智能工厂的发展会因为什么受到影响的发展会因为什么受到影响

本篇文章2746字，读完约7分钟

如果制造商能够排除障碍，政府能够设定标准，回报将是巨大的。

数字化提供了广泛的优势，包括通过创建数字化双胞胎减少停机时间的预测性维护、加强质量控制、需求驱动的生产、库存优化、降低能源和材料成本，以及改善安全和环境性能。

许多预测试图量化价值主张。咨询公司麦肯锡(McKinsey)表示，到2025年，物联网的经济影响可能在1.2万亿至3.7万亿美元之间。美国商务部最近对美国制造商和智能制造商的调查显示，每年的成本已经降低了570亿美元。

当然，有一个问题，实际上有几个。制造业的投资周期相对较长，强大的流程和设备不会在一夜之间出现。非常重要的是，所需的技术，如人工智能，还没有完全开发出来。

人工智能作为催化剂

智能工厂利用工业物联网、大数据和高级分析，以及信息技术和运营技术的集成。此外，设备之间的相互通信可以导致实时决策，从而优化价值创造。

它不仅发生在工厂，也发生在整个价值链中，从原材料采购到订单交付和客户服务。

这种转变的潜在催化剂是人工智能(ai)。目前，人工智能的大部分兴趣都与机器学习有关，机器学习是一套将现实世界的数据和经验与统计分析相结合得出结论和预测结果的技术。

机器学习不是人工智能的一个新领域，但是互联网的发展、海量数据的激增以及计算机处理能力的不断提高，极大地提高了其预测能力的深度、广度和准确性。

尽管人工智能正在明显改进，但它也有其局限性。底层算法的设计非常困难，这可能导致漏洞和意外的偏差；培训步骤通常需要大量的数据和实践经验，这可能很难获得；神经网络通常需要很长时间来训练。当启用人工智能(ai)的决定是错误的时，通常很难确定原因，这是安全关键系统中的一个主要问题。

为什么人工智能现在用于工厂环境？当然，技术是一个驱动因素:大量数据的可用性、机器学习的发展、云计算(用于网络范围的监控和优化)和边缘计算(为实时决策提供机器学习)的出现，以及信息技术(it)系统和操作技术(ot)系统的结合。

然而，当前的社会发展趋势也非常重要，包括日益复杂的全球供应链和在吸引熟练生产工人方面持续存在的挑战。换句话说，智能工厂的出现是技术推广和市场拉动的结果。

如果所有的人工智能问题都解决了——并且最终会得到解决。然而，如果没有更好的信息管理，智能工厂就不会快速发展。

三个这样的治理问题包括技术标准、网络安全/隐私和频谱分配。

技术标准

智能工厂依赖于信息流和系统响应能力，没有标准是无法实现的，标准基本上是与技术系统相关的规范或要求。

数百甚至数千个标准被用于制造过程，并且需要许多新的标准来实现智能工厂。根据国家标准与技术研究所(NIST)2016年2月的一份报告，智能制造生态系统可以被视为由四个渐进层次组成的金字塔:设备层、监控和数据采集(scada)层、制造运营管理(mom)层和企业层。信息必须在每个级别内部和之间流动，并且已经开发或正在开发数十个标准来加速这种协作。

根据nist的说法，“在制造金字塔中，通信标准已经建立，但是系统之间的互操作性是有限的，这意味着制造商通常被锁定在单一的供应商解决方案中。”在整个商业周期中，有几个完美的标准。但是，信息与生产系统的互联程度仍然非常有限。”

除了制定标准来满足这些空白人，报告还指出了智能工厂面临的另外两个与标准相关的障碍:

(1)缺乏对标准及其采用的跟踪；

(2)标准之间的重叠和冗余。

为了消除这些障碍，各种组织之间的协调与合作是必要的，其中一些正在进行中。

还在制定标准，以促进区块链技术的应用。Blockchain是一个数字分类账，它可以以可验证和安全的方式记录交易。美国国土安全部(dhs)正在区块链与该行业进行试点，以查明这项技术是否能防止假冒产品和知识产权被盗。需要安全性和定义的互操作性标准来促进该技术的应用。

网络安全/隐私

智能工厂需要在工厂内部以及整个价值链中的设备之间互连设备。这种联系增加了制造商遭受网络攻击、间谍活动和数据窃取的风险。

这些不是假设性的问题。例如，2014年，在通过网络钓鱼邮件获得访问权后，网络攻击者摧毁了一家德国钢铁厂。英国最近的一项调查发现，50%的制造商承认受到网络攻击者的攻击，一半被攻击的制造商因此遭受损失。据美国国土安全部称，制造商是关键基础设施遭受网络攻击的主要目标。

鉴于智能工厂对传统工厂的要求越来越高，安全问题变得越来越重要。安全目标包括维持生产(无停机或延迟)、防止导致财产或人身伤害/死亡的系统故障、防止间谍活动以及保护客户和员工的隐私。

实现这些目标既不简单也不容易。为了保护智能工厂，需要许多方法和系统，包括网络物理系统的安全体系结构、通过证据验证软件完整性(检测恶意软件或意外代码的过程)以及安全设备管理。

提供智能制造设备和服务的供应商显然参与了这些安全开发，政府也是如此。美国政府与业界合作，为关键基础设施开发了基于风险的自愿网络安全框架，该框架广泛适用于包括制造商在内的一系列企业。Nist还发布了与智能工厂相关的智能城市框架。

另一个日益严重的问题与信息隐私有关。欧盟一般数据保护条例(gdpr)是一个法律框架，规定了收集和使用信息的准则。这项新法律也对智能工厂产生了影响。例如，测量生产线的技术可以收集单个工人的数据。制造商需要更新他们的隐私声明，并确保他们符合gdpr要求，同时确保他们使用这些技术收集的信息是透明的。

最后，智能工厂将推动保险业的转型，而保险业将面临构建解决方案来管理风险变化的需要。

频谱分配

实现智能工厂承诺所需的设备数量是信息治理中的一个重要考虑因素。这些设备预计将通过无线通信运行。目前有数十亿个无线设备，由于物联网和工业物联网，这个数字预计将呈指数级增长。

所有这些对无线通信的需求都需要频谱，而频谱是一种稀缺的公共资源。为了让智能工厂取得成功，政府必须分配足够的频谱来满足需求增长。在美国，联邦通信委员会(fcc)为消费者和商业用途分配频谱。

去年，政府问责局调查了这个问题。根据gao的报告，联邦通信委员会认为目前可用的频谱足以满足物联网在不久的将来的增长，除非使用大量频谱的设备激增。高还指出，“随着无线设备数量的增长，管理干扰变得越来越具有挑战性，特别是在不需要无线许可证的频段。”高建议联邦通信委员会开始跟踪物联网的发展，以确保有足够的频谱可用。

如果需要额外的频谱来支持智能工厂，它是许可频谱吗？未经许可的频谱还是共享频谱？联邦通信委员会将决定如何在每种类型和哪个频段之间分配可用频谱。

这些政府决定将影响美国智能工厂的频谱供应和质量。其他国家也在努力解决如何分配工业用频谱的问题。高的报告指出，每个国家都在采用不同的方法，至少有一个国家，韩国，将频谱专用于工业目的。