OFweek工控網訊：工業物聯網（IIoT）可以改變自動化和操作流程的工作嗎？是的，可以。但是，只有廠家愿意且能夠去改變其基于幾十年的工業生產過程而建立起來的結構框架。需要明確的是，這并不意味著將機器、控制系統和網推倒重來，而是意味著要打開原有的一切并增添新內容。
　　數據正在迅速成為工廠車間較重要的戰略資產。這是因為，如果應用得當，它可以創造新的商業模式和新的收入來源。據麥肯錫全球研究所的報告顯示，到2025年物聯網應用的每年所產生的潛在經濟影響將高達11.1萬億美元。工廠將主要關注運營和設備優化，具有較大的高達3.7萬億美元的潛力。
　　聽起來牽強？想想這個：根據麥肯錫的報告，石油鉆機99%的數據在決策者做出決策之前就已經丟失了。換言之，一個帶有30000個傳感器的石油鉆機只有1%的數據需要進行檢查。這1%的數據是用于異常檢測和控制，而不是用于優化和預測，這提供了較大的價值。
　　如今擺在行業面前的障礙就是連通性，許多團體和廠商勤奮工作來解決互操作性問題。為了從石油鉆機丟失的99％的數據中獲取價值，那么你就需要分析。
　　Sight Machine一家成立四年的公司，已經開發了專門用于制造的分析引擎。發布于去年的Sight Machine制造分析平臺，包括專有模型對較常見類型的離散、分批和連續處理操作進行分析。
　　Sight Machine從生產車間的多個來源處捕捉并收集數據，包括PLC、傳感器、條形碼、甚至非結構化格式，如音頻文件和照片。數據采集功能就是通過插件代表性狀態傳輸（REST）API和適配器，用以連接到原有系統進行數據采集，從自產自銷的MES到工廠定制的IT系統。這里的關鍵是技術的開源模式，聯合創始人喬恩·索貝爾和內森·奧斯滕多普都非常熟悉。
　　索貝爾一直在特斯拉汽車公司，雅虎和開源社區SourceForge管理團隊工作。奧斯滕多普擔任SourceForge架構師并共同創立Slashdot.org，他在大學時還曾在一家汽車工廠做質量控制編程工作。
　　“我們要做的關鍵就是要和谷歌或Facebook一樣采取同樣的方式，將結構化和非結構化數據類型相結合，只不過我們是制造業，”聯合創始人兼Sight Machine的首席執行官索貝爾說。在制造環境中的挑戰是數量、速度和各種數據類型，使得分析大規模數據難度加大，他說。
　　對所有數據進行管理的復雜性可能是導致很多企業還必須得要解決IIoT這方面的原因。
　　“大多數物聯網[公司]談論通信推動事情發展，但我們認為這個問題將逐步得到解決，”索貝爾說。 “核心挑戰是如何有效地分析數據，并從一個工廠到另一個工廠，一遍又一遍地使用同樣的模式，以[提供]有益的啟示。”
　　Sight Machine現在與制藥、汽車和服裝等行業的企業都有合作。在這些早期的實現，客戶要求該公司幫助進行容量規劃，并確保流程工作的率和可靠性。事實上，很多公司都是在完全相同的問題上尋求幫助：他們在不同的位置擁有相似的資產，性能存在差異。同樣的機器，同樣的流程，但在一個地方運行順利的在另外一個地方運行的就不順利。
　　Sight Machine發動機是一組數據模型復制制作過程如何運行，含有幾百個參數，組織所有數據，并對另一邊的數據進行轉換。“另一邊”是在工廠車間里提供質量、可追溯性和業務信息的實時大數據分析服務器。云也被計入為數據存儲方程的一個因素。
　　據Gartner稱，較近在生產運營報告中，將Sight Machine列為其2015年的Cool Vendors，此分析層包括機器學習算法，能夠在大規模生產中快速精確定位問題。
　　較重要的是，應用Sight Machine發動機不需要重新架構車間系統。問題的關鍵是提供一種方式來增加數據采集、處理和分析，而且不會干擾現有的IT基礎設施。“我們將我們說做的稱作”數據毯子，因為我們不需要將機器、控制系統和網推倒重來。“
　　事實上，Sight Machine可以被看作是這個行業的一個無縫演進，也許開啟了包括工業物聯網的現代制造的未來。（Tina譯）