實(shí)現(xiàn)IoT智能工廠沒(méi)你想象中那么簡(jiǎn)單！

工業(yè)4.0和工業(yè)物聯(lián)網(wǎng)(IIoT)已成為大眾話(huà)題，但許多人都沒(méi)有意識(shí)到，在將物聯(lián)網(wǎng)(IoT)原理運(yùn)用于工廠的生產(chǎn)流程時(shí)，在轉(zhuǎn)換過(guò)程中會(huì)損失什么。

建立IIoT的理念是，運(yùn)用于加速I(mǎi)T技術(shù)進(jìn)展的技術(shù)同樣可以應(yīng)用于運(yùn)營(yíng)技術(shù)(operational technology，OT)。這個(gè)想法仍然合理，但工廠生產(chǎn)在線(xiàn)有一些細(xì)微差別被忽略了，這兩種環(huán)境仍然有所不同。

一方面，摩爾定律(Moore’s Law)多年來(lái)一次又一次地滿(mǎn)足了IT界對(duì)速度更快、功能更強(qiáng)大的處理器的無(wú)止境追求。然后是人工智能(AI)；隨著深度學(xué)習(xí)開(kāi)始應(yīng)用到各個(gè)專(zhuān)業(yè)領(lǐng)域，例如機(jī)器翻譯(machine translation)、藥物設(shè)計(jì)(drug design)和西洋棋，制造產(chǎn)業(yè)開(kāi)始意識(shí)到機(jī)器也可以產(chǎn)出與人類(lèi)專(zhuān)家相當(dāng)——在某些情況下甚至優(yōu)于人類(lèi)專(zhuān)家——的成果。

另一方面，現(xiàn)在OT領(lǐng)域中部署的控制系統(tǒng)仍處于工業(yè)時(shí)代，很多工廠和公用基礎(chǔ)設(shè)施尚未連網(wǎng)。它們建立在專(zhuān)屬控制系統(tǒng)之上，只能在封閉環(huán)境中運(yùn)作，獨(dú)立于IT基礎(chǔ)設(shè)施。

工廠管理者發(fā)現(xiàn)，將IT基礎(chǔ)設(shè)施的進(jìn)展轉(zhuǎn)移到工業(yè)控制系統(tǒng)并非易事；首先必須將IT機(jī)制轉(zhuǎn)化為OT，而最適合執(zhí)行這個(gè)任務(wù)的，非早已熟悉工廠環(huán)境的那些公司莫屬，例如英飛凌(Infineon)、瑞薩(Renesas)、意法半導(dǎo)體(STMicroelectronics)和德州儀器(TI)等。
TI副總裁暨連網(wǎng)微控制器事業(yè)部門(mén)總經(jīng)理Ray Upton表示，比較IT和OT系統(tǒng)，OT在能源消耗和延遲等方面的要求與IT截然不同，“工廠生產(chǎn)在線(xiàn)的各種幫浦和馬達(dá)內(nèi)部有成百上千個(gè)傳感器，絕不允許停機(jī)；”他表示：“可預(yù)測(cè)性、安全性、可靠度和能效等條件，對(duì)工業(yè)控制系統(tǒng)至關(guān)重要?！?/p>

而一座智能工廠所需的基礎(chǔ)設(shè)施，其強(qiáng)韌度和可靠度要比一般的IT基礎(chǔ)設(shè)施高出一個(gè)等級(jí)。

公用因特網(wǎng)連結(jié)？

最棘手的一個(gè)IIoT挑戰(zhàn)是連結(jié)，無(wú)論是有線(xiàn)還是無(wú)線(xiàn)；按照定義，工業(yè)物聯(lián)網(wǎng)需要與因特網(wǎng)連結(jié)，但工廠管理層最不希望看到的是制造系統(tǒng)受到網(wǎng)絡(luò)攻擊。實(shí)際上，多年來(lái)人們都認(rèn)為工業(yè)控制系統(tǒng)(ICS)環(huán)境應(yīng)該與IT網(wǎng)絡(luò)隔離(air-gapped)，以防范黑客攻擊。
但是大多數(shù)專(zhuān)家現(xiàn)在卻承認(rèn)，除了像核能發(fā)電廠那樣的特殊環(huán)境，“隔離不切實(shí)際，”工業(yè)用網(wǎng)絡(luò)安全方案供應(yīng)商CyberX副總裁Phil Neray如是說(shuō)。

Neray表示：“有越來(lái)越多IT和OT網(wǎng)絡(luò)連網(wǎng)，以方便工業(yè)設(shè)備的遠(yuǎn)程監(jiān)控和維護(hù)；但這卻增加了遭受攻擊的可能性；”根據(jù)CyberX的“全球ICS與IIoT風(fēng)險(xiǎn)報(bào)告”(Global ICS & IIoT Risk Report)，有三分之一的OT網(wǎng)絡(luò)是與公共網(wǎng)絡(luò)相連。

“更糟糕的是，”他補(bǔ)充指出：“大多數(shù)OT通訊協(xié)議都是多年前所設(shè)計(jì)，而且在設(shè)計(jì)時(shí)就不夠安全；”例如，對(duì)于將新的梯形邏輯(ladder logic)或韌體上傳到控制器而言，這類(lèi)協(xié)議并不需要認(rèn)證。簡(jiǎn)而言之，破解了OT網(wǎng)絡(luò)的攻擊者通?？梢宰杂傻仄茐钠湓S多ICS設(shè)備。顯然，除了OT管理人員愿意承認(rèn)的問(wèn)題以外，還有很多的工廠安全問(wèn)題需要解決。

工廠管理層所關(guān)注的另一個(gè)重要問(wèn)題是，如何更妥善地將AI導(dǎo)入OT。動(dòng)機(jī)很明確：德國(guó)和日本的人口數(shù)量正在迅速減少，尤其是15至64歲之間的勞動(dòng)年齡層，制造業(yè)從業(yè)人數(shù)將在未來(lái)40年內(nèi)急遽減少。即使是中國(guó)，2020年后的勞動(dòng)人口也將大幅減少。

讓我們來(lái)假想一下，在你的工廠里有一個(gè)老練的營(yíng)運(yùn)經(jīng)理，我們暫且叫他Larry；他有很豐富的經(jīng)驗(yàn)，能夠發(fā)現(xiàn)生產(chǎn)在線(xiàn)的某些異?，F(xiàn)象。然而，要是AI能夠做Larry的工作，那么我們何必要讓Larry去工廠生產(chǎn)在線(xiàn)檢查制造過(guò)程中的每個(gè)環(huán)節(jié)，或者雇用更多像Larry這樣的經(jīng)理呢？似乎AI可以發(fā)現(xiàn)并傳達(dá)任何可能引起生產(chǎn)故障的異常情況。AI可望實(shí)現(xiàn)生產(chǎn)線(xiàn)的持續(xù)監(jiān)控，確保小缺陷不會(huì)進(jìn)入到生產(chǎn)的下一個(gè)階段。

理論上是這樣，因此工廠管理層現(xiàn)在就渴望能?chē)L試AI；然而要想將AI運(yùn)用到工廠生產(chǎn)線(xiàn)，要比預(yù)期困難得多。

日本MCU領(lǐng)導(dǎo)供貨商瑞薩對(duì)客戶(hù)進(jìn)行了調(diào)查，發(fā)現(xiàn)有超過(guò)30%的工廠已經(jīng)導(dǎo)入AI技術(shù)，盡管它們的規(guī)模都不大；而在那些已經(jīng)開(kāi)始導(dǎo)入AI的客戶(hù)中，有80%表示他們還無(wú)法完成概念驗(yàn)證。他們對(duì)AI的實(shí)現(xiàn)成本感到驚訝，并表示他們不知道何時(shí)可以看到投資報(bào)酬。瑞薩發(fā)現(xiàn)，只有6%的調(diào)查對(duì)象正在推進(jìn)AI智能制造。

有部份企業(yè)將這個(gè)問(wèn)題歸咎于他們的AI應(yīng)用經(jīng)驗(yàn)不足；其他公司則表示他們內(nèi)部缺乏能夠充分利用這項(xiàng)技術(shù)的數(shù)據(jù)科學(xué)家。

統(tǒng)計(jì)性vs.實(shí)時(shí)連續(xù)AI

瑞薩工業(yè)解決方案事業(yè)部戰(zhàn)略和規(guī)劃部門(mén)資深總監(jiān)馬場(chǎng)光男(Mitsuo Baba)認(rèn)為最先會(huì)遇到的困難是IT和OT AI實(shí)現(xiàn)之間的差異。針對(duì)工廠營(yíng)運(yùn)的“實(shí)時(shí)連續(xù)AI”(Real-time continuous AI)與大數(shù)據(jù)公司推動(dòng)IT自動(dòng)化采用的“統(tǒng)計(jì)性AI”(statistical AI)有著鮮明對(duì)比。
AI不是萬(wàn)靈藥，馬場(chǎng)表示，當(dāng)生產(chǎn)在線(xiàn)的特定問(wèn)題已經(jīng)被確定時(shí)，AI最能妥善應(yīng)用于OT；AI會(huì)要求OT管理者將生產(chǎn)過(guò)程分解為多個(gè)小塊，然后在每個(gè)終端節(jié)點(diǎn)進(jìn)行AI推理，使用實(shí)時(shí)輸入數(shù)據(jù)來(lái)執(zhí)行“做或不做”的決策。

每家想要在智能工廠推銷(xiāo)IIoT和AI解決方案的芯片供貨商，都是先在自己的晶圓廠進(jìn)行概念驗(yàn)證測(cè)試。Upton透露，該公司正在其德國(guó)工廠展開(kāi)IIoT試運(yùn)轉(zhuǎn)項(xiàng)目；TDK技術(shù)長(zhǎng)松岡大(Dai Matsuoka)則表示，該公司已在其日本和歐洲的生產(chǎn)在線(xiàn)安裝了以多模傳感器(multimodal sensor)為基礎(chǔ)的預(yù)測(cè)分析系統(tǒng)。

瑞薩已經(jīng)在其那珂晶圓廠(Naka Fab)展開(kāi)了為期兩年的AI試運(yùn)轉(zhuǎn)項(xiàng)目；根據(jù)馬場(chǎng)表示，瑞薩工程師將AI單元連接至半導(dǎo)體制造設(shè)備，該裝置可以用20倍的速度收集數(shù)據(jù)并進(jìn)行AI分析，無(wú)需連接到廣域網(wǎng)，也不需要將數(shù)據(jù)傳送到云端。瑞薩指出，在其傳統(tǒng)的故障檢測(cè)和分類(lèi)系統(tǒng)中增加e-AI方案，可以使異常檢測(cè)精度提高六倍。

根據(jù)業(yè)界消息，美國(guó)大廠GE旗下子公司GE Healthcare Japan聽(tīng)說(shuō)瑞薩那珂廠的應(yīng)用案例后，也在其日本的日野(Hino)廠采用瑞薩的AI解決方案來(lái)測(cè)試其效果。GE Healthcare在現(xiàn)有設(shè)施中以附加AI單元的形式，安裝了針對(duì)故障檢測(cè)和預(yù)測(cè)性維護(hù)開(kāi)發(fā)的系統(tǒng)；根據(jù)該公司表示，測(cè)試結(jié)果顯示整體產(chǎn)品缺陷減少了65%。

AI在工廠中的應(yīng)用仍處于初期發(fā)展階段，對(duì)于嵌入式技術(shù)供貨商如何學(xué)會(huì)了讓AI在自家生產(chǎn)在線(xiàn)發(fā)揮作用，制造商將會(huì)聽(tīng)到更多的案例；這些故事聽(tīng)起來(lái)充滿(mǎn)希望，但還是先抱持懷疑的態(tài)度吧！