工作场所的融合
制造业多年来一直在以不同的方式分别研究这些趋势，他们都开始在数据的使用上相互吻合。以下是每种技术在企业中的运作方式：
1.云计算
在过去10年中，软件现在作为一种服务提供（即基于云的服务，在此基本上是租赁而非购买）。
2.物联网
物联网使制造商能够将传感器置于其流程的“边缘”，这样他们就可以从运营中的更多区域获得更多数据，从而不仅可以更快地响应停机时间，还可以预测这些事件何时可以发生。
3.大数据
物联网自然会产生“大数据”以便处理它，利用大数据的分析功能，用户不仅可以收集，而且可视化和设置关键性能指标（KPI）等内容，以监控和响应骤降或超出限制的流程。
4.人工智能
对于一些供应商而言，AI和机器学习（ML）齐头并进，将大量数据提供给AI引擎，然后将上下文（意义）应用于数据，以便了解可以导致良好和不良事件（停机时间，超出规范流程）。
如果没有云计算的规模经济或大数据平台的管理工具，物联网数据就无法实际存储或管理。一旦它被存储和管理，我们仍然需要在其中找到商业价值。由于AI在大规模分析和识别意外模式方面更胜一筹，因此它非常适合这个特定价值链的最后一公里。
随着预测性决策成为常态，公司尝试实施基于AI / ML的决策，行业正在发生进一步的变化：
1.管理数据集
要使用AI / ML构建良好的预测推理系统，需要大量数据来训练，测试和验证解决方案。可以大规模快速设计的良好数据基础设施是必要的。
2.云计算基础设施
处理大量数据的AI / ML系统需要可以根据计算需求进行扩展的计算基础设施。这是可以水平和按需扩展的云计算基础架构变得重要的地方。云基础设施的固有可扩展性和冗余性与集装箱化技术（相结合，使其得以实现。
3.物联网数据管理
另一个有趣的新兴领域是物联网，它比以前更快地生成更多数据，并且需要快速决策。假设您有大量设备通过数百个连接的传感器生成数据，企业正在做出维护决策。您需要存储，传输，处理（使用AI / ML）并最终决定机器是否需要维护。这个过程需要所有不同的技术云，AI / ML和大数据一起工作以提供最终结果
物联商城认为，随着无线移动速度随着5G的出现而增加，生成、收集、处理、预测、行动的需求将增加，并且所有不同的元素将开始相互融合。
