作者：Jeff Shepard

　　工业4.0 依赖于制造电子产品的智能自动化。从边缘到云端，传感器、机器人和协作机器人、可编程逻辑控制器 (PLC) 和其他设备中的自动化能力越来越强。用于消费、绿色能源、汽车、医疗、工业、军事/航空航天和其他应用的半导体晶圆、集成电路、无源元件、封装和电子系统依赖于智能自动化进行生产。统一制造执行系统 (MES) 提供从原材料到成品的整个制造链的实时监控、控制、跟踪和记录。

　　工业4.0 中的信息物理自动化系统超越了传统的制造活动，依赖于各种形式的机器学习 (ML)，从云端的深度强化学习到边缘的 tinyML，以实现灵活的生产、持续改进和始终如一的高质量。连接层数不断增加，边缘计算、工业物联网 (IIoT) 和云计算的结合增加了与网络安全相关的挑战。区块链最近进入了全面安全的供应链管理领域。

　　本文着眼于电子制造中的主要自动化趋势，包括连接层的增加、对网络安全的需求不断增长、正在部署的 ML 的专门实施，以及可追溯性和 MES 如何支持实时生产指标和分析。在此过程中，我们回顾了完全实现工业 4.0 以高质量和低成本进行大规模定制的承诺所需的一些技术，包括 Dig-Key 如何 通过广泛的解决方案支持自动化系统设计人员的需求。最后介绍了如何使用区块链部署高度安全的企业级供应链管理系统。

　　增加连接层

　　工业 4.0 中的 IIoT 包括更多用于传感器网络、自主移动机器人 (AMR) 和其他系统的有线和无线网络层。例如，IO-Link 的开发旨在为大量传感器、执行器、指示器和其他以前未连接的传统边缘设备提供简化的有线网络连接到更高级别的网络，如以太网 IP、Modbus TCP/IP 和 PROFINET。借助 IO-Link，这些设备的输入和输出 (IO) 被捕获并转换为 IO-Link 协议，用于 IEC 61131-9 中定义的串行连接，使用 IEC 60974- 中定义的单根 4 线或 5 线非屏蔽电缆5-2(图 1)。除了提供新的网络层以捕获有关工厂流程的更精细信息外，IO-Link 还支持快速部署和远程配置、监控、连接设备的诊断，以支持工业 4.0 工厂大规模定制所需的生产线和流程变更。

　　图 1：IO-Link 可用于将传感器和其他使用不同接口的设备连接到以太网、PROFINET 或 Modbus 网络。 (图片来源：邦纳工程)

　　从传感器 到机器人的无线 IIoT 设备也有助于不断增长的网络层。现代工厂使用各种无线协议，包括 Wi-Fi、5G、LTE 等。例如，AMR 结合使用机载传感器和 Wi-Fi 连接来了解其环境、识别可能的障碍并安全高效地从一个地方移动到另一个地方。协作机器人 (cobots) 旨在与人协作以提高运营效率，并且通常需要无线连接。在某些情况下，AMR 会根据需要将协作机器人从一个任务转移到另一个任务(图 2)。

　　图 2：AMR(底部)可以使用机载传感器和无线连接的组合从一个地方导航到另一个地方，并将肘(顶部)移动到新的工作站。 (图片来源：欧姆龙)

　　增加网络危险

　　工业网络中层数的增加，加上连接设备数量的激增，导致安全威胁向量和网络危险不断增加。已经制定了一些工业和物联网特定的安全标准和方法，包括国际电工委员会 (IEC) 62443 和物联网平台安全评估标准 (SESIP)。

　　IEC 62443是由国际自动化学会(ISA)99委员会制定并经IEC批准的一系列标准。 IEC 62443 是一个 800 多页的工业自动化和控制系统 (IACS) 标准系列，分为 14 个小节和四个层级(图 3)。定义组件的产品开发和安全要求的关键部分是：

　　IEC 62443-4-1：产品安全开发生命周期要求——定义了一个安全的产品开发生命周期，包括初始要求定义、安全设计和实施、验证和验证、缺陷和补丁管理以及生命周期结束。

　　IEC 62443-4-2：工业自动化和控制系统的安全性：IACS 组件的技术安全要求——规定了使组件能够减轻给定安全级别威胁的安全功能。

　　图 3：IEC 62443 是一套全面的 IACS 安全标准。 (图片来源：IEC)

　　SESIP 由GlobalPlatform发布，定义了用于评估连接产品安全性的通用结构，并解决了物联网特定的合规性、安全性、隐私和可扩展性挑战。 SESIP 以安全功能要求 (SFR) 的形式提供组件和平台上安全功能的明确定义。它还提供强度指标，以 1 到 5 的 SESIP“级别”形式衡量针对攻击的稳健性，其中 1 是自我认证，5 对应于广泛的测试和第三方认证。

　　从云端到边缘的机器学习

　　ML 是智能自动化的关键推动力，支持持续的流程改进和高质量的产品。神经网络的使用是工业 4.0 中成熟的机器学习技术。它开始辅以云中的深度强化学习。深度强化学习将面向目标的算法框架添加到神经网络核心。最初，强化学习仅限于玩游戏等可重复的环境;今天，算法可以在现实世界中更加模糊的环境中运行。未来，先进的强化学习实现可能会实现通用人工智能。

　　机器学习不只是在云端;它正在延伸到工厂车间的边缘。工厂车间的工业 PC和可编程控制器中的扩展槽越来越多地承载用于智能过程控制的 ML 和 AI 加速卡。

　　微型机器学习 (tinyML) 针对部署在低功耗应用程序中进行了优化。 tinyML 在传感器应用中的使用正在迅速增长。 tinyML 应用程序的一个示例是由电池或能量收集供电的边缘设备中的 IIoT 传感器分析。Arduino提供了一个微型机器学习套件，其中包括一个 Arduino Nano 33 BLE Sense 板，其中包含一个 MCU 和各种传感器，可以监控运动、加速度、旋转、声音、手势、接近度、颜色、光强度和运动(图 4) .还包括一个 OV7675 摄像头模块和一个 Arduino 扩展板。板载 MCU 可以实现基于 TensorFlow Lite 开源深度学习框架的深度神经网络，用于设备上的推理。

　　图 4：Arduino 的微型机器学习套件专为开发 IIoT 传感器应用而设计。 (图片来源：Digi-Key)

　　实时指标和分析

　　实时指标和分析是智能自动化的重要方面。 Traceability 4.0 结合了前几代可追溯性的产品可见性、供应链可见性和行项目可见性，并提供了产品各个方面的完整历史记录。此外，它还包括所有机器和工艺参数，并支持优化制造工艺的整体设备效率 (OEE) 指标(图 5)。

　　图 5：Traceability 4.0 是支持工业 4.0 操作的多样化要求的全面实施。 (图片来源：欧姆龙)

　　从医疗设备制造到汽车和航空航天，可追溯性在许多行业都至关重要。就医疗设备而言，监管要求要求广泛的跟踪和可追溯性。汽车和航空航天系统可能有数以万计的零件需要跟踪。这不仅仅是历史的一部分;可追溯性包括跟踪单个零件的几何尺寸和公差 (GD&T)。 GD&T 支持根据精确的 GD&T 值进行精密制造和零件安装，支持航空航天和汽车制造等行业的高精度装配。

　　可追溯性可以提高实施产品召回的准确性和效率。它使制造商能够识别所有受影响的产品以及任何有缺陷组件的供应商。

　　通过使用可追溯性可以加快纠正和预防措施。与产品召回一样，了解产品的完整来源使制造商能够有效地针对和安排现场产品的服务和维护活动。

　　可追溯性和 MES

　　包含可追溯性的统一 MES 实施可以生成一个可搜索的数据库，其中包含与单个产品相关的所有信息，包括计划设计和竣工结果。例如，可追溯性用于在生产开始前跟踪单个组件和材料的到达情况，包括入站质量测试数据、供应工厂的位置等。 MES 根据计划的设计验证该信息，并将其输入到配套操作和在制品数据库中。

　　IIoT 提供的追溯数据与 MES 相结合，支持工业 4.0 中产品的大规模定制。 MES 能够将正确的材料、流程和其他资源放在正确的位置，以确保最低的生产成本和最高质量的结果。此外，MES 和可追溯性可以结合并证明对政府法规的遵守情况，并使审计员或其他人可以根据需要随时访问数据。

　　区块链

　　区块链是一种去中心化或分布式数字分类账系统，用于以防篡改和可验证的方式记录多方之间的交易。任何信任很重要的交易，如供应链管理，都是区块链的潜在用途。在参与者众多的供应链中，区块链可以提高交易效率，使交易可验证、不可篡改。在供应链活动中使用区块链的好处的两个例子包括：

　　取代人工流程。依赖签名或其他形式的物理验证的手动纸质流程可能会使用区块链得到改进。限制是分类帐中的参与者范围必须是有限的并且易于识别。拥有不断变化的陌生客户数据库的快递公司可能不是区块链的理想选择。具有有限且缓慢变化的可信赖供应商组的制造业务是一个很好的候选者。

　　加强溯源。区块链可以为提高供应链透明度和满足不断增长的监管和消费者信息要求提供一个很好的工具。例如，区块链可以支持药品供应链和安全法案以及美国食品和药物管理局的唯一设备标识符授权。在汽车等行业，整个供应链的供应商都可以参与召回的实施，而区块链可以为实施汽车行业行动小组发布的可追溯性指南提供一个很好的工具。

　　概括

　　作为工业 4.0 基础的智能自动化的实施依赖于众多技术，包括越来越多的具有有线和无线连接的网络层，这导致了越来越复杂的网络安全威胁。此外，机器学习正在从边缘到云端实施，以支持实时指标和分析，包括可追溯性和统一 MES。最后，引入区块链技术以支持防篡改和可验证的数据库。