Z-Farms是一个专门生产杏仁的庞大农场合作伙伴组织，这些个合作伙伴们来自加州，在当地拥有占地好几英亩、总共五座农场的农地。但是由于当地环境诸多条件限制，使得Z-Farms在种植杏仁的过程中面临许多难题，为了让农务更加顺畅，他们透过科技与农业的结合，仰赖参数科技（PTC）旗下ThingWorx物联网平台的机器学习，让这片再普通不过的农场进化成了「智慧农场」。

位于加州的杏仁种植农场，透过与PTC ThingWorx的机器学习结合，让整座农场的灌溉系统充满智慧，更有效利用水资源。

杏仁是一项极具商业价值的作物，但对于Z-Farms来说，耕作这项作物也带来诸多挑战。为什么呢？就杏仁本身生长条件来说，它需要被丰富的灌溉，而且只生长在特定的气候，尤其在加州中部，当地的气候对于种植杏仁来说是再适合不过了。虽然对加州来说杏仁是农业命脉之一，然而该地区的水资源却受到管控，几乎从事农业工作者与加州当地居民都得靠昂贵且复杂的灌溉系统来取水。更困难的条件是，杏仁需要在特定理想的土壤湿度范围内生长，一旦偏离可接受的范围之外，可能会导致作物损失、损害甚至低产量，最终，让Z-Farms损失不少。

最初，Z-Farms利用精密复杂的灌溉系统，以及监测农场特定变数如土壤湿度、环境温度、风速及太阳辐射等各项感测器，透过感测器的数据来决定开启灌溉系统的时间和地点以及开启时间的长度，但是在进行灌溉时，问题却来了，他们面临到一些难题，像是灌溉系统的运行成本极高；操作者当下可能会过度灌溉，致使水分无法快速蒸发，让作物偏离适当的湿度范围；甚至在需要突然打开灌溉系统的当下，却发现没有足够的水可用。农场主人拥有大量的数据，却难以有效利用这些数据去预测未来的用水需求。

这让农场主人需要倚靠过去的经验，甚至是直觉，但这会导致人为错误的产生，且这个错误往往付出的代价高昂。当他们发现这个不利的状况后， Z-Farms决定采取更具战略性的方法来好好利用这些数据，于是，他们找上了PTC，透过ThingWorx平台来解决这些疑难杂症。

ThingWorx平台的机器学习是一种自我学习机制，可为其连接的设备生态系统自动进行预测分析。该技术自动从数据中学习，发现模型，构建经过验证的预测模型。 Z-Farm将ThingWorx的机器学习用于一系列自动化灌溉策略的预测分析过程，努力保持作物在理想的土壤湿度范围内，并且预测灌溉时需要的水量，尽可能使用更少的水以降低用水成本。

Z-Farms透过ThingWorx的机器学习在其IoT数据库上运行自动检测模式，检测各项异常情况，并预测未来对水量的需求，且农场主人还可以很轻松地根据ThingWorx机器学习的结果做出准确的决策。

举例来说，在第一天，他们透过ThingWorx平台的机器学习便发现，农场主人总在炎热的天气过度对作物进行浇水，但透过ThingWorx的机器学习标示出预测太阳辐射较高的天数，再根据当前条件预测未来几天灌溉作物所需的水量。

Z-Farms认为，ThingWorx的机器学习将农场里有限的感测器数据转换为清晰、可操作的模式，透过不断地监测提高整体用水效率和作物质量。多亏于ThingWorx的机器学习，Z-Farms在缺水的加州能持续发展该农务，并且在降低成本上有显著的成效，还能生产更多高品质的杏仁。