每天，我們都會(huì)看到更多實(shí)際示例，這些示例表明制造商已成功地將數(shù)字化作為其制造和供應(yīng)鏈運(yùn)營(yíng)的核心，以創(chuàng)造有形的商業(yè)價(jià)值。在某種程度上，這是由于新技術(shù)的出現(xiàn)以及以創(chuàng)新方式應(yīng)用的現(xiàn)有技術(shù)的成熟。手動(dòng)和模擬控制過程在處理現(xiàn)代供應(yīng)鏈的復(fù)雜性方面效率低下，因此，我們依靠總的近似值。這些都是基于廣義的和高度匯總的KPI和操作指標(biāo)，以了解這些制造業(yè)供應(yīng)鏈的總體績(jī)效和狀況。不幸的是，這些指標(biāo)缺乏任何實(shí)際的操作敏銳度。因此，我們必須接受高度的可變性，低效率，

但是，通過物聯(lián)網(wǎng)技術(shù)收集的數(shù)字信息為我們提供了兩個(gè)基本好處：信息減少了不確定性，信息可以得到很好的利用。當(dāng)我們將經(jīng)驗(yàn)和背景應(yīng)用于信息時(shí)，我們就會(huì)獲得知識(shí)，而當(dāng)我們將這些知識(shí)應(yīng)用于信息時(shí)，我們就會(huì)獲得智慧。如果我們能夠以高度的敏銳度近乎實(shí)時(shí)地成功地在整個(gè)供應(yīng)鏈中利用數(shù)字智能。我們可以跨成本，價(jià)值和風(fēng)險(xiǎn)維度優(yōu)化這些供應(yīng)鏈。直到現(xiàn)在，我們還沒有可用的技術(shù)來經(jīng)濟(jì)地做到這一點(diǎn)。

一方面，我們可以使用低成本的數(shù)字傳感器和數(shù)據(jù)采集設(shè)備來實(shí)時(shí)捕獲整個(gè)制造供應(yīng)鏈中的信息。另一方面，我們擁有數(shù)字基礎(chǔ)架構(gòu)來實(shí)時(shí)存儲(chǔ)，分析和可視化該數(shù)據(jù)，并根據(jù)該數(shù)據(jù)做出有效的決策。使用高度可擴(kuò)展且經(jīng)濟(jì)高效的云計(jì)算和軟件即服務(wù)解決方案，可以通過人工解釋和行動(dòng)手動(dòng)完成此操作，也可以通過人工智能（AI）和機(jī)器學(xué)習(xí)（ML）自動(dòng)完成此操作。

如果我們無法可靠，近乎實(shí)時(shí)地將數(shù)據(jù)從源獲取到云或網(wǎng)絡(luò)中的其他節(jié)點(diǎn)，則該生態(tài)系統(tǒng)將崩潰。在此，5G應(yīng)用將在實(shí)現(xiàn)工業(yè)4.0承諾成為現(xiàn)實(shí)的過程中發(fā)揮關(guān)鍵作用。對(duì)于通信，我們?nèi)匀粐?yán)重依賴于更傳統(tǒng)的網(wǎng)絡(luò)，例如有線LAN，WiFi和4G，所有這些網(wǎng)絡(luò)在速度，延遲，容量，可靠性和覆蓋范圍上都有很大的限制。在高度分散的供應(yīng)鏈以及人口稠密的設(shè)備和傳感器的網(wǎng)絡(luò)中，這些局限性僅會(huì)阻礙這種成功的數(shù)字化轉(zhuǎn)型的出現(xiàn)。

相比之下，5G可以為給定網(wǎng)段中的節(jié)點(diǎn)數(shù)量提供更大的覆蓋范圍和更大的容量，而帶寬卻要大得多，而延遲卻非常低。盡管我們看到WiFi標(biāo)準(zhǔn)的不斷改進(jìn)極大地改善了網(wǎng)絡(luò)功能，但4G卻沒有看到相同的進(jìn)展。因此，5G是不可避免的，否則它將成為工業(yè)4.0成為實(shí)際現(xiàn)實(shí)的致命弱點(diǎn)。

有哪些用例？

在制造業(yè)中，有許多用例。首先是可以利用來自整個(gè)供應(yīng)鏈的實(shí)時(shí)，高度粒度的位置數(shù)據(jù)來極大地提高效率和敏捷性并降低運(yùn)營(yíng)風(fēng)險(xiǎn)。5G的廣泛采用將使制造商能夠監(jiān)視和跟蹤整個(gè)供應(yīng)鏈中材料和組件的位置和速度。結(jié)果，這項(xiàng)技術(shù)將使他們能夠利用這些知識(shí)來改善其供應(yīng)鏈的各個(gè)領(lǐng)域。

另一個(gè)是大大增加了使用傳感器數(shù)據(jù)來捕獲有關(guān)特定特性的數(shù)據(jù)的使用。這可能是生產(chǎn)設(shè)施或車輛區(qū)域內(nèi)的溫度和濕度，包裝操作中灌裝頭的速度，實(shí)驗(yàn)室設(shè)備中的化學(xué)成分等。這種智能可用于做出更好的實(shí)時(shí)決策，甚至可以預(yù)測(cè)性能和趨勢(shì)，它使制造商能夠持續(xù)監(jiān)控和微調(diào)流程，并在事件對(duì)運(yùn)營(yíng)產(chǎn)生重大影響之前對(duì)事件做出響應(yīng)（例如具有預(yù)測(cè)性維護(hù)或預(yù)測(cè)性質(zhì)量）。

最后，工業(yè)4.0和IoT范式中越來越多的部分是機(jī)器能夠利用所謂的邊緣計(jì)算智能地行動(dòng)并與其他機(jī)器直接通信以實(shí)現(xiàn)特定的結(jié)果-所謂的機(jī)器對(duì)機(jī)器（M2M）方法。它不是典型的客戶端/服務(wù)器方法（仍然是云計(jì)算模型的基礎(chǔ)），而是創(chuàng)建了相互協(xié)作的機(jī)器，傳感器和設(shè)備的網(wǎng)絡(luò)，這些網(wǎng)絡(luò)協(xié)同工作以實(shí)時(shí)優(yōu)化復(fù)雜的流程。5G和新興的新WiFi標(biāo)準(zhǔn)一樣，對(duì)于使該模型正常工作至關(guān)重要。最終，通過利用數(shù)據(jù)的實(shí)時(shí)訪問和分析（手動(dòng)或自動(dòng)）來最小化成本，最大化價(jià)值并降低風(fēng)險(xiǎn)，可以提高性能，效率和敏捷性，這將是一個(gè)有效的用例。

5G應(yīng)用將如何影響技術(shù)

流量卡之家（www.linhoocis.cn）認(rèn)為，5g應(yīng)用將對(duì)AI和ML的成功產(chǎn)生更深遠(yuǎn)的影響，因?yàn)檫@些算法基于大量數(shù)據(jù)。在因果模型中，不僅來自單個(gè)來源的數(shù)據(jù)量更大，而且來自來源的數(shù)據(jù)廣度。在典型的制造操作中，實(shí)際上有成千上萬的特征會(huì)影響過程或產(chǎn)品功能。使用智能算法來理解相關(guān)性并預(yù)測(cè)未來結(jié)果取決于來自連續(xù)流中饋入這些算法的許多來源的高度數(shù)據(jù)敏銳度。

以天氣預(yù)報(bào)為例。為了準(zhǔn)確地預(yù)測(cè)天氣，我們不僅嘗試從單個(gè)數(shù)據(jù)點(diǎn)進(jìn)行預(yù)測(cè)。我們使用連續(xù)監(jiān)視來分析很大空間中來自許多數(shù)據(jù)點(diǎn)的因果關(guān)系。這就需要以非常低的延遲以非常高的速度傳輸來自多個(gè)源的大量數(shù)據(jù)。5G將使人們能夠以較低的延遲從更多的源中以更高的數(shù)據(jù)速率捕獲數(shù)據(jù)，這對(duì)于使這些智能算法更成功地實(shí)現(xiàn)其目標(biāo)至關(guān)重要。