制造商們正紛紛轉向工業物聯網（IIoT），以提高工廠效率并防止機器出現故障，但網絡安全和延遲等問題仍然存在。

　　可以預想，未來的制造過程幾乎是不需要人為干預的。但對于大多數制造商來說，未來仍然遙遙無期。
　　雖然一些較新的工廠是高度自動化的，但在*數字化之前，整個制造過程還有很長的路要走。
　　根據精益制造指標（以整體設備效率或OEE衡量），制造工廠的產能占其理論上所能達到的產能的85％。然而，一般的工廠只能達到約60％，這意味著在生產力方面存在巨大的改進空間。

　　工業4.0在未來二十年的成熟，將首先需要基本的數字化。之后，這種數字化可以轉化為預測性的維護和真正的預測智能。
　　在工業物聯網的影響下，制造過程會如何變化？未來會是什么樣子？制定過程中會面臨什么障礙？
數字化過程耗時也耗財
　　大型資本貨物已經發展成為“按小時計算”的商業模式，可以保證正常運行時間。現在，在制造業中，按小時（或基于性能的合同）的功率相當普遍，特別是在半導體、航空航天和國防等關鍵任務領域。
　　該模型幾乎確保了制造商尋求有助于提率的數字解決方案。
　　這個想法可以追溯到20世紀60年代，當時GE航空、勞斯萊斯和普惠等噴氣發動機制造商開始向客戶們兜售其產品的“發射運作壽命”，而不是一次性的發動機銷售。推動時間推動發動機制造商專注于*維護和數字平臺。如今，GE鼓勵追蹤其發動機的每一個細節，因為它只有在發動機正常工作時才能獲得報酬。
　　盡管保證了正常運行時間，但機器的所有者需要負責優化使用（就像購買噴氣發動機的航空公司仍需要充分利用它們一樣）。
　　簡而言之，工廠所有者仍然“擁有”機器鏈之間的輸出效率，這意味著提率不僅會落在機器所有者身上，還會落在制造商身上。

　　如果沒有對每一個細節進行數字化，效率就無法提升。然而，要制造商承擔新的數字化負擔，還面臨著嚴重障礙。
　　車間內通常會有還可以在未來數十年繼續用于制造的舊機器。除了顯著的成本之外，傳感器跟蹤溫度和振動，并非出于一般的機器的考慮。
　　當摩托*哈雷的制造工廠進行IIoT傳感器改造時，該公司總經理Mike Fisher表示，傳感器會“使設備更加復雜，而且它們本身也很復雜。但隨著復雜性的出現，機會就會出現。”
從數字化到預測
　　簡而言之，操作技術（或OT）類似于傳統IT，但它針對以往未涉及的領域進行了定制。在典型IT堆棧包括臺式機、筆記本電腦以及知識工作和專有數據的連接的情況下，OT管理直接控制或監控物理設備。
對于制造商，OT堆棧通常包括：
- 連接的制造設備（通常帶有改裝的工業物聯網傳感器）
- 監控和數據采集（SCADA）系統和人機界面（HMI），為操作分析員提供工業監控
- 可編程邏輯控制器（PLC），堅固耐用的計算機，可在工廠機器上獲取數據
- 用于減法制造的3D打印機（增材制造）和計算機數控（CNC）機器（如削減塊）
　　在某種程度上，IT和OT是同一技術范圍的兩個方面，隨著制造業得到更好的數字化改進，這些邊界將進一步模糊。

　　今天，大多數工業機器的“大腦”都在可編程邏輯控制器（PLC）中，它們是增強型計算機。西門子、ABB、施耐德和羅克韋爾自動化等工業*都提供高價PLC，但對于規模較小的制造企業而言，這些可能會不必要地昂貴。
　　這為像Oden Technologies這樣的初創公司創造了一個機會，可以帶來現成的計算硬件，可以直接插入大多數機器，或者集成現有的PLC。這反過來又允許中小型企業更加精簡，并實時分析其效率。
隨著數字化無處不在，技術效率改進的下一波浪潮將是預測和分析。每個輸送機和機器人執行器都會安裝一個傳感器，但并非它們在所有的工廠功能都具有相同的價值。
　　目前，*有可能從更專業、高度更的物聯網傳感器中釋放更多價值。例如，Augury使用配備AI的傳感器來監控機器，并預測故障。
　　注重成本的工廠所有者將認識到，高度的傳感器將比不必要的物聯網提供更高的率。
前沿的新架構
在“邊緣”或更接近傳感器處完成的計算是IIoT架構中的新趨勢。
　　起草人工智能和智能硬件的創新，a16z的Peter Levine預計會結束AV，無人機和物聯網對象的云計算。
未來工廠的連接機器應該沒有什么不同。
　　像Saguna Networks這樣的公司專注于邊緣計算（接近收集點），而Foghorn Systems則進行霧化計算。這兩種方法都允許關鍵任務設備能在安全的環境下運行，而不會將所有數據傳輸到云端，這一過程可以節省大量帶寬。

　　在不久的將來，人工智能和硬件的進步，將使我們所知道的物聯網幾乎獨立于集中式云。
　　這很重要，因為從短期來看，這意味著農村工廠不需要發送10,000條機器信息來傳遞“我很好”這類繁瑣信息，耗費掉昂貴的寬帶和計算費用。相反，他們可以將異常情況發送到中央服務器，并且主要處理本地的決策。
　　此外，云計算延遲在制造方面存在嚴重缺陷。諸如連接工廠之類的關鍵任務系統無法承受向異地云數據庫發送數據包的延遲。
　　從長遠來看，邊緣計算為自主工廠奠定了基礎。支撐邊緣的AI軟件，將成為允許工廠機器獨立做出決策的基礎設施。
　　總而言之，在網絡邊緣利用更多計算的設備，將會迎來新的、分散的工廠設備浪潮。
網絡安全成為一個優先考慮事項
　　IIoT的一個悖論是，工廠承受著巨大的下行風險，但幾乎沒有投資保護：28％的制造商在近的一項調查中表示，他們看到過去一年因網絡安全攻擊導致的收入損失，但只有30％的高管說他們會增加IT支出。
　　網絡攻擊對重工業可能是毀滅性的，因為重工業可能會損害網絡物理系統。WannaCry的勒索軟件攻擊，就曾導致雷諾-日產汽車在歐洲停工。2014年，在只遭受了一次復雜的網絡攻擊，停電導致高爐無法正常關閉后，德國的鋼鐵廠遭受了嚴重的損壞。
　　關鍵基礎設施是網絡安全領域需求不斷增長的一個細分市場，許多像Bayshore Networks這樣的初創公司都在提供物聯網網關（橋接連接傳感器的不同協議），以允許跨越多個垂直行業的制造商監控其IIoT網絡。像Xage這樣的其他基于網關的安全公司，甚至采用區塊鏈的防篡改分類賬，從而保障工業傳感器可以安全地共享數據。
　　近一項調查顯示，28％的制造商表示過去一年因網絡安全攻擊而導致收入減少。但只有30％的高管表示他們會增加IT支出。
　　同樣，添加連接的物聯網對象和工業控制系統（ICS）傳感器已在端點上形成了新的漏洞。
　　為了解決這個問題，Mocana和Rubicon Labs等公司正在開發IP和設備級別的安全通信產品。
　　此外，一些活躍的企業網絡安全投資者也對OT計算非常感興趣。戴爾（制造工業物聯網網關），以及谷歌、通用電氣、三星和英特爾的合資企業都是這一領域活躍的企業之一。

　　安全地管理ICS和IIoT系統，將繼續成為這一領域投資的關鍵領域，尤其是在黑客攻擊后證明OT的漏洞這一方面。
　　作為工業數字化的兩大代表，GE選擇暫時退出數字化業務，而德國西門子卻在加碼。“西門子和通用電氣，誰更代表工業的未來？”自工業數字化競爭開始，業內經常發出這樣的疑問。
　　去年8月1日，約翰·弗蘭納里（John Flannery）接過GE大權后，開始大刀闊斧進行業務調整，展開近200億美元的資產剝離行動，稱將削減數字化方面的投入，數字化戰略從此發生變化。
　　而西門子數字化和工業集團營收每年以兩位數的速度增長，僅次于醫療業務集團。2017財年，西門子的數字化工業業務在擁有7.8萬名員工，營收約140億歐元，利潤率約16%。在新變革的公司架構中，數字化工業業務被保留下來，成為三大運營公司之一。