工業(yè)4.0和工業(yè)物聯(lián)網(wǎng)（IIoT）已成為人們?nèi)粘Ｕ務(wù)摰脑掝}，但在將物聯(lián)網(wǎng)（IoT）原理應(yīng)用到工廠流程時(shí)，許多人都不知道在這個(gè)轉(zhuǎn)換過程中會丟失什么。

IIoT搭建的理念是，用于加速IT進(jìn)步的技術(shù)同樣可以應(yīng)用于運(yùn)營技術(shù)（OT）。這個(gè)想法仍然合理，但工廠車間中有一些細(xì)微差別被忽略了，這兩種環(huán)境仍然有所不同。

一方面，摩爾定律多年來一次又一次地滿足了IT界對速度更快、功能更強(qiáng)大的處理器的無止境的追求。然后是人工智能（AI）。隨著深度學(xué)習(xí)開始應(yīng)用到各個(gè)專業(yè)領(lǐng)域，比如機(jī)器翻譯、藥物設(shè)計(jì)和國際象棋，制造行業(yè)開始意識到機(jī)器也可以獲得與人類專家相當(dāng)?shù)慕Y(jié)果——在某些情況下甚至優(yōu)于人類專家。

另一方面，現(xiàn)在OT界中部署的控制系統(tǒng)仍處于工業(yè)時(shí)代。很多工廠和公用基礎(chǔ)設(shè)施尚未聯(lián)網(wǎng)。它們基于專有控制系統(tǒng)所搭建，只能在封閉環(huán)境中運(yùn)行，而跟IT基礎(chǔ)設(shè)施沒有關(guān)聯(lián)。 

工廠管理人員發(fā)現(xiàn)，將IT基礎(chǔ)設(shè)施的進(jìn)步轉(zhuǎn)移到工業(yè)控制系統(tǒng)并非易事。首先必須將IT機(jī)制轉(zhuǎn)換進(jìn)OT，而對于做這樣的工作，那些對工廠車間早已熟悉的公司則最適合不過，例如英飛凌科技、瑞薩電子、意法半導(dǎo)體和德州儀器等。 

若對比IT和OT系統(tǒng)，OT在能耗和延遲等方面的要求跟IT截然不同，TI副總裁兼聯(lián)網(wǎng)微控制器事業(yè)部總經(jīng)理Ray Upton表示?！耙簿褪钦f，工廠車間內(nèi)的各種泵和電機(jī)內(nèi)部用到成百上千個(gè)傳感器，對此絕不允許停機(jī)?！彼嬖V我們，“可預(yù)測性、安全性、可靠性和能效對工業(yè)控制系統(tǒng)至關(guān)重要?！?/p>

智能工廠所需要的基礎(chǔ)設(shè)施，其魯棒性和可靠性比一般的IT基礎(chǔ)設(shè)施要高出一個(gè)數(shù)量級。

公共互聯(lián)網(wǎng)連接？

最棘手的一個(gè)IIoT挑戰(zhàn)是連接，無論是有線還是無線。按照定義，工業(yè)物聯(lián)網(wǎng)需要與互聯(lián)網(wǎng)連接，但工廠管理層最不希望看到的是制造系統(tǒng)受到網(wǎng)絡(luò)攻擊。實(shí)際上，多年來人們都認(rèn)為工業(yè)控制系統(tǒng)（ICS）環(huán)境應(yīng)該與IT網(wǎng)絡(luò)隔離，以防范黑客攻擊。 

但是，大多數(shù)專家現(xiàn)在卻承認(rèn)，除了像核電站那樣的特殊環(huán)境以外，“隔離不切實(shí)際”，CyberX公司工業(yè)網(wǎng)絡(luò)安全副總裁Phil Neray告訴我們。

“IT和OT網(wǎng)絡(luò)越來越多地彼此相連，以方便工業(yè)設(shè)備的遠(yuǎn)程監(jiān)控和維護(hù)，但這卻增加了遭受攻擊的可能性?！盢eray說道。根據(jù)CyberX《Global ICS & IIoT Risk Report（全球ICS和IIoT風(fēng)險(xiǎn)報(bào)告）》，有三分之一的OT網(wǎng)絡(luò)是與公共網(wǎng)絡(luò)相連。 

“更糟糕的是，”他補(bǔ)充道，“大多數(shù)OT協(xié)議都是多年前所設(shè)計(jì)，并且設(shè)計(jì)時(shí)就不夠安全”。例如，對于將新的梯形圖邏輯或固件上傳到控制器而言，這類協(xié)議并不需要認(rèn)證。簡而言之，破解了OT網(wǎng)絡(luò)的攻擊者，通常可以自由地破壞其許多ICS設(shè)備。 

顯然，除了OT管理人員愿意承認(rèn)的問題以外，還有很多的工廠安全問題需要解決。 

工廠管理層關(guān)注的另一個(gè)重要問題是，如何更好地將AI引入OT。動機(jī)很明確。德國和日本的人口數(shù)量正在迅速下降，尤其是15至64歲之間的從業(yè)年齡段。制造業(yè)從業(yè)人數(shù)將在未來40年內(nèi)急劇減少。即使是中國，2020年后的從業(yè)人口也將大幅減少。

我們來設(shè)想一下，在你的工廠里有一個(gè)很熟練的運(yùn)營經(jīng)理。我們暫且叫他拉里。他有很豐富的經(jīng)驗(yàn)，能夠發(fā)現(xiàn)生產(chǎn)線上的某些異?，F(xiàn)象。然而，要是AI能夠做拉里的工作，那么我們何必要讓拉里去車間檢查制造過程中的每個(gè)環(huán)節(jié)，或要去雇用更多像拉里這樣熟練的經(jīng)理呢？似乎AI可以發(fā)現(xiàn)并傳達(dá)任何可能引起生產(chǎn)故障的異常情況。AI有望實(shí)現(xiàn)生產(chǎn)線的持續(xù)監(jiān)控，確保小缺陷不會進(jìn)入到生產(chǎn)的下一個(gè)階段。 

理論上是這樣，因此工廠管理層現(xiàn)在就渴望嘗試AI。然而，將它運(yùn)用到工廠車間，要比預(yù)料的困難得多。 

日本領(lǐng)先的MCU供應(yīng)商瑞薩對其客戶進(jìn)行了調(diào)查，發(fā)現(xiàn)盡管規(guī)模不大，但超過30%的工廠已經(jīng)引入了AI。在那些已經(jīng)開始引入AI的客戶中，80%表示他們還無法完成概念驗(yàn)證。他們對AI的實(shí)現(xiàn)成本感到驚訝，并表示他們不知道何時(shí)可以看到投資回報(bào)。瑞薩發(fā)現(xiàn)只有6%的調(diào)查對象正在推進(jìn)AI智能制造。 

一些公司將這個(gè)問題歸咎于他們?nèi)狈I經(jīng)驗(yàn)。其他公司則表示他們內(nèi)部缺乏能夠充分利用這項(xiàng)技術(shù)的數(shù)據(jù)科學(xué)家。 

統(tǒng)計(jì)與實(shí)時(shí)連續(xù)AI

瑞薩工業(yè)解決方案事業(yè)部戰(zhàn)略和規(guī)劃部門高級總監(jiān)Mitsuo Baba將首個(gè)困難歸咎于IT和OT AI實(shí)現(xiàn)之間的差異。面向工廠運(yùn)營用的“實(shí)時(shí)連續(xù)AI”與大數(shù)據(jù)公司推動IT自動化用的“統(tǒng)計(jì)AI”有著鮮明對比。 

AI不是萬能藥。Baba告訴我們，當(dāng)生產(chǎn)線上的特定問題已經(jīng)被確定時(shí)，它可以最好地應(yīng)用于OT。AI要求OT經(jīng)理將生產(chǎn)過程分解為多個(gè)小塊。然后在每個(gè)端點(diǎn)進(jìn)行AI推理，使用實(shí)時(shí)輸入數(shù)據(jù)來確定“運(yùn)行與否”。 

每家想要向智能工廠推銷IIoT和AI解決方案的芯片供應(yīng)商，都是先在自己的Fab廠進(jìn)行概念驗(yàn)證測試。Upton告訴我們，TI正在其德國工廠開展IIoT試點(diǎn)計(jì)劃。據(jù)TDK公司CTO Dai Matsuoka所述，TDK已在其日本和歐洲的生產(chǎn)線上安裝了基于多模傳感器的預(yù)測分析系統(tǒng)。 

瑞薩已經(jīng)在其Naka Fab廠開展了為期兩年的AI試點(diǎn)項(xiàng)目。據(jù)Baba稱，瑞薩工程師將AI單元連接到半導(dǎo)體制造設(shè)備上，該設(shè)備可以以20倍的速度收集數(shù)據(jù)并進(jìn)行AI分析，無需連接到廣域網(wǎng)，也不需要將數(shù)據(jù)傳送到云端。據(jù)瑞薩稱，在其傳統(tǒng)的故障檢測和分類系統(tǒng)中增加e-AI方案，可以使異常檢測精度提高六倍。 

據(jù)報(bào)道，在聽說瑞薩Naka Fab廠的這個(gè)案例后，GE醫(yī)療（日本）日野工廠便采用了瑞薩的AI單元方案來測試其效果。GE醫(yī)療在現(xiàn)有設(shè)施中以附加AI單元的形式安裝了面向故障檢測和預(yù)測性維護(hù)開發(fā)的系統(tǒng)。據(jù)GE稱，測試結(jié)果顯示整體產(chǎn)品缺陷減少了65%。 

工廠采用AI仍處于早期階段。但制造商將會聽到更多的例子，介紹嵌入式技術(shù)供應(yīng)商如何學(xué)到讓AI在自己的生產(chǎn)設(shè)施中發(fā)揮作用。

這些故事聽起來很吸引人，但要落地還需要花費(fèi)不少功夫