普华永道：没有工业物联网，人工智能将无的放矢

本篇文章2423字，读完约6分钟

尽管人工智能已经变得一团糟，但在过去，它与工业物联网结合的重要性并没有得到应有的重视。

据估计，从2015年到2020年，物联网技术的市场价值将达到6万亿美元，但令人难以置信的是，在目前的技术市场上，这样一个热点竟然如此之冷。甚至一些概念和技术，如人工智能和区块链已经取代了物联网成为人们关注的焦点。

在这方面，一些专家逐渐提出，没有信息技术，人工智能将缺乏一个非常重要的立足点。他们说人工智能的应用需要大量的数据，仅仅依靠机器学习和人工智能技术很难充分挖掘数据的价值。

人工智能和工业物联网:没有数据，就没有人工智能；物联网的价值在于提供海量数据。在消费品领域，物联网通常被定义为智能扬声器或智能冰箱等实际产品。但是专注于工业，物联网的工业应用显然比消费者层面的更大、更复杂。

工业物联网通过将网络传感器技术集成到工业过程中，可以采集生产线和供应链中产生的实时数据，然后结合人工智能进行数据分析和决策，这将在工业领域产生巨大的影响。

据统计，到2021年，全球物联网设备产生的数据总量将达到每年847兆字节，远远高于2016年产生的数据(218兆字节)。普华永道(PricewaterhouseCoopers)数字供应链战略主管詹斯·温德林(Jens wunderlin)表示:“物联网最基本的特征是提供一种连接技术，以确保我们能够实时从任何对象获取特定数据。但是下一个问题是如何处理这些数据，以及如何将它们放到业务场景中，从而促进企业自身的运营。

▲普华永道数字供应链战略主管jens wunderlin

解决的办法是将人工智能技术引入工业，它可以处理工业物联网产生的大量数据。

神童介绍说，这样的情况比比皆是。在工业设计过程中，机器学习驱动的预测能力将促进工业自动化的发展，并在很大程度上降低成本。例如，通过人工智能和智能传感器的结合，该系统不仅能够预测机器和设备何时何地需要接受高精度维护，而且能够快速响应并根据实际生产需求调整输出。随着设备停机时间的缩短，整条生产线的工艺优化效果也将具有很大的实用价值。同时，整个供应链中网络化设备产生的实时数据也将为机器学习和预测分析提供大量具有参考价值的信息。

当一个企业能够预测整个生命周期时，它会发现空.有很多好处关键是要确定哪些领域具有实际投资意义，以及哪些领域可以增强其差异化优势。神童指出。

数据与人才:智能工业物联网的瓶颈无论企业是否已经或计划将人工智能和工业物联网技术引入制造业，企业在具体实践过程中都不可避免地会面临一系列挑战，这些挑战需要新的领导思维来克服。

普华永道(PricewaterhouseCoopers)英国通用电气联盟负责人马丁马斯克(Martin musk)表示:目前的主要问题是，企业的许多举措都是以技术为导向的。然而，大多数拥有大规模内部工程系统和制造专业知识的企业都面临着来自文化层面的挑战。

▲普华永道英国通用电气联盟负责人马丁·马斯克

马斯克提到，这类企业在起步阶段往往面临严重阻力，例如，拥有丰富日常工作经验的工程师不相信数据所呈现的真相，因此他们拒绝根据数据结果工作。因此，我们必须证明人工智能可以帮助最有经验的从业者以新的方式增加价值，并帮助他们通过数据分享大量工作。马斯克解释道。

通用电气的业务涵盖公用事业、电力、石油和天然气、可再生能源以及工业领域的各种制造、产品和服务等。很难在这么多方面推广工业物联网的应用。在这方面，马斯克认为，企业需要将更多的业务视角与技术解决方案结合起来，才能真正实现预期的技术效益。

从领导者的角度来看，这要求他们充分了解企业全面数字化的发展前景，了解潜在的影响和风险，并考虑组织、人员和技术的协调和调整。例如，他们需要考虑如何以新的思维方式调整组织结构，同时打破员工对新技术能够带来的实际业务效益的疑虑。马斯克说。

业务转型不可能立竿见影。当然，这一切都要求企业根据自身情况在一定程度上进行内部调整。目前和未来，企业中仍将存在技术和数据方面的文盲，人工智能和技术解决方案的供需错位仍将严重。

在这方面，神童指出，当人们谈论数据分析和人工智能时，他们倾向于将它视为一种即时技术。他们相信，只要他们有一套数据并把它传递给机器，他们就能得到完美的解决方案和决策指导。这样美好的愿景在未来可能会实现，但目前的情况远非如此，至少需要配合专家的意见才能得到理想的结果。

此外，企业面临的第二大挑战是数据质量。如果一台机器想要执行预测任务，它需要一个原因和一个结果。回到预测性维护的例子，传感器可能检测到设备中的故障，我们需要分解数据并将其传输回机器，这样它就可以通过分析了解是哪个变量导致了这个即将发生的问题。

神童解释说，对于一台机器来说，要真正解决问题，首先需要获得高质量的数据。

因此，目前企业需要回答的关键问题包括:

正确的传感器是否部署在正确的位置？存储的数据质量是否足够，是否可以用于预测分析？您是否拥有执行相关分析所需的所有正确信息？Wunderlin总结道，真正的挑战是如何将正确的人与正确的数据联系起来。虽然许多企业在基层已经取得了一定的成功，但是当涉及到更复杂的场景，甚至包括数千个传感器甚至更多的潜在事件时，企业往往很难调整数据并找到正确的模式。

当然，技术的确是保证任何人工智能或工业物联网项目成功落地的主要因素，但一般来说，企业采用的实际方案决定了技术手段的实际效果。除了拥有世界上最好的分析软件之外，企业还需要一个精通数据并愿意献身于数据的团队，否则所有的努力最终都可能付诸东流。

每个人都需要考虑将企业战略、人员结构和技术等不同部分结合起来，以实现数字化的目标，而不是简单地认为采用一些有趣的新技术就能带来价值。必须承认，以企业为主导的人工智能和工业物联网方法将帮助每个人，帮助企业更快地实现技术创造的实际价值，但最根本的决定性因素仍然在于企业自身及其领导者的战略思维和实施模式。马斯克说。

来源：搜狐微门户