Z-Farms是一個專門生產杏仁的龐大農場合作夥伴組織，這些個合作夥伴們來自加州，在當地擁有占地好幾英畝、總共五座農場的農地。但是由於當地環境諸多條件限制，使得Z-Farms在種植杏仁的過程中面臨許多難題，為了讓農務更加順暢，他們透過科技與農業的結合，仰賴參數科技（PTC）旗下ThingWorx物聯網平台的機器學習，讓這片再普通不過的農場進化成了「智慧農場」。

位於加州的杏仁種植農場，透過與PTC ThingWorx的機器學習結合，讓整座農場的灌溉系統充滿智慧，更有效利用水資源。

杏仁是一項極具商業價值的作物，但對於Z-Farms來說，耕作這項作物也帶來諸多挑戰。為什麼呢？就杏仁本身生長條件來說，它需要被豐富的灌溉，而且只生長在特定的氣候，尤其在加州中部，當地的氣候對於種植杏仁來說是再適合不過了。雖然對加州來說杏仁是農業命脈之一，然而該地區的水資源卻受到管控，幾乎從事農業工作者與加州當地居民都得靠昂貴且複雜的灌溉系統來取水。更困難的條件是，杏仁需要在特定理想的土壤溼度範圍內生長，一旦偏離可接受的範圍之外，可能會導致作物損失、損害甚至低產量，最終，讓Z-Farms損失不少。

最初，Z-Farms利用精密複雜的灌溉系統，以及監測農場特定變數如土壤濕度、環境溫度、風速及太陽輻射等各項感測器，透過感測器的數據來決定開啟灌溉系統的時間和地點以及開啟時間的長度，但是在進行灌溉時，問題卻來了，他們面臨到一些難題，像是灌溉系統的運行成本極高；操作者當下可能會過度灌溉，致使水分無法快速蒸發，讓作物偏離適當的濕度範圍；甚至在需要突然打開灌溉系統的當下，卻發現沒有足夠的水可用。農場主人擁有大量的數據，卻難以有效利用這些數據去預測未來的用水需求。

這讓農場主人需要倚靠過去的經驗，甚至是直覺，但這會導致人為錯誤的產生，且這個錯誤往往付出的代價高昂。當他們發現這個不利的狀況後， Z-Farms決定採取更具戰略性的方法來好好利用這些數據，於是，他們找上了PTC，透過ThingWorx平台來解決這些疑難雜症。

ThingWorx平台的機器學習是一種自我學習機制，可為其連接的設備生態系統自動進行預測分析。該技術自動從數據中學習，發現模型，構建經過驗證的預測模型。Z-Farm將ThingWorx的機器學習用於一系列自動化灌溉策略的預測分析過程，努力保持作物在理想的土壤溼度範圍內，並且預測灌溉時需要的水量，盡可能使用更少的水以降低用水成本。

Z-Farms透過ThingWorx的機器學習在其IoT數據庫上運行自動檢測模式，檢測各項異常情況，並預測未來對水量的需求，且農場主人還可以很輕鬆地根據ThingWorx機器學習的結果做出準確的決策。

舉例來說，在第一天，他們透過ThingWorx平台的機器學習便發現，農場主人總在炎熱的天氣過度對作物進行澆水，但透過ThingWorx的機器學習標示出預測太陽輻射較高的天數，再根據當前條件預測未來幾天灌溉作物所需的水量。

Z-Farms認為，ThingWorx的機器學習將農場裡有限的感測器數據轉換為清晰、可操作的模式，透過不斷地監測提高整體用水效率和作物質量。多虧於ThingWorx的機器學習，Z-Farms在缺水的加州能持續發展該農務，並且在降低成本上有顯著的成效，還能生產更多高品質的杏仁。