数字化获取了普遍的优势，它们还包括通过创立数字双胞胎增加停机时间的预测性确保、强化质量掌控、市场需求驱动的生产、库存优化、减少能源和材料成本以及提高安全性和环境性能。许多预测都企图分析价值主张。咨询公司麦肯锡回应，到2025年，物联网经济影响有可能在1.2美元到3.7万亿美元之间。美国商务部最近对美国制造商和智能制造商的一项调查表明，每年的成本减少了570亿美元。

当然，有一个问题，实质上有几个。制造业的投资周期较为宽，强劲的流程和设备会在一夜之间经常出现，至关重要的是，所需的技术，如人工智能，仍未几乎研发。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，互相通信的设备造成动态决策，从而优化价值建构。

它既再次发生在工厂内，也再次发生在整个价值链中，从原材料订购到订单交付给和客户服务。这种改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、大量数据的剧增以及计算机处置能力的大大提升，极大地提高了其预测能力的深度、广度和准确性。虽然人工智能显著正在变革，但它也有其局限性。底层算法的设计很棘手，这可能会造成漏洞和车祸偏差；训练步骤一般来说必须十分大量的数据和有可能难以获得的实际经验；神经网络一般来说必须很长时间来训练。

当落成人工智能（AI）的决策错误时，一般来说很难确认原因，这是安全性关键系统中的一个主要问题。为什么人工智能现在被应用于在工厂环境中？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（用作网络范围的监控和优化）和边缘计算出来（为动态决策获取机器学习）的经常出现 ，以及信息技术（IT）系统与运营技术（OT）系统的融合。但目前的社会发展趋势也很最重要，还包括全球供应链日益简单，以及在更有娴熟生产工人方面持续不存在的挑战。

换句话说，智能工厂的经常出现是技术推展和市场夹住的结果。如果所有的人工智能问题获得解决问题——并且最后将获得解决问题。但是，如果没最佳的信息管理，智能工厂依然会较慢发展。三个这样的管理问题还包括技术标准、网络安全/隐私和频谱分配。

技术标准智能工厂依赖信息流和系统号召能力，如果没标准——基本上是与技术系统涉及的规范或拒绝，就无法构建。生产过程中用于了数百甚至数千种标准，并且必须许多新标准来构建智能工厂。

美国国家标准与技术研究院（NIST）2016年2月的一份报告认为，智能生产生态系统可以被视作由四个变革级别构成的金字塔：设备级、监督控制和数据采集（SCADA）级、生产运营管理( MOM )级和企业级。信息必需在每个级别内部和之间流动，并且早已研发或正在研发数十个标准以加快这种协作。根据NIST的众说纷纭，“在生产金字塔内，通信标准早已创建，但系统之间的互操作性还有容许，这意味著制造商一般来说不会被瞄准在单一的供应商解决方案中。

在整个商业周期中，不存在几个完备的标准，然而，信息需要与生产系统点对点的程度还是十分受限。”除了制订标准来空缺这些空白之外，报告还认为了智能工厂面对的另外两个与标准涉及的障碍：( 1 )缺少对标准和标准使用情况的追踪；( 2 )标准之间的重合和校验。为避免这些障碍，各个的组织之间的协商与合作是适当的，其中一些正在展开中。还正在制订标准以增进区块链技术的应用于。

区块链是一个数字分类账，需要以可验证和安全性的方式记录交易。美国国土安全部（DHS）正在与工业界展开区块链试点，以理解该技术否可以制止冒充产品和知识产权偷窃。

将必须安全性和定义的互操作性标准来增进该技术的应用于。网络安全/隐私智能工厂必须在工厂内部和整个价值链中的设备和设备之间展开网络。这种相连减少了制造商遭到网络攻击、间谍活动和数据偷窃的风险。

这些不是假设性问题，例如，2014年，黑客通过网络钓鱼邮件取得采访权限后，毁坏了一家德国钢厂。英国最近的一项调查找到，50%的制造商否认受到黑客攻击，半数不受反击的制造商因此蒙受损失。据美国国土安全部称之为，制造商是针对关键基础设施网络攻击的首要目标。鉴于智能工厂对传统工厂明确提出的目标更加大，安全性问题显得更加最重要。

安全性目标还包括确保生产(无停机或延后)、避免造成财产或人身损害/丧生的系统故障、避免间谍活动以及维护客户和员工的隐私。构建这些目标既不简单也不更容易。

为了维护智能工厂，必须多种方法和系统，还包括网络物理系统的安全性体系结构、通过证明检验软件完整性（需要检测恶意软件或非预期代码的过程），以及安全性的设备管理。获取智能生产设备和服务的供应商似乎参予了这些安全性研发，政府也是如此。美国政府与工业界合作，为关键基础设施研发了基于风险和强迫的网络安全框架，普遍限于于还包括制造商在内的一系列企业。

NIST还公布了与智能工厂涉及的智慧城市框架。另一个日益严重的问题牵涉到个人信息的隐私。

欧盟的一般数据保护条例（GDPR）是一个法律框架，为搜集和用于个人信息制订了指导方针。这项新的法律对智能工厂也有影响，例如，测量生产线产量的技术可能会搜集个别工人的数据。制造商必须通过改版隐私声明并保证这些声明合乎GDPR拒绝，同时保证他们对用于这些技术搜集的个人信息是半透明的。

最后，智能工厂将推展保险业的变革，保险业将面对建构解决方案来管理风险变化的市场需求。频谱分配构建智能工厂允诺所需的设备数量是信息管理的一个最重要考虑到因素。这些设备预计将通过无线通信展开操作者。

无线设备目前有数十亿台，由于物联网和工业物联网（IIOT），这个数字预计将呈圆形指数级快速增长。所有这些对无线通信的市场需求都必须频谱，这是一种匮乏的公共资源。为了让智能工厂取得成功，政府必需分配不足以符合这种市场需求快速增长的频谱。

在美国，联邦通信委员会( FCC )为消费者和商业用途分配频谱。去年，美国政府问责局（GAO）回应问题展开了调查。根据GAO的报告，美国联邦通信委员会指出，当前能用的频谱不足以符合物联网在旋即将来的快速增长，除非用于大量频谱的设备剧增。GAO还认为，“随着无线设备数量的快速增长，管理阻碍显得更加具备挑战性，特别是在不必须无线许可的频段中。

”GAO建议FCC开始追踪物联网的快速增长，以保证有充足的频谱能用。如果必须额外的频谱来反对智能工厂，那么它是许可频谱？并未许可频谱还是分享频谱？FCC将要求如何在每种类型之间以及在哪个频带内分配能用频谱。这些政府决策将影响美国智能工厂的频谱供应和质量。其他国家也在希望解决问题如何为工业用途分配频谱的问题。

GAO的报告认为，每个国家都在采行有所不同方法，最少有一个国家，韩国，将频谱专用于工业用途。

本文来源：云开·kaiyun官方网站-www.jiaoxiaoxuan.com