三个前进的预测能力，可以为业务发展

预测未来的能力是任何企业的强大知识形式。如果您知道可能对您的业务造成伤害的事件，例如设备故障，则可以采取措施解决问题并避免负面后果，例如不必要的成本或停机时间。如果您知道有一个有益的事件即将来临，例如需求的增加，则可以利用它来提高收入，客户满意度等。用例，例如预测失败，预测性（或预测）需求和预测性维护由于这些原因，在各个行业中迅速越来越受欢迎。单独地，这些支持IOT的功能可以通过帮助企业使用实时数据来预测未来，从而填补强大的投资回报率。当层层一起分层时，其收益潜力呈指数增长。

最大化创收设备的正常运行时间对于所有工业公司至关重要预测失败更理想的预测能力之一。失败可能会在计划外停机时间内花费数千美元或更多，并呈现出昂贵的附带损失的额外威胁。此外，设备传感器的误报警报通过应对服务资源并在部署技术人员时提高费用来构成一个完全不同的问题，以发现没有问题。幸运的是，复杂的数据分析使得预测和解决这些问题在发生之前，实际上消除了计划外的停机时间并减少误报。

以炼油厂的泵失效为例。通常，没有备份选项，因此该设施被迫进入计划外关闭。这些环境通常被高度利用 - 通常不间断地运行24/7。这种植物活动水平升高意味着由于额外容量不足，损失的任何生产时间永远消失了。这是与紧急维修相关的超额费用的补充。这种性质的失败还可以将污染物引入生产管道，从而承受着损害下游产品质量和破坏设备的风险。此外，这类崩溃会带来造成线路违规的危险，这可能会自行带上陡峭的清理价格标签。

凭借对泵健康的数据见解以及整个人群的资产，炼油厂可以预见即将发生的失败。知道资产是麻烦的，管理层可以主动安排维修，以最大程度地减少对生产的影响并防止不利的副作用，例如不必要的清理成本和设备损失。

预测性（或预测）需求是企业的另一个强大功能。公用事业和智能城市技术的领先提供商Itron使用物联网来评估电力需求。在最长的时间里，电力需求模式是静态的。通过分析与历史记录的房屋的数量和密度，可以进行基本预测。但是，电动汽车，太阳能电池板等的引入变得复杂需求预测。这种增加的复杂性造成了一个问题，因为法规规定公用事业必须产生一定数量的电力，以确保它们可以满足消费者的需求。如果没有预测能力，公用事业公司就难以正确地大小的能源发电，从而导致浪费过多和不必要的成本。使用IoT功能来用于Edge设备，例如Energy Meters，Itron能够利用实时数据来更准确地预测需求。

也就是说，需求数据不一定仅限于来自设备的信息。它很容易专注于设备数据，因为这是新变量，但是难题还有更多内容。经历最预测成功的公司通常会合并其他变量，例如企业系统数据和公共数据源（例如，天气，地理空间等），以及设备数据。这种补充信息有助于建立上下文，以创建设备实际发生的事情的更完整的图片。

无论是潮湿的环境还是寒冷与温暖的气候，都有无数的外部因素可以以多种方式影响不同的资产，并且严重程度不同。实际上，此次要信息本身就足够重要，在某些情况下，它可以对设备出了问题或可能发生错误时提供一般的感觉。但是，它采用了一个将实时设备数据与这些附加数据源集成的IoT系统，以查明根本原因并准确预测故障。

预测性维护是另一个物联网用例，在整个工业领域具有令人兴奋的潜在应用。传统的设备维护方法通常是反应性的 - 一旦失败后维修设备 - 或基于静态时间间隔或使用量进行预防。由于与计划外停机时间和紧急维修相关的复杂成本，反应性维护通常很昂贵。预防措施具有不足或过度服务的设备的风险，可以使维护成本膨胀并降低资产寿命。

基于条件的维护（CBM）是朝着正确方向迈出的重要一步，因为它使用实时操作数据以及环境和历史信息，以根据实际设备性能确定何时真正需要服务。尽管这确实有助于工业公司改善其所有连接设备的维护和维修过程，但CBM仍然具有反应性，因为这是对当前状况的回应。预测维护需要CBM，并通过提前标记服务需求来积极主动，以便公司可以在这些需求出现之前采取行动。除了显着提高资产可靠性和寿命外，这种更好的计划维护能力还可以大大降低服务成本并帮助推迟资本支出。

预测分析正在通过主动在影响运营之前积极识别资产效率，绩效问题和其他关键因素来改变当今的许多互联工业组织。但是，围绕关键技术的技术缺乏理解 - 机器学习 - 导致一些企业走上了失望的道路。尽管机器学习可以识别大量数据中的模式以帮助识别设备的不同状态，但它不能将相关因素或时间值与这些潜在状态变化纳入 - 预测未来事件的关键因素。这就是为什么数字双胞胎如此有价值。通过将通过机器学习确定的状态与影响这些变化的其他变量（时间，环境等）相结合，Digital Twins创建了一种使预测能力成为可能的模型。

请记住，即使采用最先进的技术，进行任何形式的预测分析的能力主要取决于拥有正确的数据集。因此，在开始任何计划之前，请务必对您拥有的数据以及所需的内容进行详尽的审查。我通常还建议从预测能力开始，该能力显示出最大的盈利能力或降低成本的可能性。利益相关者应获得投资回报，不必承担正在进行的工作的负担。

所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的，不一定会传达物联网议程的思想。