关键要点：
机器人、人工智能（AI）和物联网（IoT）是智能工厂的关键使能技术机器学习赋予了智能工厂“智能”的本质决策尽可能下放到靠近实际物理操作的地方机器人正在进入工厂车间，但不会完全取代人类引言
根据《福布斯》的一篇文章，"第四次工业革命"一词由一组德国科学家提出，并由世界经济论坛（WEF）的创始人兼执行主席克劳斯·施瓦布（Klaus Schwab）推广。世界经济论坛将前三次工业革命定义为：
第一次工业革命：1784年。以蒸汽机和水力为动力第二次工业革命：1870年。劳动分工、电力、大规模生产第三次工业革命：1969年。电子技术、信息技术、自动化生产在以智能制造为核心的第四次工业革命中，机器人、人工智能和物联网是至关重要的推动力。这些因素也是其他非制造领域的基础，例如智能家居和库存控制等。
最初用来描述非人类通信手段的互联网术语是工业物联网（IIoT）。但随着工厂外应用的迅速扩展，更为广泛的物联网（IoT）称谓逐渐占据主导地位。
然而，本文将重点讨论第四次工业革命对制造业的深远影响。
物联网传感器与连接如何转变工业监控
一切都始于电子传感器。传感器价格低廉、功耗小且可靠，能够测量振动、热量、湿度、电压、电流等多种重要参数。它们可以每秒多次测量，也可以大部分时间“休眠”，从而消耗更少的电力。传感器可以安装在工厂的任何地方，任何机器上。
但传感器如何知道何时读取数据？大量信息如何被汇集到一个或多个中心点以供处理和分析？这正是物联网发挥作用的地方，它呈现出多种形式。
传感器可以通过多种方式直接连接到互联网。全球任何地方的数据中心都可以指挥传感器读取数据，或者当传感器记录的读数超过预设限制时，传感器可以自动发起“对话”。
传输到数据中心的数字信息可以由强大的分析引擎解释，以判断机器的“健康”状况。当然，如果观察到危险情况，数字命令可以发回工厂，指示关闭某个子系统的电源，或控制重要阀门的开闭。
通常，分析也会在本地工厂进行。原因之一是从远程数据中心接收信号需要时间，而响应回到工厂则需要更长时间。在紧急情况下，这可能会导致延误。
多种传感器的输出可以被分析，以判断一台设备的性能或是否有危险正在酝酿。为了实现本地分析，每个传感器必须能够与其他传感器及本地分析引擎通信。利用物联网进行机器监控的优势在于，设备可以移动，而无需重新布线。尤其需要说明的是，5G对普通智能手机用户可能影响不大，但它在智能工厂中正在扮演越来越重要的角色。
利用机器学习实现更智能的工厂自动化
机器学习（ML）为智能工厂注入了“智能”。作为人工智能的一个分支，机器学习使计算机能够像生物一样从经验中学习。它允许计算机系统自主应对新情况，尤其是那些它们从未被明确编程过的情况。
例如，工厂车间可能会发生一个棘手的情况，同时若干传感器可能会报告某些特定值。系统会“学习”这些特定的模式可能预示着负面情况。我们使用“可能预示”是因为，如果没有发生负面事件，机器学习将寻找其他传感器响应来修正原先的初步结论。随着时间的推移，机器学习会建立一个越来越具体的模式库，帮助揭示潜在的危险，这些危险可能是人类规划者从未想到的。
值得注意的是，这些模式完全由机器学习自动发现，而无需人类干预。
预测性维护如何减少停机时间并提高效率
即便没有机器学习，遍布关键机器的传感器也可以根据需要进行多次测量。这些数据可以传输到中心位置，供分析人员使用。然而，这并不是终点。
如前文所述，机器学习数据引擎会逐步建立越来越广泛的模式库。工程师和管理者将自动了解机器中某个组件是否可能出现故障，并得知其原因。这就是所谓的预测性维护，它是智能工厂的标志之一。
这一过程无需人工检查或使用任何测试设备或维护工具。技术人员和检查员可以避免这些枯燥且偶尔危险的工作，智能制造也使得在故障发生之前发现潜在问题成为可能。结果是减少了停机时间和成本，并通过该过程获得的信息，找到提高整体效率的隐藏途径。
边缘计算在智能工厂中的效率与安全
智能制造高度依赖于位于远程服务器上的强大AI引擎，但如今技术上已经可以将AI芯片直接安装到或接近被监控的智能工厂机器上。这不会完全取代基于服务器的分析引擎，但可以补充它们的作用。
边缘计算 图片来源：FSP
现代西方组织（无论是军事还是商业）都强调本地管理在决策中的重要性，而不是依赖远程机构。在智能工厂的情况下，英特尔指出，相比远程服务器，本地决策的优势包括：
运营速度与效率成本效益节能安全性与数据主权首要原因是边缘AI做出的决策不受可能的网络延迟影响。其次是，工厂内的控制和监控操作涉及大量信息的生成和传输。IIoT所需的带宽不便宜，本地处理可以节省成本。第三个原因是减少了对高能耗网络硬件的需求。
第四个原因可能是最重要的。减少通过互联网传输的信息，意味着系统被黑客入侵或欺骗的风险减少。
机器人与协作机器人如何转变智能制造
机器人技术在智能工厂中蓬勃发展。智能制造的特点是高水平的观察和控制，使机器人能够承担更复杂或危险的任务。
通常配备本地AI和机器视觉，进一步推动了智能制造的趋势，使决策尽可能靠近操作地点。
如Active Silicon所述，关于机器人未来在工厂的角色有两种观点。一种是机器完全接管的反乌托邦观念，另一种则是机器人仅限于执行最危险、枯燥或重复的任务。
但也存在中间道路。协作机器人（Cobots）是机器人研究的一个活跃领域，这些设备设计用于与人类同事安全协作。在这种方式下，人类的直觉和多功能性与机器人的坚固性结合，可以比单独行动的任何一方更高效。
挑战与机遇
智能制造商希望尽可能多的AI决策在靠近机器的位置进行，供应商将对此作出回应，边缘计算的稳步发展将继续。
制造商面临的一个更大挑战是，他们需要一种全新的制造工人。这类新型工人更像是技术人员，且不愿从事重复性工作。实际上，他们的一部分职责是识别那些无脑的重复任务，并与工程师合作，将其交给机器处理。
但这些智能工厂工人将来自哪里？例如，美国的高等教育体系尚未对此挑战作出回应。此外，具有实践思维的人才不愿像过去那些学术型同行那样花费巨额资金接受培训。美国各方都致力于将更多制造业带回本土，但除非有人经过培训，否则这一目标无法实现。
总结
人工智能将智能融入智能工厂。没有人工智能，不那么智能的工厂只能对预先编程的一定数量的情况做出反应。人工智能让工厂能够从经验中学习。通过人工智能，工厂不断变得更加智能，能够更明智地应对不断变化的情况和挑战。
物联网（也可以称为工业物联网）是将智能工厂的各个组件连接在一起的粘合剂。它还将智能工厂与基于服务器的决策引擎和远程监控端口连接起来。没有物联网。智能工厂仍然可以是智能的，但智能将成为“自动化孤岛”，无法有效协作。
与西方军队和工业组织类似，智能制造强调尽可能接近“实际”做出决策的能力。通过使用边缘计算，这种能力得到了极大增强。
最后，正如协作机器人的持续发展所证明的那样，很明显，人类在工厂车间仍然有未来——至少现在是这样！
本文作者： Gary Elinoff 资料来源：Electropages
CIBIS峰会
由千家网主办的2024年第25届CIBIS建筑智能化峰会即将开启，本届峰会主题为：“汇智提质：开启未来新篇章”。届时，我们将携手全球知名智能化品牌及业内专家，共同探讨物联网、AI、云计算、大数据、智慧建筑、智能家居、智慧安防等热点话题与最新技术应用，分享如何利用更智慧、更高效、更安全、更低碳的智慧技术，共同开启未来美好智慧生活。
欢迎建筑智能化行业小伙伴报名参会，共同分享交流！
报名方式
成都站（11月05日）：https://hdxu.cn/7FoIq
西安站（11月07日）：https://hdxu.cn/ToURP
北京站（11月19日）：https://hdxu.cn/aeV0J
上海站（11月21日）：https://hdxu.cn/xCWWb
广州站（12月05日）：https://hdxu.cn/QaqDj
更多2024年峰会信息，详见峰会官网：http://summit.qianjia.com
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
