了边缘设备需要解决的所有问题（①工业协议解析；②灵活的数据采集；③同平台的配合；④本地存储和转发；⑤支持运行平台端的应用；⑥丰富的安全策略；⑦；本地设备通信），并且有非常多的合作伙伴已经基于这个框架开发出了众多边缘网关产品。
Predix Machine包括一整套技术、工具和服务，支持应用开发、部署、应用和管理，可支持小到Raspberry Pi这样的嵌入式硬件，大到SBC(Single Board Computer)的整体解决方案，可以说是一个小型的Predix Cloud了。根据边缘设备的处理能力不同而选择Predix Machine的内置功能，以此来决定应用场景。
平台端
平台端Predix Cloud是整个Predix方案的核心，围绕着以工业数据为核心的思想，提供了丰富的工业数据采集、分析、建模以及工业应用开发的能力。
由于GE本身是生产大型复杂型工业产品（飞机发动机、燃气轮机、风力发电机、机车等，也就是我们通常所说的高端装备）的企业，所以Predix Cloud的构建也是从GE本身的业务特点出发来，即紧密围绕着离散制造行业里的大型高端装备的设计、生产和运维，提供以工业设备数据分析为主线的一系列能力，方便构建高端装备行业的应用。但是在Predix Cloud发展过程中，由于平台优异的开放性，很多其他行业，包括很多流程制造和服务的客户，也在利用Predix Cloud开发相关应用。
Predix Cloud集成了工业大数据处理和分析、Digital Twin快速建模、工业应用快速开发等各方面的能力，以及一系列可以快速实现集成的货架式微服务。主要有如下几个部分：
基础架构
Predix提供了三种部署架构：公有云（AWS、Azure），私有云，和Country Cloud。所以，Predix Cloud是支持私有化部署的！
安全
Predix Cloud提供了非常多的安全机制，包括身份管理、数据加密、应用防护、日志和审计等。
数据总线
这部分包括了数据的注入、处理以及异构数据的存储等功能，支持流数据和批量数据的导入和处理。
高生产力开发环境
提供包括Predix Studio在内的可视化应用开发环境，支持平民开发者(Citizen Developer)使用拖拉拽的方式快速构建工业应用。
高控制力开发环境
提供代码级别的开发环境（基于Cloud Foundry），提供可控程度最高的工业应用开发环境，以及一系列可快速集成的微服务；
数字孪生开发环境
提供快速的建模工具，实现包括设备模型、分析模型以及知识库结合的模型开发。
Predix最强大的地方是基于Digital Twin的工业大数据分析，即将物理设备的各种原始状态通过数据采集和存储，反映在虚拟的信息空间中，通过构建设备的全息模型，实现对设备的掌控和预测。
Predix提供了一个模型目录，将GE和合作伙伴开发的各类模型以API的方式发布出来，并提供测试数据，让使用者可以站在巨人的肩膀上，利用现有的模型进行模型训练，快速实现实例化。同时，用户开发的模型也可以发布到这个模型目录中，被更多的客户共享使用。这里的模型不仅包括常规的异常检测，还包括文本分析、信号处理、质量管控、运行优化等，根据大家公认的工业大数据分析类型，可以将其分为四类，即描述性(Descriptive)、诊断性(Diagnostic)、预测性(Predictive)，以及策略性(Prescriptive)。
除了这些分析模型，还有GE提供的超过300个资产和流程模型，这些模型都是跟GE旗下的不同产品相关的，包括各种属性和3D模型，方便客户或者合作伙伴快速构建Digital Twin。按照GE的宣传资料，包括GE自身以及合作伙伴在内，已经构建了数万个Digital Twin。
应用端
对工业客户来说，需要的是解决问题的能力，而不是解决问题的工具。GE推出Predix的主要目标，也是为了更高效、更简单的开发各类工业应用，分析各类工业问题。
Predix应用针对的不是我们耳熟能详的MES、ERP、PLM等传统IT类应用，而是为各类工业设备，提供完备的设备健康和故障预测、生产效率优化、能耗管理、排程优化等应用场景，采用数据驱动和机理结合的方式，旨在解决传统工业几十年来都未能解决的质量、效率、能耗等问题，帮助工业企业实现数字化转型；同时，Predix毫不犹豫的采用物联网、人工智能等新兴IT技术，摆脱人的经验和知识积累的局限性，从只能解决已知的、经验性的问题，逐步带入到对未知世界的掌控中。
Predix的应用开发可以分为三部分：
▼ 高控制力开发套件：为高级软件开发工程师提供微服务级别的应用开发能力；
▼ 高生产力开发套件：为普通运营和分析人员提供快速应用开发能力；
▼ Digital Twin开发套件：提供Digital Twin的开发支持；
GE Predix 在国内外的经典案例
前面，我们科普了那么多关于Predix的理论知识，而实践才是检验真理的唯一标准，在2017年M+M大会上，展示了很多鲜活的案例。
BP （英国石油公司）
BP和GE的油气部门联合发布了一个POA服务(Plant Operation Advisor)，这是一个全新的基于Predix开发，旨在提高BP油气生产环节的效率、可靠性和安全性的数字化方案。POA已经帮助BP提升了在墨西哥湾炼油厂的性能，并且会在下一个年度部署在BP全球的炼油工厂。该方案将成为Predix+APM方案的全球最大部署案例。
Exelon（美国爱克斯龙电力公司）
Exelon是美国财富100的能源公司，最大的核电公司，采用了GE的Predix平台实现数字化转型。Exelon部署了Predix的完整套件，应用在全公司的33GW核电、混合电力、风电、太阳能和天然气的电厂上，并合作开发了非常多基于Predix的工业SaaS应用。
Qantas Airways（澳洲航空公司）
对于Qantas来说，燃油的使用效率是至关重要的。自从2015年开始，该航空公司利用GE的Flight Analytics软件，已经实现了数百万公斤燃油的节约。从2017年开始，他们开始为最重要的资产-飞行员配备基于GE Predix开发的移动应用FlightPulse，以便于让1700多个飞行员获取更细致的飞行数据，做出更精准的燃油使用决策。
Ferromex（墨西哥铁路）
Ferromex是墨西哥最大的铁路运营商，利用GE交通的Smart Shopping套件降低列车的停留时间，可以实现7x24小时对100辆列车进行健康和性能的实时监控和分析。通过精细化的分析，在列车进入维修车间之前就可以实现运维的预测，以此减少宕机的时间和维修的成本。
Predix在中国，也已经有了非常成功落地案例：
医疗领域→仁济医院
早在2013年，仁济医院就开始与GE医疗合作，使用资产云管家 Asset Plus 。AssetPlus能从远端观察到每一台设备的运行负荷，进行远程就诊调控和分流，降低高负荷机器的运行时间，把等待就诊的病患引导至闲置设备，一方面使设备利用率得到了提升，避免单台机器长时间超负荷工作造成停机，同时也减少了病患等待的时间。
航空领域→东方航空
GE基于大数据建立的发动机叶片损伤分析，可以为对发动机维修的安排提供了准确率高达80%的参照。并推出GE航空大数据平台，着眼于飞行（风险）分析、燃油管理，以及发动机分析三大关键领域。GE与东方航空共享各自掌握的海量数据，充分释放GE在大数据分析技术以及在发动机领域的最佳实践和创新技术的价值，帮助东方航空提高飞行安全管理水平、降低燃油消耗和排放，以及有效应对引发计划外维修与在翼时间等问题。
电力领域→广日电气
GE为广日电气制定了APS、MES、WMS三大系统，实现了对物料入库/出库、分发、转移、不合格品、VMI和库存检查等的全过程管控。改变了以往式生产的模式，解决了之前广日电器大量堆积浪费的问题，起到了降本增效的作用。
GE Predix 在国内外的生态建设
光有平台还不够，工业互联网要真正发展起来，生态非常重要。
Predix在生态构建方面做得非常不错，目前已经有超过33000位开发者、300个合作伙伴基于Predix平台在进行应用开发，业内也在逐步认可Predix在工业互联网生态中的影响力。“好的平台具有黑洞效应”，Predix会汇聚越来越多的注意力和资源，当越来越多的开发者习惯Predix的开发思路之后，后进者需要更大的代价才能说服其切换。
横向合作伙伴
这类合作伙伴都是以丰富Predix平台的横向协作能力为目的，不仅包括微软和苹果这些巨头IT企业，还包括大批的创业公司。微软Azure为Predix提供了坚实而强大的IaaS平台、机器学习以及PowerBI，而Apple则丰富了Predix开发工业级移动应用的能力。
纵向合作伙伴
这类合作伙伴包括大量咨询机构、集成商和独立软件开发商。这类合作伙伴本身有大量的工业客户，可以基于GE APM+Predix平台，为其工业客户提供定制化的工业应用开发和数据分析的整体解决方案，包括Infosys、Wipro、Accenture、Capgemini、TATA、Tech Mahindra等全球性公司。他们基于Predix平台，开发了非常多针对工业设备性能提升、预测性维修、供应链管理的应用。
开发者
除了合作伙伴，Predix平台已经积累了33000多个来自全球不同多个国家的开发者，M+M大会也是工业应用开发者的一次盛会。
在国内，Predix生态建设也是风生水起，2016年7月，亚洲第一个GE数字创新坊在上海正式启用，用于支持中国本土数字工业创新和孵化。2017年3月，GE和中国电信签署协议，中国电信将为Predix工业互联网技术落地中国提供服务，并由旗下全资子公司负责在华运营GE Predix及数据中心。 2017年11月16日，“GE工业互联网科技峰会”在上海召开，会上宣布了首届“Predix星火计划”获奖企业，向四家杰出创业公司及合作伙伴颁发了该奖项，以鼓励更多企业投入工业互联网应用开发，共同拓展工业互联网生态圈。
GE、IBM，还会有多少大佬倒在数字化转型的路上
这是一个最好的时代，也是一个最坏的时代。
通信技术、互联网和云计算等IT基础设施的飞速发展，已经为我们打开了通往数字化世界的大门。
地球上最优秀的人、最雄厚的财、最先进的物，都聚焦在数据化领域，希望抓住这千载难逢的机遇。
在这条通向数字化的大路上奔跑的，既有年轻力壮的新锐，也有年高德勋的明星。
然而，并不是所有的参赛者都能看到终点，在路上跌倒的不只是毛头小伙子，也有久经沙场的悍将。
GE的Predix
最近，美国经济发展势头非常好。
据说，早上五点，金门大桥就车辆如织，各种经济指标扶摇直上。
然而，正是在这样的大背景下，却传来GE准备出售工业数字资产的消息。出售名单里，甚至包括最著名的工业互联网平台——Predix。
近几年，物联网是非常热门的话题，大家都看好其发展空间，但受困于碎片化的特点，它也成为一个商业化的"巨坑"。
很多物联网的应用场景看起来很美，但一落到商业层面，就变得尴尬起来——不仅成本高、收益低，而且稳定性差、变化率高，即便是把单一应用做出来，也缺乏推广价值。
所以，在进行物联网的商业设计时，大多数玩家认为"平台"是兵家必争之地。
设计者们认为，虽然单一应用的商业价值不高，但是如果能将共性能力提炼抽象成为平台，依托平台的规模优势和横向扩展能力，最后还是能赚钱的。
所以，无论是面向运营商连接的CMP（连接管理平台），还是面向终端的DMP（终端管理平台），以及各类面向应用的AEP（应用使能平台），都成为行业大玩家关注的重点。
除了推行平台经济，从业者们还找到了一个物联网商业成功的模式，就是从工业企业那里寻求高收益。
比如航空、电力、石油等产业，基础设施成本超高，如果通过物联网技术，帮助下游企业节约大量资金，供应方也能够获取相对丰厚的回报。
2012年，GE提出了"工业互联网"概念，以Predix为核心豪赌物联网，正是这样的一个战略思路。
对于那些物联网圈子里摸爬滚打的人们来说，称Predix为行业垂直的霸主并不过分，既是平台，又面向工业企业客户，再加上GE雄厚的实力以及在传统产业的领导者地位，看起来这是最接近成功的物联网解决方案了。
为什么业界明星会被打入冷宫，甚至上了出售名单？
表面看起来这是GE的明星CEO伊梅尔特去职之后的连锁反应，但本质上，还是其糟糕的经营业绩。
上百亿美金的投入，集全集团之力推进，最终每年的收入只有数十亿美金（甚至有消息称实际收入连十亿都不到）。
那为什么Predix的业绩惨淡？
有人说，GE的概念过于超前，不仅配套技术和产品不成熟，与行业客户的理念和物联网价值认可度等方面，也存在较大差距，所以好东西卖不出好价钱。
也有人说，过度的宣传造势，导致了过高的期望值，尤其是GE对短期业绩产生了不合理的判断，最终资本市场对结果的不认可，迫使GE公司不得不放弃。
更多的人则认为：Predix的定位是PaaS，是将云基础设施（IaaS）和应用（SaaS）连接在一起的平台，而Predix是从内部运维起步的软件平台，采取高举高打的模式，专业化程度太高，开发者和使用者都觉得不好用，孤芳自赏曲高和寡才是Predix发展不起来的根因。
翻看GE曾经的规划，里面有这样一个响亮的目标：到2020年成为全球的"十大软件公司"。随着GE digital的出售，这个梦想已经破灭。
更可悲的是：在GE Digital要出售的消息被公开后，两年时间里已经下跌一半的GE股票应声上涨4%。
看来，资本市场早就在等这个决定了。
IBM的Watson
2011年的时候，IBM的认知计算系统Watson横空出世，在问答节目中首次击败了人类。
当时，Watson一度成为IBM，乃至全球AI（Artificial Intelligence，人工智能）项目的代表。
但在事实上，AI的研发还是不同的"路径斗争"。
比如，一条很早便提出的路径，是希望通过海量的数据和案例训练，把AI做成一个无所不知无所不能的专家系统。
在这方面，IBM无疑是成功的，问答节目的冠军头衔已经证明，Watson具备超越常人的能力了。
然而，近年来，AI的技术方向已经有了新的选择。数学、神经生理学、心理学和仿生学甚至语言学、医学、哲学等一大批非计算机科学研究的突破，极大地推进了AI的发展。
一些公司开始转变思路，它们给AI的定义，不再是高高在上的专家系统，而是着眼于替代人类，去做那些肩挑手扛的"脏活儿"。
他们将AI定位为人类的"辅助者"，并基于这样的理念和目标，进行AI的发展探索。
哪种路径更正确，现在我们还无法定论。
不过，我们至少可以知道，Watson出了问题。
在2014年，斥资10亿美元，为Watson团队成立新的业务部门，大举发展"认知计算"之时，这个蓝色巨人曾坚持认为，可以通过NLP、情绪识别、机器学习等方式，从复杂的非结构化数据中找到事物背后的规律与真相，逐一发现各种商业、技术行为背后的规则，成为这些领域的专家。
根据IBM以往的经验，将概念推广的最好办法，就是先做个成功将概念落地的案例，然后再通过对这个项目的宣传，将成功复制到其他地方。
所以，这个案例不能太容易，否则复制的时候，对别的行业/企业缺乏说服力。而一旦有了合适的机会，为了确保项目成功，IBM可以付出极其昂贵的代价。
在这样的思维定式下，Watson选择了健康医疗产业作为突破口，而且，抛开了辅助医疗（如影像解读、病历管理等），直接宣布杀入肿瘤研究领域，将"惠及十亿人，能够解决、诊断和治疗80%的癌症种类中的80%的病患"定为目标。
然而，三年时间过去，Watson还是没能完全学会肿瘤的诊疗技术，更无法发现癌症深层次的成因，越来越多的医疗机构也宣布退出与IBM的合作。
2017年2月，著名癌症研究机构MD安德森肿瘤中心中止了与IBM Watson的合作，而当初安德森肿瘤中心与IBM的合作正是Watson起步的标志性事件。
没有数据和病历的喂养，再牛的计算机和算法工程师也难以继续工作下去。而业务拓展不达预期的代价，更是可想而知。
几个月前，据 The Register报道，IBM内部消息人士透露，Watson健康部门要解雇大约50%至70% 的员工。
结语
客观来说，从GE和IBM的视角看， Predix和Watson的战略设计都是很到位的。
大公司的运作成本高，因此只能找机会做高收益的生意；而基于公司在宣传、营销、运作等方面的优势，研发部门定位于开展平台化运作，也非常符合两家公司的基因。
然而，当它们复制以往的成功经验时，却都败走了麦城。
究其原因，是互联网时代的游戏规则变了。
阳春白雪的模式做基础研究可以，但如果考虑到商业应用场景，大企业的优势已经被大大削弱。
相反，由于互联网驱动社会在扁平、开放的道路上狂奔，传统的大企业在成本和速度方面的劣势尽显无疑。
适合自己的战略，未必是正确的战略，因为发展目标和游戏规则，已经不再由大的玩家说了算。
路径偏差付出的代价，太大了。
当然，百足之虫，死而不僵，更何况这些巨无霸企业。无论是GE还是IBM，都没有放弃数字化阵地，跌倒了没关系，只要还有机会，它们还会爬起来继续跑。
他们的精神和勇气值得我们学习，而在他们身上发生的事情，更是我们的前车之鉴，因为我们也在数字化转型的道路上。
工业4俱乐部
连接到互联网的工厂比没有连接的工厂更高效，更智能和更有成本优势。在一个市场中，企业越来越需要发挥最大的潜力来生存和发展，那些没有连接性的企业则越来越落后。
据罗克韦尔自动化公司(Rockwell)市场开发副总裁John Nesi称，目前只有10%的工业运营正在使用物联网，该公司将企业与网络空间连接起来，以改善制造功能。他说：“全球竞争压力正在挑战工业和制造公司，低效率的企业将渐渐被淘汰。”
1. 物联网企业体验效率提高
Nesi说到，Rockwell的食品和饮料客户之一King’s Hawaiian每天能够额外增加180,000磅面包，在安装新技术后将其以前的产量增加一倍。
King’s Hawaiia将11台连接的机器安装到一家新工厂中，这些机器与FactoryTalk相连，该软件让公司的员工可以远程访问历史数据和实时数据，还可以使用生产仪表板来全面了解整个系统，以便监控性能。
所有这些软件和硬件都带来了“更快的上市时间(faster time to market)，更好的资产利用率和优化，更低的总体成本( lowertotal cost of ownership)，更高的劳动效率，企业风险管理和更智能的支出 (smarter expenditures)”，Nesi说。
新系统降低了维护成本和停机时间，增加了更多数据的能力。反过来，Nesi说：“这使他们能够汇总数据并呈现在可访问的仪表板上，使管理人员可以监控整个企业的操作和KPI。”
由于King's Hawaiian's等系统连接到互联网，因此可以通过远程操作中心进行控制和管理。这使得全球公司可以在世界各地建立工厂并实时监控它们。
另一家获得连接系统(IOT，物联网)优势的公司是通用电气公司(General Electric)。在纽约州Schenectady的Durathon电池工厂，物联网全天候帮助该公司收集过程的数据。通过装配线上的10,000个传感器和每个电池中的传感器，管理人员可以即时了解生产状况。他们能够与其他部门的同事分享这些信息和数据。
根据O'Reilly公司David Stephenson的说法，通用电气公司和类似制造商的技术开创了前所未有的创新。 “物联网有望消除有关工厂车间实时状况的大量信息差距，全面优化生产并消除浪费，”他说。
2. 减少工作场所的安全隐患
专注于企业技术解决方案的Sine-Wave创建了一个定制的物联网计划，从而提高了矿山的安全性和通信能力。根据他们的网站，他们设计了一个基于浏览器的应用程序，允许用户与矿山中的工人，操作员和机器进行通信，以及“查看地下所有活动的实时视图，包括采矿作业”。通过实时了解地下矿井正在发生的事情，用户可以避免安全隐患并快速响应紧急情况。
3. 网络安全风险
SANS研究所的Michael Assante说，当制造商在他们的工厂使用物联网时，他们应该权衡风险。在连接之前，安全团队应该有信心“了解暴露的协议，接口/配置，系统软件，固件和身份验证控制。”
随着时间的推移，这些安全预防措施将变得越来越重要。 “预计未来五年内连接终端的数量将接近500亿，”Nesi说。 “随着时间的推移，制造业的每个终端 - 无论是传感器，阀门，仪器还是机器 - 都将为更大的信息系统提供智能。”
全球制造业正处于革命的风口浪尖。正如我们在工厂和企业软件的早期版本中看到的那样，新的信息技术突然间不仅提供了使制造管理更有效的工作，而且工作本身更加智能化。基于物联网的技术有可能从根本上提高制造的可视性，使生产过程的每一步都能“看到”每个生产单位。批次级可见性正在被单位级可见性所取代。这是智能制造的曙光。
转变是巨大的。 SCM World最近对智能制造和物联网进行的实地调查发现，尽管今天五分之一的人承认他们的工厂业务完全“脱网“，但五年后这一数字将降至接近于零。事实上，根据SCM World的可见性成熟度模型(图1)，接受调查的所有制造业高管中有一半人希望在本单位层面的供应链中具有可见性。只有10%的人预测他们仍然仅限于单一的工厂级别的了解和控制。
智能制造关乎创造一个环境，从工厂和供应链的所有可用信息被实时捕获，变得可见并转化为可操作。智能制造包括业务的各个方面，模糊了工厂运营，供应链，产品设计和需求管理之间的界限。智能制造能够对资产，流程，资源和产品进行虚拟跟踪，为企业提供充分的可见性，从而支持简化业务流程并优化供需。
实质上，智能制造是一个决策环境。非常重要的是，智能制造包括主动和自主分析功能，使智能制造成为一个智能且自我修复的环境。智能制造企业可以通过智能和自动化的行动来预测性地满足业务需求，而这些行动是由物理世界以前难以获得的驱动。智能制造将企业转变为积极主动的自主组织，能够预测和修复潜在的破坏性问题，发展运营并为客户带来愉悦，同时增加盈利。
包括Bosch, Cisco, FCA (Fiat Chrysler Automobiles), GE, General Mills,Harley-Davidson 和Siemens等在内的许多全球领先制造商都是其工厂中智能制造(或工业4.0)的早期采用者。 有趣的例子包括：
西门子。在德国安贝格的西门子电子制造工厂，机器和电脑自主处理75%的价值链，从生产线的一端到另一端，约有1000台自动化控制器正在运行。正在生产的零件通过产品代码与机器进行通信，产品代码告诉机器他们的生产要求以及下一步需要采取的步骤。所有流程都针对IT控制进行了优化，从而实现最低的故障率。员工主要负责监督生产和技术资产，包括处理突发事件。
通用电气GE。在GE的Durathon电池工厂，10,000多个传感器实时测量温度，湿度，气压和机器运行数据。这不仅提供了实时监控生产和调整过程的机会，而且还可以追溯电池性能，回溯到特定批次的粉末以及过程中的每一步。
哈雷戴维森。 Harley-Davidson在宾夕法尼亚州约克的主要生产设施和生产车间中的每个资产都是连接的，生产中的每一步都被跟踪并纳入到实时绩效管理系统中。
思科。 为了更好地协调其全球外包生产工厂网络，思科开发了一个“虚拟”制造执行系统平台(VMES)，该平台提供生产操作的实时可见性。该系统利用诸如云，大数据分析和物联网等技术连接并收集生产机器的实时信息，从而在完全外包的制造环境中实现预测质量功能。
智能制造需要使用健康的技术来确保机器协同工作，实时显示物料流动，工程师团队协调整个流程。物联网是使这成为可能的技术环境。 在工厂车间应用中，物联网可以创建一个网络，从生产设备到生产零件，从传感器嵌入式自动化控制到能量计，从卡车到仓库的智能货架，连接各种制造资产。
通过物联网，制造商可以为每个物理资产提供数字身份，使他们能够在整个供应链中实时了解这些资产的确切位置和状况。
正确的投资时机
世界各地的制造商现在都有信心。大约40%的受访者认为，智能制造及其基础技术 - 物联网已经准备就绪，现在是投资的正确时机(图2)。 只有3%的人将智能制造和物联网视为纯粹的流行语。
对于准备就绪的人来说，智能制造本质上是一个集成了多种技术的平台，例如连接技术(使物体能够连接到互联网的网络)，云(资产可以通信的计算和存储环境)以及大数据分析(能够分析数据并提供洞察力的系统智能)。
这个想法是使用连接技术(例如，工业网络，wifi，M2M等)将工厂自动化资产(例如生产设备，机器人，RFID等)与终端用户应用程序(例如MES，PLM， ERP等)以及移动设备进行更加积极准确的业务决策。 图3显示了我们智能制造应用的物联网基础技术。
在我们的实地调查中，我们也询问了智能制造业的预期业绩结果，并发现了很高的期望。质量，正常运行时间，库存效率等方面的收益预计将达到两位数的百分比(图4)。
物联网有一个引人注目的光环，但是对于许多可能性来说，想象力几乎是太深远了。当这个概念应用于特定的应用时，特别是当与其他变革性技术结合在一起时，其潜力就变得清晰了。 对于制造商来说，IoT在智能制造领域的可能影响确实非常大。
在未来两年内，76%的制造商将在制造过程中增加对智能设备或嵌入式智能的使用。
63%的制造商已经或正在计划将物联网技术集成到他们的产品中。
58%的制造商表示，提高产品质量是他们通过整合智能设备或嵌入智能追求的最重要目标。
44%的制造商表示，他们利用物联网的最大障碍是他们公司对物联网如何改进运营和产品的知识有限。
这些和其他许多见解都来自MPI集团的物联网研究。 该研究基于2015年8月和9月与罗克韦尔自动化，QAD完成的350家制造商的采访，并且BDO也赞助该研究。尽管几乎每家企业的兴趣都很高，但今天只有10%的制造商实施了物联网战略。
这个研究的主要内容包括：
71%的制造商表示物联网将在未来五年对他们的业务产生重大影响(24%)或一些影响(47%)，但仍有24%的企业没有全面了解物联网。 尽管大多数制造商认识到物联网的价值，但在如何最好地规划和利用这些技术方面存在重大的知识差距。
76%的制造商将在未来两年内将智能设备或嵌入式智能的使用增加到制造工艺中。 66%将增加对非生产物联网应用。制造商认为运输，仓储和文件管理是提高运营准确性和性能的最佳机会。 下表提供了代表充分利用IoT的最佳机会的流程分析。
