在工业领域中,IT(Information Technology)信息技术与OT(Operation Technology )操作技术之间天然存在着种种差异,两者都有各自的目标,沿着不同的路径发展,并各有各的生态体系。因此,长期以来IT与OT之间都是相互隔离的状态。但在今天工业信息化与数字化的发展趋势下,IT与OT之间的这种鸿沟显然愈发阻碍了制造业向未来挺进的步伐。
随着工业信息化建设的不断深入,在制造业中以往不同协议、不同厂家等异构产品的整合及管理问题更加凸显,这也一直困扰工业和制造业的管理者。而在IT领域中,统一管理的概念及产品早已成熟,如果将IT管理理念引入OT管理当中将大大提升其生产效率。
因此,近年来OT开始逐渐拥抱IT,IT也开始更多的融入到各种工业环境当中,而如何将IT与OT进行更加有效的融合,已经成为工业数字化转型的基础和关键所在。
众所周知,随着工业互联网、智能制造和大数据的出现及运用,IT与OT之间的融合也愈发紧密,但假如在合适的时机缺乏合适的信息,也会导致决策错误和产生不可靠的行动。换句话说,面对工业生产环境,对于IT与OT来说都将面临更加苛刻的要求,因此两者融合也将是一个分阶段的实施过程。
而随着工业4.0的来临,越来越多的企业开始将IT技术引入到OT技术之中。以纺织制造企业为例,瑞士欧瑞康纺织集团(原苏拉集团)就是一家全球科技集团,也是纺织机械全面解决方案的世界领导者,其设备与服务涵盖了整个纱线生产(天然纤维和人造纤维)以及非制造产品生产领域。
欧瑞康信息部IT经理韩志军就曾表示,“工业IT方案永远都是朝着更加安全可靠、更高价值,同时兼顾灵活可变而努力。”这看起来与传统IT场景的需求有一定差别。
另外,在上云方面,欧瑞康也有自己的打算,将建立起公有云+私有云的混合云方式,以及ERP等企业应用平台的融合,这些都将依赖IT与OT的有效融合,才能实现对企业总体数据的协作与共享,并从生产数据中挖掘出更大的价值。
同时,基于内外网络的商业数据保护,也是工业制造的一个重要基石,这也是工业IT与传统IT的一个很大不同。在工业IT中,不仅要保障网络的可靠连接,更要对网络进行合理划分,保证其安全性,其次才是网络的灵活性需求,这也是IT在工业制造领域中的主要需求与方向。
而随着OT与IT的融合度越来越高,工业数据的价值将得到进一步的释放,未来制造类企业的内部平台将逐渐整合,外部数据会不断向云端迁移,而内外部数据的统一管理与协作能力,将成为未来工业数字化转型的重要技术指标。
可以想见,随着工业化的不断推进,越来越多的人工操作将被软件或机器所替代,工业自动化程度也将得到大幅提升,而这都是在IT与OT的不断深化融合中得以实现的。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
杜克大学研究团队开发了MOG-DFM技术,这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题,能够设计出既安全又有效的治疗性分子。实验证明,MOG-DFM在肽类药物和DNA序列设计中都表现优异,有望显著加速药物发现进程并推动个性化医疗发展。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
印度理工学院团队开发REFINE-AF框架,让小型AI模型通过强化学习自动生成训练指令,无需大量人工标注。该方法在119项测试任务中,63-66%的表现超越传统方法,证明了小模型也能通过巧妙设计获得优异效果,为降低AI训练成本提供了新思路。