物联网的应用有哪些
物联网技术主要应用在计算、连接和安全能力的提高、端点机器学习（ML）处理的快速发展、5G部署和云计算等领域，智慧应用案例推动了物联网产业的整体提升。
物联网还广泛普及在智能交通、环境保护、智能消防、环境监测、路灯照明管控、景观照明管控、楼宇照明管控等方面。
主要针对物联网平台的关键接口，并生成可在整个生态系统中使用的框架，物联网在硬件层面的前景更加多样化。
工业大数据全景解读和应用案例
工业大数据是互联网、大数据和工业产业结合的产物，是我国制造2025、工业互联网、工业4.0等国家战略在企业的具体实践。
对企业来说，了解工业大数据的产生背景，梳理工业企业大数据的分类和特点，从数据流推动工业价值创造的视角进行思考，对重造工业价值流程具有重要意义。本文最后将分享一些在工业领域数据驱动价值创造的案例，以期激发更多思考。
一、工业大数据产生的背景
在工业生产过程中，无时无刻都在产生数据。如生产机床的转速、能耗，食品加工的温湿度，火力发电机组的燃烧和燃煤消耗，汽车的装备数据，物流车队的位置和速度等。
自从工业从社会生产中独立成为一个门类以来，工业生产的数据采集和使用范围逐渐扩大。从泰勒用秒表计算工人的用铁锹送煤到锅炉的时间，到福特汽车的流水化生产，再到丰田的精益生产模式，数据的采集和使用已经扩展到工厂和上下游供应链。核电站发电过程中的全程自动化，更是将生产过程数据的自动化水平提升到更高程度。
任何数据的采集和使用都有成本，工业数据也不例外。但随着信息、电子和数学技术的发展，传感器、物联网等技术的出现，智能化、高精度、长续航、高性价比、微型传感器的面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，实现了任何时间、任何地点的数据采集和传送。以云计算为代表的新型数据处理基础架构，大幅降低了工业数据处理的技术门槛和成本支出。
社会需求变革是最大拉动力。在商品过剩经济时代，以个性化为代表的消费文化，使得工业企业的产出物要最大限度满足个性需求。从服装定制、车辆选配，到T恤的印花和个性化教育，要响应个性化需求，有两种方式：模拟方式和数字方式。
工厂也会聘请资深的老师傅，他们的主要工作不是面对客户的定制化需求，而是去研究更好的生产工艺，对数据和工艺分解进行把控。这种模式下，效率和质量得到保证，效率随着生产线的扩容线性提升，定制化生产的成本将显著降低。
国策方针是重要影响力。完成了工业自动化过程的德国工业界，以工业数据为基础，引入云计算和人工智能技术，提升工业的智能化水平，以满足大批量个性化定制的社会生产需求；美国拥有强大的云计算、互联网及数据处理能力，基于此，提出工业互联网战略，通过大数据处理，在诊断、预测、后服务等方面挖掘工业服务的价值。
中国相对于德国、美国而言，在工业自动化、云计算等领域都处于发展期，因此提出中国制造2025计划，通过工业化和信息化融合发展的方式，将工业化和信息化整体规划，并制定一系列的重点工程和推进计划。
二、工业大数据的特点和分类
不管是工业自动化、还是工业智能化（工业4.0）、或者是工业互联网概念，他们的基础是工业数据。随着行业发展，工业企业收集的数据维度不断扩大，主要体现在数据量大、数据种类多、商业价值高、处理速度高等方面。
再从企业经营的视角来看待这些工业数据，可以按照数据的用途分成三类：经营类数据、生产性数据和环境类数据。
从目前的数据采用情况看，经营类数据利用率最高，生产性数据和环境类数据相比差距比较大。从未来数据量来说，生产线数据在工业企业数据中的占比将越来越大，环境类数据也将越来越多样化。
一般意义上，大数据具有数据量大、数据种类多、商业价值高、处理速度高，在此基础上，工业大数据还有两大特点。
三、工业大数据应用案例
企业所积累的数据量以越来越快的速度在增加，很多企业顺势将大数据技术引入企业的生产经营中。大数据在工业企业的应用主要体现在三个方面：
一是基于数据的产品价值挖掘。通过对产品及相关数据进行二次挖掘，创造新价值。
二是提升服务型生产。提升服务型生产就是增加服务在生产（产品）的价值比重，主要体现在前向延伸和后向延伸两个方面。
三是创新商业模式。商业模式创新主要体现在两个方面，一是基于工业大数据，工业企业对外能提供什么样的创新性商业服务；二是在工业大数据背景下，能接受什么样的新型的商业服务。
四、工业大数据的实践指导
工业大数据是企业生产经营的一次重大变革，对于工业化、信息化都还没有完成的工业企业而言，数据化时代又到来了，挑战很大。
工业大数据建设，首先是一种思维变革，改变以前以要素竞争为主的工业生产模式，进入到数据和创新竞争为主的新生产时代。
其次，正如清华大学王建民教授所言“工业大数据不存在交钥匙工程”，因此，需要企业领导人、管理层、员工和相关人都投身其中，各司其职，才有所成。
最后，工业大数据建设抓住两个板子作为突破点。一个是最长的板，也就是梳理产品（工业）竞争力最强的在哪里，继续深挖下面的数据价值，围绕这一块的工业数据构建产品和服务能力；另一个是最短的板，就是影响工业企业发展的痛点在哪里，成本、市场、还是供应链，还是能耗？在数据化时代下，寻找机遇大数据的解决方案。