边缘 AI 助力可持续制造
对工业 4.0 来说，可持续性不仅仅是一个崇高的理想。它也是一项法律和财务责任 — 需要像任何 KPI 一样尽可能准确地评估的责任。
在监管方面，制造商面临着越来越大的压力，以实现政府制定的碳排放目标。此外，投资者也愈加重视公司的环境、社会和治理 (ESG) 实践，而可持续的能源管理是其中不可或缺的组成部分。
在气候变化受到日益关注的时代，这种趋势获得广泛支持。但是，整个行业也因此面临严重的问题。
首先，人们很难找到提高能效的新办法，特别是在可持续性目标往往相当激进的情况下。另外，收集和报告可持续性数据 — 包括向监管机构和股东报告 — 通常都需要做大量的工作。
“对小型制造商来说，满足基本的合规性会造成问题。”总部位于台湾的智能产品制造商研华科技产品经理 Julia Chih 表示。“大型企业拥有更多资源，但通常不具备自动收集和报告数据所需的组织知识。而且，聘请收费高昂的咨询公司来完成这项工作也缺乏吸引力。”
这是制造商所面临的困难局面。但是，基于 AI 的智能工厂解决方案或许可以帮助摆脱上述困境：该系统可快速带来投资回报，并足够灵活，能够根据监管和报告情况的变化来满足未来的需求。
物联网、边缘 AI 和云：多层解决方案
智能工厂系统的强大功能源自于其设计。共有多个技术层次，每个层次都在整体解决方案中发挥着专门的作用。
在工厂车间，物联网传感器和边缘 AI 将完成数据采集和实时流程优化。
将根据需要部署传感器和智能仪表，以从工业机械中收集数据。它们会报告性能、功耗、温度、用水量等数据。这提供了可见性，有助于了解工厂内实际发生的情况，也是确定浪费并收集报告所需的原始数据的第一个关键步骤。边缘 AI 用于通过工厂的 SCADA 系统实时处理传感器数据并自动优化生产线，以帮助提高效率（视频 1）。
在后台，数据将发送到云端进行进一步处理。在这个层面，企业经营者能够利用收集的数据来生成监管和 ESG 报告。这时，大数据和 AI 应用程序还可以利用智能工厂生成的海量信息来获取其他洞察，并制定长期优化策略。
采用这个模块化分层架构意味着智能工厂解决方案将具有内在的灵活性。制造商可以配置此类解决方案来满足其运营和报告需求。如果未来可持续性目标或报告要求发生变化，他们还可以根据需要做出调整。研华科技业务开发经理 Henry Chen 表示，英特尔® 技术在这方面特别有用：
“英特尔处理器在运行 AI 应用程序和更繁重的服务器工作负载时表现优异。这些功能经过了明确定义和归档，便于我们在任何场景下轻松选择适当的处理器来满足客户的规格要求。”
墨西哥智能制造案例研究
研华科技在墨西哥富士康工厂的部署情况表明，智能工厂系统如何以最低的资本投资来帮助显著提高可持续性。
富士康需要遵守当地环境法规。它还需要在全球各地的制造场所满足减少碳排放的内部目标。
作为全球制造商，富士康正在寻求既可实现其在墨西哥所需的业绩，又能够在其他国家/地区的工厂中使用的技术方案。理想情况下，它需要可通过标准化、集中式系统来进行管理的解决方案。
研华科技与富士康合作，在其墨西哥的整个工厂中安装了智能传感器和功率表。两家公司携手，共同建立了一个不间断运行的数据收集系统，并将其连接到可从中央位置进行远程监控的后端。它们还实施了能源管理优化策略。
结果令人瞩目。能效得到迅速提高，平均节省了 8-13% 的成本。此外，富士康还发现，对能源消耗的全新可见性还可用于制定容量预测计划，帮助公司避免其公用事业领域面临的超额罚款，并在长期实现更大的节省。
可持续性的未来
智能工厂解决方案产生的短期成果令人印象深刻，无疑，帮助快速提高效率的前景将促使制造业开始采用该方案。但今后，如果能够从工厂捕获数据并进行数据挖掘来获取商业洞察，这将创造更大的机会。
例如，在智能工厂环境中，物联网和 AI 可用于故障预测与健康管理 (PHM)。PHM 指监控机械运行状况并进行主动维护以防止计划外停机，这一做法具有充分的业务价值。“如果能够在出现故障之前修复机器，” Chen 说，“就可以缩短停机时间 — 对制造商来说，停机会造成极其巨大的损失。”
在智能工厂具有的各种巨大潜力中，PHM 只是其中一个例子。随着整个行业加快数字化转型，制造商会继续发现技术的创新应用场景。因此，研华科技已决定对其 AI 平台进行开源。“我们需要在未来保持灵活性和开放性，” Chen 指出，“因为公司需要构建它们自己的应用程序，以利用物联网和 AI 在工厂带来的机会。”
在今后十年中，这应该会催生更丰富、更全面的可持续性模型 — 可同时为制造商和社区创造长期价值的模型。