实现IoT智能工厂没你想象中那么简单!

物联网

763人已加入

描述

工业4.0和工业物联网(IIoT)已成为大众话题,但许多人都没有意识到,在将物联网(IoT)原理运用于工厂的生产流程时,在转换过程中会损失什么。

建立IIoT的理念是,运用于加速IT技术进展的技术同样可以应用于运营技术(operational technology,OT)。这个想法仍然合理,但工厂生产在线有一些细微差别被忽略了,这两种环境仍然有所不同。

一方面,摩尔定律(Moore’s Law)多年来一次又一次地满足了IT界对速度更快、功能更强大的处理器的无止境追求。然后是人工智能(AI);随着深度学习开始应用到各个专业领域,例如机器翻译(machine translation)、药物设计(drug design)和西洋棋,制造产业开始意识到机器也可以产出与人类专家相当——在某些情况下甚至优于人类专家——的成果。

另一方面,现在OT领域中部署的控制系统仍处于工业时代,很多工厂和公用基础设施尚未连网。它们建立在专属控制系统之上,只能在封闭环境中运作,独立于IT基础设施。

工厂管理者发现,将IT基础设施的进展转移到工业控制系统并非易事;首先必须将IT机制转化为OT,而最适合执行这个任务的,非早已熟悉工厂环境的那些公司莫属,例如英飞凌(Infineon)、瑞萨(Renesas)、意法半导体(STMicroelectronics)和德州仪器(TI)等。
TI副总裁暨连网微控制器事业部门总经理Ray Upton表示,比较IT和OT系统,OT在能源消耗和延迟等方面的要求与IT截然不同,“工厂生产在线的各种帮浦和马达内部有成百上千个传感器,绝不允许停机;”他表示:“可预测性、安全性、可靠度和能效等条件,对工业控制系统至关重要。”

而一座智能工厂所需的基础设施,其强韧度和可靠度要比一般的IT基础设施高出一个等级。

公用因特网连结?

最棘手的一个IIoT挑战是连结,无论是有线还是无线;按照定义,工业物联网需要与因特网连结,但工厂管理层最不希望看到的是制造系统受到网络攻击。实际上,多年来人们都认为工业控制系统(ICS)环境应该与IT网络隔离(air-gapped),以防范黑客攻击。
但是大多数专家现在却承认,除了像核能发电厂那样的特殊环境,“隔离不切实际,”工业用网络安全方案供应商CyberX副总裁Phil Neray如是说。

Neray表示:“有越来越多IT和OT网络连网,以方便工业设备的远程监控和维护;但这却增加了遭受攻击的可能性;”根据CyberX的“全球ICS与IIoT风险报告”(Global ICS & IIoT Risk Report),有三分之一的OT网络是与公共网络相连。

“更糟糕的是,”他补充指出:“大多数OT通讯协议都是多年前所设计,而且在设计时就不够安全;”例如,对于将新的梯形逻辑(ladder logic)或韧体上传到控制器而言,这类协议并不需要认证。简而言之,破解了OT网络的攻击者通常可以自由地破坏其许多ICS设备。显然,除了OT管理人员愿意承认的问题以外,还有很多的工厂安全问题需要解决。

工厂管理层所关注的另一个重要问题是,如何更妥善地将AI导入OT。动机很明确:德国和日本的人口数量正在迅速减少,尤其是15至64岁之间的劳动年龄层,制造业从业人数将在未来40年内急遽减少。即使是中国,2020年后的劳动人口也将大幅减少。

让我们来假想一下,在你的工厂里有一个老练的营运经理,我们暂且叫他Larry;他有很丰富的经验,能够发现生产在线的某些异常现象。然而,要是AI能够做Larry的工作,那么我们何必要让Larry去工厂生产在线检查制造过程中的每个环节,或者雇用更多像Larry这样的经理呢?似乎AI可以发现并传达任何可能引起生产故障的异常情况。AI可望实现生产线的持续监控,确保小缺陷不会进入到生产的下一个阶段。

理论上是这样,因此工厂管理层现在就渴望能尝试AI;然而要想将AI运用到工厂生产线,要比预期困难得多。

日本MCU领导供货商瑞萨对客户进行了调查,发现有超过30%的工厂已经导入AI技术,尽管它们的规模都不大;而在那些已经开始导入AI的客户中,有80%表示他们还无法完成概念验证。他们对AI的实现成本感到惊讶,并表示他们不知道何时可以看到投资报酬。瑞萨发现,只有6%的调查对象正在推进AI智能制造。

有部份企业将这个问题归咎于他们的AI应用经验不足;其他公司则表示他们内部缺乏能够充分利用这项技术的数据科学家。

统计性vs.实时连续AI

瑞萨工业解决方案事业部战略和规划部门资深总监马场光男(Mitsuo Baba)认为最先会遇到的困难是IT和OT AI实现之间的差异。针对工厂营运的“实时连续AI”(Real-time continuous AI)与大数据公司推动IT自动化采用的“统计性AI”(statistical AI)有着鲜明对比。
AI不是万灵药,马场表示,当生产在线的特定问题已经被确定时,AI最能妥善应用于OT;AI会要求OT管理者将生产过程分解为多个小块,然后在每个终端节点进行AI推理,使用实时输入数据来执行“做或不做”的决策。

每家想要在智能工厂推销IIoT和AI解决方案的芯片供货商,都是先在自己的晶圆厂进行概念验证测试。Upton透露,该公司正在其德国工厂展开IIoT试运转项目;TDK技术长松冈大(Dai Matsuoka)则表示,该公司已在其日本和欧洲的生产在线安装了以多模传感器(multimodal sensor)为基础的预测分析系统。

瑞萨已经在其那珂晶圆厂(Naka Fab)展开了为期两年的AI试运转项目;根据马场表示,瑞萨工程师将AI单元连接至半导体制造设备,该装置可以用20倍的速度收集数据并进行AI分析,无需连接到广域网,也不需要将数据传送到云端。瑞萨指出,在其传统的故障检测和分类系统中增加e-AI方案,可以使异常检测精度提高六倍。

根据业界消息,美国大厂GE旗下子公司GE Healthcare Japan听说瑞萨那珂厂的应用案例后,也在其日本的日野(Hino)厂采用瑞萨的AI解决方案来测试其效果。GE Healthcare在现有设施中以附加AI单元的形式,安装了针对故障检测和预测性维护开发的系统;根据该公司表示,测试结果显示整体产品缺陷减少了65%。

AI在工厂中的应用仍处于初期发展阶段,对于嵌入式技术供货商如何学会了让AI在自家生产在线发挥作用,制造商将会听到更多的案例;这些故事听起来充满希望,但还是先抱持怀疑的态度吧!

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分