每天，我們都會看到更多實際示例，這些示例表明制造商已成功地將數字化作為其制造和供應鏈運營的核心，以創造有形的商業價值。在某種程度上，這是由于新技術的出現以及以創新方式應用的現有技術的成熟。手動和模擬控制過程在處理現代供應鏈的復雜性方面效率低下，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，以了解這些制造業供應鏈的總體績效和狀況。不幸的是，這些指標缺乏任何實際的操作敏銳度。因此，我們必須接受高度的可變性，低效率，

但是，通過物聯網技術收集的數字信息為我們提供了兩個基本好處：信息減少了不確定性，信息可以得到很好的利用。當我們將經驗和背景應用于信息時，我們就會獲得知識，而當我們將這些知識應用于信息時，我們就會獲得智慧。如果我們能夠以高度的敏銳度近乎實時地成功地在整個供應鏈中利用數字智能。我們可以跨成本，價值和風險維度優化這些供應鏈。直到現在，我們還沒有可用的技術來經濟地做到這一點。

一方面，我們可以使用低成本的數字傳感器和數據采集設備來實時捕獲整個制造供應鏈中的信息。另一方面，我們擁有數字基礎架構來實時存儲，分析和可視化該數據，并根據該數據做出有效的決策。使用高度可擴展且經濟高效的云計算和軟件即服務解決方案，可以通過人工解釋和行動手動完成此操作，也可以通過人工智能（AI）和機器學習（ML）自動完成此操作。

如果我們無法可靠，近乎實時地將數據從源獲取到云或網絡中的其他節點，則該生態系統將崩潰。在此，5G應用將在實現工業4.0承諾成為現實的過程中發揮關鍵作用。對于通信，我們仍然嚴重依賴于更傳統的網絡，例如有線LAN，WiFi和4G，所有這些網絡在速度，延遲，容量，可靠性和覆蓋范圍上都有很大的限制。在高度分散的供應鏈以及人口稠密的設備和傳感器的網絡中，這些局限性僅會阻礙這種成功的數字化轉型的出現。

相比之下，5G可以為給定網段中的節點數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標準的不斷改進極大地改善了網絡功能，但4G卻沒有看到相同的進展。因此，5G是不可避免的，否則它將成為工業4.0成為實際現實的致命弱點。

有哪些用例？

在制造業中，有許多用例。首先是可以利用來自整個供應鏈的實時，高度粒度的位置數據來極大地提高效率和敏捷性并降低運營風險。5G的廣泛采用將使制造商能夠監視和跟蹤整個供應鏈中材料和組件的位置和速度。結果，這項技術將使他們能夠利用這些知識來改善其供應鏈的各個領域。

另一個是大大增加了使用傳感器數據來捕獲有關特定特性的數據的使用。這可能是生產設施或車輛區域內的溫度和濕度，包裝操作中灌裝頭的速度，實驗室設備中的化學成分等。這種智能可用于做出更好的實時決策，甚至可以預測性能和趨勢，它使制造商能夠持續監控和微調流程，并在事件對運營產生重大影響之前對事件做出響應（例如具有預測性維護或預測性質量）。

最后，工業4.0和IoT范式中越來越多的部分是機器能夠利用所謂的邊緣計算智能地行動并與其他機器直接通信以實現特定的結果-所謂的機器對機器（M2M）方法。它不是典型的客戶端/服務器方法（仍然是云計算模型的基礎），而是創建了相互協作的機器，傳感器和設備的網絡，這些網絡協同工作以實時優化復雜的流程。5G和新興的新WiFi標準一樣，對于使該模型正常工作至關重要。最終，通過利用數據的實時訪問和分析（手動或自動）來最小化成本，最大化價值并降低風險，可以提高性能，效率和敏捷性，這將是一個有效的用例。

5G應用將如何影響技術

流量卡之家（www.namesmade.com）認為，5g應用將對AI和ML的成功產生更深遠的影響，因為這些算法基于大量數據。在因果模型中，不僅來自單個來源的數據量更大，而且來自來源的數據廣度。在典型的制造操作中，實際上有成千上萬的特征會影響過程或產品功能。使用智能算法來理解相關性并預測未來結果取決于來自連續流中饋入這些算法的許多來源的高度數據敏銳度。

以天氣預報為例。為了準確地預測天氣，我們不僅嘗試從單個數據點進行預測。我們使用連續監視來分析很大空間中來自許多數據點的因果關系。這就需要以非常低的延遲以非常高的速度傳輸來自多個源的大量數據。5G將使人們能夠以較低的延遲從更多的源中以更高的數據速率捕獲數據，這對于使這些智能算法更成功地實現其目標至關重要。