隨著邊緣數(shù)據(jù)，連接性和處理能力的不斷增長，工業(yè)物聯(lián)網(wǎng)（IIoT）變得越來越容易訪問。但是，成功采用許多產(chǎn)品仍然遙不可及：每三個試行數(shù)字制造解決方案的公司中的兩個都無法大規(guī)模推廣。為什么盡管熱衷于向數(shù)字制造業(yè)的未來轉(zhuǎn)型，卻很少有公司能夠?qū)崿F(xiàn)其巨大潛力？

我們已經(jīng)知道，邊緣化的AI和IoT是加快工廠轉(zhuǎn)型的關(guān)鍵，但是，如何催化這些技術(shù)的更快速采用并避免飛行員煉獄的陷阱又需要什么呢？

在過去的兩年中，我們開展了一項針對整個行業(yè)和生態(tài)系統(tǒng)公司的400多名參與者的研究，他們邀請制造領導者和工人以及開發(fā)支持他們的解決方案和服務的技術(shù)人員來回答這個問題，并揭示工業(yè)4.0的基本要素。2018年，我們發(fā)布了研究的第一階段，確定了制造業(yè)領導者和工廠工人在通往智能工廠未來的道路上共同發(fā)展時正在解決的關(guān)鍵問題。

我們剛剛發(fā)布了該工作的下一個階段，即Accelerate Industrial，研究了工人將如何在制造角色中采用AI并對AI做出反應，以及什么樣的策略和策略將“加速加速器”。迄今為止，這項分階段的研究代表了制造業(yè)中正在發(fā)生的數(shù)字化轉(zhuǎn)型的最全面觀點。

所有第二階段的參與者都必須在智能工廠或開發(fā)智能技術(shù)，解決方案或服務的公司中扮演第一手的角色，涵蓋這四個領域中技術(shù)的開發(fā)，部署和維護的全部觀點墻壁。

我們的研究發(fā)現(xiàn)，盡管對數(shù)字化轉(zhuǎn)型的需求很大，但有83%的公司表示他們計劃在未來兩到三年內(nèi)投資于智能工廠技術(shù)，而最有可能推動這種變化的人通常不確定關(guān)于如何前進或猶豫要冒險。那么，是什么導致這種啟動失敗或無法擴展？領導者應如何改變組織內(nèi)部的文化觀念，以獲取工業(yè)物聯(lián)網(wǎng)的收益？

受訪者列舉了以下五項挑戰(zhàn)，它們有可能在未來破壞對智能解決方案的投資，以及避免試點煉獄的危險的提示：

挑戰(zhàn)1：技術(shù)技能差距

36%的受訪者認為存在“技術(shù)技能差距”，使他們無法從投資中受益。

為了成功實施新技術(shù)并維持運營，公司必須擁有一支擁有“數(shù)字靈巧性”的員工隊伍-人們必須了解制造過程以及支持這些過程的數(shù)字工具。

解：

創(chuàng)建支持現(xiàn)有員工終身學習的計劃，將新概念與動手機會結(jié)合起來，以在制造運營中使用它們;建立鏈接的模塊，以便隨著員工精通技能，他們會隨著時間的推移發(fā)展和磨練自己的技能。

提供有關(guān)數(shù)字工具和技能的指導（被認為在今天很重要，但對未來至關(guān)重要）。通過包括網(wǎng)絡安全性，基礎架構(gòu)，人工智能，數(shù)據(jù)，存儲和計算需求，使內(nèi)容全面。目前個別概念和它們的相互依存關(guān)系。

在解決方案實施之前強調(diào)問題評估和問題解決，建立新的智能技術(shù)項目時，請平衡聘請外部專家和內(nèi)部人員來發(fā)展公司的數(shù)字靈活性。

挑戰(zhàn)2：數(shù)據(jù)敏感性

27%的人認為“數(shù)據(jù)敏感度” 來自對數(shù)據(jù)和IP隱私，所有權(quán)和管理的日益關(guān)注。

例如，要成功實現(xiàn)AI算法，需要有訓練和測試數(shù)據(jù)。這意味著必須共享數(shù)據(jù)，但是許多公司都不愿意與第三方解決方案開發(fā)人員共享數(shù)據(jù)。還強烈相信，我們當前在組織內(nèi)部使用的數(shù)據(jù)治理策略不足以支持跨組織的數(shù)據(jù)共享。

解：

為組織內(nèi)數(shù)據(jù)傳輸和組織間數(shù)據(jù)傳輸制定正式的數(shù)據(jù)共享策略。

建立數(shù)據(jù)治理策略，以反映與潛在風險暴露共享數(shù)據(jù)的價值。明白一刀切的政策是不夠的。在以后的供應商/供應商合同中嵌入定制的策略。

在建立智能項目之前要考慮數(shù)據(jù)共享需求，并及時構(gòu)建以將這些需求協(xié)商到項目運營中。

挑戰(zhàn)3：互操作性

23%的人表示 協(xié)議，組件，產(chǎn)品和系統(tǒng)之間缺乏互操作性。

這是一場持續(xù)不斷的斗爭，這并不新鮮。但是，如今，由于互操作性限制了他們的創(chuàng)新能力，公司變得越來越沮喪。這也限制了他們升級系統(tǒng)組件的能力，因為它們無法輕松地“交換”一個供應商以換取另一供應商或?qū)⑾到y(tǒng)的一部分換為另一供應商。

解：

積極追求并支持標準制定以提高互操作性;盡可能參加諸如開放過程自動化論壇之類的聯(lián)合體。

要求他們的供應商緊密合作以開發(fā)和實施強調(diào)模塊化的解決方案，并提供使用多個供應商解決方案隨時間推移進行升級的途徑。

建立智能技術(shù)項目時，請考慮使用開源選項。

挑戰(zhàn)4：安全性

22%的安全威脅來自工廠當前和正在出現(xiàn)的漏洞。

智能工廠中物理系統(tǒng)和數(shù)字系統(tǒng)的結(jié)合使實時互操作成為可能，但存在擴大攻擊面的風險。通過將大量機器和設備連接到智能工廠中的單個或多個網(wǎng)絡，任何這些設備中的漏洞都可能打開系統(tǒng)進行攻擊。公司將需要預見到企業(yè)系統(tǒng)漏洞和機器級操作漏洞。公司應對這些安全威脅的準備不足，許多公司依靠其技術(shù)和解決方案提供商來做到這一點。

解：

將OT和IT專業(yè)人員組合到智能項目團隊中，以評估可能存在的漏洞。識別人員，流程，機器和網(wǎng)絡威脅。

了解供應商對設備和/或操作的升級，并預測漏洞的可能變化。

開發(fā)“拐角案例”分析，其中沒有一個替代方案或功能可能是關(guān)鍵漏洞，但替代方案和/或功能之間的相互依賴性導致或增加了漏洞。針對這些非顯而易見的情況進行計劃。

挑戰(zhàn)5：處理數(shù)據(jù)增長

18%的人表示處理數(shù)據(jù)的數(shù)量和速度以及感知能力都有所增長。

隨著AI用途的擴展，公司將面臨更多的數(shù)據(jù)，這些數(shù)據(jù)將以更快的速度以多種格式生成。AI算法需要更容易理解（即算法如何得出建議？），并且這些算法必須能夠組合通常具有不同類型和時間范圍的數(shù)據(jù)。

解：

了解在資產(chǎn)級別產(chǎn)生業(yè)務價值見解和余額計算的數(shù)據(jù);帶寬; 以及對實時（低延遲）控制反饋的需求。

預期反映機器或操作狀態(tài)變化的采樣率。收集一切可能沒有意義。

在實施之前開發(fā)健壯的系統(tǒng)體系結(jié)構(gòu)，以平衡計算需求和這些需求的位置（例如，邊緣對云），當前和未來的存儲需求以及通信基礎架構(gòu)。

責任編輯：ct