侵权投诉

搜索
更多>> 热门搜索:
当前位置:

OFweek工控网

正文

构建全新数字化工厂 自适应数字化工厂三部曲(下)

导读: 自适应数字化工厂与基于数据分析的持续优化,能够创造更大的价值。由于工厂的信息有多种来源,如供应商、制造单元、智能装备、产品、产线操作工人、消费者,以及持续运行的系统。

本文由知识自动化(zhishipai)授权转载

本文选编自 PEGA的数字工厂报告,有较大调整,此处为三部曲的下篇。

自适应数字化工厂与基于数据分析的持续优化,能够创造更大的价值。由于工厂的信息有多种来源,如供应商、制造单元、智能装备、产品、产线操作工人、消费者,以及持续运行的系统。此时就需要一个系统将这些信息进行有机整合,并对上述来源的数据进行分析,基于分析进行预测与自主学习。

构建全新数字化工厂 自适应数字化工厂三部曲(下)

图1:自适应数字工厂的资产管理

信息来源:PEGA报告

正如前文所述,一个集成、协调的,能够通过自反馈实现“资产”优化的执行系统,可以使得自适应数字化工厂成为可能的平台。而这些“资产”包括流程判断、预测和自主学习或机器学习模型,也包括来自系统记录的数据。

然而,许多问题需要解决,以确保这样的系统得以实现。

1.数字化工厂的安全问题

自适应数字化工厂在生产车间建立最优连接以及与供应商、物、资产的外部连接。自适应过程发挥了模型与资产不断改善的优势,但是这需要认真考虑连接的隐私与安全问题。

首先是安全威胁问题。在任何网络中,安全漏洞都是常见且必须要给予重视的问题。黑客尤其热衷于窃取信息,侵入环境添加恶意软件来控制网络。在大数据、物联网广泛应用的未来工厂中,每个人都必须警惕上述以及传统威胁对自适应数字工厂所产生的影响。

黑客案例

◇ 黑客旨在远程控制联网设备——要么是生产车间的机器,要么是制造的联网产品;

◇ 黑客接近并操纵消费者敏感或私人数据,对决策、业务流程或动态案例进行恶意操纵;

◇ 黑客在敏感数据中植入恶意错误。机器学习和自适应预测模型依靠正确的数据进行积极真实的预测。事实上,任何引入模型的恶意数据都将产生错误预测,潜在的消极甚至危险的后果。

毫无疑问,在大数据、物联网广泛应用的未来工厂中,安全需要规划在首要位置。考虑到自适应数字化工厂的执行,我们必须强调所有阶段的隐私与安全问题——从底层的边缘设备到与联网产品相互作用的消费者。

下面的每个过程需要认真考虑安全问题:

☆ 边缘设备:在生产车间的联网产品与智能机器需要能够保护来自未授权的访问。

☆ 生产车间:我们必须解决日益增长的自动控制器和自适应数字化工厂系统间的缺陷之间的矛盾。随着可操作机器人、信息技术和企业应用程序的连接,潜在的隐私与安全违规行为将增加。

☆ 云数据和控制中心:自适应数字化工厂越来越依靠云端存储产品与传感器数据,也越来越依靠各种用于联网产品的控制元件。各种云端安全标准以及从公共云平台到混合云平台、私人云平台的防护确实存在,这些标准与防护应该被评估。

1  2  3  4  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,除OFweek官方账号外,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

  • 机械
  • 自动化
  • 单片机
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: