過(guò)去，在制造設(shè)施中，運(yùn)營(yíng)技術(shù)(OT)和信息技術(shù)(IT)扮演著非常獨(dú)立的角色?，F(xiàn)在，由于這一戰(zhàn)略所具有的內(nèi)在效率和競(jìng)爭(zhēng)優(yōu)勢(shì)，這兩個(gè)實(shí)體走到了一起。

　　挑戰(zhàn)在于如何確保以?xún)?yōu)化、經(jīng)濟(jì)高效的方式進(jìn)行IT/OT融合，而不會(huì)對(duì)正在進(jìn)行的運(yùn)營(yíng)活動(dòng)造成重大干擾，這正是邊緣計(jì)算發(fā)揮關(guān)鍵作用的地方，特別是隨著人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的出現(xiàn)。

　　利用AI軟件算法，可以在無(wú)需人工干預(yù)的情況下處理OT信息，并做出基于經(jīng)驗(yàn)的決策。傳統(tǒng)上，AI軟件需要高水平的計(jì)算機(jī)能力，但邊緣推理平臺(tái)的出現(xiàn)，可以在更受約束的環(huán)境中使用AI訓(xùn)練算法的結(jié)果，使AI能夠擴(kuò)展到工廠(chǎng)車(chē)間。

　　一旦制造商可以加速其決策，就可以提高生產(chǎn)效率。將人工智能進(jìn)一步引入到自動(dòng)化過(guò)程中，也有助于解決勞動(dòng)力老齡化所帶來(lái)的挑戰(zhàn)，因?yàn)榱魇У膭趧?dòng)力并沒(méi)有及時(shí)得到新人才的補(bǔ)充。利用新的技術(shù)和算法，制造商可以用同樣數(shù)量的工作人員，做更多的事情。

　　數(shù)字化檢驗(yàn)的優(yōu)點(diǎn)

　　舉例來(lái)說(shuō)，考慮典型制造過(guò)程的檢查階段。在生產(chǎn)環(huán)境中，有具有30至40年制造經(jīng)驗(yàn)的人員，使用他們的經(jīng)驗(yàn)來(lái)發(fā)現(xiàn)缺陷、異常和其它質(zhì)量問(wèn)題。然而，隨著這些人員的退休，如果沒(méi)有新一代的檢查人員來(lái)代替他們，制造商如何保留和利用他們的知識(shí)經(jīng)驗(yàn)?

　　AI和ML提供了一種解決方案：利用與新檢驗(yàn)員培訓(xùn)類(lèi)似的培訓(xùn)過(guò)程，將知識(shí)數(shù)字化。AI模型經(jīng)過(guò)培訓(xùn)后，可以部署到邊緣推理設(shè)備上，然后這些設(shè)備可以執(zhí)行缺陷和質(zhì)量評(píng)估，將信息反饋給培訓(xùn)服務(wù)器，以進(jìn)一步調(diào)整和優(yōu)化人工智能模型。

　　邊緣推理平臺(tái)提供的"數(shù)字化檢驗(yàn)員"，可以永久保留經(jīng)驗(yàn)豐富的運(yùn)行人員的所有知識(shí)，并將其應(yīng)用于檢驗(yàn)過(guò)程，通常比手動(dòng)檢驗(yàn)?zāi)軌蛱峁└叩木_度。同時(shí)，人工檢驗(yàn)員的角色，則被提升為分析結(jié)果數(shù)據(jù)和確定流程改進(jìn)領(lǐng)域。

　　使用最新的AI和ML技術(shù)，再加上適當(dāng)?shù)呐嘤?xùn)服務(wù)器和推理邊緣硬件可以實(shí)現(xiàn)數(shù)字化檢驗(yàn)，而無(wú)需數(shù)據(jù)科學(xué)家或復(fù)雜的編程。相反，系統(tǒng)會(huì)在一個(gè)短暫的培訓(xùn)期內(nèi)，了解什么是可接受和不可接受的樣本。

　　由此產(chǎn)生的模型，可以同時(shí)部署到多個(gè)站點(diǎn)和生產(chǎn)線(xiàn)，進(jìn)一步利用來(lái)自多個(gè)區(qū)域的檢查團(tuán)隊(duì)的綜合經(jīng)驗(yàn)。持續(xù)運(yùn)行該系統(tǒng)，會(huì)不斷向培訓(xùn)服務(wù)器反饋信息，以不斷提高的準(zhǔn)確性完善邊緣推理，最終實(shí)現(xiàn)近乎完美的決策過(guò)程。

　　那么，傳統(tǒng)制造商如何利用這項(xiàng)技術(shù)并變得更"智能"，尤其是當(dāng)許多生產(chǎn)設(shè)施位于"棕地"現(xiàn)場(chǎng)?通常，這比制造商想象的要容易得多。當(dāng)然，有必要將網(wǎng)絡(luò)連接到檢查區(qū)域，并且需要攝像頭來(lái)收集目視檢查數(shù)據(jù)，但如果OT投資是最新的，這些要素通常已經(jīng)就位。

　　邊緣推理通常是一個(gè)相對(duì)簡(jiǎn)單的"即插即用"，提供圖像捕獲和AI推理算法，形成缺陷檢測(cè)系統(tǒng)。培訓(xùn)服務(wù)器通常位于IT服務(wù)器機(jī)房?jī)?nèi)，它根據(jù)邊緣反饋的數(shù)據(jù)不斷完善模型，但可以安裝在任何可以訪(fǎng)問(wèn)連接邊緣推理設(shè)備網(wǎng)絡(luò)的地方。

　　在很多情況下，該模型還使用從其它來(lái)源獲取的信息，但系統(tǒng)基于標(biāo)準(zhǔn)的開(kāi)放技術(shù)的性質(zhì)，使其能夠?qū)嵤?a href="http://m.u63ivq3.com/news/tags37.html" target="_blank" rel="nofollow">物聯(lián)網(wǎng)技術(shù)層，結(jié)合邊緣應(yīng)用、通信協(xié)議和數(shù)據(jù)采集功能，從而實(shí)現(xiàn)"棕地"設(shè)施的數(shù)字化，并將其帶入新的制造時(shí)代。

　　當(dāng)歐洲第一次開(kāi)始討論工業(yè)4.0革命時(shí)，隨之而來(lái)的問(wèn)題是如何創(chuàng)建非專(zhuān)有的、開(kāi)放的解決方案，以避免鎖定供應(yīng)商。最初的步驟是創(chuàng)造技術(shù)兼容性，并將其集成到一個(gè)開(kāi)放和透明的環(huán)境中，以便實(shí)施進(jìn)一步的創(chuàng)新。

　　大約6年前，當(dāng)各組織討論在生產(chǎn)環(huán)境中實(shí)施物聯(lián)網(wǎng)的想法時(shí)，主要討論的是制造商如何連接其機(jī)器和設(shè)備。與以前基于SCADA或MES應(yīng)用的解決方案相比，它們?nèi)绾翁岣叻治鏊?如何才能使更多的OT領(lǐng)域的應(yīng)用，能夠確保有吸引力的投資回報(bào)率?隨著時(shí)間的推移，這導(dǎo)致了工業(yè)物聯(lián)網(wǎng)越來(lái)越基于開(kāi)放式PC技術(shù)的局面。

　　開(kāi)放式架構(gòu)降低了復(fù)雜性

　　雖然這對(duì)于OT領(lǐng)域來(lái)說(shuō)是新事物，但對(duì)IT界來(lái)講，已經(jīng)熟練應(yīng)用幾十年了，已經(jīng)了解通用架構(gòu)、通信標(biāo)準(zhǔn)、管理工具和應(yīng)用程序框架所具有的價(jià)值。隨著開(kāi)放式通信技術(shù)的發(fā)展，諸如OPC UA等技術(shù)越來(lái)越廣泛地被采用，時(shí)間敏感網(wǎng)絡(luò)和5G等新技術(shù)，克服了對(duì)專(zhuān)用實(shí)時(shí)設(shè)備的需求，使基于開(kāi)放式PC技術(shù)的可能性也就越來(lái)越大。

　　反過(guò)來(lái)，這種開(kāi)放式架構(gòu)的采用意味著，在老舊的生產(chǎn)設(shè)施上創(chuàng)建技術(shù)層的概念比兩三年前要簡(jiǎn)單得多。這是因?yàn)橛性S多技術(shù)將專(zhuān)有OT設(shè)備和系統(tǒng)集成到物聯(lián)網(wǎng)領(lǐng)域。通信、協(xié)議和物理接口已變得更加標(biāo)準(zhǔn)化，與舊的專(zhuān)有OT設(shè)備相比，用于構(gòu)建系統(tǒng)的開(kāi)放技術(shù)平臺(tái)正變得越來(lái)越商品化，因此投資變得更容易。

　　傳統(tǒng)上，技術(shù)代表了商業(yè)應(yīng)用的價(jià)值，但現(xiàn)在企業(yè)不再討論技術(shù)兼容性，因?yàn)樗呀?jīng)兼容了。相反，他們討論如何使用物聯(lián)網(wǎng)技術(shù)優(yōu)化端到端工作流，而不僅僅是一個(gè)獨(dú)立的過(guò)程，以及如何利用員工的智力資本和經(jīng)驗(yàn)，通過(guò)技術(shù)來(lái)豐富他們的角色，從而進(jìn)一步增加組織的價(jià)值。他們?cè)絹?lái)越關(guān)心如何利用可以在整個(gè)企業(yè)邊緣捕獲和可視化的信息。

　　成功的關(guān)鍵在于利用最新工業(yè)物聯(lián)網(wǎng)技術(shù)的開(kāi)放性，減輕商業(yè)應(yīng)用和邊緣OT應(yīng)用集成商的負(fù)擔(dān)，降低部署新技術(shù)與整合現(xiàn)有應(yīng)用的復(fù)雜性。