说到工业物联网和大数据，目前有两大阵营:一派是百分之百致力于采用该技术的人，另一派则完全不接受这一理念。这是两个截然相反的极端，但对于那些希望在不承担巨大商业风险的情况下涉足数据领域的制造商来说，在这两个极端之间还是有空间的。
这是该领域的三位专家所传达的信息自动化的世界的主编大卫·格林菲尔德在西门子自动化峰会这个星期。
小组首先解决了围绕这个主题的误解，从数据质量超过数量到总体预期。
谷歌物联网战略高级副总裁Jagannath Rao表示:“人们存在一个很大的误解，认为(制造商)明天就能看到结果。西门子PLM软件他解释说，公司进入物联网和大数据项目时，往往认为他们的业务会立即发生变化。
一夜之间的成功推动了围绕这个话题的许多“炒作”，特别是在预测维护方面，这通常被认为是物联网项目的容易摘的果实。为了减少炒作，Biplab Pal，联合创始人兼首席技术官MachineSense该公司表示，制造商需要重新考虑如何在整个生命周期内与机器交互。
“预测性维护是炒作，”Pal说。“重要的是机器生活方式。”Pal把这个概念比作我们照顾自己以避免生病和疾病的方式。对人们来说，生活方式从纯净的食物和清洁的水开始。机器是由电力驱动的，它们也需要高质量的电力。电气线路可以掺杂高水平的谐波，相位不平衡和地噪声。这些都会使机器的马达失灵。
“如果你不关心这个问题，那么机器就会一直出故障，”帕尔说。“我建议(制造商)开始专注于理解他们机器的生活方式。这很简单，只要换一下油，给它们提供合适的动力就行了。”
在这些项目中造成混乱的另一个方面是理解所收集的数据的类型。“人们急于获取大量数据，但重点应该放在数据的质量上，以确保你带入物联网系统的所有东西都是经过精心挑选的，”安德鲁·克劳利(Andrew Crowley)说DMC公司该公司是一家软件和工程服务公司，提供和集成制造自动化和智能技术。
一旦一个制造团队超越了炒作，开始理解数据收集和机器生活方式的基础，格林菲尔德问小组:“你如何开始使用物联网和大数据，以确保你做得对?第一步应该关注什么?”
该组织一致认为，首先也是最重要的是，要为肯定会是一段漫长旅程获得高管的赞助。然后，下一个具体的步骤包括确定将提供最大投资回报的关键数据点和资产。克劳利说:“最初的数据会很困难，所以要确保你愿意为他们工作。”
其次，确保有可伸缩性策略，因为“在企业层面，不仅仅是机器数据起作用，”Rao说。有很多不同的数据源，从SCADA到测量机到MES，产生信息。“你需要更广泛的数据才能更有效地进行根本原因(分析)。而且，连接的数据源越多，就越需要扩展存储库，因为您不会在前提下这样做。你需要扩展计算能力。”
朋友同意了。“考虑基础设施的成本和可伸缩性，”他说。
此外，考虑一下将使用什么技术，因为将会有以太网和TCP/IP接口，以及网络安全软件。为此，一定要参与其中原始设备制造商如果可能的话，甚至可以获取随机器交付的源代码，这样就可以访问更高级别的控制，以确定被监视的内容，而不是只查看传感器级别。
一旦连接了数据源并能够获得数据，下一步就是了解如何从资产中获得更好的收益。但是，这不会在一夜之间发生。Rao说:“这是一个需要12到18个月才能适应的过程。”
