智能工厂的发展所需解决的问题

数字化提供了广泛的优势，它们包括通过创建数字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。

　　许多预测都试图量化价值主张。咨询公司麦肯锡表示，到2025年，物联网经济影响可能在1.2美元到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一项调查显示，每年的成本降低了570亿美元。

　　当然，有一个问题，实际上有几个。制造业的投资周期比较长，强大的流程和设备不会在一夜之间出现，至关重要的是，所需的技术，如人工智能，尚未完全开发。

　　人工智能（AI）作为催化剂

　　智能工厂利用工业物联网（IIoT）、大数据和高级分析，以及信息技术（IT）和运营技术（OT）的融合。另外，相互通信的设备导致实时决策，从而优化价值创造。

　　它既发生在工厂内，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——这是一套将现实世界数据和经验与统计分析相结合，以得出结论和预测结果的技术。

　　机器学习不是一个新的人工智能领域，但互联网的发展、大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。

　　虽然人工智能明显正在进步，但它也有其局限性。底层算法的设计很棘手，这可能会导致漏洞和意外偏差；训练步骤通常需要非常大量的数据和可能难以获得的实际经验；神经网络通常需要很长时间来训练。当启用人工智能（AI）的决策出错时，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被应用在工厂环境中？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）系统与运营技术（OT）系统的结合。

　　但目前的社会发展趋势也很重要，包括全球供应链日益复杂，以及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动和市场拉动的结果。

　　如果所有的人工智能问题得到解决——并且最终将得到解决。但是，如果没有最佳的信息治理，智能工厂仍然不会快速发展。

　　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，如果没有标准——基本上是与技术系统相关的规范或要求，就无法实现。

　　制造过程中使用了数百甚至数千种标准，并且需要许多新标准来实现智能工厂。美国国家标准与技术研究院（NIST）2016年2月的一份报告指出，智能制造生态系统可以被视为由四个进步级别组成的金字塔：设备级、监督控制和数据采集（SCADA）级、制造运营管理（MOM）级和企业级。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以加速这种协作。

　　根据NIST的说法，“在制造金字塔内，通信标准已经建立，但系统之间的互操作性还有限制，这意味着制造商通常会被锁定在单一的供应商解决方案中。在整个商业周期中，存在几个完善的标准，然而，信息能够与生产系统互连的程度还是非常有限。”

　　除了制定标准来填补这些空白之外，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）缺乏对标准和标准采用情况的跟踪；

　　（2）标准之间的重叠和冗余。

　　为消除这些障碍，各个组织之间的协调与合作是必要的，其中一些正在进行中。

　　还正在制定标准以促进区块链技术的应用。区块链是一个数字分类账，能够以可验证和安全的方式记录交易。美国国土安全部（DHS）正在与工业界进行区块链试点，以了解该技术是否可以阻止假冒产品和知识产权盗窃。将需要安全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和整个价值链中的设备和设备之间进行互联。这种连接增加了制造商遭受网络攻击、间谍活动和数据盗窃的风险。

　　这些不是假设性问题，例如，2014年，黑客通过网络钓鱼邮件获得访问权限后，破坏了一家德国钢厂。英国最近的一项调查发现，50%的制造商承认受到黑客攻击，半数受攻击的制造商因此蒙受损失。据美国国土安全部称，制造商是针对关键基础设施网络攻击的首要目标。

　　鉴于智能工厂对传统工厂提出的目标越来越大，安全问题变得越来越重要。安全目标包括维护生产（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，需要多种方法和系统，包括网络物理系统的安全体系结构、通过证明验证软件完整性（能够检测恶意软件或非预期代码的过程），以及安全的设备管理。

　　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。美国政府与工业界合作，为关键基础设施开发了基于风险和自愿的网络安全框架，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慧城市框架。

　　另一个日益严重的问题涉及个人信息的隐私。欧盟的一般数据保护条例（GDPR）是一个法律框架，为收集和使用个人信息制定了指导方针。这项新法律对智能工厂也有影响，例如，测量生产线产量的技术可能会收集个别工人的数据。制造商需要通过更新隐私声明并确保这些声明符合GDPR要求，同时确保他们对使用这些技术收集的个人信息是透明的。

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

　　频谱分配

　　实现智能工厂承诺所需的设备数量是信息治理的一个重要考虑因素。这些设备预计将通过无线通信进行操作。无线设备目前有数十亿台，由于物联网和工业物联网（IIOT），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，这是一种稀缺的公共资源。为了让智能工厂取得成功，政府必须分配足以满足这种需求增长的频谱。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，美国政府问责局（GAO）对此问题进行了调查。根据GAO的报告，美国联邦通信委员会认为，当前可用的频谱足以满足物联网在不久将来的增长，除非使用大量频谱的设备激增。GAO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的频段中。”GAO建议FCC开始跟踪物联网的增长，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，那么它是许可频谱？未许可频谱还是共享频谱？FCC将决定如何在每种类型之间以及在哪个频带内分配可用频谱。

　　这些政府决策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为工业用途分配频谱的问题。GAO的报告指出，每个国家都在采取不同方法，至少有一个国家，韩国，将频谱专用于工业用途。

　　如果制造商能够清除障碍，并且政府能够制定标准，那么回报将是巨大的。