在Covid-19大流行之后，制造业正在咆哮到生命，并随着数字转型举措的重新侧重于。业内人士矗立在其预期的文艺复兴时期的门口，很明显，制造业领导者不仅需要接受而是加速创新，同时管理在维持产品质量的同时增加能力等容量等等。有效的合作将是井的关键;但随着劳动力已经消失，仍然很遥远，这更为重要。

随着病毒席卷全球，很快就会显而易见的是，有赢家和输家。许多制造商被禁止后卫，所以说话。在制造前述推出之前，该行业对其在其他行业改造的数字，数据为中心的思维的缓慢而臭名昭着。

这是作为行业卷入的完整显示。即使是那些先前曾踏上过百万美元的行业的人4.0或物联网倡议也没有任何结果表明他们的努力。我们有客户在使用MachinineMetrics之前，多年来一直试图建立自己的解决方案，在获得初始价值之前花费数百万美元的定制开发和集成。不幸的是，当大流行击中时，维持这些实施的资源走到了路边。他们不仅在此时不需要进行适应的数据，而且他们被他们的物联网倡议的幽灵困扰着。随着许多制造商在与这些较大的企业IOT计划中举行智能制造，潜在的价值丢失了。

现在，这并不是说大流行完全归咎于这里。事实是，大流行前，IIOR实现已经在很高的利率（81％McKinsey，2020）中已经失败了。这是由于许多因素，但主要是耗时的，并且昂贵的实施和部署性质。结果是一个大型，笨重，难以实施的物联网“倡议”，没有可操作的用例谈论。Not only do these developments take too long and cost too much, but an ever-growing talent shortage in manufacturing means those across the organization likely don’t have the knowledge or skills at the IT or the OT level to manage the complexities of making it work.

今天的问题是：为什么当您仍然没有来自工厂地板的可用数据时，为什么投资数字转型举措？智能制造不需要整个组织致力于其成功。

对于大多数制造商来说，数字转型应该开始随着制造业务核心的捕捉 - 这是制作这些产品的机器资产和运行它们的人。这些资产可能代表任何制造组织的最大资本费用，每秒生产成千上万的数据点。然而，该数据没有被捕获或分析以提高效率，扼杀持续改进。今天的工厂仍然被手动流程所消耗，导致影响组织各个组成部分的大规模低效率。这在MachineMetrics基准报告中是显而易见的，说明平均机器利用率小于30％。

从这些数据驱动的数据和洞察（以及动作）可以为制造商提供业务的基础，并竞争地区差异化。事实上，很可能是机器水平存在的低效率是悬挂水果最低，以创造大规模的业务影响，更不用说催化剂驱动许多未来的自动化。

这就是为什么我们的方法基础一直在提供易于使用的平台，该平台可以自动捕获和转换或内容化的机器数据。此功能可在几分钟内实现消耗机器数据和洞察力。我无法压力足够令人难以置疑，这是针对机床这样的某些类型的资产实际上实际上的难度。它并不像通过OPC-UA或MTConnect标准化一样简单，就像我们听到许多提供商建议，因为只有一小部分机器支持这些协议。MM已连接数千台客户。如前所述，许多制造商，顾问和系统集成商试图从划痕重建机器数据基础架构轮，随着IOT计划的一部分，不同程度的成功。这些开发努力，即使利用水平IIOT平台，如果不是多年，也可能需要数月。一旦建立了捕获和上下文机器数据的机制，就需要维护。不仅是维持这些解决方案的成本令人望而却步，但与错误分配资源相关的机会和价值与制造商的竞争劣势产生了损失。

准确的实时数据从机器资源自动捕获和转换，为现在并连续地驾驶底线值的实心座位。我们发现，当通过通过警报，分析和自动化通过此数据触发的可见性和可操作性结合使用时，利用性能的提高15至20％可以在几个月内实现。

一旦这件地区到位，通过将这些数据集成到驻留在企业工厂和组织系统的其他SINED数据中，可以在许多方向上加速价值成就，以生产，质量，维护和物流（我们所说的）“利用机器数据数字线路使用机器数据线路）以比以往任何时候都更快地驾驶无尽的自动化和机会。

这样做使制造商和合作伙伴的生态系统能够加速价值达到，并通过最佳地对准参与特定IIOT倡议的实体的独特技能，尽量减少倡议失败的风险。

今天的IIOT生态系统包括制造商，机器，机器制造商经销商，服务提供商，技术和解决方案提供商，系统集成商，顾问和软件提供商。每个参与者都有自己独特的能力，专业知识或知识产权，可以利用来推动成功的IIOT倡议。当这些资源未对准，或分级优化时，IIOR举措往往会在承诺的价值主张上提供简短，或者他们完全失败，因为统计展示。

制造商在哪里关注？我们认为它在利用他们深层领域专业知识的领域。MM平台的美丽是它使制造商能够通过扩展，他们的合作伙伴生态系统来优化关键流程并在整个运营中创造创新的新流程。可以使用MM和/或其他分析技术在边缘和云中开发和应用包括ML和AI算法的分析。这种技能和技术对齐创造了为制造商的快速和连续价值创建的最佳公式。

如在大流行期间所示，制造商不能不起投资数字转型，但并不确定将其努力集中在哪里。一个次优模型，公司试图关注或在核心专业知识之外重新创建一些东西，在浪费的时间和资源中最低。更有可能，结果是失败并落后于比赛的竞争，以区分和推动增量价值。

为了解决这个问题，对于数字工厂来达到比例，这需要更简单。成功的IIOT计划需要选择合适的技术以及参与主动权的生态系统中的各种实体的适当对准。为了优化快速价值和降低风险，该对齐应利用每个参与者的独特技术，IP和域名专业知识。重点应在即时数据转换，从盒子应用程序，自动化和集成到其他最好的品种工厂系统中。

我早些时候在这篇文章中指出，许多制造商在这些困难时期遭受了遭受的遭受，而且大部分痛苦无疑是脱离他们的手。我将在此时仍然不陈述，我们在过去一年中遭受了巨大的损失，比其他人更多。但谁是成功的人？谁是获奖者？能够枢转的公司回应，适应。这不是运气;他们可以这样做，因为它们是用数据，工具和思维方式编写的。

我们在Machinimetics的目标不会减速，也不会复制制造商目前的努力，而是加速和优化它们，以帮助他们准备并保持敏捷，因此他们也可以成为赢家。对于投资大型，庞大，难以实施的IOT计划的制造商：现在是抽出垂直解决方案的突破性的好时机，可以立即帮助。

铁从来没有变热。你准备罢工了吗？