的確，採用IIoT代表了對系統、流程和知識中心的重新分配。 IT經理和員工以及製造，運營，分銷和供應鏈管理方面的同行必須擺脫困境，實施IIoT技術並獲得收益。 這對某些人來說是不舒服的，特別是要在傳統的孤島之外放棄權力和分享數據。

IIoT效率提升和人才短缺

---

目前，正在利用IIoT的工業企業往往是為了提高效率。可以簡化流程和可以連接的平臺是IIoT集成的主要目標。 在Georgia Tech製造業物聯網研討會上，研究所工業資訊系統中心主任Andrew Dugenske列舉了可能被IIoT解決的一些領域：

• 資產和庫存管理

• 容量和性能監測

• 品質分析

• 即時提醒

• 安全和合規

• 吞吐量監測

• 倉庫優化

Dugenske認為，公司文化對一個團隊是否實施物聯網有很大的影響。 他表示：“欣賞物聯網好處並願意投資新技術的公司將實現及時的回報和競爭優勢。” “延遲實施的公司將處於難以克服的不利地位。”

當然，隨著越來越多的公司轉向IIoT，他們將需要越來越多的合格人才來設計，實施和維護基於IIoT的系統的挑戰。 McCutcheon說：“這需要和新的技能，不同於傳統的製造環境。”

公司可以與當地政府和職業培訓中心等外部利益相關者合作，培訓能夠在未來工廠工作的技術人員。 但是McCutcheon警告說，企業也需要克服一個感知的差距。 McCutcheon說：“從歷史上看，製造業不一定是最高科技的環境。” “製造商必須改變這種觀念，我們現在有一些技術上最先進的工作正在出現，所以它也是吸引人才的途徑，而不僅僅是培訓。”

IIoT數據管理的挑戰

---

IIoT系統產生驚人的數據量。 配備IIoT系統的石油鑽井平臺可在一天內產生高達8TB的數據。 配備IIoT感測器的運輸設備則更加多樣化，從汽車（每天1 PB的運行數據）到噴氣式飛機（每分鐘生成333GB數據的單個波音737發動機）。 隨著越來越多的公司建立其IIoT基礎架構和更多感測器上線，數據量將會越來越多。

如何處理所有數據？ 如果最終目標是簡化操作，通知管理人員並產生可操作的見解，則數據將需要傳輸，處理，匯總，可視化和存儲。 IT需求非常強大。 配備單個IIoT的建築物或車輛可能有成千上萬的感測器和設備通過無線或有線網路連接發送數據。 數據可以在車間，遠程園區或車輛控制系統上用晶片或專用硬體來處理。 數據還可以使用API或定制軟體掛鉤進行轉換或共用，或者放入記憶體中。

當這樣的系統擴展到整個公司，包括其核心園區以及衛星設施，合作夥伴位置，遠程站點，車隊和員工設備時，顯而易見，IIoT具有很大的數據維度。 這意味著需要大量數據方法來確保數據使用，例如轉向基於雲的應用程式和存儲。

企業如果沒有充分利用他們可用的數據，將存在真正的風險。 麥肯錫的報告指出，只有1％的石油鑽機數據將有30,000個感測器。 這是因為感測器主要用於檢測問題，而不是優化和預測分析。這浪費了大數據。

還有IIoT安全角度要考慮。 這對於處理數據中心，辦公系統和個人設備的網路安全的公司而言還是一個未知的領域。 在IIoT環境中，需要更加重視如何在遠遠超出IT傳統範圍的地方保護設備，數據，通信和處理能力。

IIoT硬體，軟體和網路連接的性質導致了一些意想不到的安全性後果。 許多低成本的設備，如遠程攝像機，路由器甚至DVR都的安全功能有限（包括硬編碼的默認密碼和telnet訪問），或者從來不會更新補丁。 一旦遭到破壞，它們將造成DDoS攻擊和惡意軟體分發等等問題。 一個令人討厭的名為“Mira”的IIoT僵屍網路已經在全球存在，到今天仍然是一個問題。

整合llot

---

正如你所期望的，整個企業範圍的IIoT系統的推出非常複雜。 要求包括低成本，強大的感測器和可與現有系統集成的其他設備。 管理者還必須確定設備如何供電並與數據網路連接。 事實上，系統架構可能需要進行修改以適應IIoT，並且可能存在顯著的整合挑戰。

佐治亞理工大學的Dugenske表示：“IoT需要的感測器，帶寬，處理能力和通信能力都在降低。” “但是它並沒有解決一個關鍵問題：使用的具體數據結構和協議是什麼？這些巨大的成本驅動因素通常被忽略。

理論上，無論你是處理通用控制器還是特定行業的產品，IIoT標準都可以緩解整合。 公司可以隨時轉向基於現有標準構建的產品，無論它們是全球IT標準（如802.11ac）還是為工業用途明確開發的產品，例如用於電錶的IEEE標準1377-2012。

這也推動了聯盟的組建，促進新標準的制定。 它們包括工業互聯網聯盟，其促進能源，醫療衛生，製造業，交通運輸和智能城市的通用架構，互操作性和開放標準。

目前還不清楚哪個標準將佔據主導地位，但這是一個對IIoT有重大影響的問題，估計到2020年，LPWAN將達到3.45億次（約占總數的26％）。不確定性導致潛在的整合問題， 並鼓勵一些工業企業採取“等待觀望”，然後再對某一產品線或技術標準進行下注。

llot的未來

---

工業仍處於由llot，大數據和其他新興技術驅動的技術轉型的大浪潮的早期階段。 這不是炒作，而是影響到幾乎全球經濟每一個部門的軟體，硬體，網路和系統的進步的必然後果。

一些公司已經在利用IIoT來提高生產力並開發新的產品和服務。 隨著越來越多的先進感測器，處理能力和數據存儲的價格不斷下降，主流工業企業及其競爭對手將會轉向IIoT以保持競爭力，並尋找新的增長機會。

然而仍然存在嚴重的障礙。 對安全性，人員配置和互操作性的擔憂可能會使一些工業公司陷入困境。 其他人可能對利益，成本和投資回報有疑問。 某些技術仍處於發展的早期階段，這是標準或技術和物理限制（如電池）的不確定性所阻礙。

將新技術引入車間或裝配線，進入車輛維護艙以及遠程站點也是一個挑戰。 現代工業設備是複雜和強大的，但其中大部分還沒有連接到IP網路。 此外，還有一些類型的工業機械通常在很少人知道的的垂直領域有非常專業的用途，這些機械設備在未來幾年可能不會具備llot能力。 更換或改裝是可能的， 事實上，隨著轉型的速度加快，這將是必須的。 但對於今天的業務或IT經理來說，那天可能看起來很遙遠。 在2015年的製造商調查中，近一半的人表示，他們沒有沒有計畫使用智能感測器的數據來改進製造和運營。

一些人表示謹慎，其他人則看到一個巨大的機會。 前瞻性工業公司以及能源，交通運輸和製造業的創業公司正在對IIoT和大數據進行大量投資。 這些公司希望為未來做好準備，使用IIoT獲得重大競爭優勢或開發新產品和服務。

想像一個感測器，系統，數據甚至機器人和人工智慧無處不在的世界。 裝配線，供應鏈和遠程站點將主要由自主設備和演算法運行，減少延誤，同時增加工人的安全。 道路上和空中的自駕車將能夠與他們正在運輸的託盤“交談”，以更好地監控其內容並協調交付。 這不是科幻小說，通過lloT這一切都是可能的。