隨著機器人技術和工廠自動化技術的不斷發展，制造行業需要掌握和利用這些技術進步，也需要了解“工業4．0”對數據中心和電源保護部門的影響。

根據調查，“工業4．0”的實施可以讓英國制造業增加4550億英鎊的收入，并將創造17．5萬個就業機會，同時將二氧化碳排放量減少4．5％。埃森哲公司的研究表明，在全球范圍內，到2030年，“工業物聯網”（IoT）創造的價值可能超過14萬億美元，相當于英國、法國、德國、意大利、西班牙、加拿大、荷蘭、比利時國民生產總值的總和。

當人們感受到這些數字的巨大規模時，就會理解為什么大多數英國制造商熱衷于接受自動化、人工智能、機器學習和機器人技術提供的可能性，這并不奇怪。

工廠的車間安裝部署了數百臺機器，從工業廠房的生產線到空調機組，以及保障電力的不間斷電源（UPS）系統。這些設備中的每一個都配備有無數的傳感器，這些傳感器可生成大量的數據，并使它們能夠相互交互。

將這些不斷流動的數據與智能的實時分析和洞察結合起來，其結果是顯而易見的。減少加工缺陷，提高生產質量，提高效率，優化供應鏈，更好的維護，更好的工作可以節省一些時間和成本。

與任何工業革命一樣，也會帶來一些問題和擔憂。據稱，近三分之一的工作機會（30％）受到“機器人的興起”的威脅，盡管現實可能會看到許多傳統工作崗位的流失，而并不是大規模失業。

在數據中心和關鍵電源保護行業，也需要解決很多重大問題，即企業如何應對智能工廠和物聯網連接設備所創造的大量數據。一臺機器的性能日志每周可產生大約5GB的數據，典型的智能工廠每周產生大約5PB數據，相當于30萬多部16GB的iPhone手機的容量。

大數據，大機遇

要讓制造商充分發掘工業4．0的潛力，他們必須將其連接設備的數據與人工智能、處理和分析結合起來。傳統工廠生產商品，而智能工廠生產商品和數字，這二者必須齊頭并進才能實現生產力和效率的提高。

這些大數據優勢在工廠車間內非常廣泛，可用于各個業務領域，從產品質量和庫存控制到供應鏈優化，并改善健康和安全。由一臺智能連接的UPS產生的數據可以輸入到人工智能影響的決策中，這些決策會影響工廠的電力消耗、能源效率和機械維護制度。

制造商年收入的30％可能因生產過程中的缺陷而損失。通過分析生產線傳感器的實時數據，很多質量問題在一出現時就會被發現并糾正。

科技巨頭英特爾公司使用數據分析來幫助預測他們的微芯片中的設備故障。其結果是使維護時間縮短50％，產量提高25％，備件成本降低20％，共計節省300萬美元。另一方面，為了產生這種積極的結果，每小時需要處理5TB的機器數據！

工業物聯網（IIoT）設備的數據產生重大影響的另一個關鍵領域是機器維護。工業設備往往按照固定的時間表（即每月或每年）進行維修，無論其運行狀況如何。通過分析機器產生的性能統計信息，可以根據需要而不是時間進行預防性維護，從而減少勞動力浪費，并降低意外故障的風險。

無論是在運輸過程中如何評估損壞或劣化，以優化包裝材料，實時研究消費者趨勢和買方行為以告知生產產量，還是監控關鍵績效指標（如缺勤或工傷等）以改善內部流程、連接設備、數據分析影響工業生活的各個方面。

制造商甚至在將產品銷售給最終用戶后很長時間內才會收集到許多產品內置傳感器的寶貴見解。這些數據表明項目是如何使用的？它的性能是否受到周圍環境影響？客戶利用最多的功能是什么？其寶貴的洞察力反饋到正在進行的產品開發過程中。

機器人的興起 － 或者應該是合作機器人？

當然，每當有關工業4．0和智能工廠的討論時，人們的談話很快就會轉向機器人。機器人過程自動化（RPA）在推動制造效率方面發揮了巨大的作用。

機器人的出現使得人類執行的枯燥、手動甚至是不安全的許多任務實現了自動化。可以比人類更好、更快、更準確地完成這些任務。與人類不同的是，機器人在輪班結束時不會感到疲倦，所以生產力水平始終保持在高水平。

在機器人應用方面，英國還落后于許多國家。國際機器人協會統計數據表明，英國每萬人只有33臺機器人，遠遠落后于日本（每萬人213臺），德國（每萬人170臺），瑞典（每萬人154臺）。波士頓咨詢公司預測，到2025年，機器人將執行四分之一的制造任務（目前為10％），這些主流思維以及這些比例都需要改變。

計算能力和網絡技術的進步意味著當今的機器人比他們的前輩更“聰明”，不僅僅是它們可以執行的功能，還有其適應能力。盡管早期的機器人一次又一次地執行相同的功能，但現代機器人可以實時調整動作、學習課程，甚至相互協作，所有這一切都要歸功于機器人和它們產生的數據量。

在未來的工廠中，它不會是人類或機器人之間的非此即彼的選擇。機器人和工人將在工廠車間共同工作。事實上，到2020年，制造商預計60％的工廠的工人將與機器人，或與人工智能等自動化輔助技術一起工作。

工業4．0對數據中心的影響是什么？

數據中心曾一度是純粹存儲數據的措施。但人們都知道工業物聯網使得一切都變得更加動態和流暢。在全國各地的智能工廠中，數據正在被實時捕獲、分析和處理。

而如果進行額外的處理需要額外的存儲容量和額外的電源。當然，它為數據中心行業提供了極好的機會，但同時也為管理者和運營商提出了一個問題，即他們如何充分利用資本。

企業的數據中心能夠處理單個智能機器每周將創建的5GB數據嗎？可能會。但是100臺機器呢？1000臺機器呢？工廠車間將會安裝多少個設備和傳感器？企業將如何平衡對額外電源的需求以跟上處理需求，而不需要擴大規模？人們將面臨“少花錢多辦事”這樣的經典難題。

采用模塊化方法的小型微型數據中心正在使數據處理設施可以在現場或盡可能靠近用戶位置的基礎上建立。這種邊緣計算是必不可少的，因為它使制造商能夠運行實時分析，而不需要將大量數據一路發送到云端并返回處理。

模塊化數據中心為運營商提供了“擴展時支付”的范圍。模塊化UPS的興起也提供了類似的電源保護要求。隨著工業4．0促進數據中心的發展，對可靠和強勁的持續電力供應的需求變得更加迫切。

無變壓器的模塊化UPS在更小的空間內提供更高的功率密度，在所有的電力負載下運行效率更高，因此可以節省更多的電能，并且不需要耗費大量電源的空調來保持冷卻。

數據中心管理人員都會明智地審查他們當前的電源保護功能。如果他們的UPS機型老舊、體積龐大、效率更低，升級到現代化的模塊化UPS將是一個明智的舉措，以確保為智能工廠的需求做好充分的準備。

當然，對于某些制造商來說，特別是那些有多個站點分布在多個地點的制造商，無論采用現場數據中心還是采用云計算，仍然需要某種集中式數據存儲功能。

自動化程度的提高也讓人們質疑運行工廠或數據中心通常需要的許多基本因素。如果工廠或數據中心設施已經達到無人管理的階段，他們是否需要照明或供暖？這為節省大量能源和成本創造了機會。

如今的消費者比以往任何時候都要求更高。他們喜歡個性化或定制的產品，而且他們幾乎需要即時購買。當然，他們也希望這些獨特的產品能夠被廣泛使用，并且與大量生產的產品一樣成本低廉。

機器學習和工業4．0的興起有可能啟動制造業的“優勢”，即定制產品在當地按需生產制造，而無在全球各地訂購生產。