5G是未來

Gartner 報告稱，2021 年全球 5G 基礎設施支出增長了 190 億美元，年增長率超過 39%，而且這些數字在 2022 年可能會大幅增加。5G 網絡為制造商帶來了新的機遇，包括通過更快的數據傳輸速率和設備之間更高效的連接和通信來加速物聯網。因此，5G 將是 2022 年物聯網發展的關鍵。

然而，伴隨這些機遇而來的是網絡安全風險。5G 不僅需要對包含更多物聯網設備的網絡進行物理改造，而且我們還將看到從硬件網絡到軟件網絡的轉變。然而，考慮到這些網絡涉及互聯設備之間共享的大量敏感數據，軟件會帶來新的網絡漏洞。

機器學習

麥肯錫報告稱：“人工智能即將掀起下一波數字化顛覆浪潮”。工廠經理需要關注人工智能算法，這些算法會隨著時間推移而不斷進化，并通過反復執行任務而變得更好。這也稱為機器學習。

當連網設備和物聯網正在捕獲并管理大量數據時，機器學習尤其有用。這些大量數據對于人類員工來說太多了，無法處理，但機器學習可以快速實時分析它們，以識別異常，并以容易理解的形式向人類員工報告發現。

機器學習已被證明在供應鏈管理的所有階段都很有用。例如，摩托車制造商 Harley Davidson 使用了一款名為 Albert 的軟件，該軟件可以預測哪些潛在客戶最有可能轉化為銷售額，從而將銷售額提高了40%。與此同時，回到車間，機器學習算法可以檢測（比如）機器何時以降低的性能工作，并在需要預測性維護時提醒決策者。

然而，從物聯網中獲得最大收益的唯一方法是“人、流程和技術的整合”，這意味著人類員工可能需要提升技能。

接近邊緣

隨著制造商在其設備中構建板載分析功能，邊緣計算將成為2022年物聯網的一個主要趨勢。邊緣計算本質上是將數據處理移至盡可能靠近數據生成的地方。

邊緣設備為機器配備了智能傳感器，這包括具有語言處理能力的麥克風、濕度和壓力傳感器或配備計算機視覺的攝像頭。

例如，對于機器人，2D視覺系統被用來檢測簡單的顏色或紋理，比如條形碼檢測。在3D視覺系統中，使用多個攝像頭來創建物體的多維模型。這方面的一個例子是Shibaura Machine的視覺系統TSVision3D。兩個高速攝像頭連續捕捉 3D 圖像，并通過智能軟件進行處理，以確定物品的確切位置。然后，機器人可以確定最合乎邏輯的順序并以亞毫米精度拾取物品，就像人類工人一樣容易。

邊緣計算可以與這些智能傳感器相結合，可以更快地執行計算，同時減少與云之間的數據傳輸量，以緩解網絡擁塞并減少網絡延遲。除了能夠實時收集、處理或處理數據外，邊緣計算也有利于維護，這使得能夠更快地識別設備部件何時需要修理或更換。

供應鏈彈性

據《福布斯》報道，“在過去兩年空前的混亂之后，彈性被提上了議事日程，物聯網技術為建立更強大、更抗災的組織提供了巨大的機會。” 但是，制造商需要將物聯網投資重點放在供應鏈的哪些領域呢？

制造商可以向漢高首席供應鏈官 Dirk Holbach 學習。在接受麥肯錫公司的采訪時，Dirk Holbach推薦了三個主要領域。首先，可見性，這意味著了解供應鏈中任何時間、任何地點正在發生什么；其次，人員，這意味著“建立更加標準化和組織化的業務，增加強大的區域和本地團隊，使其能夠在給定的框架內快速做出決策”；最后，Dirk Holbach建議公司審查其產品采購。

同樣，必須以更快的速度獲取、處理和使用這些數據——所有這些流程都需要多個集成系統。更多的工業物聯網 (IIoT) 設備，如智能傳感器和邊緣系統，可以提供供應鏈的全方位視圖——一個例子是事件監測傳感器，當機器部件出現故障跡象時，可以向人類工人發出警報提醒。

例如，根據普華永道的《2020 年數字工廠》報告，諾基亞已將精益管理和數據分析納入其全球供應鏈。這包括用于操作員、機器人和基于手勢的設備控制的可穿戴技術。諾基亞表示，它已經能夠通過數字化改進制造流程，并提高運營穩定性。

制造商有責任從過去兩年的供應鏈中斷中吸取教訓，并改進其預測性和預防性維護策略，而答案就在物聯網中。（編譯：iothome）