智能工廠的發(fā)展所需解決的問題
數(shù)字化提供了廣泛的優(yōu)勢，它們包括通過創(chuàng)建數(shù)字雙胞胎減少停機時間的預測性維護、加強質(zhì)量控制、需求驅(qū)動的生產(chǎn)、庫存優(yōu)化、降低能源和材料成本以及改善安全和環(huán)境性能。
許多預測都試圖量化價值主張。咨詢公司麥肯錫表示，到2025年，物聯(lián)網(wǎng)經(jīng)濟影響可能在1.2美元到3.7萬億美元之間。美國商務部最近對美國制造商和智能制造商的一項調(diào)查顯示，每年的成本降低了570億美元。
當然，有一個問題，實際上有幾個。制造業(yè)的投資周期比較長，強大的流程和設備不會在一夜之間出現(xiàn)，至關重要的是，所需的技術，如人工智能，尚未完全開發(fā)。
人工智能（AI）作為催化劑
智能工廠利用工業(yè)物聯(lián)網(wǎng)（IIoT）、大數(shù)據(jù)和高級分析，以及信息技術（IT）和運營技術（OT）的融合。另外，相互通信的設備導致實時決策，從而優(yōu)化價值創(chuàng)造。
它既發(fā)生在工廠內(nèi)，也發(fā)生在整個價值鏈中，從原材料采購到訂單交付和客戶服務。
這種轉(zhuǎn)變的潛在催化劑是人工智能（AI）。目前人工智能的大部分興趣都與機器學習有關——這是一套將現(xiàn)實世界數(shù)據(jù)和經(jīng)驗與統(tǒng)計分析相結合，以得出結論和預測結果的技術。
機器學習不是一個新的人工智能領域，但互聯(lián)網(wǎng)的發(fā)展、大量數(shù)據(jù)的激增以及計算機處理能力的不斷提高，極大地提高了其預測能力的深度、廣度和準確性。
雖然人工智能明顯正在進步，但它也有其局限性。底層算法的設計很棘手，這可能會導致漏洞和意外偏差；訓練步驟通常需要非常大量的數(shù)據(jù)和可能難以獲得的實際經(jīng)驗；神經(jīng)網(wǎng)絡通常需要很長時間來訓練。當啟用人工智能（AI）的決策出錯時，通常很難確定原因，這是安全關鍵系統(tǒng)中的一個主要問題。
為什么人工智能現(xiàn)在被應用在工廠環(huán)境中？當然，技術是一個驅(qū)動因素：大量數(shù)據(jù)的可用性、機器學習的發(fā)展、云計算（用于網(wǎng)絡范圍的監(jiān)控和優(yōu)化）和邊緣計算（為實時決策提供機器學習）的出現(xiàn)，以及信息技術（IT）系統(tǒng)與運營技術（OT）系統(tǒng)的結合。
但目前的社會發(fā)展趨勢也很重要，包括全球供應鏈日益復雜，以及在吸引熟練生產(chǎn)工人方面持續(xù)存在的挑戰(zhàn)。換句話說，智能工廠的出現(xiàn)是技術推動和市場拉動的結果。
如果所有的人工智能問題得到解決——并且最終將得到解決。但是，如果沒有最佳的信息治理，智能工廠仍然不會快速發(fā)展。
三個這樣的治理問題包括技術標準、網(wǎng)絡安全/隱私和頻譜分配。
技術標準
智能工廠依賴于信息流和系統(tǒng)響應能力，如果沒有標準——基本上是與技術系統(tǒng)相關的規(guī)范或要求，就無法實現(xiàn)。
制造過程中使用了數(shù)百甚至數(shù)千種標準，并且需要許多新標準來實現(xiàn)智能工廠。美國國家標準與技術研究院（NIST）2016年2月的一份報告指出，智能制造生態(tài)系統(tǒng)可以被視為由四個進步級別組成的金字塔：設備級、監(jiān)督控制和數(shù)據(jù)采集（SCADA）級、制造運營管理（MOM）級和企業(yè)級。信息必須在每個級別內(nèi)部和之間流動，并且已經(jīng)開發(fā)或正在開發(fā)數(shù)十個標準以加速這種協(xié)作。
根據(jù)NIST的說法，“在制造金字塔內(nèi)，通信標準已經(jīng)建立，但系統(tǒng)之間的互操作性還有限制，這意味著制造商通常會被鎖定在單一的供應商解決方案中。在整個商業(yè)周期中，存在幾個完善的標準，然而，信息能夠與生產(chǎn)系統(tǒng)互連的程度還是非常有限。”
除了制定標準來填補這些空白之外，報告還指出了智能工廠面臨的另外兩個與標準相關的障礙：
（1）缺乏對標準和標準采用情況的跟蹤；
（2）標準之間的重疊和冗余。
為消除這些障礙，各個組織之間的協(xié)調(diào)與合作是必要的，其中一些正在進行中。
還正在制定標準以促進區(qū)塊鏈技術的應用。區(qū)塊鏈是一個數(shù)字分類賬，能夠以可驗證和安全的方式記錄交易。美國國土安全部（DHS）正在與工業(yè)界進行區(qū)塊鏈試點，以了解該技術是否可以阻止假冒產(chǎn)品和知識產(chǎn)權盜竊。將需要安全和定義的互操作性標準來促進該技術的應用。
網(wǎng)絡安全/隱私
智能工廠需要在工廠內(nèi)部和整個價值鏈中的設備和設備之間進行互聯(lián)。這種連接增加了制造商遭受網(wǎng)絡攻擊、間諜活動和數(shù)據(jù)盜竊的風險。
這些不是假設性問題，例如，2014年，黑客通過網(wǎng)絡釣魚郵件獲得訪問權限后，破壞了一家德國鋼廠。英國最近的一項調(diào)查發(fā)現(xiàn)，50%的制造商承認受到黑客攻擊，半數(shù)受攻擊的制造商因此蒙受損失。據(jù)美國國土安全部稱，制造商是針對關鍵基礎設施網(wǎng)絡攻擊的首要目標。
鑒于智能工廠對傳統(tǒng)工廠提出的目標越來越大，安全問題變得越來越重要。安全目標包括維護生產(chǎn)（無停機或延遲）、防止導致財產(chǎn)或人身傷害/死亡的系統(tǒng)故障、防止間諜活動以及保護客戶和員工的隱私。
實現(xiàn)這些目標既不簡單也不容易。為了保護智能工廠，需要多種方法和系統(tǒng)，包括網(wǎng)絡物理系統(tǒng)的安全體系結構、通過證明驗證軟件完整性（能夠檢測惡意軟件或非預期代碼的過程），以及安全的設備管理。
提供智能制造設備和服務的供應商顯然參與了這些安全開發(fā)，政府也是如此。美國政府與工業(yè)界合作，為關鍵基礎設施開發(fā)了基于風險和自愿的網(wǎng)絡安全框架，廣泛適用于包括制造商在內(nèi)的一系列企業(yè)。NIST還發(fā)布了與智能工廠相關的智慧城市框架。
另一個日益嚴重的問題涉及個人信息的隱私。歐盟的一般數(shù)據(jù)保護條例（GDPR）是一個法律框架，為收集和使用個人信息制定了指導方針。這項新法律對智能工廠也有影響，例如，測量生產(chǎn)線產(chǎn)量的技術可能會收集個別工人的數(shù)據(jù)。制造商需要通過更新隱私聲明并確保這些聲明符合GDPR要求，同時確保他們對使用這些技術收集的個人信息是透明的。
最后，智能工廠將推動保險業(yè)的變革，保險業(yè)將面臨構建解決方案來管理風險變化的需求。
頻譜分配
實現(xiàn)智能工廠承諾所需的設備數(shù)量是信息治理的一個重要考慮因素。這些設備預計將通過無線通信進行操作。無線設備目前有數(shù)十億臺，由于物聯(lián)網(wǎng)和工業(yè)物聯(lián)網(wǎng)（IIOT），這個數(shù)字預計將呈指數(shù)級增長。
所有這些對無線通信的需求都需要頻譜，這是一種稀缺的公共資源。為了讓智能工廠取得成功，政府必須分配足以滿足這種需求增長的頻譜。在美國，聯(lián)邦通信委員會（FCC）為消費者和商業(yè)用途分配頻譜。
去年，美國政府問責局（GAO）對此問題進行了調(diào)查。根據(jù)GAO的報告，美國聯(lián)邦通信委員會認為，當前可用的頻譜足以滿足物聯(lián)網(wǎng)在不久將來的增長，除非使用大量頻譜的設備激增。GAO還指出，“隨著無線設備數(shù)量的增長，管理干擾變得越來越具有挑戰(zhàn)性，特別是在不需要無線許可的頻段中。”GAO建議FCC開始跟蹤物聯(lián)網(wǎng)的增長，以確保有足夠的頻譜可用。
如果需要額外的頻譜來支持智能工廠，那么它是許可頻譜？未許可頻譜還是共享頻譜？FCC將決定如何在每種類型之間以及在哪個頻帶內(nèi)分配可用頻譜。
這些政府決策將影響美國智能工廠的頻譜供應和質(zhì)量。其他國家也在努力解決如何為工業(yè)用途分配頻譜的問題。GAO的報告指出，每個國家都在采取不同方法，至少有一個國家，韓國，將頻譜專用于工業(yè)用途。
如果制造商能夠清除障礙，并且政府能夠制定標準，那么回報將是巨大的。
