工业物联网（IIoT）可以改变自动化和操作流程的工作吗？是的，可以。但是，只有厂家愿意且能够去改变其基于几十年的工业生产过程而建立起来的结构框架。需要明确的是，这并不意味着将机器、控制系统和网推倒重来，而是意味着要打开原有的一切并增添新内容。

数据正在迅速成为工厂车间最重要的战略资产。这是因为，如果应用得当，它可以创造新的商业模式和新的收入来源。据麦肯锡全球研究所的报告显示，到2025年物联网应用的每年所产生的潜在经济影响将高达11.1万亿美元。工厂将主要关注运营和设备优化，具有最大的高达3.7万亿美元的潜力。

听起来牵强？想想这个：根据麦肯锡的报告，石油钻机99%的数据在决策者做出决策之前就已经丢失了。换言之，一个带有30000个传感器的石油钻机只有1%的数据需要进行检查。这1%的数据是用于异常检测和控制，而不是用于优化和预测，这提供了最大的价值。

如今摆在行业面前的障碍就是连通性，许多团体和厂商勤奋工作来解决互操作性问题。为了从石油钻机丢失的99％的数据中获取价值，那么你就需要分析。

Sight Machine一家成立四年的公司，已经开发了专门用于制造的分析引擎。发布于去年的Sight Machine制造分析平台，包括专有模型对最常见类型的离散、分批和连续处理操作进行分析。

Sight Machine从生产车间的多个来源处捕捉并收集数据，包括PLC、传感器、条形码、甚至非结构化格式，如音频文件和照片。数据采集功能就是通过插件代表性状态传输（REST）API和适配器，用以连接到原有系统进行数据采集，从自产自销的MES到工厂定制的IT系统。这里的关键是技术的开源模式，联合创始人乔恩·索贝尔和内森·奥斯滕多普都非常熟悉。

索贝尔一直在特斯拉汽车公司，雅虎和开源社区SourceForge管理团队工作。奥斯滕多普担任SourceForge架构师并共同创立Slashdot.org，他在大学时还曾在一家汽车工厂做质量控制编程工作。

“我们要做的关键就是要和谷歌或Facebook一样采取同样的方式，将结构化和非结构化数据类型相结合，只不过我们是制造业，”联合创始人兼Sight Machine的首席执行官索贝尔说。在制造环境中的挑战是数量、速度和各种数据类型，使得分析大规模数据难度加大，他说。

对所有数据进行管理的复杂性可能是导致很多企业还必须得要解决IIoT这方面的原因。

“大多数物联网[公司]谈论通信推动事情发展，但我们认为这个问题将逐步得到解决，”索贝尔说。 “核心挑战是如何有效地分析数据，并从一个工厂到另一个工厂，一遍又一遍地使用同样的模式，以[提供]有益的启示。”

Sight Machine现在与制药、汽车和服装等行业的企业都有合作。在这些早期的实现，客户要求该公司帮助进行容量规划，并确保流程工作的高效率和可靠性。事实上，很多公司都是在完全相同的问题上寻求帮助：他们在不同的位置拥有相似的资产，性能存在差异。同样的机器，同样的流程，但在一个地方运行顺利的在另外一个地方运行的就不顺利。

Sight Machine发动机是一组数据模型复制制作过程如何运行，含有几百个参数，组织所有数据，并对另一边的数据进行转换。“另一边”是在工厂车间里提供质量、可追溯性和业务信息的实时大数据分析服务器。云也被计入为数据存储方程的一个因素。

据Gartner称，最近在生产运营报告中，将Sight Machine列为其2015年的Cool Vendors，此分析层包括机器学习算法，能够在大规模生产中快速精确定位问题。

最重要的是，应用Sight Machine发动机不需要重新架构车间系统。问题的关键是提供一种方式来增加数据采集、处理和分析，而且不会干扰现有的IT基础设施。“我们将我们说做的称作”数据毯子，因为我们不需要将机器、控制系统和网推倒重来。“

事实上，Sight Machine可以被看作是这个行业的一个无缝演进，也许开启了包括工业物联网的现代制造的未来。