建立智能工廠是所有工業制造業企業的愿景，在工業4.0大背景下，人工智能、數字化、物聯網等新技術不斷涌現，向企業生產、運營、管理等各個環節滲透，顛覆傳統的模式，打造全新的制造業生態系統。如數字化所帶來的優勢，利用創建的數字孿生，實現了減少停機時間的預測性維護、加強質量控制、需求驅動生產、優化庫存、能源和材料成本得以降低、安全和環境性能得以改善。智能工廠既然能帶來諸多益處，為何發展卻受阻？需要怎么做？

　　就預測達到量化價值，麥肯錫預測到2025年，物聯網所引發的經濟效益將達1.2至3.7萬億美元。美國制造商和智能制造商每年的成本將有望降低了570億美元。但事實上，投資制造業周期比較長，流程和設備要達到數字化、網絡化、智能化程度并非一朝一夕就能出現，所需的這些新技術還處于探索階段，不夠成熟。還有阻礙制造業企業發展的障礙需要清理，需要制定標準化，否則難于實現巨大回報。

　　工業物聯網、大數據、高級分析、信息技術（IT）、運營技術（OT）被用于智能工廠，使通信設備實現實時決策，優化價值創造。從原材料采購到訂單交付、客戶服務，整個價值鏈中都采用人工智能。

　　目前，人工智能與機器學習結合，提升了互聯網發展、大量數據的激增、計算機處理能力，實現數據世界和數據分析結合，使機器學習的預測能力的深度、廣度、準確性得以提升，生成結論和預測性技術，所以人工智能是催化劑。

　　人工智能也有它的局限性，底層算法的設計可能會導致漏洞和意外偏差；訓練步驟需要大量的數據和可能難以獲得的實際經驗來支撐；神經網絡訓練非常長。人工智能決策一旦出錯時，很難確定原因，所以是安全關鍵系統中的一個主要問題。

　　制造業工廠為何還采用人工智能？未來，智能工廠的出現是技術推動和市場拉動的結果，技術將是生產力，驅動并產生經濟效應，所以大量數據的可用性、機器學習的發展、云計算、邊緣計算、信息技術（IT）系統與運營技術（OT）系統結合。但現實是，存在全球供應鏈日益復雜、熟練生產工人等問題，所以需要技術標準、網絡安全/隱私、頻譜分配三個治理方式。

　　一、技術標準

　　信息流和系統響應能力對智能工廠至關重要，沒有技術標準，無法實現智能工廠。2016年2月，美國NIST指出，設備級、監督控制和數據采集（SCADA）級、制造運營管理（ MOM ）級、企業級可視為是組成智能制造生態系統的金字塔。信息貫穿于每個級別內部和之間，數十個標準已被開發或正在開發。還認為，雖然建立了通信標準，但系統間的互操作性還有限制，制造商將只能使用單一的供應商解決方案。在整個商業周期中，信息與生產系統互連的程度還是非常有限。

　　除此之外，智能工廠面臨的另外兩個與標準相關的障礙，就是缺乏對標準和標準采用情況的跟蹤，標準之間的重疊和冗余。所以要解決這些障礙，就需要各個組織之間的協調與合作。

　　區塊鏈是一個數字分布記賬，能以驗證和安全的方式記錄交易。針對產品和知識產權，美國DHS正在與工業界進行區塊鏈試點以阻止假冒和侵權。將需要安全和定義的互操作性標準來促進區塊鏈技術的應用。

　　二、網絡安全/隱私

　　智能工廠里的設備之間實現互聯互通，同時，網絡攻擊、間諜活動、數據盜竊的網絡安全風險也增加。美國DHS表示，工業制造業企業成為關鍵基礎設施網絡攻擊的首要目標。因此，智能工廠的安全性至關重要，包括維護生產（無停機或延遲）、防止導致財產或人身傷害/死亡的系統故障、防止間諜活動、保護客戶和員工隱私。網絡物理系統的安全體系結構、通過證明驗證軟件完整性（能檢測惡意軟件或非預期代碼的過程）、安全的設備管理等方法和系統可保護智能工廠。

　　政府、智能制造設備和服務的供應商都需要參與到安全開發中。基于風險和自愿的網絡安全框架，美國政府與工業界合作關鍵基礎設施開發，用于制造業企業在內的企業，還發布了與智能工廠相關的智慧城市框架。

　　就個人信息的隱私，歐盟設立了法律框架，即一般數據保護條例（GDPR），制定了收集和使用個個人信息指導方針。該項新法律對智能工廠有影響，如測量生產線產量的技術可能會收集個別工人的數據，制造商就得確保符合GDPR要求，同時確保個人信息的透明性。

　　智能工廠的到來，將推動保險行業變革，即構建解決方案來管理風險變化的需求。

　　三、頻譜分配

　　在智能工廠中，信息治理的重要因素之一就是設備數量，與無線通信連接。目前，在物聯網和工業物聯網推動下，無線設備數量達數十億臺，未來，預計將呈指數級增長。并且需要頻譜，分為許可頻譜、未許可頻譜、共享頻譜類型，頻帶不同，所使用的頻譜不同，為了實現智能工廠建設，政府必須要滿足頻譜需求的增長。如美國聯邦通信委員會（ FCC ）為消費者和商業用途分配頻譜。

　　政府決策將直接影響智能工廠的頻譜供應和質量。工業用途分配頻譜成為其他國家迫在眉睫需要解決的問題，解決方式各不相同，如韓國將頻譜專用于工業用途。
責任編輯：YYX