製造商們正紛紛轉向工業物聯網（IIoT），以提高工廠效率並防止機器出現故障

，但網絡安全和延遲等問題仍然存在。

可以預想
，未來的製造過程幾乎是不需要人為幹預的。但對於大多數製造商來說，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，整個製造過程還有很長的路要走。

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

工業4.0在未來二十年的成熟，將首先需要基本的數字化。之後

，這種數字化可以轉化為預測性的維護和真正的預測智能。

在工業物聯網的影響下，製造過程會如何變化
？未來會是什麼樣子？製定過程中會麵臨什麼障礙？

數字化過程耗時也耗財

大型資本貨物已經發展成為“按小時計算”的商業模式
，可以保證正常運行時間。現在，在製造業中
，按小時（或基於性能的合同）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。

該模型幾乎確保了製造商尋求有助於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動機製造商開始向客戶們兜售其產品的“發射運作壽命”，而不是一次性的發動機銷售。推動時間推動發動機製造商專注於高利潤維護和數字平台。如今，GE鼓勵追蹤其發動機的每一個細節，因為它隻有在發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化使用（就像購買噴氣發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，還會落在製造商身上。

如果沒有對每一個細節進行數字化，效率就無法提升。然而
，要製造商承擔新的數字化負擔，還麵臨著嚴重障礙。

車che間jian內nei通tong常chang會hui有you還hai可ke以yi在zai未wei來lai數shu十shi年nian繼ji續xu用yong於yu製zhi造zao的de舊jiu機ji器qi。除chu了le顯xian著zhu的de成cheng本ben之zhi外wai，傳chuan感gan器qi跟gen蹤zong溫wen度du和he振zhen動dong，並bing非fei出chu於yu一yi般ban的de機ji器qi的de考kao慮lv。

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

從數字化到預測

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

對於製造商，OT堆棧通常包括：

- 連接的製造設備（通常帶有改裝的工業物聯網傳感器）

- 監控和數據采集（SCADA）係統和人機界麵（HMI），為操作分析員提供工業監控

- 可編程邏輯控製器（PLC），堅固耐用的計算機，可在工廠機器上獲取數據

- 用於減法製造的3D打印機（增材製造）和計算機數控（CNC）機器（如削減塊）

在某種程度上
，IT和OT是同一技術範圍的兩個方麵，隨著製造業得到更好的數字化改進，這些邊界將進一步模糊。

今天，大多數工業機器的“大腦”都在可編程邏輯控製器（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巨頭都提供高價PLC，但對於規模較小的製造企業而言，這些可能會不必要地昂貴。

這為像Oden Technologies這樣的初創公司創造了一個機會
，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更加精簡，並實時分析其效率。

隨(sui)著(zhe)數(shu)字(zi)化(hua)無(wu)處(chu)不(bu)在(zai)
，技(ji)術(shu)效(xiao)率(lv)改(gai)進(jin)的(de)下(xia)一(yi)波(bo)浪(lang)潮(chao)將(jiang)是(shi)預(yu)測(ce)分(fen)析(xi)。每(mei)個(ge)輸(shu)送(song)機(ji)和(he)機(ji)器(qi)人(ren)執(zhi)行(xing)器(qi)都(dou)會(hui)安(an)裝(zhuang)一(yi)個(ge)傳(chuan)感(gan)器(qi)，但(dan)並(bing)非(fei)它(ta)們(men)在(zai)所(suo)有(you)的(de)工(gong)廠(chang)功(gong)能(neng)都(dou)具(ju)有(you)相(xiang)同(tong)的(de)價(jia)值(zhi)。

目前
，完全有可能從更專業
、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的傳感器來監控機器，並預測故障。

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新，a16z的Peter Levine預計會結束AV，無人機和高級物聯網對象的雲計算。

未來工廠的連接機器應該沒有什麼不同。

像Saguna Networks這樣的公司專注於邊緣計算（接近收集點），而Foghorn Systems則ze進jin行xing霧wu化hua計ji算suan。這zhe兩liang種zhong方fang法fa都dou允yun許xu關guan鍵jian任ren務wu設she備bei能neng在zai安an全quan的de環huan境jing下xia運yun行xing
，而er不bu會hui將jiang所suo有you數shu據ju傳chuan輸shu到dao雲yun端duan
，這zhe一yi過guo程cheng可ke以yi節jie省sheng大da量liang帶dai寬kuan。

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於集中式雲。

這很重要
，因為從短期來看，這意味著農村工廠不需要發送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送到中央服務器

，並且主要處理本地的決策。

此外，雲計算延遲在製造方麵存在嚴重缺陷。諸如連接工廠之類的關鍵任務係統無法承受向異地雲數據庫發送數據包的延遲。

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％的製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，但隻有30％的高管說他們會增加IT支出。

網絡攻擊對重工業可能是毀滅性的，因為重工業可能會損害網絡物理係統。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，在隻遭受了一次複雜的網絡攻擊，停電導致高爐無法正常關閉後，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的製造商監控其IIoT網絡。像Xage這樣的其他基於網關的安全公司

，甚至采用區塊鏈的防篡改分類賬
，從而保障工業傳感器可以安全地共享數據。

最近一項調查顯示

，28％的製造商表示過去一年因網絡安全攻擊而導致收入減少。但隻有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控製係統（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IP和設備級別的安全通信產品。

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

安全地管理ICS和IIoT係統，將繼續成為這一領域投資的關鍵領域，尤其是在黑客攻擊後證明OT的漏洞這一方麵。

作為工業數字化的兩大代表，GE選擇暫時退出數字化業務，而德國西門子卻在加碼。“西門子和通用電氣，誰更代表工業的未來？”自工業數字化競爭開始
，業內經常發出這樣的疑問。

去年8月1日
，約翰·弗蘭納裏（John Flannery）接過GE大權後，開始大刀闊斧進行業務調整
，展開近200億美元的資產剝離行動，稱將削減數字化方麵的投入
，數字化戰略從此發生變化。

而西門子數字化和工業集團營收每年以兩位數的速度增長
，僅次於醫療業務集團。2017財年，西門子的數字化工業業務在全球擁有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，數字化工業業務被保留下來，成為三大運營公司之一。