工业物联网是因为它是一个闪亮的新物体。建立正确的业务案例并创建最佳的运营模式对于公司来说已经足够困难，更不用说获得有助于他们进行IIT旅行的人才。

在德勤咨询公司（Deloitte Consulting）领导供应链运营分析和见解的山姆·皮尔森（Sam Pearson）非常了解当今商业业务所面临的工业物联网挑战。在此问答中，他概述了连接制造道路的一些主要障碍 - 尤其是在Iiot Data引人注目的洪水泛滥的情况下 - 以及为什么工业组织可能希望雇用数据科学家来帮助缓解该数据科学家加载。

您今天看到的最大的工业物联网挑战是什么？

山姆·皮尔森（Sam Pearson）：当公司试图将其工厂数字化时，弄清楚正确的操作模型仍然很难。许多领导者对数字化工厂和使用IIT感到兴奋，但是制定业务案例并获得全面利益相关者的买入可能很困难。

而且有很多变量。但最重要的是，您正在生成更多的数据 - 由于基础架构问题或人问题或过程问题或所有三个数据，其中很多数据都未使用。

您认为这三个造成最大的挣扎？

皮尔森：实际上，这不是一个技术问题，而是您需要使其成功的组织结构。这也是一件才华的事 - 假设我们在植物中放了一个新设备跟踪XYZ，但是您不知道该怎么办。您如何使用该信息提高质量？你怎么编写预测算法确定设备的哪种公差可能会产生装配线故障或工具故障？

当公司试图将其工厂数字化时，弄清楚正确的操作模型仍然很难。

数据集合在那里。我认为这是您要回答的问题是一个大问题。

您有什么建议来帮助组织开始进行IIOT企业？

皮尔逊：我总是主张首先了解应用的种类，然后再倒退。戴上传感器并传输IIOT数据并不是困难的部分。很难弄清楚，好的 - 我只是为一个用例投资了这个解决方案，它正在生成所有这些数据 - 其他用例是什么？我认为，一旦您已经解决了最初的用例并弄清楚使用数据的其他方法，那么就会发挥创意 - 这就是在其他信息或外部数据集中混合与工业物联网解决方案生成的内容的地方。有影响力。

它正在收集后视数据以设置基线，但随后还确定了哪种预测算法的预测性。因此，向后盘旋，没关系 - 我有一个初始用例。我还能做什么最大化我的投资？

您如何看待一些组织解决此问题并想到创新的IIOT数据使用？

皮尔森：在公司一级，我们看到企业雇用数据科学家提高他们的分析功能。我仍然认为他们没有规模，但是他们正在雇用数据科学家，并试图找出正确的操作模型，好的 - 是否有公司分析功能？应该有操作分析功能吗？

您需要聘请数据科学家来编写预测算法 - 例如，可以说，可以说，可以说是产品的长度或宽度；它可能是钢卷。试图确定这一点。但这通常不是您在植物中找到的技能。那么，您是否聘请数据科学家来做到这一点？还是您在公司雇用它们以分享不同制造地点的财富？

从IIOT数据中找到价值怎么样？是通过雇用数据科学家而独自解决此问题的互联工厂和工厂，还是有第三方帮助？

皮尔森：团队并不总是具有功能知识。这你拥有的团队- 无论是内部还是外部 - 都必须是商人，运营人和数据科学家型的人的混合。一起，这可能是一个真正的获胜公式，可以从生成大量IIOT数据的解决方案中获得最大的价值。

外部人可以提供我所说的创新刺激真正了解可能的艺术。典型的四壁制造业并没有考虑到这一点。他们习惯了传统的“嘿，我们需要监视机器，并且得到某些警报”。但是现在传感器而且相机已经到位，他们想知道如何利用这一进一步的利用 - 这就是外部观点可以帮助工厂或运营组织学习的地方。它仍然是为他们增加价值的东西。