如今，许多家庭已经有了一系列联网设备和电器，以帮助完成日常任务，并提供不同形式的娱乐。此外，其他设备可管理电力消耗，控制空调和供暖系统，并提供家庭安全保障。
在过去几年中，家庭无线连接（主要是以 Wi-Fi 路由器连接到互联网的形式）允许大量家电制造商将其产品添加到智能家居设备的列表中，为消费者和企业带来新的功能和机会。
这些设备为用户提供了先进的功能，例如可编程性、远程操作和降低功耗。它们还收集有关设备及其组件使用情况的宝贵信息。这些数据对于制造商了解其产品的真实使用情况、提供及时维护以及纠正未来潜在的设计缺陷至关重要。
预防性和预测性维护有助于更好的供应链管理
过去两年，预测所需的备件和产品充满着挑战。由于人们呆在家里的时间更多，许多产品的用途发生了巨大变化，制造商和服务提供商在疫情之前花费多年收集的信息至少是变得不准确了。
此外，医疗保健产品和运输路线不可预见的需求造成制造和运输中断，这以前所未有的方式影响了供应链。
目前影响制造商的最大挑战是零部件和备件短缺。这不仅在制造新产品方面造成重大延误，而且还在维护操作和修理方面造成瓶颈。
许多分析师认为，考虑到对生产至关重要的一些市场的状况，许多零部件（尤其是半导体）的短缺很可能会持续到 2024 年。
大多数制造商期望他们的产品能够不间断地运行数年。然而，许多家用电器和其他家用设备的不同工作条件和操作频率会显著影响这些设备的估计寿命。
由于目前许多家用产品都连接到互联网，并且有些产品还嵌入了传感器，因此制造商和服务提供商可以使用从这些产品中收集的信息，预测即将到来的维护需求。
例如，安装在热带地区的空调设备，由于一年中大部分时间都在使用，因此可能比安装在夏季只需要使用几周的地方的同一设备更早需要维护或更换。两人之家的洗衣机比四口之家的同型号洗衣机更耐用，尤其是相比有小孩的家庭。此外，其他环境条件和社会习惯也会影响设备的使用和磨损，例如水质、湿度、高温或冰冻天气。
利用从车载传感器和电力使用情况收集的信息，制造商和服务提供商现在可以使用分析和机器学习来预测维护需求，尤其是备件或更换部件。
因此，在了解当前和未来需求的情况下，可以提前采购或生产零部件，并将其运送到需要的目的地。
制造商和服务提供商都可以通过提前获得所需产品和组件的通知来简化供应链管理。
机器学习和智能制造可以提高新产品和组件的可用性
使用电力分析和机器学习，制造商可以使用互联设备收集的信息，帮助他们纠正制造过程中的问题。
例如，假设一台烤箱或咖啡机在运行过程中不断出现正确恒温的问题。在这种情况下，这些电器上使用的恒温器可能不是该用途的最佳选择，或者安装在错误的位置。
多年来，在服务提供商向制造商索取备件来维修这些设备时，制造商才能了解到这些问题。尽管如此，这些信息仍然是不完整的，因为通常不能确定受影响的型号和使用条件。
利用从传感器收集的信息，结合使用条件和其他相关因素，制造商可以开始为他们的产品寻找新零件，或重新设计现有零件，以避免类似情况。这也可以帮助制造商避免代价高昂的潜在召回。
对服务问题和联网机器及设备使用条件的了解，也有助于预测一段时间内的产品供需情况，从而更好地了解现有供应链的限制。
通过循环经济保护环境
毫无疑问，数以十亿计的消费品和工业品的不断制造和更新对地球来说是毁灭性的。开采原材料和转化原材料所需的能源会耗尽自然资源，并加剧全球气候变化。
因此，当务之急是产品和部件必须制造得更耐用，且当它们需要更换时，赋予零部件和材料第二次生命。
虽然回收工作已经进行了很多年，但对废弃零部件进行分类、检查、改造并重新投入到供应链中需要很长时间。许多有用的零部件和材料被丢弃在垃圾填埋场或在发电厂焚烧。
如上所述，利用从互联设备和高级分析收集的信息，可以确定设备、电器或任何其他互联机器何时需要部分或全部更换。
更换电器或其他设备时，许多零部件可能处于完美的工作状态；这些可以作为其他设备的备件。此外，当这些零部件不再可用时，它们的组件可以拆开来制造其他产品。
利用来自互联设备的数据和预测机器学习能力，制造商和服务提供商可以预测被替换设备即将提供的备件，并为这些零部件提供第二次生命，从而减少浪费和对更多原材料的需求。
迈向新的数字化供应链
Deloitte 全球供应链和网络运营主管 Jim Kilpatrick 表示：“如果我们利用技术和信息，我们可以在大大减轻组织财务负担的情况下创造弹性，并在未来建立供应链。
数十亿台消费设备的连接，不仅可以让用户获得更多的可能性并控制他们的设备，还可以帮助制造商和服务提供商改善他们的供应链，提供更好的服务，最重要的是，制造更好的产品并改善客户体验。