物聯網如今已經成為許多行業組織的組成部分，廣泛應用在農業、制造業、醫療保健、交通運輸、能源等行業領域。它是數字化轉型的主要推動力之一。通用電氣公司前首席執行官Jeff Immelt在2016年發表的一篇文章中，對工業物聯網給出了“美麗、可取、可投資”這樣的評價。

工業物聯網巨頭埃森哲公司預測，到2030年，工業物聯網將為全球經濟增加14.2萬億美元。

但是，工業物聯網與傳統的物聯網有何不同?消費級物聯網設備越來越普及，醫療保健可穿戴設備、智能鎖、冰箱、空氣質量控制器、虛擬助手等物聯網設備迅速成為市場主流。而“工業物聯網”一詞是指新興技術在行業業務運營中的應用。

Techopedia公司對于工業物聯網的定義是：“工業物聯網(IIoT)是通過物聯網連接協同工作，以幫助增強制造和工業流程的各種硬件組合的一個術語。”

以下將簡要概述工業物聯網的優勢，了解其成功實施的案例以及阻礙其大規模采用的障礙，并概述克服這些障礙必須采取的步驟。

工業物聯網的好處

越來越多的企業認識到工業物聯網的好處，并致力于采用工業物聯網技術進行數字化轉型。

利用工業物聯網可以幫助組織：

創造大量經濟機會

提高運營效率

簡化常規流程

提高生產率

降低資本和運營費用

確保業務關鍵流程的無中斷性能

更具體地說，工業物網聯盟列出了10多個工業物聯網的用例，其中包括能耗優化、智能倉儲應用、連接物流、工業安全系統、智能農業、資產管理、工作人員健康、安全監控等。顯然，工業物聯網最終將對世界經濟以及未來的發展產生巨大影響。

該技術將改變就業市場，促進經濟增長，重塑現有產業，創造新機遇，以及最重要的是為企業提供顯著競爭優勢所需的一切。

Industry ARC公司最近的一份調查報告預測，全球工業物聯網市場規模將在短短兩年內達到1238.9億美元。到2021年，制造業將創造最高收入，醫療保健業迅速趕超，并呈現60%的年增長率。另一位行業領導者將是能源部門，預期復合年增長率為39.7%。

工業物聯網用例

以下的一些使用案例提供了企業如何利用工業物聯網為其帶來利益的典型范例。

1. 建筑行業

卡特彼勒公司提供了一個使用工業物聯網進行預測性維護的示例。卡特彼勒海事部門已經引入了基于Pentaho平臺的卡特彼勒資產智能平臺，用于數據集成和分析。該公司安裝了物聯網傳感器來監控船舶上的幾乎所有設備，其中包括發動機、燃油表、空調等。

該系統檢測到冷藏箱使用的電量與燃料表讀數呈正比關系。然后通過簡單地調整發電機功率輸出，將數據用于優化操作設置。因此，預測性維護分析使其用戶每小時節省30美元的費用，對于運營50艘船舶的大型船隊而言，每年可節省超過65萬美元的成本。

2. 天然氣行業

像Marathon Petroleum公司這樣的石油和天然氣工業公司正在利用物聯網來確保其工作人員的人身安全，使用無線傳感器監控員工接觸有害氣體的情況，并在有害氣體達到危險水平時及時通知他們處理或撤離。該公司也不再使用人力進行遠程管道檢測等高風險操作，工業無人機可以很成功地處理這些操作。

2013年，Marathon Petroleum公司收購了英國石油公司所擁有的美國德克薩斯州一家煉油廠，該煉油廠的設備在2005年爆炸，導致15名工人死亡，170多人受傷。該公司目前正成功地利用實時監控和預防性維護來挽救員工生命，降低風險因素。

3. 采礦業

日本小松礦業公司采用的工業物聯網解決方案使用從設備和傳感器收集的實時數據來優化機器操作。其連接的設備包括長壁采礦系統、輪式裝載機、電動采礦鏟等大型采礦設備，此外，小松礦業公司使用機器學習處理數TB的數據，并獲得提高其運營效率的見解。

根據Inmarsat公司最近發布的調查報告，在采礦業中，工業物聯網的采用也有助于企業遵循環境法規和企業社會責任政策。

工業物聯網面臨的挑戰

盡管科技愛好者對工業物聯網的到來表示歡迎，但73%的企業仍然沒有實施任何工業物聯網創新。雖然行業巨頭正在迅速接受數字化轉型，但中小型企業正在應對阻礙工業物聯網應用的現實挑戰和問題。

1. 與傳統技術整合

工業物聯網會生成大量數據，這對底層基礎設施提出了很高的要求。然而，大多數成熟的企業仍然使用傳統的軟件和硬件解決方案來處理結構化數據，而物聯網設備快速生成大量的非結構化數據。此外，這些數據需要實時處理和分析，而遺留系統則針對完全不同的方法進行定制。

企業云計算解決方案可以提供合理的替代方案，但只是在一定程度上，因為許多特定于業務的應用程序都是在傳統基礎設施上開發的，無法在云計算環境中工作。

除了將傳統設備與工業物聯網進行整合之外，另一個挑戰是網絡流量。所有第三方設備產生的流量將對網絡產生巨大影響，當然，網絡技術本身也將發生變化。

有一件事是清楚的：在當今的商業環境中，生產停工會導致企業巨大的收入損失，缺乏與遺留系統的集成是一個嚴重的問題，因此阻礙了工業物聯網的采用。

2. 費用

為了充分利用工業物聯網，企業必須進行全面或部分軟硬件改造，這是一項代價高昂的工作。在傳統觀念中，滿足物聯網挑戰需要購買單獨的存儲、計算和網絡容量，這需要前所未有的費用。

到目前為止，大多數企業都采用混合云模型——在將部分流程轉移到云平臺的同時，將關鍵操作保留在內部部署數據中心。像谷歌和AWS這樣的行業巨頭正在提供物聯網平臺，但不可否認，企業云計算費用也相當高。

3. 安全性

這是一個很大的問題。顯然，傳統的安全系統(比如防火墻的防病毒應用程序)很難應對物聯網時代的安全威脅。然而，一些專家消除了這些擔憂。他們聲稱，當今的技術已經發展到可以滿足企業級安全需求的水平。

4. 可管理性和控制問題

這些問題非常嚴重。與企業級別的系統故障不同，大多數消費級物聯網設備幾乎無法應對緊急情況。但如果在制造廠、煉油廠或礦山發生事故，其后果可能會更嚴重，將帶來潛在的危險和危及生命的情況。在工業物聯網系統具有無可挑剔的性能記錄之前，企業將對大規模采用工業物聯網保持警惕。

5. 連接性

工業物聯網的連接性是另一項挑戰。由于大量的設備連接到網絡，傳統的集中式基礎設施模型肯定會被淘汰。許多專家都希望使用分布式云模型來實現邊緣計算。像戴爾公司這樣的科技巨頭現在正在推出邊緣計算網關設備，這些設備將充當物聯網中心，并處理關鍵任務操作，而核心云網絡將保留用于數據存儲和分析。

6. 標準化

在市場經濟中，設備制造商和開發人員提供了大量的工具、傳感器和傳輸協議，這些工具、傳感器和傳輸協議可能相互兼容，也可能相互不兼容。簡單地說，A公司制造的傳感器可能無法與B公司的數據處理平臺一起工作。對于工業物聯網的早期采用者，這可能導致供應商鎖定。直到現在，還有一些國家正在努力引入和采用統一的標準，但這種情況仍遠未完善。

7. 人才

在許多方面，缺乏相關人才是核心問題。雖然自我學習人工智能仍處于發展階段，但工業物聯網的實施需要人力資源專家的幫助，而這些專家很少。企業必須說服那些在數據科學、網絡技術和機器學習方面具有相關專業知識的現有技術人士繼續任職，而這些專業人員也要求提供更高的薪酬。

在這種情況下，企業通常利用國內和海外外包措施，獲得物聯網人才的幫助，并開發定制企業解決方案。

利用工業物聯網創造競爭優勢涉及到這些問題。為了應對數字化轉型挑戰，并采用工業物聯網，企業必須經歷以下三個階段：

分析和評估。企業是否具備處理大量工業物聯網數據集的基礎設施和軟件能力?確定企業的IT需求將幫助其概述采購計劃。實現這一計劃肯定需要投入大量的時間和資金，但最終還是值得付出努力。

半連接框架。對于企業的一個好消息是，73%的企業仍然處于第一階段，是尚未采用工業物聯網企業的一員。而企業進入第二階段將會獲得獨特的競爭優勢。轉移到半連接框架意味著企業中的所有系統都是互連的，并且工作在完全同步的狀態。在這個階段，企業應該有一個逐步采用物聯網的計劃，并準備向前推進。

連接基礎設施。在第三階段，企業擁有一個完全連接的系統，通常稱為制造運營管理(MOM)，隨著數據流量的增加而擴展，并具有足夠的網絡、存儲和計算能力來處理不斷增加的數據集。在此階段，企業將充分了解網絡安全威脅以及實施高級企業安全系統的必要性。

在第三階段的企業將成為少數的成功公司之一：到目前為止，像微軟、IBM、英特爾、通用汽車和思科這樣的行業巨頭已經為物聯網實施了安全可靠的互聯網基礎設施。

這個計劃可能聽起來過于樂觀，但是大變化通常都是從小步驟開始的。通過仔細選擇工業物聯網平臺、設備管理和連接解決方案，人們將會看到，物聯網的數字化轉型將從計劃變為現實。