数据是预测模型演化的核心。虽然捕获和存储更多数据只是其中的一部分，但将其提炼并提炼为有价值的资产类别是一项真正的挑战。使用数据结构，这些数据会在早期进行过滤，从而更容易准备数据。这意味着，收集、集成、分析和归档数据都是自动执行的。不要错过，这个过程会随着模型理解原始数据而逐渐演变；他们在工业设备自动化方面的表现也有所提高。根据数据结构分析，该结构还有助于从手动监控过渡到检测异常的自治评估。
在一段时间内，这些模型将成熟为规范实体，可以更准确地执行指导方针并对物理世界产生影响。接下来是针对各种工业用例的预测模型的按需部署。这些模型托管在云中，可根据业务需求从任何地方访问。最终，这些模型将为增强的自动化奠定基础，其中工业流程可以自行学习和修复。
在我们讨论IoT时，Edge也值得一提。毕竟，没有面料就无法满足这项技术的颠覆性需求。现在，边缘势必会增长，因为在地理上更接近最终客户的位置更容易构建可持续的物联网。这反映了由于传感器和其他基本设备数量较少而导致的底线成本。此外，更容易监控跨边缘集群和核心的分布式计算。
边缘计算的主要问题之一现在也得到了解决。多年来，边缘计算并未成为主流，部分原因是实时数据准备不足，部分原因是无法预见的环境条件可能因边缘而异。虽然结构已经解决了数据准备问题，但硬件质量的提高正在完成基本的数据处理。高品质的硬件外壳可确保在不同条件下不间断运行，无论它们多么极端。
“你不能只是低能耗的设计，然后完成它；必须对其进行监控，以确保建筑物保持低能耗设计。” ABB Smart Power产品营销总监David Lowen强调说。在这里，他分享了智能建筑和建筑能源管理系统的当前趋势、挑战和未来。
英国的目标是到2050年实现零碳净排放量，与此同时到2030年建成的新建筑物，今天安装建筑物和能源管理系统(BEMS)的主要考虑因素是什么？
需要重点关注低能耗设计。建筑业主应首先从低碳供应商那里购买能源，然后着重于减少和优化能源使用。你不能只是进行低能耗设计，然后实现它；你需要配置具有低能耗设计的建筑物，然后对其进行监控，以确保该建筑物将继续以该低能耗设计运行。那是因为建筑物建成运行后情况发生了变化，出了问题，设备变旧了等等，你必须对所有这些变化做出反应。
拥有新的版本，这扇门是敞开的，但是通过升级，需要考虑到成本、可访问性、思维方式的变化，并使客户同意与之相关的成本。
较旧的建筑物可能无法访问，因为它不是为安装所需设备而设计的。另外，建筑物本身内置的热量和建筑物管理要少一些，而不是在考虑热量管理的情况下进行设计。例如，在伦敦的一栋受保护的建筑物中，你只能走很远–你不能更改窗户或建筑物的外部，但仍可以通过放置和控制建筑物来使其更加高效。
在核心和边缘之间连续传输数据的能力现在已成为一个主要问题。边缘核心通信是一种普遍的业务需求，而结构也有一个解决方案。
考虑为数百万用户提供连续和点播内容的服务的用例。较常见的例子包括视频流平台(Netflix等)、社交媒体或电子学习平台。现在，为了较大限度地延长正常运行时间，边缘计算可以通过提供较接近最终消费者的流媒体来帮助消除延迟。然而，如果没有分析，自动化数字服务的目标是不完整的。大多数Edge解决方案的问题是无法计算分析数据(客户消费、偏好等)并将其流回核心并最终返回到业务CRM环境。
