每天，我们都会看到更多实际示例，这些示例表明制造商已成功地将数字化作为其制造和供应链运营的核心，以创造有形的商业价值。在某种程度上，这是由于新技术的出现以及以创新方式应用的现有技术的成熟。手动和模拟控制过程在处理现代供应链的复杂性方面效率低下，因此，我们依靠总的近似值。这些都是基于广义的和高度汇总的KPI和操作指标，以了解这些制造业供应链的总体绩效和状况。不幸的是，这些指标缺乏任何实际的操作敏锐度。因此，我们必须接受高度的可变性，低效率，
但是，通过物联网技术收集的数字信息为我们提供了两个基本好处：信息减少了不确定性，信息可以得到很好的利用。当我们将经验和背景应用于信息时，我们就会获得知识，而当我们将这些知识应用于信息时，我们就会获得智慧。如果我们能够以高度的敏锐度近乎实时地成功地在整个供应链中利用数字智能。我们可以跨成本，价值和风险维度优化这些供应链。直到现在，我们还没有可用的技术来经济地做到这一点。
一方面，我们可以使用低成本的数字传感器和数据采集设备来实时捕获整个制造供应链中的信息。另一方面，我们拥有数字基础架构来实时存储，分析和可视化该数据，并根据该数据做出有效的决策。使用高度可扩展且经济高效的云计算和软件即服务解决方案，可以通过人工解释和行动手动完成此操作，也可以通过人工智能（AI）和机器学习（ML）自动完成此操作。
如果我们无法可靠，近乎实时地将数据从源获取到云或网络中的其他节点，则该生态系统将崩溃。在此，5G应用将在实现工业4.0承诺成为现实的过程中发挥关键作用。对于通信，我们仍然严重依赖于更传统的网络，例如有线LAN，WiFi和4G，所有这些网络在速度，延迟，容量，可靠性和覆盖范围上都有很大的限制。在高度分散的供应链以及人口稠密的设备和传感器的网络中，这些局限性仅会阻碍这种成功的数字化转型的出现。
相比之下，5G可以为给定网段中的节点数量提供更大的覆盖范围和更大的容量，而带宽却要大得多，而延迟却非常低。尽管我们看到WiFi标准的不断改进极大地改善了网络功能，但4G却没有看到相同的进展。因此，5G是不可避免的，否则它将成为工业4.0成为实际现实的致命弱点。
有哪些用例？
在制造业中，有许多用例。首先是可以利用来自整个供应链的实时，高度粒度的位置数据来极大地提高效率和敏捷性并降低运营风险。5G的广泛采用将使制造商能够监视和跟踪整个供应链中材料和组件的位置和速度。结果，这项技术将使他们能够利用这些知识来改善其供应链的各个领域。
另一个是大大增加了使用传感器数据来捕获有关特定特性的数据的使用。这可能是生产设施或车辆区域内的温度和湿度，包装操作中灌装头的速度，实验室设备中的化学成分等。这种智能可用于做出更好的实时决策，甚至可以预测性能和趋势，它使制造商能够持续监控和微调流程，并在事件对运营产生重大影响之前对事件做出响应（例如具有预测性维护或预测性质量）。
最后，工业4.0和IoT范式中越来越多的部分是机器能够利用所谓的边缘计算智能地行动并与其他机器直接通信以实现特定的结果-所谓的机器对机器（M2M）方法。它不是典型的客户端/服务器方法（仍然是云计算模型的基础），而是创建了相互协作的机器，传感器和设备的网络，这些网络协同工作以实时优化复杂的流程。5G和新兴的新WiFi标准一样，对于使该模型正常工作至关重要。最终，通过利用数据的实时访问和分析（手动或自动）来最小化成本，最大化价值并降低风险，可以提高性能，效率和敏捷性，这将是一个有效的用例。
5G应用将如何影响技术
流量卡之家（www.1330.cn）认为，5g应用将对AI和ML的成功产生更深远的影响，因为这些算法基于大量数据。在因果模型中，不仅来自单个来源的数据量更大，而且来自来源的数据广度。在典型的制造操作中，实际上有成千上万的特征会影响过程或产品功能。使用智能算法来理解相关性并预测未来结果取决于来自连续流中馈入这些算法的许多来源的高度数据敏锐度。
以天气预报为例。为了准确地预测天气，我们不仅尝试从单个数据点进行预测。我们使用连续监视来分析很大空间中来自许多数据点的因果关系。这就需要以非常低的延迟以非常高的速度传输来自多个源的大量数据。5G将使人们能够以较低的延迟从更多的源中以更高的数据速率捕获数据，这对于使这些智能算法更成功地实现其目标至关重要。
