3S Market 傳遞 智慧應用與價值的商業資訊
Covid-19: how bad will it be for the economy? | The Economist
Covid-19: how bad will it be for the economy? | The Economist
智慧車載交通
|
工業 4.0 智慧工廠
2020年4月15日 星期三
．人工智慧如何赋能智慧交通
Traffic jam? AI to the rescue!
來源：亿欧网
隨著時代的進步，以及各種科技的不斷發展，讓我們的日常生活發生了巨大的變化，大數據技術和人工智慧技術的廣泛推廣應用，讓我們的生活變得更加方便快捷，而以此為基礎創建智慧交通管理模式，能夠對目前的交通問題進行有效地解決，讓交通領域能夠實現規範發展，提高交通方面的管理效率。
無線感測技術和人工智慧辨識技術，是物體感知和標識的主要方式，同時也是建設智慧交通的基礎技術條件。智慧辨識就是物品中獨有的二維碼或是條碼等，能夠代表其身份的辨識標籤，在相關電子標籤中，記載著獨有的位置資訊和特徵，隨後透過人工智慧設備，能夠對這些資訊進行準確辨識，隨後將讀取出來的資訊，上傳到控制系統中心，進行分析與決策。
無線感測網路，主要是在監控目標區域中，設置大量微型感測器，並由其組成全面的監控網路，各個節點之間主要是透過無線網路進行資訊交流的，其主要的突出優勢就是部署方便、低成本運行和靈活佈置等特徵。
智慧交通中的感測器主要包括，匯聚節點和採集節點等兩部分內容。比如每一單獨的採集點，實際上都是一種小型的資訊處理系統，能夠自動收集負責區域內的數據資訊，隨後將收集上來的各種資訊，統一傳送到其他的節點當中，或是傳送到節點匯聚中心，匯聚節點再將綜合資訊，發送到處理中心進行統一處理。
無線感測網路，主要是在監控目標區域中，設置大量微型感測器，並由其組成全面的監控網路，各個節點之間主要是透過無線網路進行資訊交流的，其主要的突出優勢就是部署方便、低成本運行和靈活佈置等特徵。
智慧交通中的感測器主要包括，匯聚節點和採集節點等兩部分內容。比如每一單獨的採集點，實際上都是一種小型的資訊處理系統，能夠自動收集負責區域內的數據資訊，隨後將收集上來的各種資訊，統一傳送到其他的節點當中，或是傳送到節點匯聚中心，匯聚節點再將綜合資訊，發送到處理中心進行統一處理。
智慧交通系統中的各個模組，目前還處於一種單獨作業，資訊分離的狀態，從而無法促進各個數據資訊之間的有效連接，導致數據浪費現象較為嚴重。
智慧交通雲，是以交通服務領域為主要目標的，屬於一種融合雲端運算的管理技術，同時還具有雲端運算中的資源統一分析、資訊安全與海量資訊儲存等優勢，為城市交通的數據管理和共享提供有效的管道。
雲端運算實際上，就是指在網路中集中大量高速電腦，從而形成一種大型的虛擬資源管理場所，能夠為遠端網路終端使用者，提供儲存與分析計算的服務，使用者可以租用服務商，提供的雲端運算服務，而不用另外購買各種獨立硬體。
和雲服務十分相似，智慧交通中的雲端服務可以分成軟體服務、平台服務和基礎設施服務等三種內容。雲端處理平台也是智慧交通主要的研究方向，能夠對海量數據進行分析、運算和儲存預處理等工作，從而降低數據即時儲存壓力，提高開發潛力。
雲端運算實際上，就是指在網路中集中大量高速電腦，從而形成一種大型的虛擬資源管理場所，能夠為遠端網路終端使用者，提供儲存與分析計算的服務，使用者可以租用服務商，提供的雲端運算服務，而不用另外購買各種獨立硬體。
和雲服務十分相似，智慧交通中的雲端服務可以分成軟體服務、平台服務和基礎設施服務等三種內容。雲端處理平台也是智慧交通主要的研究方向，能夠對海量數據進行分析、運算和儲存預處理等工作，從而降低數據即時儲存壓力，提高開發潛力。
智慧交通中的數據資訊具有異構性、多樣性和海量性等特徵，從而增加了數據資訊的處理難度，簡單到來往車輛、各種交通設施的數據收集，複雜工作像是交通事件中的檢測判斷等工作，都離不開數據的處理工作。
而智慧交通中較為常見的處理技術，包括數據可視化、數據活化、數據挖掘、數據融合等技術，此外，還應該對數據進行選擇上傳，從而維護好個人隱私。數據融合也涉及到決策、通信以及人工智慧等多個領域的數據處理技術，可以從決策層、特徵層和數據層等三種角度出發，全面探測多源資訊。
因為數據融合這一過程，還會涉及到大量的感測器和資訊獲取工作，因此在正式進行融合工作之前，還應該對相關數據空間和數據時間進行預處理，透過對準時空，能夠有效避免數據管理混亂狀況，促進數據可靠性和一致性的有效提高。
因為數據融合這一過程，還會涉及到大量的感測器和資訊獲取工作，因此在正式進行融合工作之前，還應該對相關數據空間和數據時間進行預處理，透過對準時空，能夠有效避免數據管理混亂狀況，促進數據可靠性和一致性的有效提高。
在現代城市發展過程中的一大問題，就是交通堵塞，想要徹底解決城市發展中的這一頑疾，就需要以現代化高科技技術為支撐，建造城市中的智慧交通系統，從源頭入手徹底解決城市擁擠的問題。
在智慧交通系統當中涉及到雲端運算、大數據和 AI 人工智慧技術等多種先進的科技，充分利用各種交通資源，促進交通成本的有效降低，讓交通領域能夠順利發展。
在智慧交通系統當中涉及到雲端運算、大數據和 AI 人工智慧技術等多種先進的科技，充分利用各種交通資源，促進交通成本的有效降低，讓交通領域能夠順利發展。
智慧控制系統中，還包括即時回饋、集中指揮、雲端處理和資訊採集等幾種重要的板塊。城市中的出租車司機、城市交警，以及影像監控系統等，是主要的資訊採集源泉。
將所收集到的資訊數據，即時傳送到城市指揮中心，隨後由相關電腦系統，對大數據進行集中分析，並制訂出城市交通的優化方案，將其回饋到相關管理人員和交通設施當中，從而對城市交通進行智慧掌控。
比如城市交通中的重要組成因素紅綠燈系統，傳統的運行模式都是根據固定的時間進行變化，從而容易導致某一方向中，出現嚴重塞車等問題，但是在智慧交通系統的管理控制之下，能夠結合所收集上來的車輛速度、數量，以及分布密度等因素，對相同方向中的路段進行智慧分析，隨後結合相應的分析結果，科學調控紅綠燈的轉換，能夠促進車輛等待時間的有效降低。
將所收集到的資訊數據，即時傳送到城市指揮中心，隨後由相關電腦系統，對大數據進行集中分析，並制訂出城市交通的優化方案，將其回饋到相關管理人員和交通設施當中，從而對城市交通進行智慧掌控。
比如城市交通中的重要組成因素紅綠燈系統，傳統的運行模式都是根據固定的時間進行變化，從而容易導致某一方向中，出現嚴重塞車等問題，但是在智慧交通系統的管理控制之下，能夠結合所收集上來的車輛速度、數量，以及分布密度等因素，對相同方向中的路段進行智慧分析，隨後結合相應的分析結果，科學調控紅綠燈的轉換，能夠促進車輛等待時間的有效降低。
城市交通系統當中，包括輕軌、地鐵、出租汽車、電車和公共汽車等部分組成，而上述幾種交通方式，都有單獨負責管理的機構，隸屬於不同部門，同時處於一種分割營運的狀態，從而降低了不同交通方式之間的轉接效率，導致各個交通工具之間的協調配合能力較差，對交通整體的運力發生一定的不良影響，為此應該採取有效措施即時解決。
以智慧調度系統為基礎，對城市整體交通運行狀態進行科學規劃，從而讓各種交通方式之間能夠進行有效的配合，促進各個交通環節的有效銜接，形成一種良好的交通網路，讓乘客能夠方便出行，促進交通效率的全面提升，降低空載率，促進城市交通資源的充分利用。
私家車在城市交通系統中，佔據著重要的地位，和城市中的公共交通相比，私家車在日常來往中具有一種自由化、個性化和分散化的特徵。而智慧交通的作用，主要可以體現在對於私家車的引導和服務上，比如透過電子導航、路面顯示器，以及城市電台等工具，為私家車及時傳送交通資訊，以及路面交通狀況，引導私家車有效避開城市中的交通擁堵地段，幫助私家車科學規劃出行路線。
對於城市中的停車難題，可以設計出相應的停車管理模組，並將一些公共停車區域的數據資訊，容納到城市交通管理系統當中，讓私家車出行可以根據手機相關 APP 軟體，來查找空餘停車位，促進停車資源的高效利用。
對於城市中的停車難題，可以設計出相應的停車管理模組，並將一些公共停車區域的數據資訊，容納到城市交通管理系統當中，讓私家車出行可以根據手機相關 APP 軟體，來查找空餘停車位，促進停車資源的高效利用。
透過智慧警示系統，能夠進一步提高公眾的出行觀念，對於城市交通中那些翻越護欄、車輛逆向、闖紅燈，以及違反導向行駛等違法行為進行有效地懲戒。
在人臉辨識和車牌辨識等，人工智慧辨識技術的基礎上，利用警政機構中的相關資訊系統，能夠對其進行準確定位，從而將具體的警示資訊，傳送到違法人員的手機當中，或是利用城市中的公共顯示螢幕，來曝光具體的違法人員，讓交警人員對其法律責任進行追究。
科技支持、資訊鋪路，智慧城市主要是以各種先進的高科技為基礎建立起來的，為此應該充分利用各種技術，包括數據通訊系統、電腦處理系統、數據採集系統等，同時還應該重視人工智慧技術的合理運用。
在人臉辨識和車牌辨識等，人工智慧辨識技術的基礎上，利用警政機構中的相關資訊系統，能夠對其進行準確定位，從而將具體的警示資訊，傳送到違法人員的手機當中，或是利用城市中的公共顯示螢幕，來曝光具體的違法人員，讓交警人員對其法律責任進行追究。
 |
．全球貿易從 Covid-19 的重擊下，經濟要復甦非常重要
WTO Director General Roberto Azevedo on plummeting global trade
世貿組織 WTO 秘書長說，隨著武漢肺炎危機加劇，各國政府必須為後果做好規劃
隨著一個國家又一個國家被迫關閉不必要的業務，並命令人們回家以抑制Covid-19 大流行的蔓延，持續的公共衛生危機，正在成為一種經濟和社會危機，需要採取政策應對措施。
數以百萬計已經為親人的健康擔憂的人，現在面臨失業和長期經濟苦難的前景。 大宗商品價格和出口收入暴跌，外國投資者棄逃，海外工人匯款減少，數十個新興經濟體面臨財務和人道主義困境。
嚴重的供需衝擊，嚴重破壞了國際貿易。 多國價值鏈已被緊急工廠和邊境關閉所打斷。 旅行和旅遊業已經崩潰。
取消航班減少了航空貨運量。 迄今為止，用於運輸製成品、食品、能源和原材料的大部分貿易的遠洋集裝箱運輸，已經相對寬鬆，但是船員已經被大流行相關的旅行限制所困擾。 信貸市場的壓力，正在減少貿易融資的可用性，使願意交易的人更難以達成交易。
根據 4 月 8 日公佈的估計，世界貿易組織經濟學家預計，今年全球商品貿易額將下降 13％ 至 32％。 他們的計算受到有關 Covid-19 及其經濟影響，如何演變仍然存在不確定性。
但是，以這些數字來看，樂觀的情況要比 2008-09 年全球金融危機，最嚴重的時候，下降 12％ 更為糟糕。 悲觀的情景將與 1929 年至 1932 年大蕭條的前三年，所看到的世界貿易下降相提並論。
政府和中央銀行正試圖透過，提供數萬億美元的財政和貨幣支持，以減輕債務危機、破產和失業，以減輕大流行的經濟影響。然而，這種衰退的不尋常性質，使立即採取的政策應對措施變得複雜。各國無需花錢讓人們重新工作和消費，而是需要激勵非必需工人留在家中。
即使危機加劇，各國政府也必須開始計劃後果。在經濟方面，這意味著為強勁的，具有社會包容性的復甦奠定基礎。貿易以及更廣泛的國際協調，將成為這裡的重要因素。
積極的消息是，強勁的復甦是可能的。即使切斷了發動機的燃油管路，經濟的基本面仍然保持穩固。我們需要做的是製訂良好的政策決策，並為企業、家庭和準企業家，提供對未來充滿信心的理由。世貿組織經濟學家估計，如果大流行能盡快得到控制，貿易和產出可能會在 2021 年前，幾乎反彈到大流行前的軌道。
貿易不是萬靈丹，但這是對財政和貨幣措施的寶貴補充。在 2008-09 年之後，各國政府保持了全球經濟的廣泛開放，這一事實彌補了財政和貨幣政策的一些不足。各個國家能夠利用彼此的成長。價格上漲和供應短缺，使家庭和公司的鬥爭更加複雜。
這次，為應對更深層次的崩潰，財政、貨幣和貿易三大力量必須齊心協力。不幸的是，貿易以脆弱的狀態進入了這場危機：在貿易保護主義措施和持續的緊張局勢的影響下，商品貿易在大流行之前的 2019 年最後一季已經下降。
透過進一步向內轉移來應對這一危機，將會給我們目前正在遭受的經濟衝擊，更加惡性循環。
儘管一些受青睞的行業，可能會從建立整個國家供應鏈的粗暴嘗試中受益，但更多的行業將蒙受損失，已經受到經濟衰退打擊的消費者，也將因此遭受損失。這將阻礙復甦。從長遠來看，專業化和規模的喪失，將降低成長和生產力。
我們現在看到的是貿易限制和關稅，如何阻礙努力增加急需的防護設備，和通風機的生產。當各國開始為下一次大流行做準備時，能夠跨境採購設備和組件，將有助於它們更經濟高效地建立庫存。越來越多的政府將與 Covid 有關的貿易措施告知WTO。該資訊是公開的，將幫助每個人了解市場的發展情況。
相互依存度降低，使經濟更具彈性的觀點是錯誤的：食品和其他必需品的自給自足，會使各國更而不是、更少地、更容易受到乾旱、颶風和地震等局部危機的經濟後果的影響。可預測的全球貿易規則，將比偶然的貿易保護主義，更好地服務於供應鏈多樣化，這是一個更為合理的目標。
全球化的批評者指出的是，當貨物和人員在世界各地移動時，病原體也隨之移動。但這確實是幾千年了。而且解決方案也跨越了國界：1970年代，透過全球疫苗接種努力，消滅了橫穿羅馬帝國的天花。
在國際上分享想法，將有助於科學家更快地開發和推出，Covid-19治療和疫苗。在經濟領域，如果各國共同努力，與我們每個人單獨行動相比，我們所有人將看到更快的復甦。
．讓 AI 代替人眼工作 視覺機器來了
What is Machine Vision?
來源：
隨著工業 4.0 時代的到來，機器視覺在智慧製造業領域的作用，越來越重要，為了能讓更多用戶，獲取機器視覺的相關基礎知識，機器視覺將會啓用光學非接觸式感應設備，來實施自動接收，並獲得資訊控制機器。
最近，工業智慧機器人市場呈現出爆發式的成長趨勢，但是該機器人，一直處於持續的高速發展階段，很多機器人也已經具備了較高的智慧化特點，但是，這些還遠遠沒達到，人類所設想的智慧化程度。
每當工業機器人具備觀察事情能力的時候，才能更好的對事情做出科學的判斷，從而智慧化、靈活的解決所遇到的問題。在工業 4.0 的大趨勢下，智慧製造對工業機器人的要求也越來越高，但已經不能滿足製造業向前發展的需求。
此外，根據像素分布和亮度、顏色等資訊，轉化成相應的數位化信號，進而根據判別的結果，來控制現場設備的動作，智慧製造把工業機器人與機器視覺緊密結合起來，機器視覺將是人工智慧的下一個方向。579190220
 |
| 康橋科技 —— 白光攝影機專業 |
．實施工業物聯網的五大挑戰
Challenges of Multivendor Systems in Implementation of IIoT ready PLCs
來源：寄云科技
物聯網已經成為當世焦點及未來發展趨勢，作為電腦和通信技術融合創新的產物，物聯網及其「智慧」設備，不僅改變了人機交互方式，而且也讓機器與機器之間的交互方式，發生了變革。
我們看到物聯網已經開始滲透到各個領域，其中普及速度最快和範圍最廣的垂直領域當屬工業。事實上，能源、醫療、汽車和其他很多行業，都在積極採納工業物聯網，諸如感測器、機器人、混合罐和胰島素泵等設備，越來越多地連接在一起。
如 Tripwire 的安全研究和軟體開發工程師 Lane Thames 的博客文章所述，物聯網的這個子集，也就是工業物聯網未來有很大的發展空間。
如 Tripwire 的安全研究和軟體開發工程師 Lane Thames 的博客文章所述，物聯網的這個子集，也就是工業物聯網未來有很大的發展空間。
泰晤士報認為「工業物聯網將徹底改變未來，而不僅僅是工業系統，並且也會對許多相關人員造成巨大影響。如果我們能夠實現工業物聯網願景的全部潛力，許多人將有機會透過無數的價值創造機會，來改善他們的職業生涯和生活水準。」
泰晤士報繼續指出，工業物聯網如何創建一些新的「智慧」範例，如智慧電網和智慧醫療保健，以及具備自我意識的自動化機器驅動的，新製造業生態系統的開發。
顯然，工業網路可以有一個光明的未來。但正如泰晤士報及時地警告說，「千里之堤潰於蟻穴」。 安全顧問 Larry Vandenaweele 觀察到，連接到互聯網和網路的設備，可能威脅到我們的工業控制系統(ICS)。這些系統對公用事業、能源和核能部門的營運相當重要。
更具體地說，隨著業務需求的擴展，「智慧」設備僅僅作為控制手段的界限，將被打破寄雲工業物聯網，當工業物聯網融入辦公環境時，挑戰與障礙也隨之而來。
更具體地說，隨著業務需求的擴展，「智慧」設備僅僅作為控制手段的界限，將被打破寄雲工業物聯網，當工業物聯網融入辦公環境時，挑戰與障礙也隨之而來。
實施工業物聯網時，行業將面臨眾多挑戰。這裡有五個特別突出：
主要挑戰1：解決設備功能
Belden Inc.負責監督 ICS 研發和基礎設施安全解決方案，和產品的安全首席架構師 Jeffrey Caldwell 表 示，今天工業物聯網所面臨的最根本挑戰之一，是製造者和過程控制操作員，需要使用大量不同的設備和功能。
「工業領域已經有許多的機器對機器(M2M)互連和通信的解決方案，而且還有更多的方案產品不斷的投入市場。」Caldwell 說，「因此在佈署供應物聯網技術時，我們必須考慮幾個問題。應該收集什麼訊息？訊應如何儲存？如何最好地分析儲息？應該根據分析做出什麼決定？」
雖然對經濟價值和投資回報率的分析，可以幫助行業決定在哪些環節，納入工業物聯網技術，但是解決能力的挑戰，一直延續到設備製造商。
Joel Langill 是具有近 35 年工業自動化和控制開發經驗的營運安全專業和工業控制系統網路安全顧問，以及資訊共享網站SCADAhacker.com的創始人，他解釋說，一些製造商仍在不斷的解決工業物聯網事物的複雜需求。
Joel Langill 是具有近 35 年工業自動化和控制開發經驗的營運安全專業和工業控制系統網路安全顧問，以及資訊共享網站SCADAhacker.com的創始人，他解釋說，一些製造商仍在不斷的解決工業物聯網事物的複雜需求。
「我所謂的《製造完整性》的真正風險是，當可能非常適合典型辦公環境的產品和服務，被拿來在製造環境中，解決相同的問題，而沒有全面考慮工業環境相關要求(環境、危險區域、可靠性和服務可用性等)」Langill 解釋說，「最後，工廠環境的控制組件(控制器、感測器、執行器等)在實體空間層面的連接，仍然基於傳統 IT 架構，這些架構在工業網路中並不常見。
雖然乙太網(注意我沒有說 TCP 或 UDP )與幾十年前相比，應用已經非常普遍，但它與 Windows 平台在工業環境中，幾乎沒有多少應用，因為它們不能滿足最基本的工業營運要求。
雖然乙太網(注意我沒有說 TCP 或 UDP )與幾十年前相比，應用已經非常普遍，但它與 Windows 平台在工業環境中，幾乎沒有多少應用，因為它們不能滿足最基本的工業營運要求。
對工業物聯網的落地規劃，不僅個別工業企業必須認真考慮到，要實施工業物聯網的地方，製造商也要明確定義營運要求，瞭解他們希望得到的技術和能力。這需要深刻理解，最終需要應用工業物聯網技術的即時生產設備。
關鍵挑戰2：供應鏈關係
功能不是製造商在未來幾年需要解決的唯一焦點。成本和工業可靠性，也將作為早期採用者，爭取向工業物聯網過渡時，需要考慮的一部分。隨著嵌入式系統越來越多地進入企業，製造商有責任，保持他們供應鏈的完整性。
Patrick Miller 致力於全球關鍵基礎設施的保護和防禦，對工業物聯網供應鏈的完整性保持有自己的看法。Miller 預測，「特別是在關鍵基礎設施中，使用工業物聯網元素時，我預計政治、輿論和其他方面，開始關注供應鏈的完整性。
為了擺脫這種潛在的阻力來源，組織必須考慮如何最大程度地，最大化製造過程中的透明度和標準化。他們將需要根據商定的開放標準來建構設備，該標準可以獨立評估，以確保僅包含預期的硬體，軟體或固件。」
為了擺脫這種潛在的阻力來源，組織必須考慮如何最大程度地，最大化製造過程中的透明度和標準化。他們將需要根據商定的開放標準來建構設備，該標準可以獨立評估，以確保僅包含預期的硬體，軟體或固件。」
關鍵挑戰3：網路安全
與工業物聯網設備的組件完全相關的是研究人員為確保它們而採取的措施。 Access Control Technologies LLC(ACT) 總裁兼管理成員，以及 Tripwire 業務開發合作夥伴 Ron Carr，有超過 40 年管道 SCADA 通信的管理經驗，他認為安全問題不僅影響製造商和過程控制營運商，還有管道控制操作員。
他表示：「網路通信所控制的任何設備和系統，在面臨互聯網的時候，都處在遭到駭客入侵的威脅中。」工業物聯網設備也絕對不會被免除這種威脅。
例如，根據 Carr 的說法，「為了下載軟體升級，將流量電腦接入筆記型電腦(有互聯網連接)，在這短暫的時間內，就有可能被上傳惡意軟體，如 Black Energy 或 Stuxnet 就屬於這種類型。
例如，根據 Carr 的說法，「為了下載軟體升級，將流量電腦接入筆記型電腦(有互聯網連接)，在這短暫的時間內，就有可能被上傳惡意軟體，如 Black Energy 或 Stuxnet 就屬於這種類型。
為了防範這些和其他威脅，工業企業應考慮如何將高級網絡威脅防護解決方案整合到其網路中。
關鍵挑戰4：彌合我們的優勢
在實施工業物聯網時，安全性是一個非常重要的問題。然而，與任何新技術一樣，技術問題仍然無法解決人員分裂等問題，並阻礙了人們更好的協同工作。
「也許克服的最大挑戰是破除不同學科和部門之間的障礙。」業界領先的自動化、控制、軟體、製造、市場行銷和領導力作家Gary Mintchell說，「多年來一直在討論的著名的【IT/OT融合】必須實現。控制工程師必須升級他們的技能，使他們知道網路和安全至關重要。IT 工程師和架構師，必須瞭解業務流程與製造流程之間的區別。」
要實現這一點並不容易，然而，建立新的協作機制將使整個企業在生產力、盈利能力、客戶服務和可持續性方面受益。正如明茨爾正確地指出的那樣，「領導者必須加強他們的能力以引領整個行業的發展」。
關鍵挑戰5：軟硬體整合安全
實施工業物聯網時企業面臨的第五個，也是最終的關鍵挑戰是軟硬體整合安全。這種擔憂源自於互相連接的設備，以及物理控制的深度整合，引入了新的攻擊方式。
Tripwire負責解決方案和策略的安全，和資訊技術風險策略主管 Tim Erlin 闡述：「當然，工業領域的安全規定，有著悠久的歷史，但它們很少考慮到邏輯攻擊，會帶來哪些實體的影響。我們已經看到了 Stuxnet 和德國鋼鐵廠的這些「動態網路攻擊」的開始，令人擔憂的是工業物聯網的快速成長，讓越來越多的工業場景暴露在網路安全威脅之下。工業網路安全與 IT 安全性不一樣，我們需要新的方式來應對這種新的挑戰。」
幸運的是，工業企業可以透過 IT 與 OT 之間的融合與平衡，來應對這一安全障礙。「我們必須追溯 OT 領域的歷史以及相關運營者的經驗，」Erlin 建議。「IT 安全小組應該開始將工業安全納入其威脅建模，並開始與OT安全小組，就如何做到這一點進行磋商。這不是 IT 或者 OT 小組能夠單獨解決的，而是需要二者的共同努力以實現雙方完美融合。
結論
實施工業物聯網的關鍵挑戰似乎都是艱巨的。然而，與設備能力、供應鏈關注、安全性、人與人之間的分離，以及安全相關的問題，所有這些最終都將顯示出部門、整個企業和製造商必須共同努力，才能在技術不斷發展的情況下，時刻把握住正確的方向。
以上我們提到的5個方面，都有相應的適合某個行業可用的方案，但採取哪種方案取決於每個行業組織的選擇。2710728
以上我們提到的5個方面，都有相應的適合某個行業可用的方案，但採取哪種方案取決於每個行業組織的選擇。2710728
 |
．AI 和高級分析如何助力消費品公司成長
AI for Marketing＆Growth #1 -
Predictive Analytics in Marketing
|
來源：
頗具價值的商業洞察，埋藏在品牌的海量數據當中。透過大規模使用人工智慧和高級分析，消費品公司可以將這些數據，轉化為商業洞察，然後分享至整個組織——從產品設計到供應鏈，再到行銷和銷售。
在消費品行業的市場爭奪戰中，大型消費品公司近期四面楚歌，挑戰一方面來自於行動敏捷的小眾品牌，另一方面來自傳統零售商和線上零售商，後者充分利用數據優勢，和與消費者的直接互動，來大力推廣自有品牌或替代品牌。
不過，大型消費品公司有多種反擊的方式，其一就是使用人工智慧和高級分析，將自身的數據轉，化為頗具價值的商業洞察（參閱「小眾消費崛起，大品牌如何絕地反擊？」）。
不過，大型消費品公司有多種反擊的方式，其一就是使用人工智慧和高級分析，將自身的數據轉，化為頗具價值的商業洞察（參閱「小眾消費崛起，大品牌如何絕地反擊？」）。
為瞭解消費品公司，採用人工智慧和高級分析的價值、影響和挑戰，BCG與谷歌公司攜手開展了一項研究。在研究過程中，我們採訪了來自25家大中型消費品公司，和五個小眾品牌的高管，以及全球約百名業內專家。
我們發現，透過大規模使用人工智慧和高級分析，消費品公司可以做出更具前瞻性的需求預測，更符合當地需求的產品組合，還能為消費者提供個性化的服務和體驗，提升行銷和推廣的投資回報率，縮短創新週期，從而實現超過10％的營收成長。
我們發現，透過大規模使用人工智慧和高級分析，消費品公司可以做出更具前瞻性的需求預測，更符合當地需求的產品組合，還能為消費者提供個性化的服務和體驗，提升行銷和推廣的投資回報率，縮短創新週期，從而實現超過10％的營收成長。
但對大多數大型消費品公司而言，要想充分釋放這一價值，依然困難重重。雖然幾乎所有受訪企業，都已著手在核心業務中，嘗試應用人工智慧和高級分析，但沒有一家企業推廣過，哪怕一項應用。
它們列舉了許多組織結構上的障礙，諸如高管層在支持力度上謹小慎微、數據管理不善、缺少分類法（即商定的數據框架）、團隊分散，以及未能充分預測出人工智慧和高級分析，將對工作崗位和工作方式帶來的影響。
它們列舉了許多組織結構上的障礙，諸如高管層在支持力度上謹小慎微、數據管理不善、缺少分類法（即商定的數據框架）、團隊分散，以及未能充分預測出人工智慧和高級分析，將對工作崗位和工作方式帶來的影響。
誠然，企業想從人工智慧和高級分析等工具中獲益，就需要持續不斷的協同努力，攻克各類難關。消費品公司還應精準發力，聚焦三到五項高度優先發展的領域，而非全面鋪開。
讓人工智慧和高級分析落地
消費品公司擁有更多機會接觸海量資訊，從傳統企業數據（從財務和營運部門獲取）到消費者數據（尤其是在線上消費行為），再到合作夥伴數據（一般透過工作小組、零售商、商業洞察合作夥伴或其他方），甚至包括感測器和物聯網（IoT）生成的數據。
然而到目前為止，消費品公司既沒有將這些數據，視為一種需要保護和培養的策略資產，也沒有對這些數據加以運用，為企業創造實際效益。
然而到目前為止，消費品公司既沒有將這些數據，視為一種需要保護和培養的策略資產，也沒有對這些數據加以運用，為企業創造實際效益。
借助人工智慧和高級分析技術，企業可以從這些數據中，獲得可行的商業洞察。人工智慧和高級分析技術，最顯著的應用是預測，比如預測新產品的需求水平、行銷活動的效果，以及新消費趨勢的萌芽。
經過調研，我們找出了企業可以利用人工智慧和高級分析，促進業務發展的應用場景，大約有三十種之多，涉及消費品公司的所有職能部門，從行銷和洞察到營運、銷售和支持部門。這些場景還可用於，促進如個性化助手和推薦引擎等，創新服務的發展。
我們在這三十種應用場景中，挑選出十種，代表了人工智慧和高級分析技術，能夠為消費品公司帶來的最大成長機會。如果大規模推廣，銷售額有望成長10％以上（參閱圖1）。
1．根據單品庫存（SKU）和地區差異，對現有產品和新產品進行需求預測
2．評估投資回報率，用以預測廣告和促銷支出，對銷售產生的影響
3．數據驅動促銷，辨識合適的零售門市店或銷售點，根據店面水準，採用恰當的促銷宣傳活動，爭取市場佔有率最大化
4．根據每一家商店的營運情況優化產品配搭
5．針對產品開發的趨勢預測
6．縮短研發和測試的時間（經由計算機模擬）
7．靈活的、本地化、個性化定價和促銷
8．精準行銷
9．個性化定制消費者互動
10．人工智慧驅動的診斷和推薦服務
值得注意的是，這些應用（包括趨勢預測）與具備以下特點的行業，最為息息相關：產品上市週期短（如化妝品行業）；採用動態定價，並且需要與零售商頻繁協商，來有效促銷的行業（在食品和飲料行業中比較少見）。
雖然甄別最有效的人工智慧和高級分析應用相對容易，但在整個組織中，部署這些應用，卻是大多數消費品公司無法完成的任務。在我們研究的三十家消費品公司中，所有都已著手實施，至少一項人工智慧和高級分析應用，其中一半開始試水四種或更多的應用（參閱圖2）。但是沒有一家公司能做到在整個組織中，推廣哪怕一項應用。
大規模推廣，障礙重重
大多數受訪的消費品公司高管均表示：擴大人工智慧和高級分析技術的應用規模，並確保為內部所接受，是高管們目前探討的一個關鍵議題。此外，他們還列舉出一些挑戰。即使只推廣一種應用也非常困難，因為這需要大量的投資，以及整個組織的管理合作。
企業通常需要在特定國家，或者為特定品牌的具體應用，建構小型的概念驗證（PoC）。然而，如果企業想要大規模部署概念驗證，通常需要多方面的努力：
發展人工智慧和高級分析技術，當它們足夠強大時，便可以在整個企業內部進行全球部署；開發數據，鞏固數據品質，統一跨國家、跨品牌的分類法；現有的IT系統可能由於無法支持，新的人工智慧和高級分析技術而變得冗餘，或者說當前的IT系統，要在顯著調整後，才能提供或接收應用程序中的數據。
發展人工智慧和高級分析技術，當它們足夠強大時，便可以在整個企業內部進行全球部署；開發數據，鞏固數據品質，統一跨國家、跨品牌的分類法；現有的IT系統可能由於無法支持，新的人工智慧和高級分析技術而變得冗餘，或者說當前的IT系統，要在顯著調整後，才能提供或接收應用程序中的數據。
其它需要關注的領域還包括現有的業務流程、管理規則和崗位職責描述，因為人工智慧和高級分析，將改變目前的決策流程，自動執行手動任務和計算，並且改變大量員工和經理的日常職責。
最後，人才和技能也是企業不容忽視的問題，因為建構和維護人工智慧和高級分析應用，需要一個強大的人才庫（數據科學家、數據工程師和數據分析師）。消費品公司至少需要在一定程度上，提升這方面的能力，以避免完全依賴第三方供應商。
最後，人才和技能也是企業不容忽視的問題，因為建構和維護人工智慧和高級分析應用，需要一個強大的人才庫（數據科學家、數據工程師和數據分析師）。消費品公司至少需要在一定程度上，提升這方面的能力，以避免完全依賴第三方供應商。
鑒於以上困難，要想在消費品公司內，有效推廣人工智慧和高級分析，必須掃清以下六個明顯的障礙：
1缺乏遠見
企業沒有充分評估人工智慧和高級分析，可以為企業創造的效益，相應的獎勵也不夠吸引人；高管人員也沒有得到充分的培訓，限制了他們的投資意願。
2主次不分
這會引發「 概念驗證爆炸」，讓企業的努力付諸東流。企業與不同供應商展開多項小型測試，但沒有執行任何後續操作，也沒有將必要的努力，投入到工業化、擴大規模和推廣應用當中。
3人才缺口
辨識、延攬和留住英才（數據科學家、數據工程師和數據分析師等）絕非易事，由此導致企業對外部供應商過度依賴，難以把控執行情況。與此同時，企業多次嘗試發展本地人才，但往往缺乏群聚效應。
4數據管控不足
企業的數據管理、數據品質或數據所有權流程缺位，也沒有統一（跨部門、跨國家）的數據分類法，來推動人工智慧和高級分析的大規模應用。
5低估影響力
這類企業誤判了變革管理，以及發展相關技能，所需的投資水準。企業無法完全預測出，人工智慧和高級分析，對現有業務流程、決策流程、管理例程，以及員工日常工作和所需技能的影響。
6對市場差異考慮不足
企業往往忽略了不同市場，在數位生態系統、數據可用性、通路特徵和供應商能力上有所差異。企業也未意識到，在不同市場中，市場需求、優先事項，和限制因素也各有不同。
擂響戰鼓，開啓徵程
推廣人工智慧和高級分析應用，並建構相應能力，通常需要兩到三年的時間（參閱圖3）。在新徵程開啓之前，消費品公司需採取一系列舉措，來避開常見的障礙，並確保此策略快速實施。
1縮小範圍，精準發力
消費品公司需要重點發展幾項應用。若同時啓動十到十五個項目，很可能會一直陷入概念驗證階段。部分原因在於，負責這些項目的高級經理們的注意力，過於分散。
事實上，那些專注於少數機會（具有最大可行性，和潛在影響的機會）的公司，更有可能完成大規模推廣。例如，一家全球化的時尚品牌，聚焦於兩個重點領域：與消費者開展個性化互動，和門市店的個性化產品配搭能力。
這使該品牌能夠在數據科學，和IT資源方面精準投資，同時確保了公司高層的充分參與，使項目取得成功。
事實上，那些專注於少數機會（具有最大可行性，和潛在影響的機會）的公司，更有可能完成大規模推廣。例如，一家全球化的時尚品牌，聚焦於兩個重點領域：與消費者開展個性化互動，和門市店的個性化產品配搭能力。
這使該品牌能夠在數據科學，和IT資源方面精準投資，同時確保了公司高層的充分參與，使項目取得成功。
2獲得高管層的支持
在發起任何應用之前，消費品公司需要確保，它們可以獲得相應的推動力。高層管理人員（一般指國家層面或品牌層面的總經理或更高級別）應該秉持開放的態度——在部門或地區發起和試用新應用，而高級業務主管，應投入20％到30％的時間，來把控大局。
消費品公司也應該著力確保，協助落實應用場景的本地團隊，保持熱情，因為提供端到端的人工智慧，和高級分析解決方案，會加重他們的工作負擔，而且在這個過程中，也會顛覆企業固有的工作習慣。
消費品公司也應該著力確保，協助落實應用場景的本地團隊，保持熱情，因為提供端到端的人工智慧，和高級分析解決方案，會加重他們的工作負擔，而且在這個過程中，也會顛覆企業固有的工作習慣。
3自建還是購買？
許多供應商提供了，可以解決特定問題的人工智慧和高級分析軟體，這些軟體是現成或半定制的。雖然現成的解決方案，具有速度優勢，但代價卻是放棄知識產權。
現成的方案，不具有定制解決方案的某些功能，亦不具備公司自行研發解決方案，所能收穫的內部認知。
消費品公司應盡早確定，最適合採用現成軟體的領域，以及最適合自行開發解決方案的領域（只要他們擁有知識產權，也可與合作夥伴聯手）。
這些決策應基於流程的重要程度，以及公司相比供應商的數據優勢（參閱「自主開發還是購買？巧解人工智慧難題」）。例如，一家化妝品公司，選擇打造一套定制方案，用於在具體環境下，預測特定品類的市場趨勢。得益於自主研發，這家公司能夠完全掌控這一工具，甚至有朝一日，可將其轉化為競爭優勢。
現成的方案，不具有定制解決方案的某些功能，亦不具備公司自行研發解決方案，所能收穫的內部認知。
消費品公司應盡早確定，最適合採用現成軟體的領域，以及最適合自行開發解決方案的領域（只要他們擁有知識產權，也可與合作夥伴聯手）。
這些決策應基於流程的重要程度，以及公司相比供應商的數據優勢（參閱「自主開發還是購買？巧解人工智慧難題」）。例如，一家化妝品公司，選擇打造一套定制方案，用於在具體環境下，預測特定品類的市場趨勢。得益於自主研發，這家公司能夠完全掌控這一工具，甚至有朝一日，可將其轉化為競爭優勢。
4滿足市場的具體需求
消費者行為、數位生態系統，和獲取數據資產的通路，在各主要市場中的演變截然不同。企業需要盡早應對，市場的具體限制或要求，否則在設計和實施階段，可能會有停滯不前的風險。
5厲兵秣馬，未雨綢繆
大規模部署人工智慧和高級分析解決方案，通常需要企業建構全新的技術環境（反饋、儲存和維護算法）、適應當前的生態系統（如替換營運等關鍵職能部門現有的專家系統）、統一數據結構和分類法。
在原型階段不必採取這些行動，但若企業不希望在首個試點應用成功後，面對全盤推翻重來的局面，就應該厲兵秣馬、未雨綢繆。比如，雖然在對需求預測解決方案，進行原型設計之前，清理和建構全球單品庫存（SKU）數據庫並非必要，但初步擬定統一的分類標準，來定義相關產品是很重要的。
在原型階段不必採取這些行動，但若企業不希望在首個試點應用成功後，面對全盤推翻重來的局面，就應該厲兵秣馬、未雨綢繆。比如，雖然在對需求預測解決方案，進行原型設計之前，清理和建構全球單品庫存（SKU）數據庫並非必要，但初步擬定統一的分類標準，來定義相關產品是很重要的。
6乘風破浪，革故鼎新
系統地引進人工智慧和高級分析解決方案，給現有的決策流程帶來了挑戰，在某些情況下，可以大大縮減，甚至完全省去完成某些任務所需的時間。
例如，一家奢侈品公司發現，高效的需求預測引擎，將其供應鏈部門，用於計劃日常需求的時間，縮減了60％至80％。為了避免組織阻力，公司需提前與員工進行有效的溝通，明確解釋人工智慧和高級分析，會帶來的影響，並讓團隊瞭解這些應用，將給他們的工作崗位和工作方式，帶來哪些變化。
例如，一家奢侈品公司發現，高效的需求預測引擎，將其供應鏈部門，用於計劃日常需求的時間，縮減了60％至80％。為了避免組織阻力，公司需提前與員工進行有效的溝通，明確解釋人工智慧和高級分析，會帶來的影響，並讓團隊瞭解這些應用，將給他們的工作崗位和工作方式，帶來哪些變化。
部署人工智慧和高級分析應用，可以在短期內獲得顯著效益，然而於消費品公司而言，更廣泛的機慧在於這些應用，將幫助公司把消費者，置於營運模式的中心。
借助人工智慧和高級分析，消費品公司可以將與消費者相關的數據，轉化為商業洞察，然後將商業洞察分享到整個組織——從產品設計到供應鏈，再到行銷和銷售。
借助人工智慧和高級分析，消費品公司可以將與消費者相關的數據，轉化為商業洞察，然後將商業洞察分享到整個組織——從產品設計到供應鏈，再到行銷和銷售。
要實現這一目標，僅僅對人工智慧和高級分析進行投資是不夠的，企業還需要大刀闊斧地，改造整個組織的工作方式，從董事會層面的決策到車間營運。
這是一個漫長的過程，但消費品公司可以將目標，聚焦於少數應用，力求精準出擊、穩扎穩打，並且從始至終、堅定不移地推廣這些應用，以此打響全面應用人工智慧和高級分析的新徵程。363190130
這是一個漫長的過程，但消費品公司可以將目標，聚焦於少數應用，力求精準出擊、穩扎穩打，並且從始至終、堅定不移地推廣這些應用，以此打響全面應用人工智慧和高級分析的新徵程。363190130
 |
| AKD 寰楚專業級全系列監控設備 |