如今，制造业正面临着工业物联网严峻的现实考验，而成本控制和明确成果的重要性日益凸显。
工厂传感器领域的“空白支票”时代已经结束。五年来，软件供应商向供应链高管们兜售一种简单却极具诱惑力的说法：将所有实体资产连接到互联网，囤积由此产生的数据，然后坐等效率提升。
企业董事会认可了这一愿景，并资助了大规模的试点项目。如今，云存储的账单纷至沓来，生产效率却依然停滞不前，耐心也已耗尽。工厂经理们正在积极调查工业物联网项目为何被重新评估：重点在于成本控制和最终成果。
如果一件联网硬件在一个预算周期内无法证明其经济价值，就会被撤掉。
躲过飞行员陷阱
工厂车间里到处都是被弃用的试点技术。这种停滞不前的原因在于，工程团队常常沉迷于技术本身，而忽略了他们受聘解决的实际业务问题。一个显示空置仓库实时湿度的精美软件仪表盘，对于一位正努力完成每日生产指标的运营技术总监来说，毫无价值。
为了打破这种恶性循环，高管们正在果断地缩小关注范围。预测性维护只有在应用于造成高昂成本瓶颈的特定设备时才有意义。没人需要在休息室的冰箱上安装振动传感器。然而，在主冲压机或海上风力涡轮机的主齿轮箱上安装声学监测器，则涉及完全不同的财务问题。
当主要设备意外发生故障时，由此造成的停机损失每分钟高达数万英镑。如果在电机轴承彻底损坏前三周发现微小的异常情况，维修人员就可以在计划中的周日停机检修期间更换部件，从而避免公司因生产延误而遭受巨额损失。
物流总监面临着类似的巨大压力。基本的GPS追踪功能已不足以支撑硬件部署。供应链领导者需要能够主动保障收益的传感器。例如，监控跨越三国边境的冷链药品运输的内部温度，可以避免数百万英镑的库存变质。
首席财务官 (CFOr) 在批准全球推广之前，正是要求获得具体、可验证的投资回报。企业不再热衷于资助无休止的数字化实验；他们需要的是能够直接解决实际瓶颈问题的方案。
云带宽的经济处罚
重工业环境会对消费级硅芯片造成严重破坏。腐蚀性化学物质、极端温度波动和强烈的电磁干扰，都需要专门设计且价格昂贵的硬件，才能经受住长达十年的严苛考验。
运营团队经常发现，升级物理布线和网络基础设施以支持数千个新传感器的成本，会完全破坏项目的预期财务回报。
接下来就是数据成本。现代化的生产设施每月都会产生PB级的遥测数据。将所有温度波动和振动指标都上传到集中式公共云无异于自寻死路；单是带宽成本就会抵消传感器带来的任何运营成本节约。
运营领导者通过将计算能力直接部署到设备边缘来严格控制成本。边缘服务器就位于工厂车间，扮演着严格的“守门人”角色。它们在本地处理遥测数据，忽略机器的正常运转噪音。只有异常数据（例如突发的热浪或不规则的振动）才会被上传到中央云端进行长期存储。
这种本地化处理方式既能保持带宽费用不变，又能将延迟降至零。如果机器人焊接机开始过热，边缘网关会在几毫秒内将其关闭，而无需等待五百英里之外的服务器。
防守物理边界
将重型机械连接到外部网络会大大增加企业网络的攻击面。一个未加密的温度计就相当于一个直接入侵企业网络的桥梁。
在化工厂中，黑客篡改传感器输入可以诱使自动安全系统导致反应堆过热。在公用事业领域，被攻破的边缘网关会使恶意攻击者获得关闭区域水泵所需的访问权限。
保护物理边界需要摒弃旧的网络安全模型。安全团队必须在生产线上部署零信任架构。每个联网设备都需要基于硬件的加密。
如果传送带上的预测性维护监控系统遭到入侵，严格的网络分段必须将入侵者困在系统内部，阻止其进一步攻击主企业资源规划软件。安全机制必须假定单个传感器不可避免地会被攻破，从而将攻击范围限制在局部区域。
结束IT和OT的地盘之争
运营技术 (OT) 团队和信息技术 (IT) 部门常常视彼此为对立面。工厂经理关注的是持续正常运行时间和人身安全；他们将网络软件更新视为对机械稳定性的直接威胁。而 IT 部门则关注数据完整性、网络安全和统一的补丁更新计划。
扩展传感器网络必然会导致冲突。例如，当工厂正在连续浇注化学品时，如果IT部门强制重启网关，产品损坏将给公司造成巨大损失。领导者必须促使这两个部门齐聚一堂。跨职能团队必须从最初的需求分析阶段就开始共同设计网络架构。
工厂车间里到处都是三十年前的可编程逻辑控制器，它们使用着晦涩难懂的专有语言。提取这些数据并将其转换成现代云分析引擎能够理解的格式，是一项极其棘手的技术难题。IT 数据工程师必须直接与经验丰富的车间操作员合作，因为他们真正了解机器输出的含义。
IT工程师只有真正了解连续生产线的物理限制，才能设计出更完善的安全协议。OT主管只有了解勒索软件导致整个工厂瘫痪的严重风险，才能接受补丁更新计划。
这种融合需要高层的强力支持来调解纠纷，并迫使两个部门在完全相同的财务目标下保持一致。
如何驾驭垂直供应商生态系统
供应商们正争相适应这种对快速、切实回报的需求。市场正围绕垂直行业生态系统进行整合，摒弃了以往的通用平台。
大型超大规模云服务提供商正与拥有百年历史的工业自动化公司签署深度合作协议。他们正在构建专门针对汽车制造、深海石油开采或全球港口物流的预打包软件。
对于运营技术总监来说，这些生态系统犹如救命稻草。购买一个已经基于数百万小时特定涡轮机运行数据训练好的机器学习模型，可以省去数年昂贵的内部开发成本。工厂只需几周就能看到回报，而无需像以往那样等待内部数据科学团队从零开始构建模型。
然而，这种便利掩盖了长期锁定带来的严重风险。将工厂的整个数字基础设施、数据格式和边缘计算架构绑定到单一云服务提供商的专有生态系统，会削弱企业的谈判筹码。如果该供应商在三年后将许可费翻倍，企业就将被牢牢困住。从专有云中提取PB级历史机器数据，并在其他地方构建新的数字孪生模型，会触发巨额的数据出口费用。
选择高度互操作性的硬件和软件，可以让企业在不重写底层运行代码的情况下，用更经济的替代方案替换性能下降的传感器，或更换云分析平台。保持这种独立性至关重要。
通过从一开始就要求取得切实成果，实施严格的边缘安全措施，并坚决保护其运营独立性，工业企业最终可以从其互联资产中榨取真正的经济价值。
