本文摘要：1969年PLC问世后，自动化技术在生产领域渐渐站稳脚步，如今已是全球生产系统的核心架构，由于生产系统讲究平稳，因此对新技术、新的架构的拒绝接受速度一向较慢，不过近年来消费市场较慢变动，对全球制造业带给不利挑战，引入智能化架构沦为业者可持续经营的适当策略，而在新世代的生产系统中，工业物联网不仅沦为核心架构，更加不会与AI（人工智能）融合，实施智能化愿景。

1969年PLC问世后，自动化技术在生产领域渐渐站稳脚步，如今已是全球生产系统的核心架构，由于生产系统讲究平稳，因此对新技术、新的架构的拒绝接受速度一向较慢，不过近年来消费市场较慢变动，对全球制造业带给不利挑战，引入智能化架构沦为业者可持续经营的适当策略，而在新世代的生产系统中，工业物联网不仅沦为核心架构，更加不会与AI（人工智能）融合，实施智能化愿景。所有场域应用于的物联网，其架构都完全相同，都是由传感器、通讯网络与云端管理平台所构成的3层架构，由传感器转换成设备数据，再行经由通讯网络传输到上层云端平台储存、运算，最后再行以分析出来的数据作为系统运作的决策参考，而在整体架构中，AI过去多被规画在上层的云端平台，利用强劲的机器学习算法，分析由终端感测层传到的海量数据。

不过，机器学习算法必须一定的运算时间，其目的也多在解决问题制造业类似于看起来制程排程优化的长时间问题，对于制程中不会遇上的动态问题反应与控制指令期望不会缓不济急，近两年边缘运算概念蓬勃发展，沦为工业物联网的实时性问题的最佳答案。上层AI多用作长年规划边缘运算的作法是让终端设备具备一定的运算能力，具备边缘运算设计的工业物联网架构，必需再行创建起一套数据流模式，当传感器转换成到设备的状态数据后，就将数据传输到通讯层的网关，网关再行依照系统建构时的原作让数据分流，必须实时处理数据传输到前端控制器，让自动化设备可以快速反应，必须储存累绩为长年数据的数据，则送到数据库储存，上层再行利用运算平台分析出有结果，获取管理者作为决策参考，因此现在原始的工业物联网，其AI不会被分别设计在不会有终端与云端两部分，让分布式与集中式运算在架构中共存，彼此各司所职。再行从设备供应端在工业物联网的研究议题来看，现在主要是集中于在4个方向，还包括生产系统、产品质量、制程优化与数字建模。

在这4大方向中，各有其必须解决问题的问题，看起来生产系统中，设备的状态感测、监控与预诊，产品质量的检测、预测，制程优化的参数原作、能源运用，数字建模的数字双生平泰创建等，利用工业物联网的数据转换成与分析，将可逐步解决问题这些问题，提高系统整体效能。在工业物联网中，AI主要用来做到制程的优化与长年规画等非实时性决策，例如现在消费性市场的产品类别多样，制程系统的换线将沦为常态，利用大数据与AI的运算，就可尽可能延长换线生产的停机时间，让排程优化。展开产线排程时，需从机器环境、制程加工特性与容许、排程目标，依据工作抵达约生产现场的情况区分，可分静态及动态排程两种，静态排程是抵达生产现场时，其生产数目？相同且可一次已完成的任务展开排程，先前如果经常出现新的工作，再行划归下一次制程处置。

动态排程则是若制程倒数、产品随机，而且数目不相同的抵达生产现场，需大大的改版生？排程。就上述两种排程方式来看，静态排程一般来说为少样多样方式，AI在其中要解决问题的问题，主要是利用深度自学算法分析各环节的时间与质量，大大的改良工序，让效能与质量优化；动态排程则用作少量多样生产，AI不会针对有所不同产品的工序，创建起换线模式，有有所不同产品上线时，即启动专属换线模式，尽可能延长停机时间，同时让产品保持相同质量。边缘运算效益可较慢显露由于工业物联网上层的AI规画，效益必须一段时间才显露，会是立竿见影的再次发生，而且对制造业者来说并非当务之急，因此目前投放者大多为大型制造业，中小规模的业者，则以底层的边缘运算居多。目前中小企业的工业物联网规画，生产设备的预见维修与制程检测仍是两大主要功能，由于设备的无预警停机，将不会导致整体产线停工，轻则产在线的半成品出厂，重则交期延后影响商誉，设备维修过去多采行人工记录方式，人员再行按照时间确保，不过这种方式除了有可能因人员疏忽或责备，没能定点作业外，设备也有可能在并未约确保时间时故障。

工业物联网中的设备预见维修可分两类，一种是必要在管理系统上设计警告功能，主动告诉涉及人员修理时间，另一种则是由传感器探测设备状态，若是出现异常，AI则不会依据经常出现的状态频率，辨别有可能再次发生的情况，再行做到有所不同处置，例如传感器找到马达的震动，有可能是轴心翘起，系统不会依据震动的大小与频率辨别马达现在的状态，如果有可能会立刻损毁，就立刻告诉设备确保人员停机替换，如果没立刻危险性，则不会让马达持续运作，并记录该马达的状况，让管理人员自行决定确保时间，让产线可以保持平稳的运作效能。边缘运算的另一种主要功能是制程检测，从目前AI的发展来看，图像处理占据70％以上的应用于，在工业物联网架构中也是如此。过去制程中多靠人眼检测产品质量，由于人眼更容易疲惫，随着工作时间的变长，检测质量不会渐渐减少，再者，部分消费性产品的体积更加小，产线速度越来越快，人眼已无法负荷，现在已被代替机器视觉所代替。

现在的机器视觉辨别速度十分慢，且精准度更加低，不过其运作模式仍是契合大量生产的制程为设计，其较慢与精准的识别，仅有能限于于少数类型，在少量多样或混线生产的制程中仍力有并未下狱，而AI则可让机器视觉享有自学能力，未来的设备将可利用算法自我自学，遇上不一样的产品种类或瑕疵时，才可自律辨别，不用再行由管理人员新的原作、调整判断模式。

本文来源：十大网投正规信誉官网-www.aon-ai.com