數字化提供了廣泛的優勢，它們包括通過創建數字雙胞胎減少停機時間的預測性維護、加強質量控制、需求驅動的生產、庫存優化、降低能源和材料成本以及改善安全和環境性能。

　　許多預測都試圖量化價值主張。咨詢公司麥肯錫表示，到2025年，物聯網經濟影響可能在1.2美元到3.7萬億美元之間。美國商務部最近對美國制造商和智能制造商的一項調查顯示，每年的成本降低了570億美元。

　　當然，有一個問題，實際上有幾個。制造業的投資周期比較長，強大的流程和設備不會在一夜之間出現，至關重要的是，所需的技術，如人工智能，尚未完全開發。

　　人工智能（AI）作為催化劑

　　智能工廠利用工業物聯網（IIoT）、大數據和高級分析，以及信息技術（IT）和運營技術（OT）的融合。另外，相互通信的設備導致實時決策，從而優化價值創造。

　　它既發生在工廠內，也發生在整個價值鏈中，從原材料采購到訂單交付和客戶服務。

　　這種轉變的潛在催化劑是人工智能（AI）。目前人工智能的大部分興趣都與機器學習有關——這是一套將現實世界數據和經驗與統計分析相結合，以得出結論和預測結果的技術。

　　機器學習不是一個新的人工智能領域，但互聯網的發展、大量數據的激增以及計算機處理能力的不斷提高，極大地提高了其預測能力的深度、廣度和準確性。

　　雖然人工智能明顯正在進步，但它也有其局限性。底層算法的設計很棘手，這可能會導致漏洞和意外偏差；訓練步驟通常需要非常大量的數據和可能難以獲得的實際經驗；神經網絡通常需要很長時間來訓練。當啟用人工智能（AI）的決策出錯時，通常很難確定原因，這是安全關鍵系統中的一個主要問題。

　　為什么人工智能現在被應用在工廠環境中？當然，技術是一個驅動因素：大量數據的可用性、機器學習的發展、云計算（用于網絡范圍的監控和優化）和邊緣計算（為實時決策提供機器學習）的出現，以及信息技術（IT）系統與運營技術（OT）系統的結合。

　　但目前的社會發展趨勢也很重要，包括全球供應鏈日益復雜，以及在吸引熟練生產工人方面持續存在的挑戰。換句話說，智能工廠的出現是技術推動和市場拉動的結果。

　　如果所有的人工智能問題得到解決——并且最終將得到解決。但是，如果沒有最佳的信息治理，智能工廠仍然不會快速發展。

　　三個這樣的治理問題包括技術標準、網絡安全/隱私和頻譜分配。

　　技術標準

　　智能工廠依賴于信息流和系統響應能力，如果沒有標準——基本上是與技術系統相關的規范或要求，就無法實現。

　　制造過程中使用了數百甚至數千種標準，并且需要許多新標準來實現智能工廠。美國國家標準與技術研究院（NIST）2016年2月的一份報告指出，智能制造生態系統可以被視為由四個進步級別組成的金字塔：設備級、監督控制和數據采集（SCADA）級、制造運營管理（MOM）級和企業級。信息必須在每個級別內部和之間流動，并且已經開發或正在開發數十個標準以加速這種協作。

　　根據NIST的說法，“在制造金字塔內，通信標準已經建立，但系統之間的互操作性還有限制，這意味著制造商通常會被鎖定在單一的供應商解決方案中。在整個商業周期中，存在幾個完善的標準，然而，信息能夠與生產系統互連的程度還是非常有限。”

　　除了制定標準來填補這些空白之外，報告還指出了智能工廠面臨的另外兩個與標準相關的障礙：

　　（1）缺乏對標準和標準采用情況的跟蹤；

　　（2）標準之間的重疊和冗余。

　　為消除這些障礙，各個組織之間的協調與合作是必要的，其中一些正在進行中。

　　還正在制定標準以促進區塊鏈技術的應用。區塊鏈是一個數字分類賬，能夠以可驗證和安全的方式記錄交易。美國國土安全部（DHS）正在與工業界進行區塊鏈試點，以了解該技術是否可以阻止假冒產品和知識產權盜竊。將需要安全和定義的互操作性標準來促進該技術的應用。

　　網絡安全/隱私

　　智能工廠需要在工廠內部和整個價值鏈中的設備和設備之間進行互聯。這種連接增加了制造商遭受網絡攻擊、間諜活動和數據盜竊的風險。

　　這些不是假設性問題，例如，2014年，黑客通過網絡釣魚郵件獲得訪問權限后，破壞了一家德國鋼廠。英國最近的一項調查發現，50%的制造商承認受到黑客攻擊，半數受攻擊的制造商因此蒙受損失。據美國國土安全部稱，制造商是針對關鍵基礎設施網絡攻擊的首要目標。

　　鑒于智能工廠對傳統工廠提出的目標越來越大，安全問題變得越來越重要。安全目標包括維護生產（無停機或延遲）、防止導致財產或人身傷害/死亡的系統故障、防止間諜活動以及保護客戶和員工的隱私。

　　實現這些目標既不簡單也不容易。為了保護智能工廠，需要多種方法和系統，包括網絡物理系統的安全體系結構、通過證明驗證軟件完整性（能夠檢測惡意軟件或非預期代碼的過程），以及安全的設備管理。

　　提供智能制造設備和服務的供應商顯然參與了這些安全開發，政府也是如此。美國政府與工業界合作，為關鍵基礎設施開發了基于風險和自愿的網絡安全框架，廣泛適用于包括制造商在內的一系列企業。NIST還發布了與智能工廠相關的智慧城市框架。

　　另一個日益嚴重的問題涉及個人信息的隱私。歐盟的一般數據保護條例（GDPR）是一個法律框架，為收集和使用個人信息制定了指導方針。這項新法律對智能工廠也有影響，例如，測量生產線產量的技術可能會收集個別工人的數據。制造商需要通過更新隱私聲明并確保這些聲明符合GDPR要求，同時確保他們對使用這些技術收集的個人信息是透明的。

　　最后，智能工廠將推動保險業的變革，保險業將面臨構建解決方案來管理風險變化的需求。

　　頻譜分配

　　實現智能工廠承諾所需的設備數量是信息治理的一個重要考慮因素。這些設備預計將通過無線通信進行操作。無線設備目前有數十億臺，由于物聯網和工業物聯網（IIOT），這個數字預計將呈指數級增長。

　　所有這些對無線通信的需求都需要頻譜，這是一種稀缺的公共資源。為了讓智能工廠取得成功，政府必須分配足以滿足這種需求增長的頻譜。在美國，聯邦通信委員會（FCC）為消費者和商業用途分配頻譜。

　　去年，美國政府問責局（GAO）對此問題進行了調查。根據GAO的報告，美國聯邦通信委員會認為，當前可用的頻譜足以滿足物聯網在不久將來的增長，除非使用大量頻譜的設備激增。GAO還指出，“隨著無線設備數量的增長，管理干擾變得越來越具有挑戰性，特別是在不需要無線許可的頻段中。”GAO建議FCC開始跟蹤物聯網的增長，以確保有足夠的頻譜可用。

　　如果需要額外的頻譜來支持智能工廠，那么它是許可頻譜？未許可頻譜還是共享頻譜？FCC將決定如何在每種類型之間以及在哪個頻帶內分配可用頻譜。

　　這些政府決策將影響美國智能工廠的頻譜供應和質量。其他國家也在努力解決如何為工業用途分配頻譜的問題。GAO的報告指出，每個國家都在采取不同方法，至少有一個國家，韓國，將頻譜專用于工業用途。

　　如果制造商能夠清除障礙，并且政府能夠制定標準，那么回報將是巨大的。