過去多年，業內一直不乏持續唱衰物聯網的聲音，比如：
2017 年，思(si)科進行的(de)(de)一項(xiang)研究表明，60% 的(de)(de)物聯(lian)網(wang)(wang)計(ji)劃(hua)在(zai)概念驗證 (PoC) 階段停(ting)滯不前，只有 26% 的(de)(de)公司(si)認(ren)為(wei)他(ta)們的(de)(de)物聯(lian)網(wang)(wang)計(ji)劃(hua)取得了(le)完全的(de)(de)成功，在(zai)所有已完成的(de)(de)項(xiang)目(mu)中，有三分之一不被認(ren)為(wei)是成功的(de)(de)——換言(yan)之，四分之三的(de)(de)物聯(lian)網(wang)(wang)項(xiang)目(mu)將以失敗告終；
2018 年，麥(mai)肯(ken)錫提到(dao)工業物聯網項目(mu)的(de)實(shi)施和數字化(hua)轉型正(zheng)在“試點(dian)煉獄”中掙(zheng)扎(zha)，陷于(yu)“鴻溝”之中；
今(jin)年(nian)，有(you)知名(ming)科技博主在博文里直言：“根據去年(nian)的(de)一項(xiang)調查，互聯(lian)功(gong)能設備(bei)的(de)實際聯(lian)網率不到(dao)50%。當我與制造(zao)商(shang)交談時，常常聽到(dao)更低的(de)數字，有(you)時甚至低于30%。盡管業界(jie)在物(wu)聯(lian)網領域已經投入了多(duo)年(nian)時間和數十億美元的(de)資金，但(dan)這種低采納率表明，即使設備(bei)具備(bei)聯(lian)網能力，消(xiao)費者在大多(duo)數情況下并未看到(dao)其價(jia)值(zhi)。”
對于諸如此類的結論，知名物聯網調研機構 IoT Analytics 一直表現出懷疑態度，就在其最新發布的《2024 年物聯網用例采用報告》中，則是用數據反駁了這一結論。報告的關鍵(jian)結論如下：
92% 的企業聲稱物聯網用例的實施為他們帶來了正向回報（正向 ROI），比 2021 年攀升了 13 個百分點，因此物聯網方案似乎比以往任何時候都更加成功；
2021 年至(zhi) 2024 年期(qi)間(jian)，企(qi)業采用(yong)物聯(lian)網用(yong)例的(de)數量增長了(le) 53%；
部署物(wu)聯網用例(li)的復雜性有所緩解(jie)，這似乎推(tui)動了(le)采用率(lv)的增長和(he)投(tou)資回報率(lv)；
企業物聯(lian)網用例投(tou)資(zi)在 2024 年繼(ji)續增長，但速度比往年慢；22% 的(de)受(shou)訪(fang)者計(ji)劃在 2024 年將對物聯(lian)網用例的(de)投(tou)資(zi)增加 10% 以上（與上一(yi)年相比）。2021 年（2022 年），這一(yi)份額(e)為 29%，下降了 7 個百分點。
流程自動化位居物聯網用例榜 TOP 1。
研究還發現，大多數物聯網用例服務于智能運營。2024 年排名前 10 的物聯網用例與 2021 年相比已有相當大的變化；然而，前 10 名應用場景按類別分布的情況保持不變：6 個智能運營場景，3 個智能供應鏈場景，1 個連接產品場景。
以下是 IoT Analytics 評(ping)出(chu)的(de)(de) 2024 年排名前(qian) 10 的(de)(de)物聯網用(yong)例——
① 流程自動化
IoT Analytics 定義：通過物聯網（IoT）的集成來自動化日常流程，從而提高生產力和準確性。
近 60% 的組織已經采用了流程自動化。作為應用最廣泛的物聯網用例，流程自動化在 57.5% 的組織中得到了采用。這與 2021 年物(wu)聯網用(yong)例報告中(zhong) 33% 的采(cai)用(yong)率形成了鮮(xian)明對比，當時(shi)該用(yong)例排名第(di)二。
流(liu)程自動化通過將互聯(lian)設備和(he)(he)傳(chuan)感(gan)器與新舊(jiu)設備（如(ru)可編程邏輯(ji)控制器 PLC 和(he)(he)工(gong)(gong)(gong)業計(ji)(ji)算機 IPC）集成，幫助公司簡化和(he)(he)自動化流(liu)程。這一用例減(jian)少了人工(gong)(gong)(gong)干(gan)預(yu)的需求(qiu)，提高了效率(lv)，減(jian)少了錯誤，并增(zeng)強了安全(quan)性。物聯(lian)網傳(chuan)感(gan)器和(he)(he)邊緣計(ji)(ji)算等技(ji)術(shu)在實(shi)現實(shi)時數(shu)據(ju)收集、分(fen)析和(he)(he)決策方面發揮了至關重要的作用。通過將物聯(lian)網整合到現有系統(tong)中，公司可以優化工(gong)(gong)(gong)作流(liu)程，提高生(sheng)產質量，并實(shi)施預(yu)測性維護。
受影響的最重要 KPI：流程自動化最顯著影響的 KPI 是勞動力效率。平均而言，大規模(mo)實(shi)施這(zhe)一用例(li)可使勞動力效率提高 8.2%。
實施案例：當澳(ao)大利(li)(li)亞(ya)(ya)手工(gong)(gong)釀(niang)酒(jiu)(jiu)廠 Burnley Brewing 因飲料需(xu)求增加而需(xu)要擴(kuo)展(zhan)產能之時，它還決定將自動(dong)(dong)化(hua)引入(ru)其流(liu)程中。Burnley 與澳(ao)大利(li)(li)亞(ya)(ya)合同電(dian)氣和工(gong)(gong)程公司 Bon Industry 合作，后(hou)者利(li)(li)用了(le)美國工(gong)(gong)業(ye)自動(dong)(dong)化(hua)技術提供商羅(luo)克韋爾自動(dong)(dong)化(hua)的(de) FactoryTalk Craft Brew 系統——一套專為釀(niang)酒(jiu)(jiu)行(xing)業(ye)開(kai)發的(de)流(liu)程管理(li)和自動(dong)(dong)化(hua)系統。通過在整個釀(niang)造(zao)過程中部署(shu)物聯網傳感器、PLC 和其他執行(xing)硬件(jian)，并將它們(men)連接到(dao) FactoryTalk Craft Brew 進行(xing)數據收集和流(liu)程控(kong)制，Burnley Brewing 減少了(le)從(cong)釀(niang)造(zao)初期(qi)的(de)磨粉、糖化(hua)到(dao)后(hou)期(qi)的(de)發酵罐和調(diao)節罐控(kong)制等環節中的(de)釀(niang)酒(jiu)(jiu)師勞(lao)動(dong)(dong)量。
② 質量控制與管理
IoT Analytics 定義：通過集成物聯網（例如機器視覺）來增強質量控制流程。
自 2021 年以來，質量控制與管理的排名上升了 5 位。55% 的組織已經采用了基于物聯網的質量控制與管理。而在 2021 年，該用例的采用率為 30%，排名第 7，實現了顯著的提升。造成這一增長的原因之一可能是其快速的投資回報：53% 的公司在實施該用例后在不到 24 個月內收回成本。
質(zhi)量(liang)控(kong)制與管理使(shi)公司(si)能夠(gou)在(zai)生產(chan)過程中監(jian)控(kong)溫度(du)、濕度(du)和(he)壓(ya)力等關鍵因素。通(tong)過實(shi)時(shi)數(shu)據，公司(si)可以(yi)立即檢測到質(zhi)量(liang)偏差，并(bing)迅速進行修正以(yi)防止(zhi)缺陷(xian)。物聯網解決方案(an)可以(yi)集成(cheng)到新設備和(he)舊設備中，利(li)用機器學(xue)習分析數(shu)據，以(yi)在(zai)問(wen)題發生前預(yu)測潛在(zai)問(wen)題。
受影響的最重要KPI：質量控制與管理最顯著影響的 KPI 是產品質量。平均而(er)言，大規模(mo)實施這(zhe)一(yi)用例可使產品質量提高 4.6%。
③ 能源監控
IoT Analytics 定義：通過集成物聯網來監控單個設備的能源消耗。
企業計劃在能源監控方面的投資超過其他智能運營用例。在應用方面，能源監控的采用率已經上升到 55%，相比 2021 年的 20% 有了顯著增長，使(shi)其成為物(wu)聯網用例中的(de)新星，因(yin)為新的(de)可(ke)持續發(fa)展(zhan)戰略(lve)和(he)高昂的(de)電價（尤(you)其在(zai)歐(ou)洲）促使(shi)企業(ye)使(shi)用物(wu)聯網設備和(he)傳感器來密切監(jian)控(kong)(kong)單(dan)個(ge)資(zi)產(chan)的(de)能(neng)源消(xiao)耗(hao)。在(zai)智能(neng)運營類別中，能(neng)源監(jian)控(kong)(kong)在(zai) 2023 年至(zhi) 2024 年間預期投資(zi)增幅最(zui)高，達到 3.5%。
受影響的最重要 KPI：能源監控最顯著影響的 KPI 是成本。平均而(er)言，大規模實施這一用例可將(jiang)相(xiang)關成本降低(di) 8.1%。
④ 實時庫存管理
IoT Analytics 定義：利用物聯網實時跟蹤庫存水平，以優化庫存并減少短缺或過剩。
實時庫存管理在智能供應鏈用例中處于領先地位。54% 的受訪者表示，他們的公司已經全面實施或正在實施實時庫存管理。由(you)于(yu)新(xin)冠(guan)大流(liu)行后供(gong)應(ying)鏈問題和(he)經(jing)濟不確定性(xing)，企業正在(zai)尋(xun)求更智(zhi)能的庫(ku)存管(guan)理(li)解決方案，以防止缺貨(huo)或庫(ku)存過剩(sheng)。實際上，從(cong) 2021 年到 2024 年，該(gai)用例的采用率上升了 35 個百分點，在(zai)智(zhi)能供(gong)應(ying)鏈類(lei)別中(zhong)，預計在(zai) 2023 年至 2024 年間將獲得 5.7% 的最大投資增幅(fu)。
受影響的最重要 KPI：實時庫存管理最顯著影響的 KPI 是股本回報率（ROE）/資本使用回報率（ROCE）。平均而言(yan)，大規模實施這一用(yong)例可(ke)使 ROE/ROCE 提(ti)高 8.1%。
實施案例：2022 年(nian)，美國跨國食品(pin)公司(si)(si) Tyson Foods 希(xi)望(wang)用自動(dong)化(hua)取代原本耗時(shi)(shi)的手動(dong)流程（如庫存盤(pan)點）。該公司(si)(si)已經在(zai)多個流程中使用了計算機(ji)視覺(jue)，但(dan)希(xi)望(wang)通過引入(ru)機(ji)器學習(xi)來提高運營效(xiao)率等目(mu)標(biao)。Tyson Foods 利用 AWS 的 Panorama 和(he) SageMaker 服務(wu)，實(shi)(shi)施了一(yi)(yi)套基于計算機(ji)視覺(jue)的實(shi)(shi)時(shi)(shi)庫存管理系(xi)統，部署(shu)了一(yi)(yi)個檢測(ce)模型，自動(dong)化(hua)了雞(ji)肉(rou)托(tuo)盤(pan)的計數并能識(shi)別故(gu)障運輸(shu)器。這一(yi)(yi)實(shi)(shi)時(shi)(shi)庫存管理解決方案(an)為 Tyson Foods 每(mei)(mei)個工廠每(mei)(mei)年(nian)節(jie)省了約 15,000 小時(shi)(shi)的勞動(dong)力，并幫助其(qi)避免了過度(du)或(huo)不足生產。
⑤ 供應鏈追蹤與溯源
IoT Analytics 定義：通過物聯網監控產品和物料在供應鏈中的位置和狀態。
大多數部署供應鏈追蹤與溯源物聯網解決方案的企業實現了快速回本。緊隨實時庫存管理之后，供應鏈追蹤與溯源的采用率也達到了 54%。約 60% 的受訪者在不到 24 個月內實現了成本回收，這在所有物聯網用例中排名第二。
物(wu)聯(lian)網為(wei)供應(ying)鏈追蹤與溯源貢(gong)獻(xian)了互聯(lian)傳感(gan)器(qi)、GPS 設備、LPWAN（低功耗廣域網）和(he)衛星技術，幫助公司通(tong)過提供關于貨物(wu)位置(zhi)、狀態和(he)運(yun)輸條(tiao)件的實時可視化(hua)，監控并管理整個供應(ying)鏈的貨物(wu)流動(dong)。高級分析進一步提升了供應(ying)鏈運(yun)營，能夠預測中斷并優化(hua)路線(xian)。通(tong)過該用例，企業可以減少損失，改善交付(fu)準確性，并加強對法(fa)規要(yao)求的合規性。
受影響的最重要 KPI：供應鏈追蹤與溯源最顯著影響的 KPI 是準時交貨率。平均(jun)而(er)言，大規模實(shi)施這一用例(li)可使準時交貨(huo)率提高 8.5%。
⑥ 運營規劃與調度
IoT Analytics 定義：利用物聯網進行實時調度和規劃，以提高運營效率。
能源公司預計將在運營規劃與調度方面加大投資。53% 的受訪者表示，他們的公司已經部署或正在部署運營規劃與調度工具。約 75% 的(de)能源公司計劃在 2024 年增加對這一(yi)用例的(de)投資，平均增幅(fu)為 5.5%。
通過將物聯網技術(shu)與(yu)規劃系(xi)統集成，公(gong)司可以實時了解生產狀態、設(she)備(bei)可用性(xing)和(he)勞動(dong)力(li)，從而(er)(er)進行(xing)動(dong)態調(diao)整(zheng)和(he)調(diao)度(du)，這有(you)助于減少停機時間(jian)，并(bing)確(que)保資(zi)產的(de)最佳利(li)用率。算法(fa)還可以進一步分析數據，預測需(xu)求、識別瓶頸(jing)并(bing)建議最有(you)效的(de)調(diao)度(du)選項，從而(er)(er)提高運營效率并(bing)縮短交(jiao)貨(huo)時間(jian)。許多(duo)（但(dan)并(bing)非所有(you)）實施都與(yu)現(xian)有(you)的(de)規劃和(he)調(diao)度(du)軟件相(xiang)關聯，例如制(zhi)造業(ye)的(de)制(zhi)造執行(xing)系(xi)統，能源行(xing)業(ye)的(de)能源管理系(xi)統或建筑業(ye)的(de)樓宇管理系(xi)統。
受影響的最重要KPI：運營規劃與調度最顯著影響的 KPI 是勞動力效率。平均(jun)而言，大規模實施這(zhe)一用例可(ke)使勞動(dong)力效率提高 7%。
⑦ 現場設施追蹤與溯源
IoT Analytics 定義：通過物聯網對現場（如工廠或倉庫）的資產進行實時追蹤和溯源。
批發和零售行業預計將在現場設施追蹤與溯源投資中領先。調查中有一半的組織已經采用了某種形式的現場設施追蹤與溯源。在批發和零售行業中，正在測試或采用該用例的公司中，56% 預計將增加投資，平均增幅為 13%。其次是醫療保健行業的公司，預計增幅為 55%。對于這兩個行業而言，現場追蹤倉庫中的產品或醫療設施中的設備十分合理，因為這可以幫助及時發貨或滿足緊急醫療需求。
受影響的最重要 KPI：現場設施追蹤與溯源最顯著影響的 KPI 是準時交貨率。平均而言，大規模實施這一用例可使準時(shi)交(jiao)貨率(lv)提高7.8%。
⑧ 資產性能優化
IoT Analytics 定義：利用物聯網提高資產的運營效率和效能。
亞(ya)太地區公司(si)(si)將(jiang)在資產性能優化投資增(zeng)長(chang)方(fang)面領先。資產性能優化的采用率為 48%，預計(ji) 2024 年這一(yi)用例的投資將(jiang)略有下降，亞(ya)太地區的公司(si)(si)是(shi)唯一(yi)預計(ji)投資增(zeng)長(chang)的地區，平均增(zeng)幅為 5%。
物聯(lian)網驅動(dong)的資產(chan)性能優化(hua)(hua)是現(xian)代版的資產(chan)性能管理，它(ta)通(tong)過捕(bu)獲(huo)、整合、可(ke)視化(hua)(hua)和(he)分析(xi)數據來提高物理資產(chan)的可(ke)靠性和(he)可(ke)用性。它(ta)結合了先進(jin)的數據捕(bu)獲(huo)和(he)集成工具（如(ru)物聯(lian)網網關）以及軟(ruan)件工具（如(ru)物聯(lian)網平(ping)臺），以分析(xi)資產(chan)如(ru)何(he)在最佳(jia)水(shui)平(ping)下(xia)運行和(he)維護(hu)(hu)（例如(ru)，優化(hua)(hua)的資產(chan)速度設(she)置、優化(hua)(hua)的材料輸(shu)入設(she)置或優化(hua)(hua)的維護(hu)(hu)間隔）。
受影響的最重要 KPI：資產性能優化最顯著影響的 KPI 是設備綜合效率（OEE）。平均而言，大規模(mo)實(shi)施這一用例(li)可使 OEE 提高(gao) 9.5%。
實施案例：美國的(de)(de) Longroad Energy 公司在收(shou)購了(le)一個 145 兆瓦的(de)(de)風電(dian)場后，發(fa)現由于(yu)設置(zhi)不(bu)當，渦(wo)輪機未能(neng)達到預(yu)期的(de)(de)產量(liang)。Longroad 與美國的(de)(de)可再生能(neng)源(yuan)性(xing)(xing)能(neng)分(fen)析公司 WindESCo 合(he)作，后者部署了(le) Swarm System 來獲取渦(wo)輪機的(de)(de)實時數據(ju)，如角度和發(fa)電(dian)量(liang)。Swarm System 收(shou)集的(de)(de)數據(ju)存儲在云服(fu)務器(qi)上，并輸入(ru)分(fen)析平臺(tai)(tai)，平臺(tai)(tai)確定最(zui)佳角度和其他渦(wo)輪機設置(zhi)，從而優化這些資產的(de)(de)性(xing)(xing)能(neng)。最(zui)終，Longroad Energy 的(de)(de)年(nian)發(fa)電(dian)量(liang)增加了(le) 2.5%，年(nian)收(shou)入(ru)增加了(le) 43 萬(wan)美元。
⑨ 遠程資產監控
IoT Analytics 定義：利用物聯網在只讀格式下遠程監控資產，以跟蹤性能。
盡管遠程(cheng)資(zi)產監(jian)(jian)控的(de)(de)采用(yong)(yong)率下(xia)降，但仍(reng)顯示出強勁的(de)(de)增(zeng)長(chang)(chang)。約 48% 的(de)(de)受訪者報告(gao)已經采用(yong)(yong)遠程(cheng)資(zi)產監(jian)(jian)控，較 2021年的(de)(de) 34% 有所上(shang)升。有趣(qu)的(de)(de)是，這一用(yong)(yong)例(li)在(zai) 2021 年曾受到最(zui)廣泛應(ying)用(yong)(yong)。當時(shi)(shi)，IoT Analytics 指(zhi)出，遠程(cheng)資(zi)產監(jian)(jian)控由于其簡單性，相(xiang)較于其他用(yong)(yong)例(li)，設(she)置成本最(zui)低、最(zui)容易實(shi)現。隨著其他更(geng)復(fu)雜用(yong)(yong)例(li)的(de)(de)采用(yong)(yong)率超越遠程(cheng)資(zi)產監(jian)(jian)控，同(tong)時(shi)(shi)其自身顯著增(zeng)長(chang)(chang)，這進一步證明了(le)物聯網(wang)的(de)(de)成功。公司已經認識到物聯網(wang)用(yong)(yong)例(li)的(de)(de)好處，并在(zai)這些用(yong)(yong)例(li)上(shang)進行了(le)更(geng)多(duo)投資(zi)。
受影響的最重要 KPI：遠程資產監控最顯著影響的 KPI 是成本。平均(jun)而言(yan)，大規模(mo)實(shi)施(shi)這一(yi)用例可將成本降低 6.6%。
⑩ 位置追蹤
IoT Analytics 定義：利用物聯網進行產品/資產/設備的實時位置追蹤。
位(wei)(wei)置(zhi)追蹤是(shi)連接產品(pin)(pin)用(yong)例(li)中的首位(wei)(wei)。調查中約 45% 的公(gong)司已經采用(yong)了位(wei)(wei)置(zhi)追蹤。這也(ye)是(shi)唯(wei)一入選前 10 名物聯網用(yong)例(li)的連接產品(pin)(pin)用(yong)例(li)。
物(wu)聯網位(wei)置追蹤可以應用于各種(zhong)環境(jing)，包括倉庫、工(gong)廠和(he)戶(hu)外(wai)工(gong)作場所。機器或設備收集的位(wei)置數據幫(bang)助公司定位(wei)設備和(he)人員，優化路線，提高資產利用率，并增強安全(quan)性。追蹤資產位(wei)置對產品(pin)供應商(shang)（例如(ru)，通過了解(jie)使用模式(shi)）和(he)用戶(hu)（例如(ru)，通過尋(xun)找丟失的物(wu)品(pin)或防止盜竊）都非(fei)常有益。
受影響的最重要 KPI：位置追蹤最顯著影響的 KPI 是收入。平均而言，大(da)規模實施這(zhe)一用例可使銷售(shou)連接(jie)產(chan)品的公(gong)司的收入提高 1.6%。
參考資料：
《The top 10 IoT use cases》，iot-analytics
《Cisco Survey Reveals Close to Three-Fourths of IoT Projects Are Failing》，newsroom
《It’s the last IT/OT mile that matters in avoiding Industry 4.0’s pilot purgatory》，mckinsey
《Why has the Internet of Things failed?》，petewarden
