传统的制造企业需要有效的途径来启动工业物联网（IIoT）的应用。本文将介绍一些刚开始实施工业物联网的方法，包括适当的工艺、设备、系统、运营专家以及工业自动化和控制。
现在，全世界范围的制造企业似乎都对部署工业物联网（IIoT）表现出热情，这是一项以数据分析为重点的数字化革命，旨在提高生产效率、运营可靠性以及供应链绩效。要想在转型升级的变革中获得成功，制造企业应该制定一个灵活的IIoT框架，以实现跨领域和专业的安全协作，改变工作流程，提高信息共享和功能团队之间的合作，并利用外部专家和知识供应商，来补充内部资源的不足。
几乎所有的工业设施都受益于工业互联网的出现。一方面，运营分布广泛的资产往往限制了本地化专家在管理数据连接性和聚合方面的作用。另一方面，根深蒂固的传统工作流程限制了很多工业设施功能，并无助于提高绩效和盈利能力。
设备健康是所有企业运营都需要考虑的一个重要问题。如果某设备故障，通常情况下，没有可用的逻辑方法来分析发生了什么，因为没有足够的有用信息，或者是负责人直到故障出现后数小时或数天后才能对其进行分析。
很多工厂设施都受制于缺乏对业务实施性能的可视化监控，这并不鲜见。在工厂内，需要更先进的技术来收集、存储相关数据，并将这些信息可视化，以获取有价值的信息，从而可预测和识别事件与改进的机会。
现在，制造商和其它工业企业正在思索着，下一步如何在单一现场或整个企业范围内的运营活动中更有效地管理和探索数据。成功的企业运营需要在正确的时间、利用正确的信息来制定正确的决定。
越来越多的公司正在寻求推动工业物联网发展的方法。使用机器学习、大数据和自动化技术，建立一个“系统中的系统”，可以准确的获取、分析和传输数据，他们希望在整个供应链中获得更高的效率、可持续性和更好的质量控制。
IIoT是性能和运营领域内的下一个重大进展，采用先进的计算、智能传感器、移动应用、基于云计算的平台、企业数字化等现有技术，来帮助数据转化为可操作的知识。
成功实施IIoT的关键因素包括：
智能和安全协作；
预测分析；
数据管理和现场控制；
智能和互连的资产和设备。
有效的IIoT策略依赖于从多个不同的系统整合云中的数据，例如应用更高级别的分析和利用通常远离工厂现场的专家。预测性分析解决方案可以将工作过程从人工和被动转化为自动和主动，从而有助于避免计划外停机，改善性能和安全性。它们使企业能够更密切地关注工厂、偏远地区、分包商和供应商设施中正在发生的一切，以及世界上任何地方的货物。
要想从IIoT中获取最大价值，需要考虑一些关键因素。它的真正力量来自于收集汇总数据，然后将这些数据与应用整合起来，并充分消化和处理这些信息。与在控制系统中部署这些应用程序不同的是，将其部署在云端，可以彻底消除工厂的维护要求，而且从各个现场获得数据可以在这些应用中得以应用。典型应用程序为云端数据增加了附加值，包括先进过程控制（APC）监测、状态监测（CBM）、企业历史数据、移动性解决方案和调度等。
工业组织应该使用开放集成的通信技术，比如OPC统一架构（UA），整合来自于不同数据源的数据。开放式架构可为现有的通信协议提供支持，因此可以以一种安全的方式将已安装的设备集成到工业物联网架构中。接下来，可将数据从工厂传输到企业，并应用智能分析来提取有用的信息。非常重要的一点是应用专业知识来理解数据，平衡内部专业知识、远程技术专家和第三方知识供应商。
有了大量、更可靠的数据，公司就可以在云端应用和开发更先进的分析，并将这些分析模型应用到边缘设备上去，从而按需获得更详细的信息和数据，以便满足对单站点或全企业范围内运营的各项需求，充分利用更广泛的数据专家团队来进行监测和分析。
工业物联网真正的希望不是“物”，而是与运营互动的人。那些认为首先应该连接人，然后才是物的企业，将能获得很好的定位，以优化其工厂的业务。
工业物联网实施成功的关键是以不同方式运营的能力，这就意味着需要获取支持新角色、职责和工作流程所必须的工具。
如果工业物联网计划不包括职能部门协同方式的转变，那么它可能需要反思。在复杂的工业现场构建内部专家，将变得越来越难。随着成熟市场正面临着婴儿潮一代退休所造成的知识断层，最好的运营将是那些懂得何时在内部开发技能、何时利用外部资源来推动业务成果的运营。
通过工业物联网提高运营效能的另一个重要方法是与第三方专家合作。当今的技术使得它可以安全地挖掘云端合作伙伴的整个生态系统领域的专业知识，而其它组织如过程授权商和原始设备制造商（OEM）可以帮助解决具体问题。这种方法也可以扩展到其全球的内部资源。
OEM厂商的知识和经验与过程授权商对设备和运营可靠性有巨大的影响。IIoT不仅仅是监测；它还能获取技术专家的诊断知识，并将其嵌入到终端应用程序中，从而可以实现预测、预防故障的发生。
