作者：Jeff Shepard

工業 4.0 依賴于電子產品制造的智能自動化。自動化功能不僅越來越強大，而且無處不在，從邊緣到云，已經運用到傳感器、機器人和協作機器人、可編程邏輯控制器（PLC）和各種各樣的其他設備中。半導體晶圓、集成電路、無源元件、包裝和電子系統都依賴于智能自動化生產，涵蓋了消費、綠色能源、汽車、醫療、工業、軍事/航空航天等許多應用領域。統一的制造執行系統（MES） 對從原材料到成品的整個制造鏈進行實時監測、控制、跟蹤和記錄。

工業 4.0 中的網絡物理自動化系統超越了傳統的制造活動，依靠從云端深度強化學習到邊緣微型機器學習 （tinyML） 的各種形式的機器學習（ML），以實現靈活生產、持續改進和穩定的高品質。連接層數越來越多以及邊緣計算、工業物聯網 （IIoT）和云計算的結合，日益加劇與網絡安全有關的挑戰。區塊鏈最近已進入人們的視野，能夠實現全面、安全的供應鏈管理。

本文探討電子制造業領域中的關鍵自動化趨勢，包括不斷增加的連接層、網絡安全方面日益增長的需求、專門實施正在部署的 ML，以及可追溯性和 MES如何支持實時生產指標和分析。然后，介紹全面實現工業 4.0 對高質量、低成本化大規模定制的承諾而所需的一些技術，包括 DigKey如何以廣泛的解決方案來滿足自動化系統設計者的需求。最后，介紹區塊鏈是如何用來部署高度安全的企業級供應鏈管理系統的。

連接層越來越多

工業 4.0 中的工業物聯網 （IIoT） 包括了更多用于傳感器網絡、自主移動機器人 （AMR） 和其他系統的有線和無線網絡層。例如，開發 IO-Link的目的是為了向大量傳感器、執行器、指示器以及其他以前未連接的傳統邊緣設備提供簡化的有線網絡連接，使其與諸如以太網 IP、Modbus TCP/IP 和
PROFINET 等更高級別的網絡連接。借助 IO-Link，這些設備的輸入和輸出 （IO） 被捕獲后轉換為 IO-Link 協議，用于通過 IEC60974-5-2 標準規定的單一 4 線或 5 線非屏蔽電纜實現 IEC 61131-9 標準規定的串行連接（圖1）。除了提供新網絡層以獲取有關工廠流程的更細化信息外，IO-Link 還支持快速部署和遠程配置、監測和診斷所連接的設備，以支持工業 4.0工廠實現大規模定制所需的生產線和流程變化。

從傳感器到機器人的各種無線 IIoT 設備也有助于實現不斷增加的網絡層。包括 Wi-Fi、5G、LTE 等各種無線協議都已應用于現代工廠。例如，AMR使用板載傳感器和 Wi-Fi 連接的組合來了解其周圍環境，識別可能的障礙物并安全有效地從一個地方移動至另一個地方。協作機器人 （cobots）用于與人合作，以提高工作效率。這種機器人通常需要采用無線連接。某些情況下，AMR 會根據需要使協作機器人在不同的任務間切換（圖 2）。

越來越多的網絡危險

工業網絡的層數越來越多，而且所連接設備的數量在爆炸性增長，從而導致了安全威脅載體越來越多，網絡危險越來越大。目前，已經制定的一些工業和物聯網安全標準及方法包括國際電工委員會（IEC） 62443、物聯網平臺安全評估標準 （SESIP）。

IEC 62443 是由國際自動化學會 （ISA） 99 委員會制定并由 IEC 批準的一系列標準。IEC 62443 標準是一個有 800多頁的工業自動化和控制系統 （IACS） 系列標準，包括 4 個大部分 14 個子部分（圖 3）。界定產品開發和組件安全要求的關鍵部分是：

IEC
62443-4-1：產品安全開發生命周期要求——定義安全產品開發生命周期，包括初始需求定義、安全設計和實施、驗證和批準、缺陷和修補管理以及壽命終結。

IEC 62443-4-2：工業自動化和控制系統的安全：IACS 組件的技術安全要求——規定安全能力，使組件能夠減輕特定安全級別的威脅。

SESIP 標準由 GlobalPlatform發布，定義評估互聯產品安全的通用結構，并解決了物聯網特有的合規性、安全性、隱私性和可擴展性方面的挑戰。SESIP 以安全功能要求 （SFR）的形式對組件和平臺的安全功能給出了明確的定義。該標準還規定了強度指標，以 SESIP“等級”的形式衡量在受到攻擊時的穩健性，具體分為 1 級到 5 級，其中 1級是自我認證，5 級對應于廣泛的測試和第三方認證。

從云到邊緣的機器學習

ML 是智能自動化的關鍵推動因素，支持持續流程改進和高品質產品。神經網絡的使用是工業 4.0領域中一項成熟的機器學習技術。這是通過云端的深度強化學習進行補充的開始。深度強化學習為神經網絡核心增加了一種目標導向型算法框架。強化學習最初局限于如玩游戲等可重復環境，今天，算法已能夠在現實世界中的更模糊環境下運行。在未來，實施高級強化學習可能會實現通用人工智能。

ML 不僅僅是在云端，而且正深入到工廠車間和邊緣。工廠車間的工業 PC 和可編程控制器的擴展槽越來越多地插入 ML 和 AI加速卡，以實現智能化過程控制。

微型機器學習 （tinyML）針對在低功耗應用中部署進行了優化。微型機器學習在傳感器應用中的使用量在飛速增長。例如，在通過電池或能量收集供電的邊緣設備中，IIoT傳感器分析就是一種微型機器學習應用。Arduino 提供了采用 Arduino Nano 33 BLE Sense 板的微型機器學習套件，該板上具有 MCU和各種傳感器，可以監測運動、加速度、旋轉、聲音、手勢、接近、顏色、光強度和移動（圖 4）。此外，還包括一個 OV7675 相機模塊和一塊 Arduino盾板。板載 MCU 可以實現基于 TensorFlow Lite 開源深度學習框架的深度神經網絡，用于設備端推理。

實時指標和分析

實時指標和分析是智能自動化的重要方面。可追溯性 4.0結合了前幾代可追溯性中的產品可視性、供應鏈可視性和生產線可視性，并提供了一個涵蓋產品所有方面的完整歷史。此外，還包括所有機器和流程參數，支持優化制造過程的整體設備效率（OEE） 指標（圖 5）。

可追溯性在許多行業都至關重要，涵蓋從醫療設備制造到汽車、航空航天等眾多行業。就醫療設備而言，根據監管要求，需要進行廣泛的跟蹤和追溯。汽車和航空航天系統可能有數以萬計的部件需要追蹤。不僅僅是零件歷史，可追溯性還包括跟蹤單個零件的幾何尺寸和公差（GD&T）。GD&T 使精密制造成為可能，并根據零件的精確 GD&T 值進行安裝，以支持航空航天、汽車制造等行業的高精度裝配。

可追溯性可以提高產品召回準確性和召回效率。可追溯性使制造商能夠確定受到影響的產品和供應商，以及任何缺陷部件的供應商。

通過可追溯性，可以加速實施糾正性和預防性行動。與產品召回一樣，了解完整的產品原產地信息使制造商能夠有效地、有針對性地安排產品的現場服務、維護。

可追溯性和 MES

融合了可追溯性的統一實施 MES可以產生一個可搜索的數據庫，其中包括與單個產品相關的所有信息，涵蓋了計劃中的設計和竣工結果。例如，開始生產之前，可追溯性用來在單個部件或材料到達時實施跟蹤，包括進貨質量測試數據、供應工廠的位置等等。MES根據規劃好的設計來驗證這些信息，并將其輸入配套作業和在制品數據庫。

通過 IIoT 與 MES 結合提供的可追溯性數據可支持工業 4.0 環境下的大規模產品定制。MES能使正確的材料、流程和其他資源處于正確的位置，從而確保實現最低的生產成本、最高的產品質量。同時，MES可以和可追溯性相結合并證明符合政府法規，使審核或其他人員可以根據需要隨時查閱數據。

區塊鏈

區塊鏈是一個去中心化或分布式數字賬本系統，用于以可驗證的、不可篡改的方式記錄多方之間的交易。任何信任是重要因素的交易，如供應鏈管理，都是區塊鏈的潛在用武之地。在有許多參與者的供應鏈中，區塊鏈可以提高交易效率，并使交易可驗證、防篡改。區塊鏈在供應鏈活動中的使用優勢如下所列：

替換人工流程。依靠簽名或其他形式的物理驗證的紙質手工流程，有可能利用區塊鏈進行改進。其局限性在于，賬本中的參與者的范圍必須有限且容易識別。快遞公司擁有不斷變化的陌生客戶數據庫，就可能不是區塊鏈的好選擇。一個擁有有限的、緩慢變化的以及可信賴的供應商群體的制造業務，則是一個很好的區塊鏈選擇。

加強可追溯性。區塊鏈可以為提高供應鏈透明度，滿足日益增長的監管和消費者信息要求提供一種良好的工具。例如，區塊鏈可以支持《藥品供應鏈和安全法》以及美國食品和藥物管理局的唯一設備標識符授權。在汽車和其他行業中，整個供應鏈上的供應商都可以參與召回，區塊鏈可以為實施汽車行業行動小組發布的可追溯性指南提供一種良好的工具。

結束語

作為工業 4.0基礎的智能自動化依賴于實施眾多的技術，包括越來越多的有線連接和無線網絡層，這招致了越來越復雜的網絡安全威脅。此外，機器學習正在從邊緣擴展到云端，以支持實時指標和分析，包括可追溯性和統一的MES。最后，正在為支持防篡改的、可驗證的數據庫引入區塊鏈技術。