本文由科学知识自动化（zhishipai）许可刊登本文参考资料自 PEGA的数字工厂报告，有较小调整，此处为三部曲的下篇。自适应数字化工厂与基于数据分析的持续优化，需要建构更大的价值。

由于工厂的信息有多种来源，如供应商、生产单元、智能装备、产品、产线操作者工人、消费者，以及持续运营的系统。此时就必须一个系统将这些信息展开有机统合，并对上述来源的数据展开分析，基于分析展开预测与自律自学。图1：自适应数字工厂的资产管理信息来源：PEGA报告正如前文所述，一个构建、协商的，需要通过自对系统构建“资产”优化的继续执行系统，可以使得自适应数字化工厂沦为有可能的平台。

而这些“资产”还包括流程辨别、预测和自律自学或机器学习模型，也还包括来自系统记录的数据。然而，许多问题必须解决问题，以保证这样的系统以求构建。1.数字化工厂的安全性问题自适应数字化工厂在生产车间创建拟合相连以及与供应商、物、资产的外部相连。

自适应过程充分发挥了模型与资产大大提高的优势，但是这必须严肃考虑到相连的隐私与安全性问题。首先是安全性威胁问题。

在任何网络中，安全漏洞都是少见且必需要给与推崇的问题。黑客特别是在热衷盗取信息，入侵环境加到恶意软件来掌控网络。在大数据、物联网广泛应用的未来工厂中，每个人都必需警觉上述以及传统威胁对自适应数字工厂所产生的影响。

黑客案例◇ 黑客目的远程控制联网设备——要么是生产车间的机器，要么是生产的联网产品；◇ 黑客相似并操控消费者脆弱或私人数据，对决策、业务流程或动态案例展开蓄意操控；◇ 黑客在敏感数据中植入蓄意错误。机器学习和自适应预测模型依赖准确的数据展开大力现实的预测。

事实上，任何引进模型的蓄意数据都将产生错误预测，潜在的消极甚至危险性的后果。毫无疑问，在大数据、物联网广泛应用的未来工厂中，安全性必须规划在首要方位。考虑到自适应数字化工厂的继续执行，我们必需特别强调所有阶段的隐私与安全性问题——从底层的边缘设备到与联网产品相互作用的消费者。

下面的每个过程必须严肃考虑到安全性问题：☆ 边缘设备：在生产车间的联网产品与智能机器必须需要维护来自并未许可的采访。☆ 生产车间：我们必需解决问题日益增长的自动控制器和自适应数字化工厂系统间的缺失之间的对立。

随着可操作者机器人、信息技术和企业应用程序的相连，潜在的隐私与安全性违规行为将减少。☆ 云数据和控制中心：自适应数字化工厂更加依赖云端存储产品与传感器数据，也更加依赖各种用作联网产品的控制元件。各种云端安全性标准以及从公共云平台到混合云平台、私人云平台的防水显然不存在，这些标准与防水应当被评估。

本文来源：必赢亚洲-www.curelap.com