Field Intelligence 客座专栏
中小型企业常常苦于没有人员或资源在其工厂中采用工业 4.0 解决方案，这意味着创新被搁置一旁。部分原因在于，在利用先进技术方面，规模较小的企业有时也可能缺乏想象力。因此，工业物联网平台传统上并没有针对它们。
Arjun Chandar，IndustrialML 创始人兼董事长直到最近，实施新数据解决方案的成本仍超过明显的投资回报，因此财富杂志主要采用了解决方案100 家及更大的公司。
截至 2020 年，美国 90% 的小型制造商甚至没有物联网实施计划。如果没有这样的策略，训练有素的人员或基础设施无法收集数据上，制造商无法利用技术。因此，即使在预算紧张的情况下，也很难看到潜在利润率改善的全貌。
自从我们开始与日本栃木县的大和钢管工业公司合作以来，已经一年半了。它已经是日本最大的镀锌钢管生产商，但其总裁 Shin Nakamura 看到了提高效率的机会，并且迫切需要弥补因工人即将退休而造成的产能损失。
当它到来时然而，为了实施软件，Daiwa 并没有庞大的 IT 部门。它也不雇用数据科学家；它最精通数学技术的人是它的制造工程师。 Shin 聘请我们提供智能工厂工具和弥合资源缺口的特定分析。
Daiwa 是全球许多小型制造商的代表。制造商将需要替换因 Baby B 退役而丢失的机构知识oomers：到 2030 年，仅日本就将面临 644 万劳动力短缺。
利用先进的分析——并让新员工习惯它——对于小型企业向前发展至关重要。
这将有助于增加整个员工队伍的知识，改善生产车间出现问题时的沟通，并提高关键指标的可见性。
从一开始，Daiwa 就很清楚' 收集足够多样化的数据，以便我们提供可操作的见解。
例如，我们只能访问传感器数据的小样本，例如电机是否超出范围，但我们无法识别这会对他们生产的钢铁产生什么影响。
我们通过构建将传感器、企业 IT 和流媒体视频集成在一个地方的架构来解决这个问题。
此外，为了使用其他 IIoT 平台收集数据，Daiwa 需要升级到具有更高性能的新一代硬件e 开放通信标准（例如 OPC 统一架构）。
这样做会带来额外的操作风险、停机时间和安装新硬件的成本。
作为解决方案，我们构建了自己的驱动程序以弥补与旧设备的差距，并被引入现代后端。
Daiwa 操作员现在可以与 IndustrialML 的实时仪表板、实时警报进行交互，并能够在任何时间段内生成报告.
我们整合了五种不同类型的数据源来生成警报，并且我们每周都在积极跟踪指标。
这使公司能够设置正常运行时间和产量提高 10% 或更高的目标，每年可能节省超过 100 万美元。
