5G是未来

Gartner 报告称，2021 年全球 5G 基础设施支出增长了 190 亿美元，年增长率超过 39%，而且这些数字在 2022 年可能会大幅增加。5G 网络为制造商带来了新的机遇，包括通过更快的数据传输速率和设备之间更高效的连接和通信来加速物联网。因此，5G 将是 2022 年物联网发展的关键。

然而，伴随这些机遇而来的是网络安全风险。5G 不仅需要对包含更多物联网设备的网络进行物理改造，而且我们还将看到从硬件网络到软件网络的转变。然而，考虑到这些网络涉及互联设备之间共享的大量敏感数据，软件会带来新的网络漏洞。

机器学习

麦肯锡报告称：“人工智能即将掀起下一波数字化颠覆浪潮”。工厂经理需要关注人工智能算法，这些算法会随着时间推移而不断进化，并通过反复执行任务而变得更好。这也称为机器学习。

当连网设备和物联网正在捕获并管理大量数据时，机器学习尤其有用。这些大量数据对于人类员工来说太多了，无法处理，但机器学习可以快速实时分析它们，以识别异常，并以容易理解的形式向人类员工报告发现。

机器学习已被证明在供应链管理的所有阶段都很有用。例如，摩托车制造商 Harley Davidson 使用了一款名为 Albert 的软件，该软件可以预测哪些潜在客户最有可能转化为销售额，从而将销售额提高了40%。与此同时，回到车间，机器学习算法可以检测（比如）机器何时以降低的性能工作，并在需要预测性维护时提醒决策者。

然而，从物联网中获得最大收益的唯一方法是“人、流程和技术的整合”，这意味着人类员工可能需要提升技能。

接近边缘

随着制造商在其设备中构建板载分析功能，边缘计算将成为2022年物联网的一个主要趋势。边缘计算本质上是将数据处理移至尽可能靠近数据生成的地方。

边缘设备为机器配备了智能传感器，这包括具有语言处理能力的麦克风、湿度和压力传感器或配备计算机视觉的摄像头。

例如，对于机器人，2D视觉系统被用来检测简单的颜色或纹理，比如条形码检测。在3D视觉系统中，使用多个摄像头来创建物体的多维模型。这方面的一个例子是Shibaura Machine的视觉系统TSVision3D。两个高速摄像头连续捕捉 3D 图像，并通过智能软件进行处理，以确定物品的确切位置。然后，机器人可以确定最合乎逻辑的顺序并以亚毫米精度拾取物品，就像人类工人一样容易。

边缘计算可以与这些智能传感器相结合，可以更快地执行计算，同时减少与云之间的数据传输量，以缓解网络拥塞并减少网络延迟。除了能够实时收集、处理或处理数据外，边缘计算也有利于维护，这使得能够更快地识别设备部件何时需要修理或更换。

供应链弹性

据《福布斯》报道，“在过去两年空前的混乱之后，弹性被提上了议事日程，物联网技术为建立更强大、更抗灾的组织提供了巨大的机会。” 但是，制造商需要将物联网投资重点放在供应链的哪些领域呢？

制造商可以向汉高首席供应链官 Dirk Holbach 学习。在接受麦肯锡公司的采访时，Dirk Holbach推荐了三个主要领域。首先，可见性，这意味着了解供应链中任何时间、任何地点正在发生什么；其次，人员，这意味着“建立更加标准化和组织化的业务，增加强大的区域和本地团队，使其能够在给定的框架内快速做出决策”；最后，Dirk Holbach建议公司审查其产品采购。

同样，必须以更快的速度获取、处理和使用这些数据——所有这些流程都需要多个集成系统。更多的工业物联网 (IIoT) 设备，如智能传感器和边缘系统，可以提供供应链的全方位视图——一个例子是事件监测传感器，当机器部件出现故障迹象时，可以向人类工人发出警报提醒。

例如，根据普华永道的《2020 年数字工厂》报告，诺基亚已将精益管理和数据分析纳入其全球供应链。这包括用于操作员、机器人和基于手势的设备控制的可穿戴技术。诺基亚表示，它已经能够通过数字化改进制造流程，并提高运营稳定性。

制造商有责任从过去两年的供应链中断中吸取教训，并改进其预测性和预防性维护策略，而答案就在物联网中。（编译：iothome）

关键词： 机器学习 视觉系统 智能传感器 大量数据 人工智能