雖然工業(yè)物聯(lián)網(wǎng)（IIoT）可能為制造企業(yè)提供理論上的機會來接收他們所需的所有相關(guān)信息，但它本身并不能以自主、可擴展的方式使其切實可行。得益于更強大的機器學習算法和IIoT，企業(yè)級數(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缺少對感官信息的預處理，有時還缺少人體的自主反應。例如，大腦不會收到手部皮膚狀況良好的信息，但是當您手上的'傳感器'由于觸摸熱爐子而發(fā)出非常高的溫度信號時，大腦會立即得到通知。而在大腦還沒有開始采取進一步的行動之前，比如找水來冷卻你的手，中樞神經(jīng)系統(tǒng)就會觸發(fā)反射性地撤回手。"

人工智能物聯(lián)網(wǎng)（AIoT）是指在IoT應用程序中采用AI功能。簡單來說，IoT是被動的，而AIoT是主動的。AIoT與AI和IoT的結(jié)合有關(guān)，其目標是在復雜的操作中實現(xiàn)更高的效率，它旨在改善人機交互，并增強以數(shù)據(jù)為依據(jù)的決策。AIoT還將"大腦"添加到云和邊緣。

　　AIoT對制造商的好處

得益于邊緣計算技術(shù)的進步，AI已經(jīng)向物聯(lián)網(wǎng)邊緣發(fā)展。通過將現(xiàn)場設(shè)備連接到功能強大的邊緣計算機，無需將所有數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心，因為可以在現(xiàn)場進行處理和分析。Eurotech公司的首席產(chǎn)品和營銷官Giuseppe Surace說，"盡管我們還遠遠沒有看到完全自主的應用程序（如5級自動駕駛），但在未來5-10年，邊緣處理的數(shù)據(jù)量將出現(xiàn)持續(xù)的飛躍。"

Gartner預測到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年時是僅有10%。因此，很明顯，本地處理和邊緣計算的需求正在增加，特別是在云計算帶寬有限或成本高昂，或者存在隱私或延遲問題的應用中。

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)實時發(fā)送到云或數(shù)據(jù)中心，即使不考慮帶寬和延遲問題，僅僅是部署和維護這些基礎(chǔ)設(shè)施的成本就很高昂。通過AI、機器學習和深度學習更接近數(shù)據(jù)源，可以幫助企業(yè)為現(xiàn)場收集的數(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，改善包括準確性和安全性在內(nèi)的整體運營，并減少浪費和碳排放。AVEVA人工智能和高級分析全球負責人James H. Chappell表示，AI使用各種歷史數(shù)據(jù)來分析趨勢，這可以幫助企業(yè)不斷優(yōu)化和改進流程。

為了從AIoT中獲得最大價值，企業(yè)需要具備三大要素：鼓勵和促進AI注入業(yè)務流程的企業(yè)文化；對AI強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。

"AIoT對工業(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市場經(jīng)理Pete Sopcik說，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)的改進等。這些優(yōu)勢中的每一個都是由AIoT在邊緣提供見解的能力所驅(qū)動的。

　　與控制工程功能相結(jié)合

盡管大多數(shù)AI培訓仍然會在云中進行，但仍需要部署經(jīng)過培訓的模型來優(yōu)化現(xiàn)場應用程序，例如預測性維護和機器人技術(shù)。挑戰(zhàn)在于為AI模型提供正確的數(shù)據(jù)。由于AI培訓和推理發(fā)生在軟件層面，控制工程師的角色對于為軟件提供高質(zhì)量數(shù)據(jù)以改善機器學習和深度學習模型至關(guān)重要。

為了從AIoT中獲得最大的價值，了解它如今能做什么和不能做什么很重要。通過將具體應用與AI能力進行匹配，制造企業(yè)可以務實地利用AI的力量，以實現(xiàn)最大的收益。

例如，遇到計劃外的運營停機問題的公司可以利用AI根據(jù)其可能已經(jīng)到位的傳感器提供的數(shù)據(jù)提供問題的早期檢測。此外，他們可以利用諸如深度學習之類的技術(shù)來提供資產(chǎn)剩余使用壽命的預測，以便更好地評估情況風險。

AIoT將在控制工程如何影響工業(yè)環(huán)境和適應新技術(shù)以推動擴展能力方面發(fā)揮重要作用。AIoT將推動資產(chǎn)與流程優(yōu)化之間更緊密的集成。更快的決策時間帶來更高效的控制。對每種產(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)量控制過程的準確性。

控制工程師將需要繼續(xù)將這些連接設(shè)備和改進的信息集成到工業(yè)生態(tài)系統(tǒng)中，同時也要發(fā)揮關(guān)鍵作用，確保這些分析技術(shù)得到適當?shù)膽茫詫崿F(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]最佳實踐，以及如何整合這些解決方案以實現(xiàn)最佳效率，以確保這種集成是有效且可擴展的。

　　AIoT在工業(yè)領(lǐng)域的應用

預測性維護操作將從AIoT中受益匪淺。隨著時間的推移收集越來越多的數(shù)據(jù)，維護流程將變得越來越有效率，從而不斷降低成本，減少浪費并減少停機時間。用于提供訓練模型的數(shù)據(jù)越多，該模型將變得越高效。

預測分析使用監(jiān)督式機器學習來了解資產(chǎn)的單個運行歷史，并為每個特定設(shè)備開發(fā)一系列正常運行配置文件。將其應用于云時，它將提供實時操作數(shù)據(jù)以檢測系統(tǒng)行為的細微變化，這些細微變化通常是發(fā)現(xiàn)設(shè)備故障的早期預警信號。例如，通過應用基于物聯(lián)網(wǎng)數(shù)據(jù)的機器學習，可以檢測出生產(chǎn)線上的重型機械何時未在其峰值運行。

AIoT技術(shù)的另一個應用領(lǐng)域是機器人技術(shù)和機器視覺。機器人和協(xié)作機器人大量使用攝像機輸入來執(zhí)行任務?？梢詫崟r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)過程的質(zhì)量，并且減少浪費。

質(zhì)量控制是AIoT技術(shù)在工業(yè)應用中的一個典型場景。無論是監(jiān)視泵、壓縮機、子組件還是最終產(chǎn)品，AIoT都可以為機器運行提供新見解，以解決關(guān)鍵的質(zhì)量問題。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)出來的產(chǎn)品創(chuàng)建模型，并測試這些資產(chǎn)以驗證其性能狀況，然后再交付給客戶。通過與制造生態(tài)系統(tǒng)更緊密地結(jié)合在一起，優(yōu)化維護策略、過程控制和工藝操作，這些應用為更廣泛地采用AIoT解決方案鋪平了道路。

將診斷直接帶到現(xiàn)場的關(guān)鍵設(shè)備是AIoT的另一個關(guān)鍵應用。過去，飛機發(fā)動機和風力渦輪機等大型資產(chǎn)需要服務團隊前往現(xiàn)場設(shè)備?，F(xiàn)在，AIoT解決方案可以在現(xiàn)場對資產(chǎn)進行分析，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)應用中，IIoT和AI應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)負責人Hermann Berg表示，" AIoT可以提高透明度，并在整個公司內(nèi)外提供見解，而當前的控制工程功能將繼續(xù)負責'本地反射'。IIoT和AI會觸發(fā)異常檢測、預測性維護、啟動恢復和優(yōu)化任務等行為，而即時的'反射'則仍由現(xiàn)有的本地控制系統(tǒng)執(zhí)行。"