我们在那些正在努力实现数字化潜力的工厂的工作重点往往是帮助客户通过更好地解决问题和决策来保持目标的明确性。要致力于现在已经到来的数字化未来，需要物联网的实施来解决新的工作方式的机遇和挑战--而一切都在过渡中。运营部门有望在一个不断变化的环境中提供新的、备受期待的价值，这个环境面临着新的问题、转型期的劳动力和不断供应的无尽数据流。
建立新数据流的物联网传感器正在对每个行业的工厂产生深刻的影响。虽然基本的制造设备可能保持不变，但人力资源、流程、问题、数据和期望却发生了变化，而且往往是巨大的变化。工业4.0的势头每年都在增长，几乎每个制造组织都已经或将要成为数字化世界的一部分。
这种动态的环境需要一种解决问题的文化，它专注于解决阻碍数字化工作的计划目标的问题。例如，典型的物联网应用可能专注于实时供应链优化、数字质量管理、远程监控、预测性维护或智能能源消耗。这些应用提供的数据流需要新的工作方式来实现其潜力。
对于问题解决者来说，现在可用的数据量可能是压倒性的。突然间，你有一百个不同的维度要看，却没有明确的前进方向。丰富的数据支持对问题的每个方面进行深入研究；但你究竟需要多深的研究？获取信息不费吹灰之力，但什么是相关的，有多少是你真正需要的，以保持你的预测性维护在轨道上或优化你的供应链？ 所有这些新信息可能会开启更深入的调查和更好的纠正措施。新的数据可能会发现过去未被发现的新问题，从而使预期的改进工作升级，或者它可能只是将时间和资源浪费在几乎不增加价值的不必要的活动上。
在许多组织中，管理数据驱动的生产系统所需的问题解决和决策将取代原有的工作职责。例如，过去负责检查机器、记录性能和创建报告的区域经理不再需要在车间走动：他的大部分工作由机器完成。那么他现在的工作是什么？虽然计算机和人工智能将提供一些强化的问题解决方案，但企业认识到，拥有制造业知识和经验的人类将继续发挥关键作用，特别是在问题解决方面。
企业现在就可以通过在其运营中建立分析问题的技能，为日益数字化的未来做好准备。为了物联网实施的成功，应用程序必须在不被庞大的数据量淹没的情况下实现其目标。为了实现更少的缺陷或更快的速度的价值，问题解决者需要专注于解决那些阻碍实现这些目标的问题。
能够为这项工作使用正确的工具和数据可能需要新的培训和新的工具。虽然 "五个为什么 "提供了一个探索问题的基本工具，但Shanin或其他工具的深入分析可能会更大程度地利用现在的丰富数据。复杂性的增加和更多的数据可能会使问题解决者进入详细的建模和性能图表中。但是，除非他们需要，否则他们不应该进行深入的研究：问题解决者在选择正确的工具和数据方面的专业知识至关重要。随着企业进入工业4.0，提高生产运营中的问题解决能力是任何物联网实施计划的一个重要组成部分。 随着先进的数据收集系统的实施成为常态，确定有效解决问题所需的信息以及了解如何处理特定的信息将是关键。
Christian Green是Kepner-Tregoe公司卓越运营的全球领导人。他领导着一个全球咨询团队，支持制造业客户追求卓越运营，通过改善关键绩效指标，切实关注推动成果。
60多年来，Kepner-Tregoe已使成千上万的公司有能力解决数百万个问题。Kepner-Tregoe的服务旨在以可衡量的结果永久地解决组织的挑战，在提高质量和性能的同时降低总体成本。
