所面临的挑战

根据思科的数据，76%的工业物联网实现失败。此外，尽管制造业是美国最大的行业，产生的原始数据最多，但其数字化程度却最低(仅占流程的5%)。这些统计数字代表着一个问题和一个机会。在MachineMetrics，我们认为挑战与以下方面直接相关:1)产品、工具和技术的使用不满足工业物联网计划的基本要求——在获得即时价值的同时推动持续改进和创新计划的需要;以及2)工业物联网解决方案生态系统中各参与者关键资源的不协调。

MachinineMetrics方法

MM为机器提供工业物联网平台。该平台将水平物联网平台的创新支持与打包、基于云的SaaS服务的快速价值创造相结合，为离散制造商提供工业4.0倡议。水平物联网平台往往无法以合理的价格快速产生价值。另一方面，打包的产品、应用程序或点解决方案在扩展和驱动持续改进和创新方面的能力是有限的。这两种方法的局限性是工业物联网历史结果不佳的主要原因。通过结合这两种方法的优点，MachineMetrics提供了最佳的混合产品，加速了制造业的数字化，并将工业物联网实现失败的风险降至最低。

MM的独特之处在于，它能够自动收集和转换实时机器数据，或将其置于上下文环境中。MM使用来自人员、其他设备和系统的数据来扩充机器数据，通过打包的SaaS应用程序提供描述性、诊断性、预测性和规定性分析，这些应用程序可以立即提供ROI。该平台可以通过开放的api进行扩展，连接到最好的工厂应用程序，同时允许客户和合作伙伴在边缘和云层添加自己的IP。

结合生态系统

MM平台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。

今天的工业物联网生态系统由制造商、机械制造商、机械制造商分销商、服务提供商、技术和解决方案提供商、系统集成商、顾问和软件提供商组成。每个参与者都有自己独特的能力、专业知识或知识产权，可以用来推动成功的工业物联网倡议。当这些资源没有对齐或未得到优化时，工业物联网计划往往无法实现所承诺的价值主张，或者如统计数据所显示的那样完全失败。

MM平台的基础是机器数据的自动捕获和转换，或上下文化。这种能力可以在几分钟内提供可消费的机器数据和见解。机器数据的捕获和转换经常被忽略，但它是复杂和耗时的，有许多变量。MM已经为数百个客户连接了数千台机器。我们已经投入了超过50人的时间来完善这一基础技术，我们将继续投资以维持和改进它。然而，一些制造商、咨询公司、系统集成商和其他一些公司试图推出自己的机器数据基础设施，并取得了不同程度的成功。即使使用横向的工业物联网平台，这种开发工作也可能需要几个月甚至几年的时间。一旦构建了捕获和上下文化机器数据的机制，就需要对其进行维护。不仅维持这些解决方案的成本令人望而却步，而且由于资源分配不当而导致机会和价值的丧失，从而导致制造商在竞争中处于劣势。

制造商应该把重点放在哪里?我们相信，正是在这些领域，他们充分利用了自己深厚的专业知识。MM平台的美妙之处在于，它使制造商及其合作伙伴的生态系统得以优化关键流程，并在整个操作过程中创造创新的新流程。分析，包括ML和人工智能算法，可以开发和应用在边缘和云，使用MM和/或其他分析技术。这种技能和技术的结合为制造商创造了快速和持续的价值创造的最佳公式。

和制造商一样，MM平台也为机械制造商及其分销商提供了机会。这个机会的根源在于优化机器的性能，并提供优质的产品和服务。利用可消费的数据和见解，以及分析技术和工具，机器制造商和分销商可以充分利用其机器的深度领域知识来驱动价值和创造有竞争力的差异化。这与机器制造商和控制系统供应商形成了鲜明对比，他们试图提供工业物联网基础设施或更基本的机器监控产品，但取得的成功有限。有很多不同的机器制造商，很少，你会发现一个工厂只有一个品牌的机器。许多不同的机器也有不同的控制系统和通信协议。这些机器有不同的年份，从现代控制的新机器到20或30年前控制能力有限的机器。制造商很少(如果有的话)从一个机器制造商或控制系统供应商那里购买数据捕获和监控基础设施，并将其应用到另一个机器制造商的机器或另一个控制系统供应商的控制上。MM可以在几分钟内通过来自任何机器(无论品牌、年龄或控制系统)的通用用户体验实现可消费数据和见解。专注于这个基础设施组件还会分散人们对机器制造商的独特定位——优化他们的机器的注意力。 In addition to providing analytic tools for the machine builder, the MM Platform is also extendable through the addition of sensors and inputs through the MM edge device, further augmenting the capabilities of the machine and the machine builder.

快速和连续的价值创造

离散的制造商可以根据基本的业务驱动细分。对于产能受限的自主生产的制造商来说，利用率的提高和停机时间的减少是他们的底线。对于低产量、高混合的生产商，优化生产周期直接影响盈利能力。MachineMetrics提供了开箱即用的仪表板、报告和应用程序，它们提供了与这些用例和许多其他用例相关的即时影响和价值。

维持机器健康和提高制造资产的服务和维护是生态系统中许多参与者的机会。MM为机器分销商提供数据洞察和工具，例如，远程监控客户资产的健康状况。通过MM平台，分销商可以远程诊断问题，帮助服务人员了解问题，如果需要进行植物，并在植物之旅之前订购正确的部件，请带上正确的工具。结果是较好的服务和改进客户的机器正常运行时间。

这些基本示例用作起点。MM合作伙伴和客户正在发现利用机器见解来驱动价值的机会是无限的。与我们的合作伙伴和客户生态系统一起工作，我们正在学习许多企业应用程序的承诺，由于缺乏可操作的数据和智力，系统无法实现。例如，我们拥有在CMMS系统中进行大量投资的客户，但仍然基于设定的计划维持其资产。通过将这些系统集成到MM并使系统消耗与机器运行时，负载和其他变量相关的数据和分析，它们现在能够根据机器使用与预定时间将其设备维护到一个范式。结果是戏剧性的财务储蓄，实现了从他们对CMMS系统的大量投资的价值所承诺的价值。

结论:

成功的工业物联网计划需要选择正确的技术，并适当调整参与计划的生态系统中的各种实体。为了优化快速价值获取和降低风险，这种联合应该利用每个参与者的独特技术、IP和领域专业知识。在次优模型中，公司试图专注于或重新创造他们的核心专业技能之外的东西，这会导致最少的时间和资源浪费。更有可能的结果是失败，在差异化和推动增值的竞争中落后于竞争对手。

下载SilencerCo最新的案例研究