导读： 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。

---

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*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**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，*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*终将得到解决。但是，如果没有*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。

 

>>相关阅读