雖然工業(yè)物聯(lián)網(wǎng)（IIoT）可能為制造企業(yè)提供理論上的機(jī)會(huì)來(lái)接收他們所需的所有相關(guān)信息，但它本身并不能以自主、可擴(kuò)展的方式使其切實(shí)可行。得益于更強(qiáng)大的機(jī)器學(xué)習(xí)算法和IIoT，企業(yè)級(jí)數(shù)字神經(jīng)系統(tǒng)正在興起。

用人類神經(jīng)系統(tǒng)的類比指出，IIoT缺少對(duì)感官信息的預(yù)處理，有時(shí)還缺少人體的自主反應(yīng)。例如，大腦不會(huì)收到手部皮膚狀況良好的信息，但是當(dāng)您手上的'傳感器'由于觸摸熱爐子而發(fā)出非常高的溫度信號(hào)時(shí)，大腦會(huì)立即得到通知。而在大腦還沒(méi)有開始采取進(jìn)一步的行動(dòng)之前，比如找水來(lái)冷卻你的手，中樞神經(jīng)系統(tǒng)就會(huì)觸發(fā)反射性地撤回手。"

人工智能物聯(lián)網(wǎng)（AIoT）是指在IoT應(yīng)用程序中采用AI功能。簡(jiǎn)單來(lái)說(shuō)，IoT是被動(dòng)的，而AIoT是主動(dòng)的。AIoT與AI和IoT的結(jié)合有關(guān)，其目標(biāo)是在復(fù)雜的操作中實(shí)現(xiàn)更高的效率，它旨在改善人機(jī)交互，并增強(qiáng)以數(shù)據(jù)為依據(jù)的決策。AIoT還將"大腦"添加到云和邊緣。

　　AIoT對(duì)制造商的好處

得益于邊緣計(jì)算技術(shù)的進(jìn)步，AI已經(jīng)向物聯(lián)網(wǎng)邊緣發(fā)展。通過(guò)將現(xiàn)場(chǎng)設(shè)備連接到功能強(qiáng)大的邊緣計(jì)算機(jī)，無(wú)需將所有數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心，因?yàn)榭梢栽诂F(xiàn)場(chǎng)進(jìn)行處理和分析。Eurotech公司的首席產(chǎn)品和營(yíng)銷官Giuseppe Surace說(shuō)，"盡管我們還遠(yuǎn)遠(yuǎn)沒(méi)有看到完全自主的應(yīng)用程序（如5級(jí)自動(dòng)駕駛），但在未來(lái)5-10年，邊緣處理的數(shù)據(jù)量將出現(xiàn)持續(xù)的飛躍。"

Gartner預(yù)測(cè)到2025年，企業(yè)生成的數(shù)據(jù)中約有75%將是在傳統(tǒng)的集中式數(shù)據(jù)中心或云之外創(chuàng)建和處理的。而這一比例在2018年時(shí)是僅有10%。因此，很明顯，本地處理和邊緣計(jì)算的需求正在增加，特別是在云計(jì)算帶寬有限或成本高昂，或者存在隱私或延遲問(wèn)題的應(yīng)用中。

AI技術(shù)可以幫助制造商充分挖掘其資產(chǎn)和設(shè)備產(chǎn)生的大數(shù)據(jù)的潛力。將所有這些數(shù)據(jù)實(shí)時(shí)發(fā)送到云或數(shù)據(jù)中心，即使不考慮帶寬和延遲問(wèn)題，僅僅是部署和維護(hù)這些基礎(chǔ)設(shè)施的成本就很高昂。通過(guò)AI、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)更接近數(shù)據(jù)源，可以幫助企業(yè)為現(xiàn)場(chǎng)收集的數(shù)據(jù)提供意義，以將其轉(zhuǎn)變?yōu)榭刹僮鞯臉I(yè)務(wù)決策。

隨著AIoT技術(shù)逐步被工業(yè)領(lǐng)域所采用，企業(yè)將變得更加高效，改善包括準(zhǔn)確性和安全性在內(nèi)的整體運(yùn)營(yíng)，并減少浪費(fèi)和碳排放。AVEVA人工智能和高級(jí)分析全球負(fù)責(zé)人James H. Chappell表示，AI使用各種歷史數(shù)據(jù)來(lái)分析趨勢(shì)，這可以幫助企業(yè)不斷優(yōu)化和改進(jìn)流程。

為了從AIoT中獲得最大價(jià)值，企業(yè)需要具備三大要素：鼓勵(lì)和促進(jìn)AI注入業(yè)務(wù)流程的企業(yè)文化；對(duì)AI強(qiáng)大功能的理解和信任；IT基礎(chǔ)架構(gòu)可提供AI所需的基本數(shù)據(jù)要求和處理能力，包括利用云平臺(tái)。

"AIoT對(duì)工業(yè)生態(tài)系統(tǒng)的很多關(guān)鍵領(lǐng)域產(chǎn)生了重大影響，" ADI OtoSense市場(chǎng)經(jīng)理Pete Sopcik說(shuō)，例如更快的決策制定，基礎(chǔ)設(shè)施成本的降低，以及安全架構(gòu)的改進(jìn)等。這些優(yōu)勢(shì)中的每一個(gè)都是由AIoT在邊緣提供見解的能力所驅(qū)動(dòng)的。

　　與控制工程功能相結(jié)合

盡管大多數(shù)AI培訓(xùn)仍然會(huì)在云中進(jìn)行，但仍需要部署經(jīng)過(guò)培訓(xùn)的模型來(lái)優(yōu)化現(xiàn)場(chǎng)應(yīng)用程序，例如預(yù)測(cè)性維護(hù)和機(jī)器人技術(shù)。挑戰(zhàn)在于為AI模型提供正確的數(shù)據(jù)。由于AI培訓(xùn)和推理發(fā)生在軟件層面，控制工程師的角色對(duì)于為軟件提供高質(zhì)量數(shù)據(jù)以改善機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型至關(guān)重要。

為了從AIoT中獲得最大的價(jià)值，了解它如今能做什么和不能做什么很重要。通過(guò)將具體應(yīng)用與AI能力進(jìn)行匹配，制造企業(yè)可以務(wù)實(shí)地利用AI的力量，以實(shí)現(xiàn)最大的收益。

例如，遇到計(jì)劃外的運(yùn)營(yíng)停機(jī)問(wèn)題的公司可以利用AI根據(jù)其可能已經(jīng)到位的傳感器提供的數(shù)據(jù)提供問(wèn)題的早期檢測(cè)。此外，他們可以利用諸如深度學(xué)習(xí)之類的技術(shù)來(lái)提供資產(chǎn)剩余使用壽命的預(yù)測(cè)，以便更好地評(píng)估情況風(fēng)險(xiǎn)。

AIoT將在控制工程如何影響工業(yè)環(huán)境和適應(yīng)新技術(shù)以推動(dòng)擴(kuò)展能力方面發(fā)揮重要作用。AIoT將推動(dòng)資產(chǎn)與流程優(yōu)化之間更緊密的集成。更快的決策時(shí)間帶來(lái)更高效的控制。對(duì)每種產(chǎn)品的分析（不僅是樣本量）都將提供更好的見解，并提高生產(chǎn)制造和質(zhì)量控制過(guò)程的準(zhǔn)確性。

控制工程師將需要繼續(xù)將這些連接設(shè)備和改進(jìn)的信息集成到工業(yè)生態(tài)系統(tǒng)中，同時(shí)也要發(fā)揮關(guān)鍵作用，確保這些分析技術(shù)得到適當(dāng)?shù)膽?yīng)用，以實(shí)現(xiàn)更好的控制，以及安全和可靠的生產(chǎn)工藝條件?？刂乒こ處煴仨毧紤]最佳實(shí)踐，以及如何整合這些解決方案以實(shí)現(xiàn)最佳效率，以確保這種集成是有效且可擴(kuò)展的。

　　AIoT在工業(yè)領(lǐng)域的應(yīng)用

預(yù)測(cè)性維護(hù)操作將從AIoT中受益匪淺。隨著時(shí)間的推移收集越來(lái)越多的數(shù)據(jù)，維護(hù)流程將變得越來(lái)越有效率，從而不斷降低成本，減少浪費(fèi)并減少停機(jī)時(shí)間。用于提供訓(xùn)練模型的數(shù)據(jù)越多，該模型將變得越高效。

預(yù)測(cè)分析使用監(jiān)督式機(jī)器學(xué)習(xí)來(lái)了解資產(chǎn)的單個(gè)運(yùn)行歷史，并為每個(gè)特定設(shè)備開發(fā)一系列正常運(yùn)行配置文件。將其應(yīng)用于云時(shí)，它將提供實(shí)時(shí)操作數(shù)據(jù)以檢測(cè)系統(tǒng)行為的細(xì)微變化，這些細(xì)微變化通常是發(fā)現(xiàn)設(shè)備故障的早期預(yù)警信號(hào)。例如，通過(guò)應(yīng)用基于物聯(lián)網(wǎng)數(shù)據(jù)的機(jī)器學(xué)習(xí)，可以檢測(cè)出生產(chǎn)線上的重型機(jī)械何時(shí)未在其峰值運(yùn)行。

AIoT技術(shù)的另一個(gè)應(yīng)用領(lǐng)域是機(jī)器人技術(shù)和機(jī)器視覺。機(jī)器人和協(xié)作機(jī)器人大量使用攝像機(jī)輸入來(lái)執(zhí)行任務(wù)?？梢詫?shí)時(shí)處理和分析的數(shù)據(jù)越多，其工作效率就越高。這將提高生產(chǎn)過(guò)程的質(zhì)量，并且減少浪費(fèi)。

質(zhì)量控制是AIoT技術(shù)在工業(yè)應(yīng)用中的一個(gè)典型場(chǎng)景。無(wú)論是監(jiān)視泵、壓縮機(jī)、子組件還是最終產(chǎn)品，AIoT都可以為機(jī)器運(yùn)行提供新見解，以解決關(guān)鍵的質(zhì)量問(wèn)題。例如監(jiān)視生產(chǎn)線末端的成品質(zhì)量。

企業(yè)可以為生產(chǎn)出來(lái)的產(chǎn)品創(chuàng)建模型，并測(cè)試這些資產(chǎn)以驗(yàn)證其性能狀況，然后再交付給客戶。通過(guò)與制造生態(tài)系統(tǒng)更緊密地結(jié)合在一起，優(yōu)化維護(hù)策略、過(guò)程控制和工藝操作，這些應(yīng)用為更廣泛地采用AIoT解決方案鋪平了道路。

將診斷直接帶到現(xiàn)場(chǎng)的關(guān)鍵設(shè)備是AIoT的另一個(gè)關(guān)鍵應(yīng)用。過(guò)去，飛機(jī)發(fā)動(dòng)機(jī)和風(fēng)力渦輪機(jī)等大型資產(chǎn)需要服務(wù)團(tuán)隊(duì)前往現(xiàn)場(chǎng)設(shè)備?，F(xiàn)在，AIoT解決方案可以在現(xiàn)場(chǎng)對(duì)資產(chǎn)進(jìn)行分析，從而可以立即采取糾正措施。

雖然AIoT已經(jīng)在工業(yè)領(lǐng)域中使用，但仍處于起步階段。在大多數(shù)應(yīng)用中，IIoT和AI應(yīng)用并未取代本地控制工程功能。Moxa歐洲公司工業(yè)物聯(lián)網(wǎng)負(fù)責(zé)人Hermann Berg表示，" AIoT可以提高透明度，并在整個(gè)公司內(nèi)外提供見解，而當(dāng)前的控制工程功能將繼續(xù)負(fù)責(zé)'本地反射'。IIoT和AI會(huì)觸發(fā)異常檢測(cè)、預(yù)測(cè)性維護(hù)、啟動(dòng)恢復(fù)和優(yōu)化任務(wù)等行為，而即時(shí)的'反射'則仍由現(xiàn)有的本地控制系統(tǒng)執(zhí)行。"