工作場所的融合
制造業(yè)多年來一直在以不同的方式分別研究這些趨勢，他們都開始在數(shù)據(jù)的使用上相互吻合。以下是每種技術在企業(yè)中的運作方式：
1.云計算
在過去10年中，軟件現(xiàn)在作為一種服務提供（即基于云的服務，在此基本上是租賃而非購買）。
2.物聯(lián)網(wǎng)
物聯(lián)網(wǎng)使制造商能夠將傳感器置于其流程的“邊緣”，這樣他們就可以從運營中的更多區(qū)域獲得更多數(shù)據(jù)，從而不僅可以更快地響應停機時間，還可以預測這些事件何時可以發(fā)生。
3.大數(shù)據(jù)
物聯(lián)網(wǎng)自然會產(chǎn)生“大數(shù)據(jù)”以便處理它，利用大數(shù)據(jù)的分析功能，用戶不僅可以收集，而且可視化和設置關鍵性能指標（KPI）等內(nèi)容，以監(jiān)控和響應驟降或超出限制的流程。
4.人工智能
對于一些供應商而言，AI和機器學習（ML）齊頭并進，將大量數(shù)據(jù)提供給AI引擎，然后將上下文（意義）應用于數(shù)據(jù)，以便了解可以導致良好和不良事件（停機時間，超出規(guī)范流程）。
如果沒有云計算的規(guī)模經(jīng)濟或大數(shù)據(jù)平臺的管理工具，物聯(lián)網(wǎng)數(shù)據(jù)就無法實際存儲或管理。一旦它被存儲和管理，我們?nèi)匀恍枰谄渲姓业缴虡I(yè)價值。由于AI在大規(guī)模分析和識別意外模式方面更勝一籌，因此它非常適合這個特定價值鏈的最后一公里。
隨著預測性決策成為常態(tài)，公司嘗試實施基于AI / ML的決策，行業(yè)正在發(fā)生進一步的變化：
1.管理數(shù)據(jù)集
要使用AI / ML構建良好的預測推理系統(tǒng)，需要大量數(shù)據(jù)來訓練，測試和驗證解決方案?？梢源笠?guī)?？焖僭O計的良好數(shù)據(jù)基礎設施是必要的。
2.云計算基礎設施
處理大量數(shù)據(jù)的AI / ML系統(tǒng)需要可以根據(jù)計算需求進行擴展的計算基礎設施。這是可以水平和按需擴展的云計算基礎架構變得重要的地方。云基礎設施的固有可擴展性和冗余性與集裝箱化技術（相結合，使其得以實現(xiàn)。
3.物聯(lián)網(wǎng)數(shù)據(jù)管理
另一個有趣的新興領域是物聯(lián)網(wǎng)，它比以前更快地生成更多數(shù)據(jù)，并且需要快速決策。假設您有大量設備通過數(shù)百個連接的傳感器生成數(shù)據(jù)，企業(yè)正在做出維護決策。您需要存儲，傳輸，處理（使用AI / ML）并最終決定機器是否需要維護。這個過程需要所有不同的技術云，AI / ML和大數(shù)據(jù)一起工作以提供最終結果
物聯(lián)商城認為，隨著無線移動速度隨著5G的出現(xiàn)而增加，生成、收集、處理、預測、行動的需求將增加，并且所有不同的元素將開始相互融合。
