網(wǎng)絡(luò)連接的最新進(jìn)展正在推動(dòng)數(shù)字化：計(jì)算、物聯(lián)網(wǎng)和傳感器技術(shù)、自動(dòng)化和機(jī)器人技術(shù)，以及人工智能和機(jī)器學(xué)習(xí)(AI/ML)。
對(duì)于制造商而言，工業(yè)4.0創(chuàng)造了無(wú)限的可能性，從提高對(duì)供應(yīng)鏈運(yùn)營(yíng)的洞察力和可見(jiàn)性、減少危險(xiǎn)狀況和提高工人安全，到執(zhí)行預(yù)測(cè)性維護(hù)以減少設(shè)備停機(jī)時(shí)間。
為了實(shí)現(xiàn)這一愿景，制造商必須了解所有各種傳感器、執(zhí)行器和設(shè)備，并決定在哪里執(zhí)行分析，為操作人員使用的應(yīng)用、儀表板和警報(bào)解決方案提供信息。如今工業(yè)4.0的主要障礙與用例無(wú)關(guān)，而是集中在如何以最有效和最經(jīng)濟(jì)的方式確保所有物理和數(shù)字功能之間的互操作性。
【資料圖】
當(dāng)前對(duì)實(shí)現(xiàn)互操作性的考慮
制造商掌握著從各種傳感器、系統(tǒng)和資產(chǎn)生成的大量數(shù)據(jù)。但在原始形式下，如果不能快速分析這些數(shù)據(jù)就無(wú)法提供價(jià)值。分析這種規(guī)模的數(shù)據(jù)需要與數(shù)據(jù)源緊密相連的人工智能和機(jī)器學(xué)習(xí)的力量。
Gartner的2019年十大戰(zhàn)略技術(shù)趨勢(shì)預(yù)測(cè)，到2028年，邊緣設(shè)備中傳感器、存儲(chǔ)、計(jì)算和高級(jí)人工智能功能的嵌入將穩(wěn)步增加。
這種增長(zhǎng)有可能創(chuàng)造一個(gè)擁有數(shù)千種“智能”邊緣設(shè)備類型的行業(yè)——有些大，有些小，有些比其他設(shè)備的功率要求更高。當(dāng)與數(shù)百甚至數(shù)千個(gè)需要在這些設(shè)備上運(yùn)行的AI/ML模型結(jié)合在一起時(shí)，會(huì)發(fā)現(xiàn)這很快就會(huì)變成一場(chǎng)管理噩夢(mèng)。
許多組織默認(rèn)購(gòu)買專有的垂直“解決方案”來(lái)解決特定邊緣應(yīng)用的離散問(wèn)題，例如視覺(jué)質(zhì)量檢查或預(yù)測(cè)性維護(hù)監(jiān)控。盡管這種方法可能解決短期需求，但會(huì)增加日益嚴(yán)峻的挑戰(zhàn)。專有系統(tǒng)或單點(diǎn)解決方案并不總是能很好地集成到現(xiàn)有工作流程或技術(shù)堆棧中，最終可能會(huì)導(dǎo)致用戶社區(qū)的采用障礙和摩擦。
最重要的是，當(dāng)今許多面向分析的解決方案還需要將來(lái)自傳感器或其他來(lái)源的數(shù)據(jù)發(fā)送到中央數(shù)據(jù)中心或云計(jì)算環(huán)境，以進(jìn)行分析和機(jī)器學(xué)習(xí)。由于數(shù)據(jù)傳輸量和決策延遲增加，這種設(shè)計(jì)模式變得極其昂貴，并且還可能引入新的安全漏洞。
總而言之，現(xiàn)今，許多制造商依賴于低效且不可擴(kuò)展的解決方案和方法來(lái)集成跨工廠的AI/ML功能，這只會(huì)導(dǎo)致機(jī)器、工具和系統(tǒng)混亂，互操作性差，有時(shí)甚至是相互競(jìng)爭(zhēng)的技術(shù)。
構(gòu)建可互操作的AI/ML支持的系統(tǒng)
那么，構(gòu)建互操作性和實(shí)現(xiàn)工業(yè)4.0的關(guān)鍵是什么？第一步是通過(guò)使用可能已經(jīng)存在的資產(chǎn)來(lái)簡(jiǎn)化流程，并確定最有效，橫向和可擴(kuò)展的方法來(lái)實(shí)現(xiàn)希望實(shí)現(xiàn)的結(jié)果。
目前，有數(shù)十億已安裝的資產(chǎn)具有某種形式的嵌入式計(jì)算，收集豐富的洞察數(shù)據(jù)。理想情況下，數(shù)據(jù)應(yīng)該在設(shè)備上或設(shè)備附近進(jìn)行實(shí)時(shí)分析，最大限度地減少數(shù)據(jù)傳輸，以避免網(wǎng)絡(luò)和安全問(wèn)題及成本，并與現(xiàn)有的操作系統(tǒng)集成，以最大限度地減少中斷并增加價(jià)值。
下一個(gè)問(wèn)題是，如何有效地將AI/ML集成到所有這些資產(chǎn)中，以實(shí)現(xiàn)互操作性？Gartner預(yù)測(cè)，上述許多已安裝的設(shè)備將使用人工智能代碼進(jìn)行改造；此外，數(shù)以百萬(wàn)計(jì)的資產(chǎn)將采用嵌入式技術(shù)制造，為支持人工智能的軟件創(chuàng)造計(jì)算環(huán)境。
根據(jù)Gartner的預(yù)測(cè)，更有效的方法是讓AI/ML模型盡可能接近需要加速分析和處理的用戶或設(shè)備，然后將這些AI/ML生成的預(yù)測(cè)集成到自定義或COTS應(yīng)用和儀表板系統(tǒng)中。使用管理和監(jiān)控部署到邊緣設(shè)備的AI/ML模型的商業(yè)解決方案可以為潛在的混亂帶來(lái)秩序。
與選擇垂直專有系統(tǒng)的方法相比，通過(guò)中央平臺(tái)將AI/ML功能部署到所有設(shè)備、傳感器和邊緣資產(chǎn)不僅會(huì)加速構(gòu)建AI/ML驅(qū)動(dòng)的解決方案的開發(fā)過(guò)程。還將彌合當(dāng)前架構(gòu)差距，以建立系統(tǒng)之間的互操作性。這種互操作性形成了物理和數(shù)字洞察之間的連接點(diǎn)，從而實(shí)現(xiàn)了工業(yè)4.0。
總結(jié)
為了縮小當(dāng)今使用的技術(shù)與工業(yè)4.0技術(shù)之間的差距，制造商必須考慮新的互操作性方法，以實(shí)現(xiàn)大規(guī)模的AI/ML洞察力。與其將每種資產(chǎn)類型視為需要解決的新謎題，不如將每種資產(chǎn)類型視為可以一次性解決的謎題的一部分。
通過(guò)采用集成優(yōu)先的方法，集中所有與AI/ML相關(guān)的資產(chǎn)，制造商可以從現(xiàn)有資產(chǎn)中提取AI/ML生成的洞察力，同時(shí)保持未來(lái)發(fā)展的靈活性。更重要的是，這種跨制造設(shè)施提供AI/ML驅(qū)動(dòng)的洞察力的方法，創(chuàng)造了實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)解決方案所需的互操作性，從而推動(dòng)工業(yè)4.0的成果。
標(biāo)簽：
