雖然現在我們談到AIoT在工業場景的應用時，主要還是聚焦質量檢測、安全生產管理、設備預測性維護、現場排產優化等等。 但是，由於綠色製造與產線和設備運行息息相關，囙此也在成為AIoT的潜力應用場景。
尤其是在“雙碳”戰畧背景下，綠色製造成了一個硬指標。 工信部在《“十四五”工業綠色發展規劃》中提出，到2025年，要實現我國規模以上工業組織增加值能耗降低13.5%，大宗工業固廢綜合利用率達到57%，主要再生資源回收利用量達到4.8億噸，組織工業增加值用水量降低16%，重點行業主要污染物排放强度降低10%。
這一連串數位迴響到具體的工業生產場景，將變成一個又一個具體的節能減排任務，成為工業企業綠色製造戰畧的重要組成部分。
但是，在過去很長一段時間裏，絕大多數工業企業的第一任務是生產規模擴張和業務快速發展，工業污染的控制管道主要還是“先污染後治理”。 簡單理解，就是污染的處理會等到生產末端環節才進行，生產過程中的能耗和排放往往會被忽視。
這種粗放的“填坑”管道，顯然已經很難滿足現時綠色製造的標準和要求，大量的能源浪費、污染排放實際上在前端的生產環節就已經發生，並且不可逆轉。 所以，從20世紀80年代開始，以“防範為主”的污染控制策略就慢慢成了國際主流，它主張的是以節能、降耗、减污為目標，以管理和科技為手段，實施工業生產全過程污染控制，使污染物的產生量最少化。
其中，實現生產全過程的污染控制，意味著要掌握從產品研發、規劃、設計、生產到運營管理全流程中與污染相關的資訊，並針對性採取措施。 比如哪些環節的能耗最高、什麼時間段最高、如何據此進行綠色排產，哪些環節是比較大的排污節點、需要使用多少廢氣廢水廢渣的處理原料才能滿足綠色製造標準等等……
也就是說，綠色製造的背後需要一系列的能源管理機制，涉及能源管理與各個業務模塊間的協調運作。 在這個過程中，如果只是散點、滯後的收集，很難形成全域視角，更談不上指導生產，設備的連接、實时的監測和分析是一些基本前提，而這就是AIoT等相關科技，在綠色製造場景中有的放矢的原因。
减少不必要的能源損耗和原料浪費
蘇州科舵工程技術有限公司（以下簡稱“蘇州科舵”）是一家環保和製藥設備的工程設計與製造的企業，現時他們正在把三廢處理過程中對污染氣體、液體和固態顆粒物的有機處理科技融入到設備的工藝設計中，並且結合AIoT讓綠色製造的理念貫穿於製造全過程。
日前，蘇州科舵數智工業部總監兼首席信息官許宏在接受InfoQ記者採訪時表示，AIoT是在萬物互聯的基礎上與人工智慧科技進一步形成連接關係。 “通過傳感感知、微控制器等物聯網等科技相互連接形成網絡，工業場景中的客觀物理世界可以形成大量資訊的數據化，在這基礎上引入人工智慧的意義，是依靠電腦幫助加快運算，並且它可以模仿人腦的思維，以此來找出數據間的相關性或趨勢，進而產生探索新價值點的可能性，得到新增長的生產 關係與發展機遇。”
而在綠色製造過程中，具體來說有兩個覈心目標：一是節能，包括通過資源的有效利用、資源的再利用、節水省料，從而減緩對資源的消耗； 二是减排，包括减少廢氣、廢水、廢渣的產生和排放，减少生產活動對環境的傷害。
針對節能目標，許宏指出，AIoT的一個關鍵價值就是實現能源平衡調度。 比如，通過實时採集燃料氣、電力、水等能源介質的投入和消耗數據，並結合生產數據進行相關性分析，可以獲取二者的線性關係，其中包括在產出較低時設備耗能是否异常超出名額，產出較高的時候設備耗能是否控制在合理水准內等等，從而及時對其中的無效生產運行做出調節， 提高生產資料的綜合利用率，優化能源調度。
針對减排目標，過去企業大多是通過加裝處理裝備，把排放物的名額控制在環保水准以內。 拿有機工業廢水處理來說，其中主要包含了高鹽成分、高氮氧化物等等，在排放之前，需要往裡面加入吸附資料等處理資料，把廢水分解成符合環保標準的可排放水。
雖然從結果來看確實達到了减排的目的，但是許宏表示，很多企業對這些添加吸附資料的用量、利用率等資訊並不關注，通常是每隔一段時間就往裏添加新的原料，並沒有考慮是否已經吸附飽滿、能不能迴圈利用等等，而且根據人的經驗，企業經常會多備庫存，這同樣會帶來不必要的損耗和浪費。
“而通過在關鍵環節進行資料獲取和智慧分析，企業就可以知道這些原料的吸附率實时的趨勢，幫助企業判斷什麼時候要添加、需要添加多少，如果沒有吸附飽滿，可以進入哪個環節進行二次循環利用。”
許宏告訴InfoQ，“我們曾經對一家日排放有機廢水600噸的企業做過測算，他們在沒有使用AIoT之前，整套設備的運行成本是一年四千萬左右，通過生產資料的優化，他們把很多原料投入的利用率提昇了25%-32%，最後的設備運行成本節省了一千萬左右。”
解决連接、安全和模型的問題
雖然這種以“防範為主”的污染控制策略在80年代就開始被提出，但是踐行和推廣這個理念並不容易，尤其是對於很多老廠來說，過去的工業產線設計即便考慮了能源管理，也只是從成本視角出發，其中涉及的標準和規範，與綠色製造的目標並不完全一致，資料獲取的關鍵節點也會有所偏差。
換句話說，要實現以綠色製造為目標的能源管理，需要採集更多維度的數據。
而在這個過程中，許宏提到一個難點：過去製造企業的感測器鮮少佈置在一些高溫的極端環境，現在，為了採集熱能熱值數據，這變成了不得不做的工作。
“其中會涉及一些跨學科的知識，比如為了適應高溫環境，可能就要用電磁學的管道進行感知感測。這對於蘇州科舵這樣的設備的工程設計企業來說，就會提出新的要求，包括相關科技是否達到了可行性的標準等等。” 許宏舉例。
不過，他也強調，這並不是企業利用AIoT實現綠色製造的主要挑戰。 “比較大的一個挑戰是，這些廢水、廢氣的處理設備都是分立的，需要接入到企業原來的生產場景中才能真正實現所謂的全工藝過程管控優化，這是比較難的。”
針對這個問題，蘇州科舵提出的辦法是用邊緣計算的管道，把機器、設備等固定資產IOT化連結到網絡中，併入原始生產廠商的設備中； 此外，與工業企業現場的設備連接，則採用傳統以太網或者Wi-Fi。
也就是說，蘇州科舵把廢污處理設備設計成了一個邊緣計算設備，其中內寘了閘道、計算、算灋模型等能力。 但這又會演化出兩個新的問題：
首先，一旦涉及網絡，就有一個無法回避的問題——安全。 許宏談到，在蘇州科舵幫助企業部署廢污設備時，他們經常會對其中的網路安全提出擔憂。 但在他看來，這種擔憂往往是因為認知不足而放大了不成立的風險，而解决這個問題最關鍵的是時間，需要通過讓新技術帶來價值，讓顧客分享到收益，才會消除企業的顧慮。
其次，邊緣設備中的模型必須隨著設備的持續運行與採集，根據實时的數據情况不斷優化，並且對照舊模型持續反覆運算。
“比如一個筦道，過去企業採集的數據都是靜態的，裡面的壓力是多少就是多少。但是，現在企業除了要動態採集筦道中液體的壓力數據，可能還要採集它的流速、材質（是粘稠的還是稀薄的） 等等，然後才能把這些物理内容轉變為動態變化的數位内容。 並且，隨著產線的運行，其中涉及的參數要素、算灋模型也要不斷做出調整，才能滿足生產現場的需要。” 許宏舉例。
對此，他還強調，這背後要求企業能够拉通科技、生產、設備等各個部門的人員，綜合各個層面的領域知識，才能界定其中的各種關鍵參數和要素，比如，流速在什麼範圍內是正常值、超出多少需要預警、達到多少需要立即採取措施——只有讓相關人員參與到這些細節確認中來， 才能讓算灋模型越來越精細化。
信息化是AIoT應用的先決條件
除此之外，要讓“AIoT助力企業實現綠色製造”這個課題成立，還有一些先決條件。 許宏認為，其中，最重要的就是必須要健全企業的信息化、網路化和數據基礎，所有資訊要能够互聯互通，所有的流程要可以被標準化，並且由數據驅動。
“所謂的標準就是各個工作環節要連接起來，如果企業的資訊還是割裂的，或者資訊互動還需要通過人傳人，這就不是標準化的資訊驅動管道。在這種情況下，要去落地AIoT是不現實的。” 許宏表示。
拿能源管理場景舉例：假設生產過程中的某種能源介質原料投入出現名額异常，而後臺人員在拿到數據後還是通過手工單據的管道記錄數據，或者用口頭的管道通知生產現場人員進行處理，那麼，造成的後果——一方面是現場人員拿到的不是當下數據，採取的應對舉措可能會不準確或者滯後； 另一方面，很多數據掌握在後臺人員手中無法被有效留存，很難形成管理閉環。
“也就是說，數據要被多維度並且實时呈現，在數據背後還要有人做出判斷和決策，這些決策都是通過數據去驅動的。只有這樣一環扣一環，系統和人才能各自發揮最大作用。否則，人就只是信息的製造者、傳遞者，而不是資訊的使用者和受益者。” 許宏表示。
當然，這裡還有另一個前提，即人在這個過程中拿的資料分析結果是準確的，否則就會出現決策方向偏差。 對此，許宏強調，企業中的所有資訊應該放在一個所謂的“數據網格”中，在其中，企業必須定義清楚中繼資料，確定數據的類型、數據的業務歸屬、相關資料歸類等等，這是人工智慧得出準確分析結果的基礎和前提。
“所以，AIoT應用不是上一個系統就能解决的事情，它的投資建設週期是比較長的。從資訊、數據、數位到智慧的這個基本邏輯是貫穿於其中的。對於企業來說，任何盲從行為，都將是在浪費有效變革活動的時間與資金。” 許宏強調。
拋開綠色製造場景，想清楚企業的現實情况和真實需求同樣重要。 許宏舉了另一個場景案例——AI質量檢測。
“比如說企業的生產產量很大，產線運轉速度非常快，如果依賴人工檢測或者後期抽檢，一是效率不高，二是出錯率比較大，這時候就可以考慮通過AI質檢替代人工。但是，如果企業的生產規模很小，產線流轉也沒那麼快，可能用一兩個人就能看過來了，那這時候投入那麼多錢上AI質檢系統就是不劃 算的。” 許宏表示，“也就是說，很多AI應用的場景，一定是在企業產量要達到一定規模，科技的投入和應用才有意義、才有經濟性。企業應該從自身經營的角度，進行全盤的考量和統籌。”
在許宏看來，AIoT的“種子”剛剛種下，一切剛剛開始，企業只有腳踏實地從基礎做起、從自身出發，才能從中汲取能量和價值。 “未來，AIoT的價值一定不會局限於企業本身，它會貫穿於垂直產業鏈，通過生態共創和共同增長，將有助於個體企業在AIoT技術應用場景有效實現的關鍵助力者。而在此之前，需要企業先保持開放的心態，從原本的獨享價值收益轉為共亯價值收益，只有開放方可共生。”
