制造商們正紛紛轉向工業(yè)物聯網（IIoT），以提高工廠效率并防止機器出現故障，但網絡安全和延遲等問題仍然存在。

可以預想，未來的制造過程幾乎是不需要人為干預的。但對于大多數制造商來說，未來仍然遙遙無期。

雖然一些較新的工廠是高度自動化的，但在完全數字化之前，整個制造過程還有很長的路要走。

根據精益制造指標（以整體設備效率或OEE衡量），世界級制造工廠的產能占其理論上所能達到的產能的85％。然而，一般的工廠只能達到約60％，這意味著在生產力方面存在巨大的改進空間。

工業(yè)4.0在未來二十年的成熟，將首先需要基本的數字化。之后，這種數字化可以轉化為預測性的維護和真正的預測智能。

在工業(yè)物聯網的影響下，制造過程會如何變化？未來會是什么樣子？制定過程中會面臨什么障礙？

數字化過程耗時也耗財

大型資本貨物已經發(fā)展成為“按小時計算”的商業(yè)模式，可以保證正常運行時間?，F在，在制造業(yè)中，按小時（或基于性能的合同）的功率相當普遍，特別是在半導體、航空航天和國防等關鍵任務領域。

該模型幾乎確保了制造商尋求有助于提高效率的數字解決方案。

這個想法可以追溯到20世紀60年代，當時GE航空、勞斯萊斯和普惠等噴氣發(fā)動機制造商開始向客戶們兜售其產品的“發(fā)射運作壽命”，而不是一次性的發(fā)動機銷售。推動時間推動發(fā)動機制造商專注于高利潤維護和數字平臺。如今，GE鼓勵追蹤其發(fā)動機的每一個細節(jié)，因為它只有在發(fā)動機正常工作時才能獲得報酬。

盡管保證了正常運行時間，但機器的所有者需要負責優(yōu)化使用（就像購買噴氣發(fā)動機的航空公司仍需要充分利用它們一樣）。

簡而言之，工廠所有者仍然“擁有”機器鏈之間的輸出效率，這意味著提高效率不僅會落在機器所有者身上，還會落在制造商身上。

如果沒有對每一個細節(jié)進行數字化，效率就無法提升。然而，要制造商承擔新的數字化負擔，還面臨著嚴重障礙。

車間內通常會有還可以在未來數十年繼續(xù)用于制造的舊機器。除了顯著的成本之外，傳感器跟蹤溫度和振動，并非出于一般的機器的考慮。

當摩托巨頭哈雷的制造工廠進行IIoT傳感器改造時，該公司總經理Mike Fisher表示，傳感器會“使設備更加復雜，而且它們本身也很復雜。但隨著復雜性的出現，機會就會出現。”

從數字化到預測

簡而言之，操作技術（或OT）類似于傳統(tǒng)IT，但它針對以往未涉及的領域進行了定制。在典型IT堆棧包括臺式機、筆記本電腦以及知識工作和專有數據的連接的情況下，OT管理直接控制或監(jiān)控物理設備。

對于制造商，OT堆棧通常包括：

- 連接的制造設備（通常帶有改裝的工業(yè)物聯網傳感器）- 監(jiān)控和數據采集（SCADA）系統(tǒng)和人機界面（HMI），為操作分析員提供工業(yè)監(jiān)控- 可編程邏輯控制器（PLC），堅固耐用的計算機，可在工廠機器上獲取數據- 用于減法制造的3D打印機（增材制造）和計算機數控（CNC）機器（如削減塊）在某種程度上，IT和OT是同一技術范圍的兩個方面，隨著制造業(yè)得到更好的數字化改進，這些邊界將進一步模糊。

今天，大多數工業(yè)機器的“大腦”都在可編程邏輯控制器（PLC）中，它們是增強型計算機。西門子、ABB、施耐德和羅克韋爾自動化等工業(yè)巨頭都提供高價PLC，但對于規(guī)模較小的制造企業(yè)而言，這些可能會不必要地昂貴。

這為像Oden Technologies這樣的初創(chuàng)公司創(chuàng)造了一個機會，可以帶來現成的計算硬件，可以直接插入大多數機器，或者集成現有的PLC。這反過來又允許中小型企業(yè)更加精簡，并實時分析其效率。

隨著數字化無處不在，技術效率改進的下一波浪潮將是預測分析。每個輸送機和機器人執(zhí)行器都會安裝一個傳感器，但并非它們在所有的工廠功能都具有相同的價值。

目前，完全有可能從更專業(yè)、高度更精確的物聯網傳感器中釋放更多價值。例如，Augury使用配備AI的傳感器來監(jiān)控機器，并預測故障。

注重成本的工廠所有者將認識到，高度精確的傳感器將比不必要的物聯網提供更高的投資回報率。

前沿的新架構

在“邊緣”或更接近傳感器處完成的計算是IIoT架構中的新趨勢。

起草人工智能和智能硬件的創(chuàng)新，a16z的Peter Levine預計會結束AV，無人機和高級物聯網對象的云計算。

未來工廠的連接機器應該沒有什么不同。

像Saguna Networks這樣的公司專注于邊緣計算（接近收集點），而Foghorn Systems則進行霧化計算。這兩種方法都允許關鍵任務設備能在安全的環(huán)境下運行，而不會將所有數據傳輸到云端，這一過程可以節(jié)省大量帶寬。

在不久的將來，人工智能和硬件的進步，將使我們所知道的物聯網幾乎獨立于集中式云。

這很重要，因為從短期來看，這意味著農村工廠不需要發(fā)送10，000條機器信息來傳遞“我很好”這類繁瑣信息，耗費掉昂貴的寬帶和計算費用。相反，他們可以將異常情況發(fā)送到中央服務器，并且主要處理本地的決策。

此外，云計算延遲在制造方面存在嚴重缺陷。諸如連接工廠之類的關鍵任務系統(tǒng)無法承受向異地云數據庫發(fā)送數據包的延遲。

從長遠來看，邊緣計算為自主工廠奠定了基礎。支撐邊緣的AI軟件，將成為允許工廠機器獨立做出決策的基礎設施。

總而言之，在網絡邊緣利用更多計算的設備，將會迎來新的、分散的工廠設備浪潮。

網絡安全成為一個優(yōu)先考慮事項

IIoT的一個悖論是，工廠承受著巨大的下行風險，但幾乎沒有投資保護：28％的制造商在最近的一項調查中表示，他們看到過去一年因網絡安全攻擊導致的收入損失，但只有30％的高管說他們會增加IT支出。

網絡攻擊對重工業(yè)可能是毀滅性的，因為重工業(yè)可能會損害網絡物理系統(tǒng)。WannaCry的勒索軟件攻擊，就曾導致雷諾-日產汽車在歐洲停工。2014年，在只遭受了一次復雜的網絡攻擊，停電導致高爐無法正常關閉后，德國的鋼鐵廠遭受了嚴重的損壞。

關鍵基礎設施是網絡安全領域需求不斷增長的一個細分市場，許多像Bayshore Networks這樣的初創(chuàng)公司都在提供物聯網網關（橋接連接傳感器的不同協議），以允許跨越多個垂直行業(yè)的制造商監(jiān)控其IIoT網絡。像Xage這樣的其他基于網關的安全公司，甚至采用區(qū)塊鏈的防篡改分類賬，從而保障工業(yè)傳感器可以安全地共享數據。

最近一項調查顯示，28％的制造商表示過去一年因網絡安全攻擊而導致收入減少。但只有30％的高管表示他們會增加IT支出。

同樣，添加連接的物聯網對象和工業(yè)控制系統(tǒng)（ICS）傳感器已在端點上形成了新的漏洞。

為了解決這個問題，Mocana和Rubicon Labs等公司正在開發(fā)IP和設備級別的安全通信產品。

此外，一些最活躍的企業(yè)網絡安全投資者也對OT計算非常感興趣。戴爾（制造工業(yè)物聯網網關），以及谷歌、通用電氣、三星和英特爾的合資企業(yè)都是這一領域最活躍的企業(yè)之一。

安全地管理ICS和IIoT系統(tǒng)，將繼續(xù)成為這一領域投資的關鍵領域，尤其是在黑客攻擊后證明OT的漏洞這一方面。

作為工業(yè)數字化的兩大代表，GE選擇暫時退出數字化業(yè)務，而德國西門子卻在加碼?！拔鏖T子和通用電氣，誰更代表工業(yè)的未來？”自工業(yè)數字化競爭開始，業(yè)內經常發(fā)出這樣的疑問。

去年8月1日，約翰·弗蘭納里（John Flannery）接過GE大權后，開始大刀闊斧進行業(yè)務調整，展開近200億美元的資產剝離行動，稱將削減數字化方面的投入，數字化戰(zhàn)略從此發(fā)生變化。

而西門子數字化和工業(yè)集團營收每年以兩位數的速度增長，僅次于醫(yī)療業(yè)務集團。2017財年，西門子的數字化工業(yè)業(yè)務在全球擁有7.8萬名員工，營收約140億歐元，利潤率約16%。在新變革的公司架構中，數字化工業(yè)業(yè)務被保留下來，成為三大運營公司之一。

來源：控制工程網