严格来说，我觉得把物联网称之为一种单一技术略有不妥，个人认为物联网应该是计算机技术发展至今的必然形态和过程。 物联网提升生产力，主要核心原理如下： 1.替代人工 2.打破原有信息不对称 3.从新的维度获取新的有价值的信息 上述每一点实施起来，都是需要投入一定的成本的，从目前的行业情况来看，第一点的性价比比较高，后面两点，很多物联网应用还在试错阶段。 【替代人工】 最简单的例子就是GPS导航，目前导航APP都有个路径拥堵情况的功能，那么导航系统是如何知道哪个路堵的呢，最初的做法是通过人工查看摄像头来判断。但是到了后来，慢慢的就使用AI算法分析了，通过摄像头的图像对比或分析，来判断车速，车辆多不多等信息，然后再传输到物联网络上进行统计分析。 各种工业场景的设备运行监测应用，也是如此，通过一次性投入物联监控节点，减少了工作人员巡检的成本，也提高了设备运行稳定性，无形之中降低了生产灾害，自然就可以提升生产力。 还有我们生活中随处可见的共享单车，要是使用过去的手工登记，那得多费事，但现在使用物联网络，加一个APP，解决问题。 所以从替代人工的角度来讲，物联网应用的投入成本高，产出价值大，试错的概率也相对较小。 【打破原有信息不对称】 打破信息不对称可以提高生产力的道理，想想淘宝的生意是怎么做起来的就知道了。 物联网的应用，可以将终端的一些信息，直接呈现到决策端，从某种角度来说，就是打破了信息不对称。 比如库存的管理，如果用RFID进行库存管理，配合物联网络和数据算法，一个集团公司可以管控到不同仓库的库存情况，进行平衡存储，自然也可以提高生产力。 比如共享办公里的会议室预订，比如智慧停车场的空闲车位查询，原则上都是解决了供求双方信息交互的问题，一定程度打破信息不对称。 但是在这个点上，投入和产出比有时候就不划算。我们说打破信息不对称，一般是指供求的信息，这样产生的效能才大，但是物联网的数据或者状态，往往不是直接的供求信息，所以自然价值的效能就小。而且解决信息不对称的范围越大，价值越高，但目前，每个应用，都是自己的物联数据和网络，很难打通，也没有必要打通，所以无法形成广域的物联信息交换平台，这样整体价值度自然也不高，跟淘宝阿里之类的肯定是没法比的。 【从新的维度获取新的价值】 所谓新的维度，从实施来讲就是大数据，以前我们看数据，都是单维度的，但是自从有了物联网和大数据，就有了多维的方式，这种例子非常多。比如我测血压是在医院测，锻炼的数据是在手环上，是否参加了健身俱乐部，在俱乐部的账号管理里，但是如果这三个信息能统一到一个平台里去分析，也许可以知道用户更多不为人知的信息。同样，在搜索、购物、支付、设备使用、工业、状态检测等众多领域，已经慢慢的使用各种互联网或者物联网途径来进行大数据汇总、挖掘和分析。那么这样一来，自然就可以得到不一样的信息，从而产生不一样的价值。 但是很遗憾，虽然现在外面搞企业的，动辄开口就是大数据如何如何，可是我们身边能听到的很多大数据，都是伪大数据，都是价值度低，成本高的大数据。比如做智慧小区，非得去通过摄像头统计都是谁进了小区，比如搞营销，非得去搜集电话号码，好像这样才可以分一杯大数据时代的羹。最后，很有可能得到一批泛泛的数据，无用的数据，投入巨大，最后也没办法给你产生什么不一样的价值。 【物联网是计算机发展至今的必然形态】 计算机技术发展至今，从最初的单机，到联网，到移动化，再到今天，所有的智能设备，单片机设备，计算设备，都成为计算机物联网络的一部分，每一个终端，都在贡献自己独一无二的数据和价值，从而形成统一的计算智慧。物联网，不是指嵌入式，也不是指传感器，也不是指RFID，也不是指远程操控，它不是单一技术，而应该是计算机技术往人工智能发展路上必经的过程和形态。 计算机每一次发展的里程碑，核心本质都是在拉近人与机器（计算机）的距离，windows的出现，从界面上拉近了普通办公用户和电脑的距离；java的出现，从逻辑编辑上拉近了程序员和计算机的距离；手机的出现，从时空范围上拉近了人与计算机的距离；物联网的出现，从多维度全方位包围人类，让计算机更加明白人类想要什么，自然就能更有效能的帮助人类解决问题，产生更高的生产力。 也许未来，伴随在人类身边的，是类人类智商的，长相体型也非常相似于人类的单一人工智能机器人，这一个机器人，他既可以帮我们带孩子，又可以帮助我们开车，甚至还可以帮助我们编程，思考，甚至谈恋爱都未尝不可。但是在这一步还远未到来的今天，物联网，就是人工智能当下呈现给我们的样子。

谢邀，收到了好几个邀请…… 我觉得嘛，现在的难点在如何实现连接上，今天刚在vert.x群里跟一堆人聊起这事 我做过一到两个iot的项目，跟传统j2ee，http，web应用比起来，区别点主要在 一般iot等应用，使用的是长连接，就是要被动地接受来自服务器端的消息信号数据这些东西 而不是像浏览器一样，发一个请求，然后等回复，然后再发一个请求，再等回复，如此这般 我们做过的iot连接主要是通过tcp或者是mqtt协议实现 那vert.x很好滴address了这两个协议，我们也知道，mqtt协议是iot的一个相对标准的协议 所以vert.x早日滋持了该协议，也使得我们在使用vert.x在iot领域，有了一个强有力的武器 Vert.x MQTT - Vert.x连上了之后，下一步就是写代码方便了，长连接的话，传统上，尤其是java当前还没有project loom的前提下，很难将代码写傻瓜来，就是像短连接一样，把开发做得非常简单，crud 现在用java伺候长连接，你需要reactive programming，这就导致一系列问题，callback会有很多问题出现，在没有async/await的前提下，用future/monad或者是map/flatmap那些方式，都显得不太舒服，对于程序员心智要求偏高了，那我们使用了kotlin，这就有了await等函数，进而将开发方式扭转回proactive的方式予以开发 所以结合kotlin的coroutine以及vert.x的mqtt，tcp/net server，就使得我们的开发变得简单起来 用这种方式，就可以快速连接各种things的客户端，一旦连进来，后面怎么做，那就随便了 vert.x正在跟graal做整合，后续会使得ai在iot领域的应用更加方便，简单，有效率 graal现在做到的是把r给整合到同一个环境中来，python和c，c++这些也都整合了进来，后续很重要就是实现graal-tensorflow的整合，有了r，tensorflow还有scala的spark，flink这些大数据领域的类库，会使得ai的开发更加简单便捷，那vert.x跟graal的对接就会使得这些对接更加方便，简单 一些参考资料： Internet of Things - Reactive and Asynchronous with Vert.x Eclipse Vert.x goes Native Introducing Vert.x MQTT client GraalVM

刚好现在在做一个与此相关的项目。看到提问，尝试回答一下，知乎大白们请轻喷。 在回答这个问题之前，谈谈我对物联网的理解。知乎上面搜了一下，发现感觉不是读教材，就是读广告。幸亏本人是理工科出身，对于专业术语比较熟悉还能理解，其他非理工科的估计都是一头雾水。我尽量尝试用比较容易理解的话（少用专业术语）来解释一下。 首先是互联网与物联网的区别。 一，内容提供者有差别。 互联网内容提供者，制作者是人。除开通过网络传播的病毒，以及由此衍生的垃圾邮件和目前某些人工智能产生的内容之外，我们在互联网上看到的文字，图片，语音，视频等等，都是人通过触觉，嗅觉，视觉，听觉和味觉经过大脑整理之后输出的。可以理解为有感而发，很多内容或数据具有主观性或虚假性。 物联网内容（数据）的提供者，制作者是各种传感器，摄像头，采集器，分析仪等等。他们提供的数据是客观的，真实的（排除误差后）。即使你把计步器绑在狗身上，然后让狗狂奔，计步器也只是忠实的记录了狗的数据。在传感器的眼里，你和狗没有什么区别。 二，内容的使用者有区别。 互联网内容的服务对象大部分是人。正如我写这篇文章，主要目的是希望大家阅读，而不是被搜索引擎通过关键词而收录。 物联网内容服务对象除了人之外，还有物。如自动喷嘴通过湿度传感器传来的数据而自动灌溉作物，这个服务对象就没有人。 三，内容的使用方法有差别。 互联网上很多内容发布之后就没有反馈了。例如我这篇文章，点赞和评论的人一般情况下都不会比阅读的人多，而且我也不会及时的对每一条评论做回复。对双方没有太多反馈要求。 在物联网中，物与物之间的信息交流时，很多时候需要及时反馈和处理。例如当有陌生人进入你家，门禁系统必须第一时间通过网络向你发出报警；必要时直接向联网的派出所报警。 明白上面的区别后，就可以对物联网理解为： 在互联网的基础上，由物通过网络（非专业人士可以不用考虑他们的接入方式）提供内容（信息）； 不仅仅是人，物也是内容服务对象； 很多时候被服务的物需要对提供内容的物及时反馈和处理； 随着人工智能的加入，这方面的反馈和处理会越来越快，越来越及时，甚至可以做到提前预判比如无人驾驶。 回到提问，发现这是一个好问题，核心词：“生产效率”。 在制造业一般可以分为产能效率，品质效率，导入（迁移）效率。 产能效率是指在单位时间内，实际生产数量与计划数量的比值。 在很多的传统生产线上大家可以看到，有时候是一个工位一个人，而有些时候是一个工位多个人。 这是工艺工程师为了达到计划员设定的生产数量目标，解决在生产线上的瓶颈而采取的一种平衡手段。 工艺工程师在安排生产之前用秒表统计出各个岗位的作业时间，在以计划产能算出的平均时间为基础，得到各个工位所需要的人员数。 举例来说，生产计划是360台每小时，理论上每个工位的作业时间是10秒，如果某个工位作业时间是30秒，那么就需要三个人。 这些只是理论值，更多情况下，考虑到某些不确定因素，工艺工程师在制定岗位的时候，除了在增加冗余时间之外，更多的考虑平衡与匹配以达到生产制定指标。 工艺的设定，流程的安排在很大程度上决定了一条生产线的产能，所以一个优秀的工艺工程师可以极大的提高整个生产线的产能效率。 现在可以很清楚的看到，在传统的生产线上，内容的提供者是人（操作工），服务对象也是人（工艺工程师），使用方法是工艺工程师人工处理，而且在设置完毕之后，一般不能够做及时动态调整（反馈）。所以有时候在生产线上看到某个工位堆积，在考虑操作员工、来料问题的因素之外，工艺工程师是否合理安排也是另外一个重要因素。 如果物联网进入生产线，他是如何提高产能效率呢？ 下面以生产线上工位的操作时间示范： 一，数据精准性。 传感器的触发与关闭，工件出入摄像头工作范围，这些都可以提供到甚至毫秒级的精准时间。 二，数据实时性。 生产线管理者可以第一时间发现落后于正常生产节拍的工位，而不是等到堆积之后，再急急忙忙调配其他人手来处理。 三，数据的参考性。 工艺工程师在收集和整理这些数据之后，可以修改不合适的工艺操作，调整工艺流程，从而设定更符合实际生产情况的时间节拍。 四，数据的延续性。 在数据库的支持下，工艺工程师可以调用以前产品的工艺参数，在新产品导入时，减少工艺调整时间，迅速提高产能。 物联网可以提高产能效率的方法还有很多：比如使用联网的，带智能学习的机械手，后面会有阐述。 可以看到，在物提供的准确、实时的数据基础上，配合及时有效的人工反馈，就可以提高产能效率。 品质效率是指单位时间内生产的合格品与总生产数的比值。 在人工测试的岗位上，不仅漏判和误判的现象时有发生，而且由于不同人员对测试标准的认知程度不一，可以经常看到生产线上堆放一堆标识着”待测“产品。 而自动化测试设备在解决了前面提到的问题外，现在也可以看作是物联网的内容提供者。以前设备是独立的，数据都存储在本地，形成了一个个信息孤岛。把他们接入互联网，为品质管理者提供了更加坚实和广泛的数据基础，在方便他们对设计者提出修改意见，通知供应商整改和优化产线操作流程的同时，在大数据和人工智能的辅佐下，他们可以更加迅速的设置和优化测试项目和测试工位，在测试效率和测试成本之间找到平衡点。这个已经有企业在实施，我就不班门弄斧了。 导入（迁移）效率 是指新旧产品更迭时，可以重复利用的设备在整个制造系统中所占的比例。 这是个隐性成本。 不知道大家注意过没有，当一款产品停产的时候，为了配合生产的辅助工具绝大部分都报废了。初看所占成本比例不大，日积月累下来，成为公司的一个沉重的资产负担。汽车业是首先发起挑战者，“平台”就是成果之一。 随着物联网进入制造业，某些设备也成为了提高这个效率的担当者。在这些设备当中，我不得不向大家安利一个英特尔的产品——实感摄像头。（你也做广告啊？啪，打脸!我闪。）这是我以视觉分析为关键词在网上搜索时候无意中发现的。 以SR300为例，看看官网 https://software.intel.com/zh-cn/realsense/sr300 如何介绍的吧。 SR300 集成双麦克风音频子系统，配备 30 帧每秒 (FPS) 的完全 1080p 彩色摄像头，并提供 0.2 米至 1.5 米的最适距离以达到最佳深度感知。 1 可用于多种用户界面目的的手势 翻译：判断工件在生产线上的位置摆放状态，并通知机械手以合适的角度去抓取。 2 将现实世界物体的形状和外观重建至 3D 三角网格的 3D 扫描能力 翻译： 新产品的外观参数训练与识别。 被操作工件的识别，剔除不属于本工位的误入工件。 工件外观尺寸和颜色缺陷检测。 3 辨认用户的存在及面部特征的面部跟踪和识别能力，支持多达 78 个标志点以提高准确性和表情识别 翻译：机械手动作跟随和操作。 配合机械手，他们可以完成： 1工件的抓取与摆放。 参考：http://m.iqiyi.com/w_19ru5x3jv9.html 注意有跟随摄像头判定工件抓取和摆放。 2 外观检测。 3 新产品导入。 4 机械手精准操作 如自动焊接，喷涂。 双机械手甚至可以完成工件的装配。 英特尔是如何推广这款产品的应用呢？ 扫描、互动、玩游戏、增强现实。 老大，我们都是成年人，不可能每天都沉浸在游戏中。 这款集成了”定位夹具终结者”、”快速外观检测员”、“精准定位控制者”的大杀器，对于目前制造业中低端的简单重复工位的操作员是一场噩梦。 虽然我也同情他们，但是时代会进步，我们也要进入智能制造。 它不会疲劳，不会偷懒，不会开小差。 在训练完毕之后，每次操作都与前次精准重复，保证了制程品质。 它还可以检测出不合格的产品，降低了品质控制成本。 回到导入（迁移）效率。 对于每一个制造企业，降低库存呆滞料包括辅料，和迅速导入新产品及时进入量产都是挑战。 不需要专用的定位夹具，训练后快速完成新产品的导入。物联网配合人工智能，将成为他们手中新的利器。 物联网以提供真实有效，实时的数据为基础，配合智能化物对物的反馈和处理，将会极大的改变制造业。 英特尔已经推开了一扇窗，我也发现了另外一个门。你，准备好了吗？

前A5T5 员工。（文章不断编辑中，编辑完成此句会删除, 抱歉，骂了世界杯Boss 直聘的广告，被你乎封号一周。） 非制造业从业人员请勿入，看不懂的。 本文以个人研究对制造业划分代差： 1.0 时代， 18世纪起，机器加入手工作坊，完成部分工作提高效率。形成工业革命 1.5 时代， 19世纪中后，由美国屠宰业起，流水线作为一个新兴的生产方式，产生制造业大发展，结合1940年以后各类生产管理方式理念的进步。（对于机器车间(work shop)进行效率优化） 2.0 时代， 1970年起，各类传感器技术和PLC 投入使用，使得具体的每个站点工作可以互联，具体工位可以通过编程进行改良。 引发第二次工业革命。 2.5 时代， 2010年起，各类云技术和计算机技术大发展，机器人， 智能算法，仿真， AI, AR/VR技术的引入，使得各类站点收集的信息可以进行大规模的处理。(对各类工厂有进行效率优化。) 3.0 时代， 20年内能看到，模块化定制式无人工厂。 以下简述对于物联网在工厂六大方面可能的一些应用及这些应用如何对工厂效率进行提高。纯属个人观点，欢迎讨论。 流程管理： Process 解决工业中，做什么，怎么做，什么时候做的问题，物联网的应用分为以下几种情况： a. 连续不可中断流程管理, 典型例子为化工， 不同工序以管道连接，先后顺序不能更改。 对于流程顺序没有帮助，但是可以通过 实时检测系统提升从而根据上道工序预设逻辑触发对应流程并进入不同的下道工序。 b. 可并行 流程管理 ，典型例子为组装式生产 ，有部分工序无先后顺序要求，可更改先后顺序，物联网应用前提下可以将工厂设计成矩阵型，即多进一出。降低等待时间，提高整体效率。 对于人的流程培训和管理，结合物联网技术和 AR ， 能够快速培训员工，或对员工做那一步流程提示。 计划管理： Scheduling 解决工业中订单生产顺序的问题，物联网可以解决的最大应用是缩短信息流到命令执行段的时间和相应时间。不同的Scheduling 组合成不同的 BOM list ,给出一个不同的产品交期表，并反馈一个不同的物料需求。在工厂内部形成一个内部供应链。 我个人认为未来物联网发展5年内就会出现产品，智能算法，仿真会在这个方面出现商业应用，未来工厂排程可能完全脱离人工，由神经网络，退火算法，蚁群算法或遗传算法或其他的变异智能算法进行排程， 通过物联网发出指令，并在完成后立即受到反馈进行下一次的智能排程优化。命令接受端可能是带着Google glass 的人类，也可以是有SCADA的机器。 这类应用会特别在一些 高速需求变化 或者市场反应敏捷型的制造业中非常有用。 质量管理： 各在制品每个工艺完成情况如果能够作为信息随同物料在工厂内流转，并能够以按照预设逻辑组织好的报表形式实时反馈给生产管理，能够自动触发不良品判定。或工艺偏移警示，即结合SPC 预设逻辑后触发各类干预， 如 L1,L2,Trouble shooting , Preventive Maintenance 等，真正做到 质量是做出来的而不是检测出来的，并大幅提高 Yield。 路径寻的： 在物联网技术下，传统工厂内的在制品堆放区会被消灭， 工厂内部的JIT 会实现，并且所有的工厂路径会被最优化。通过压缩工厂使用面积，会大幅度提高工厂坪效。 具体理解就是类似天猫自动仓库的AGV展示，利用物联网的信息在工位之间自动传输物料或者自动移动到在制品区，通过让在制品动起来能够有效减少工厂场地利用，自动规划路径也能够让车间内物料供应更加顺畅。（需要结合传统TOC 理论设计在制品库存） 持续改善： 试想一下如果对于整个工厂有一个组织的很好的管理系统提供各类信息，这样整个工厂的效率，质量，速度损失, 预防性维护时间及效果会变得透明化，(OEE/TAU 的概念)辅助有经验的生产管理各类人员发现问题验证问题，然后解决，对于持续改善也是一个很好的帮助。 工厂设计： 物联网对于工厂设计仿真会有极大帮助，在工厂没有实际开始建设时可以就非常方便的建立工厂流程仿真，针对各种Layout方案互相比较，能够立即通过各种模型的建立得到具体比较后的数据结果，针对不同方案的人员安排也可以根据物联网的仿真制作人力热点图。

物联网其实是一种将物品‘社会化’的一种技术。 无论从宏观还是个体层面，都可以肉眼可见提升效率。 一个老问题，幽灵堵车。 在环形道路上尤为多见，这是因为每个车主都准守着自己定义的安全准则，每个车主都是拿着猎枪的猎人（三体误），都怀疑着旁边的车主会突然变身为加塞狗，为了防止自己的道路资源被强占，不得不做最保守操作。 所以物联网对制造业生产操作宏观上的意义在于它建立了物与物之间的“信任”，而产生了新的规则，该规则合理分配每个物对设备资源的占用，并可以从整体出发考虑问题，从而提升效率。 而个体上可以说的内容更多，就像人就医一样，在每个人都有自己的病例的前提下，医生诊断准确率和速度都会有较大提升。物联网从个体角度来说，相当于给每个物颁发了身份信息，对良品率分析和售后维护改善使用者体验而言，都有巨大帮助。 当然巨大的好处背后也存在着问题，就是隐私问题，这个很严重，真的很严重！到底我们也只是想把物给人化，并不是想把人给物化了。

谢谢邀请。 首先对于“物联网技术会如何提升制造业的生产效率”问题本身的回答是yes！ 毋庸置疑的是物联网的发展会提升人类的生产效率。对传统的制造业，尤其是人力密集型的提升最明显。从工业物联网的接触中我们发现提升生产效率主要是从减少人力、预测性维护这两个方面来切入的。 1、减少人力，非常直白的案例就是特斯拉的无人工厂、京东的无人物流仓储中心等。 2、预测性维护，传统的工厂设备检修需要定期停机检查，这样浪费了大量的人力、物力，对生产来说，是一个降低效率的流程。现在我们利用物联网的技术就能实现预测性维护，在设备运转的同时，不间断监测，随时告警。 值得一体的是：LongTooth（长牙）分布式IOT通信技术已经同一些合作伙伴为工厂提供服务。其中一个是针对工厂的马达提供的服务，由于大部分工厂的生产网都是有严格的控制的，基本不会将生产数据传递到第三方平台。所以，为了给在运行的马达进行有效的检测，马达周围被放置了一定数量的检测传感器，实时监测马达的运转状态，即时向维护人员、工厂管理人员等传送报警信息。通过LongTooth（长牙）分布式IOT通信技术直接端到端的将信息传递到对应单位，中间无任何数据泄露影响。LongTooth（长牙）分布式IOT通信技术有效的解决了工业物联网数据传输过程的隐私泄露问题。 欢迎做更多交流。

随着新一代信息技术的快速发展，物联网产业也取得了巨大的进步， 如今，物联网正向各个领域渗透，特别是制造业，远景达专注物联网技术研发，坚信将带来巨大的积极性影响。物联网技术主要从以下4点提升制造业生产效率。 1、可视化供应链 未来制造业中供应链的可视化是必不可少的，也是极具挑战性的环节。尤其是在某些些领域，如食品，生产成本可能来自各种各样的供应商，而新的法规会要求完全透明化。 通过工业物联网，制造商可以实时预见所发生的一切事件，确保产品从原料采购、生产加工到销售过程都是可控的。 例如，食品制造商可以通过传感器来确定他们的产品是否已经暴露在高度、高压或其他环境条件下，可能会让食物变得不安全。提前掌握这些知识可以为企业节省数百万美元的召回成本。 2、设备效率分析 当需要对生产线上各设备的生产效率和产品质量做比较时，在过去是很难作出详细的回答的。今天，制造商可以使用工业物联网技术收集和分析来自多个设备的数据，他们可以为更好了解设备的工作状况，并为提升生产效率、质量控制等作出更好的决策，这就是使用工业物联网的好处。 3、自动化 工业物联网的本质是让机器在没有人干预的情况下彼此通信。这使得更多的自动化解决方案采用了成群结队方式，从而提高机器的效率和产品质量，产品更一致的化。 4、安全控制 当你接触工业物联网时可能不会想到安全问题，然而，在工厂安全方面可以通过物联网获联很多的帮助。安全一直存在的，只是没有人真正收集所需的数据，利用物联网能解决安全问题。例如，通过跟踪导致停工的安全事件，公司可能能够识别趋势并采取措施防止它们发生。 如今，以大数据、物联网、云计算为代表的新一轮工业革命正在进行，新技术很有可能成为企业未来竞争力的关键，先知先觉者改变未来。远景达物联网技术以物联网技术推动人类智能化生活方式，为制造业提升了生产效率和管理效率。以上是我的看法，希望有所帮助。

随着制造业智能化转型的逐渐深入，物联网在推动智能制造转型过程中所扮演的角色正变得越来越重要。 从仿生学的角度来说，物联网就像是工业的神经系统，将处于工业系统中的各个终端通过工业网络连接起来，再利用传感器、嵌入式芯片等感触终端对工业生产过程中的各种关键设备产生的数据进行实时采集，然后利用大数据平台对海量工业数据的价值挖掘和分析，得出有价值的结果，进而帮助企业加速市场决策、优化生产制造过程以及提升客户服务的满意度。 从本质上讲，物联网在推动智能制造转型过程中发挥的是“互联”的作用。正是由于物联网具有实现万物互联的强大能力，才使得数据具备在工业系统中自由流动的能力，为释放大数据的分析能力和云计算的计算能力提供了可能，为推动制造业的智能制造转型打下坚实基础。 针对制造业的需求，物联网能提供的最基本的功能就是实现工业设备的互联，让所有的工业设备通过工业网络实现数据实时采集、状态感知和交互。通过将物联网融入到工业应用场景中后，可从六个方面来提升制造业的生产效率： 首先是工业设备互联，只有将工业设备连接到一起才能有效的采集和传输工业数据。物联网除了“物”之间的通信连接之外，还包含API、流程、应用等的连接，通过实现人、机器、设备之间的全工业互联，彻底打通生产过程中的信息隔阂，实现生产过程中信息的高效传递进而降低运营成本。由此实现人、过程、设备之间的融合，将这些数据之间的对应关系利用图表的方式展现出来。计算每台设备的生产能力，根据这些数据来为每台生产设备设置生产参数，合理配置生产任务。这些过程极大的提高的生产资源的自主配置能力，降低了对人员的需求。 其次是生产设备状态检测，利用生产设备提供的数字接口获取生产设备内部参数和运行过程中的动态参数，利用无线传输技术与相应的集中控制装置连接成一个小型的物联网，并利用公众网络将人与设备连接起来，利用信息技术对这些数据进行管理，并根据企业生产管理的要求做出相应的处理。通过实时获取和告知生产现场的关键数据，让管理人员能及时的获取现场的生产进度和状态，按时段统计各生产设备的故障率。当设备发生故障时，按序分时呼叫相应的设备维护责任人员，提高设备利用效率。 第三是能耗自动检测，利用有关装置完成对电能、气能、热能消耗数据的自动采集，并将这些系统接入物联网，利用计算机网络提供的信息功能完成对这些数据的管理。通过按时段自动统计生产过程中消耗的电能、气能、热能等数据，并根据当地收费标准计算出不同时间的能耗成倍支出，提供能耗与生产效率之间的对应关系，供生产管理者使用。 第四是物品识别定位，利用RFID等识别定位技术来标识生产过程中使用的原材料、半成品和成品，并利用物联网技术将该系统接入计算机网络，完成对物品数量、所处位置、责任人员信息等的数字化管理。可以根据企业的管理要求，快速对不同物品在仓库、车间、成品库等之间的流转进行识别和定位。以仓库为核心实现原材料采购、仓库库存、生产消耗、半成品/成品数量之间的自动核对，提高周转效率。 第五是生产现场信息远程反馈。通过设备互连、物品识别和定位等功能将生产现场的各种信息实时传输至相应的设备，再通过GSM等公众网络实时传送给各级企业管理者的手持设备，使信息能够及时、便捷的获取，快速做出决策，提高生产管理效率。 最后是预测性维护，减少停机时间。通过为设备嵌入状态感知芯片，通过物联网实现设备状态数据的实时采集和定期反馈，通过对采集数据的分析了解设备的运行状态，做好设备的预测性维修维护，有效避免意外停机对生产效率所带来的影响。 当前，在经济全球化和工业转型升级的双重驱动下，各国制造业的发展正面临着前所未有的机遇和挑战。为了在日趋激烈的竞争中立足于不败之地，企业必须重新规划自己的工业系统和架构，通过智能化手段降低运营成本，并提高生产效率和产品品质。物联网作为推进工业智能化的关键技术，能有效的支撑起这一进程。 英特尔作为推动全球工业数字化转型的重要厂商，近年来通过一系列的收购，将物联网、云计算和数据分析作为主要的发展方向，推出了针对制造业场景的工业物联网解决方案，通过优化企业的制造和运营流程提升生产效率。包括通过预测性维护降低企业运营成本，利用IT与OT融合改善公司流程，通过可穿戴技术实现员工互联进而提升沟通效率，利用基于FPGA和物联网技术的高度自动化环境帮助工厂提高产量和流程精度，以及提供数据分析平台来优化工厂的运营并降低成本支出。

无论什么技术，目标只有一个“降低成本”。目前的物联网技术，代价还是太高。去中心化，万物互联，更多数据，大数据处理的思想是对的。但是收益是否能超越投入，还有很大的疑问，比如特斯拉的无人工厂就遇到不小的麻烦，过度“智能化”必定导致弹性不足。另外可靠性也是个大问题，不要小看猪队友的白目程度，前两天就发生修空调的把服务器电源给拔了的事件。。。。。对于生产型企业，可靠性永远是摆在第一位的，不能因为某个节点故障导致全线停工。以现在的IOT的水准，还有很长的路要走

基于物联网的预测性维护能够让停机时间减少百分之五十，产能增加百分之六十五，这一点已经得到证实，而其主要得益于计划维护时间缩短，而生产线运行周期更长。。