根據(jù)微軟和英特爾的調(diào)查受訪者報告的數(shù)據(jù)，在過去三年中，工廠KPI提高了15.3%。

　　根據(jù)微軟和英特爾委托進行的分析，制造商正在加速他們在2022年的智能工廠努力。

　　對于考慮工業(yè)物聯(lián)網(wǎng)的制造商來說，維護監(jiān)控方面的投資僅次于利用自動化機會。這是微軟和英特爾委托對北美(40%)、歐洲(35%)和亞太地區(qū)(25%)的500名高級和中級經(jīng)理進行的調(diào)查中發(fā)現(xiàn)的眾多見解之一。參與者熟悉工業(yè)物聯(lián)網(wǎng)，并負(fù)責(zé)汽車、電子、制藥和其他產(chǎn)品生產(chǎn)中的數(shù)字化轉(zhuǎn)型。這份名為“物聯(lián)網(wǎng)信號：制造業(yè)聚焦”的報告揭示了工業(yè)物聯(lián)網(wǎng)帶來巨大績效收益的領(lǐng)域，并確定了實現(xiàn)未來增長的目標(biāo)。

　　投資回報率

　　預(yù)測性維護使用智能監(jiān)控將停機時間和更換成本保持在最低水平，即使在艱難的金融市場中，這種場景也繼續(xù)為智能工廠運營商帶來回報。制造商在考慮未來投資時會密切關(guān)注股本回報率或資本回報率等指標(biāo)，而能夠提高資產(chǎn)收入的物聯(lián)網(wǎng)系統(tǒng)受到高度重視。

　　總部位于德國的物聯(lián)網(wǎng)分析集團(IoT Analytics)指出了富士康的例子。該集團與微軟和英特爾合作，為該報告匯編和分析數(shù)據(jù)。該公司是蘋果等知名公司和其他知名品牌的電子設(shè)備制造商，在其深圳工廠投資了大量機器傳感器，這些傳感器可以記錄生產(chǎn)設(shè)備的性能以供分析?！巴ㄟ^匯總歷史數(shù)據(jù)和使用人工智能算法，機器故障可以提前預(yù)測，將設(shè)備效率提高17%，”物聯(lián)網(wǎng)分析公司的Philipp Wegner寫道。

　　超過 86% 的受訪專家將監(jiān)控整體設(shè)備效率視為一項重要或非常重要的關(guān)鍵績效指標(biāo) (KPI)。結(jié)果表明，雖然有許多因素共同將制造性能推向更高水平，但某些標(biāo)記比其他標(biāo)記更強。

　　從地理上看，與歐洲或亞洲的工廠相比，北美工廠更有可能實施或正在實施智能工廠戰(zhàn)略。但是，整體采用率仍然很高，在 Microsoft-Intel 研究中至少有三分之二的受訪者(在北美上升到 80%)做出了積極回應(yīng)。

　　深入挖掘工廠 KPI 數(shù)據(jù)有助于表明制造商對在其生產(chǎn)線上推出物聯(lián)網(wǎng)的熱情。根據(jù)微軟和英特爾的調(diào)查受訪者報告的數(shù)據(jù)，在過去三年中，工廠 KPI 提高了 15.3%。對于采用者來說，這可能只是一個有益趨勢的開始。從現(xiàn)在到 2025 年，運營商預(yù)測迄今為止的工廠 KPI 增長將提高 66%。

　　網(wǎng)絡(luò)儲蓄

　　展望未來，制造商指出減少網(wǎng)絡(luò)安全事件的數(shù)量以及縮短平均檢測時間 (MTTD) 作為兩個相關(guān)的 KPI，它們?yōu)槲磥碇悄芄S運營的改進提供了很大的空間。其他領(lǐng)域包括優(yōu)化能源使用，假設(shè)高供應(yīng)價格持續(xù)存在，以及減少廢物，包括運營和設(shè)計投入。

　　還有更多關(guān)于可持續(xù)性主題的好消息。調(diào)查發(fā)現(xiàn)，野心增幅最大的 KPI 是智能工廠領(lǐng)導(dǎo)層希望減少其運營的碳足跡。這表明未來活動將加速，因為公司受到日益嚴(yán)格的環(huán)境立法和客戶對更環(huán)保運營的日益增長的需求的約束。

　　坊間證據(jù)表明，可持續(xù)性的改進可能需要使 KPI 更易于衡量和可視化，以便車間的工人能夠更好地監(jiān)控對生產(chǎn)流程所做的任何更改對環(huán)境的影響(排放計算器可以提供幫助)。

　　腳踏實地

　　雖然肯定對新想法持開放態(tài)度，但制造業(yè)必然是務(wù)實的，調(diào)查的作者指出，增強現(xiàn)實和數(shù)字雙胞胎的使用處于相對早期的階段，項目處于概念驗證 (PoC) 或開發(fā)階段。根據(jù)受訪者提交的意見，就未來投資而言，預(yù)計數(shù)字雙胞胎的支出將高于平均水平，而增強現(xiàn)實的支出預(yù)計將低于平均水平。

　　在任何想法完全投入使用之前，它們必須從 PoC 傳遞到試點計劃中，在那里將根據(jù)包括投資回報在內(nèi)的許多參數(shù)對其進行評估，然后在有證據(jù)表明可以實現(xiàn)目標(biāo)的情況下推出。 已經(jīng)通過這條管道的項目包括基于云的質(zhì)量管理系統(tǒng)(50% 的受訪公司擁有完全或部分部署的解決方案)和基于人工智能的機器視覺(39% 的完全/部分部署)。 相比之下，只有 20% 的受訪者在全公司范圍內(nèi)使用增強現(xiàn)實來幫助指導(dǎo)組裝，大多數(shù)實施仍處于 PoC 階段。

　　這不僅僅是實用主義的一個因素——技能差距也可能是一個問題，使用數(shù)字孿生等新技術(shù)來可視化、模擬和預(yù)測制造操作。 然而，隨著采用率的提高，整合挑戰(zhàn)——由于缺乏訓(xùn)練有素的人員而加劇——可能會緩解。