智能工厂发展频繁受阻,需要怎么做

建立智能工厂是所有工业制造业企业的愿景，在工业4.0大背景下，人工智能、数字化、物联网等新技术不断涌现，向企业生产、运营、管理等各个环节渗透，颠覆传统的模式，打造全新的制造业生态系统。如数字化所带来的优势，利用创建的数字孪生，实现了减少停机时间的预测性维护、加强质量控制、需求驱动生产、优化库存、能源和材料成本得以降低、安全和环境性能得以改善。智能工厂既然能带来诸多益处，为何发展却受阻？需要怎么做？

就预测达到量化价值，麦肯锡预测到2025年，物联网所引发的经济效益将达1.2至3.7万亿美元。美国制造商和智能制造商每年的成本将有望降低了570亿美元。但事实上，投资制造业周期比较长，流程和设备要达到数字化、网络化、智能化程度并非一朝一夕就能出现，所需的这些新技术还处于探索阶段，不够成熟。还有阻碍制造业企业发展的障碍需要清理，需要制定标准化，否则难于实现巨大回报。

工业物联网、大数据、高级分析、信息技术（IT）、运营技术（OT）被用于智能工厂，使通信设备实现实时决策，优化价值创造。从原材料采购到订单交付、客户服务，整个价值链中都采用人工智能。

目前，人工智能与机器学习结合，提升了互联网发展、大量数据的激增、计算机处理能力，实现数据世界和数据分析结合，使机器学习的预测能力的深度、广度、准确性得以提升，生成结论和预测性技术，所以人工智能是催化剂。

人工智能也有它的局限性，底层算法的设计可能会导致漏洞和意外偏差；训练步骤需要大量的数据和可能难以获得的实际经验来支撑；神经网络训练非常长。人工智能决策一旦出错时，很难确定原因，所以是安全关键系统中的一个主要问题。

制造业工厂为何还采用人工智能？未来，智能工厂的出现是技术推动和市场拉动的结果，技术将是生产力，驱动并产生经济效应，所以大量数据的可用性、机器学习的发展、云计算、边缘计算、信息技术（IT）系统与运营技术（OT）系统结合。但现实是，存在全球供应链日益复杂、熟练生产工人等问题，所以需要技术标准、网络安全/隐私、频谱分配三个治理方式。

一、技术标准

信息流和系统响应能力对智能工厂至关重要，没有技术标准，无法实现智能工厂。2016年2月，美国NIST指出，设备级、监督控制和数据采集（SCADA）级、制造运营管理（MOM）级、企业级可视为是组成智能制造生态系统的金字塔。信息贯穿于每个级别内部和之间，数十个标准已被开发或正在开发。还认为，虽然建立了通信标准，但系统间的互操作性还有限制，制造商将只能使用单一的供应商解决方案。在整个商业周期中，信息与生产系统互连的程度还是非常有限。

除此之外，智能工厂面临的另外两个与标准相关的障碍，就是缺乏对标准和标准采用情况的跟踪，标准之间的重叠和冗余。所以要解决这些障碍，就需要各个组织之间的协调与合作。

区块链是一个数字分布记账，能以验证和安全的方式记录交易。针对产品和知识产权，美国DHS正在与工业界进行区块链试点以阻止假冒和侵权。将需要安全和定义的互操作性标准来促进区块链技术的应用。

二、网络安全/隐私

智能工厂里的设备之间实现互联互通，同时，网络攻击、间谍活动、数据盗窃的网络安全风险也增加。美国DHS表示，工业制造业企业成为关键基础设施网络攻击的首要目标。因此，智能工厂的安全性至关重要，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、保护客户和员工隐私。网络物理系统的安全体系结构、通过证明验证软件完整性（能检测恶意软件或非预期代码的过程）、安全的设备管理等方法和系统可保护智能工厂。

政府、智能制造设备和服务的供应商都需要参与到安全开发中。基于风险和自愿的网络安全框架，美国政府与工业界合作关键基础设施开发，用于制造业企业在内的企业，还发布了与智能工厂相关的智慧城市框架。

就个人信息的隐私，欧盟设立了法律框架，即一般数据保护条例（GDPR），制定了收集和使用个个人信息指导方针。该项新法律对智能工厂有影响，如测量生产线产量的技术可能会收集个别工人的数据，制造商就得确保符合GDPR要求，同时确保个人信息的透明性。

智能工厂的到来，将推动保险行业变革，即构建解决方案来管理风险变化的需求。

三、频谱分配

在智能工厂中，信息治理的重要因素之一就是设备数量，与无线通信连接。目前，在物联网和工业物联网推动下，无线设备数量达数十亿台，未来，预计将呈指数级增长。并且需要频谱，分为许可频谱、未许可频谱、共享频谱类型，频带不同，所使用的频谱不同，为了实现智能工厂建设，政府必须要满足频谱需求的增长。如美国联邦通信委员会（FCC）为消费者和商业用途分配频谱。

政府决策将直接影响智能工厂的频谱供应和质量。工业用途分配频谱成为其他国家迫在眉睫需要解决的问题，解决方式各不相同，如韩国将频谱专用于工业用途。
责任编辑：YYX