傳統製造業正在經歷著前所未有的轉型，物聯網，雲計算，大數據分析，作為工業物聯網和智能製造的核心技術，正在從各個方面改變著工業行業，包括產品的設計，運營，維護，以及供應鏈管理。通常，即使工廠裡採用了以太網聯網設備，MES和SCADA系統，大部分硬件設備還是沒有接入網絡，或僅單向輸出信息。隨著工業物聯網的推進，傳統製造企業更需要主動地去嘗試和採用新的自動化技術來迎合多變的市場環境和客戶需求。

本文將簡要分析製造企業實踐工業物聯網所需走過的過程，以及在工業製造業所呈現的主要問題和趨勢。

1.工業物聯網實現的五個環節和兩大階段

第一階段是實現“機器與機器對話”，即現場設備的聯網和底層數據的採集兩個環節。在企業能夠進行數據分析，建立模型之前，工廠內的軟硬件基礎設施還有很多準備工作要做。首先，工廠的機器都能夠與工廠內和其他遠程地點的所有其他機器和設備互相通信，並進行大量的數據交換，這是所有後續環節的基礎。

目前，大部分企業仍處於這個階段，實現現場設備互通互聯，同時確保數據和信息溝通的準確性，可靠性，完整性和及時性，這是工業物聯網的基礎，也是工業企業要首先解決的問題。在很多工廠中，已有的自動化設備，比如驅動器，傳感器，控制器，儀表等都已經使用多年，甚至十幾年，企業用戶不會推倒重來用新設備來替代已有設備，而都會在不影響生產的前提下，擴充已有設備的通信能力。然而，已有設備來自不同的製造商，並沒有採用統一的通訊協議，需要採用協議轉換設備對原有設備和產線進行改造，實現設備之間的無縫通信，比如支持不同協議的高級人機界面，協議轉換器，或其他自動化產品，連接這些採用不同專用通信協議的設備。

全球聯網自動化設備的聯網數量在2017年已經達到950億個，其在2017至2021年的年復合增長率保持在11.6％.IO-Link傳感器和IO-Link主機市場的快速增長也能反映將現場層信息可視化的旺盛需求.IHS Markit預測IO-Link聯網節點數在2017至2021年這5年期間將以25.7％的年復合增長率增長。

第二階段是實現數據的價值輸出，包括第三，第四和第五環節，即數據的存取，分析和價值輸出。對企業而言，在解決了如何蒐集數據的問題後，數據的存取和利用是接下來更為重要的問題。客觀來看，工業企業內部的業務邏輯並沒有標準化，自動化水平也不同，並不能用一套通用軟件平台來解決每家企業的問題，都需要定制化的軟件開發，這也需要工業企業用戶有更多的資金投入。目前，我們能看到幾乎所有工業技術廠商都已經推出了自己的工業物聯網解決平台，比如IBM有加沃斯頓，GE有Predix，施耐德有EcoStruxure，霍尼韋爾也有了知覺。

在該階段，如何解決工業物聯網安全問題，如何合理利用機器學習和人工智能技術，怎麼使用邊緣計算和雲計算，以及怎樣發揮移動設備在工業物聯網中的積極作用都將成為行業更為關注的話題。

2.網絡安全是工業物聯網實施的一大困擾

舉個例子，比如OEM廠商提供的質保內容正在發生變化，所提供的質保內容由過去的“一年內可以更換故障配件”，過渡到“保證設備可以一年中正常運行的時間”，如果設備出現問題，OEM廠商需要在規定的時間內響應。但前提條件是OEM廠商能夠實時地，安全地連接進入工業控制網絡，查看相關數據。工業網絡會越來越開放，與IT網絡進行融合，與此同時，網絡安全問題將更為凸顯.IT系統所受到的任何威脅都會對OT系統造成嚴重的影響。安全問題已經成為投資工業物聯網的一大障礙。近年來發生的黑客入侵電力公司網絡，阻斷電力供應，劫持工業控制設備，篡改PLC中的程序和數據，造成產線停產的事件大大提升了工業企業用戶對工業物聯網安全的關注度。

雖然自動化設備製造商已經在硬件產品和軟件平台中都增加了網絡安全措施，比如在PLC和I / O模塊產品中增加了SSL / TLS加密。但距離終端用戶能夠廣泛接受，並使用工業物聯網來採集，監控，處理和存儲各種數據和信息，還有很長的路要走。此外，擴充現有OT系統的網絡安防能力所需的成本和培養訓練有素的人員的投入也是不可忽視的因素。根據IHS Markit的研究，實施物聯網方案擔憂的主要問題是網絡安全和隱私保護，其次是項目的實施成本和其複雜性。

3.邊緣計算和雲計算協同合作更能滿足工業物聯網的需求

雲計算處於數據中心的核心網絡中，通過層層網絡設備蒐集終端的數據，憑藉強大的存儲和計算能力進行大數據分析。邊緣計算是指在貼近數據源的設備中的計算能力，進行實時，短週期數據的分析，能更高效地對本地數據進行實時智能化處理和執行，同時能夠緩解網絡中的數據流量和雲端的工作量。

當海量的數據需要存儲，分析時，雲計算更合適。比如需要大量數據輸入的人工智能離線訓練，這些數據要通過合適的訓練方法，驗證和完善人工智能算法模型。

邊緣計算可以說是對雲計算的一種補充和優化。很多工業現場條件惡劣，設備分散，很難實時傳送大量數據，這個時候邊緣計算就更為適用。以風電場為例，具有邊緣計算能力的現場設備能夠實時地採集和分析數據，並能及時做出判斷，調整風機以收集更多的能量。因為整個過程都在本地完成，處理速度比採用雲計算提升很多。

目前，工業產線中的數據中僅有約3％的數據是有使用價值的，通過邊緣設備過濾，處理後，到達雲端的數據價值更高，相應的計算和分析過程也會更高效。

4.機器學習和人工智能的應用

機器學習和人工智能為工業物聯網提供了廣闊的遐想空間。目前，工業領域主要的應用包括自我診斷和預測性維護，優化生產流程，智能機器人，結合機器視覺進行產品檢測等。

自我診斷和預測性維護：採用預測性模型技術，通過對現場設備，控制器等上傳的數據進行分析，即可獲得的設備故障前兆特徵配合報警機制，工作人員可及早制定維護和應急方案。避免因產線驟停帶來的難以控制的損失。比如正在作業的工業機器人出現故障，就會造成大量的不合格品，人工智能技術可以通過檢測機器人減速機和主軸上不同狀態下的數據，來學習並建立模型，進而能夠提前預測故障。

優化生產流程：人工智能模型在蒐集的各項溫度，轉速，能耗，產能等數據的基礎上，進行分析，對產線進行節能優化，提出降低能耗，提高產能的方案。

智能機器人：。機器人可以去讀關聯軟件模型中製造產品的相關信息，並學習最終，不需要工程師每次對機器人進行編程，機器人可直接接受工程師指令，自主進行製造生產這樣，產線能夠更加靈活，高效地應對定制化生產的需求。

結合機器視覺進行產品檢測：。目前廣泛應用於半導體和3C行業機器視覺是人工智能正在快速發展的一個分支機器視覺系統的攝像頭可以快速獲得大量生產信息，通過後台軟件加工處理，結合設計信息和加工控制信息，能夠代替人工作業提高生產的效率，精度，質量和柔性。

5.工業移動應用會更加廣泛

。移動終端設備在工業物聯網中的參與度逐漸提高，越來越多的廠商推出移動應用方案，進一步提升工作效率和效力移動終端主要的應用方式有以下幾種：

（1）遠程監控：使用HMI的移動應用，工作人員可以在任何時間和地點檢查現場設備和產線的運行狀態，並及時進行診斷和維護工作。當監控點離設備操作點較遠，或設備位於危險區的時候，移動應用提高工作安全性和效率的優勢更為明顯。

在多台設備都在運行同一套工序的情況下，工作人員在移動終端上就可以查看每台設備的狀況，比跑到每台設備前逐一查看更方便和高效。很多人認為個人移動設備不適合在工業環境下使用，所以，在2017年年，除了推出了更多基於個人移動終端的應用，我們看到少數企業也推出了專門用於工業環境下的基於網絡的平板電腦，僅用來查看數據和信息。

（2）自動採集現場信息：工作人員可以將移動設備作為現場信息採集工具，通過專用的應用程序，直接掃描並上傳數據到後台系統，這樣可以避免工作人員自己讀取和手工輸入信息過程中造成的錯誤。

（3）信息發布和分享：將現場的人工流程在移動終端上數字化，信息的發布和分享將會極大簡化比如工廠的管理員可以將發現的問題同時發布給所有相關人員，而不必逐一溝通，進而減少停機和維修的時間，最大化地降低損失。

如上文所述，工業物聯網的實踐對生產設備，軟件平台，人員配備，以及資源都提出了很多新要求，工業自動化設備也要為此做好準備。以下是IHS Markit所觀察到的自動化設備層面已經發生或正在發生的變化：

數據採集能力：傳統工廠裡使用的傳感器和執行器都是獨立工作的，現在越來越多的設備安裝了嵌入式的傳感器，比如泵，流量表，馬達，軸承等。

通信能力：越來越多的PLC和HMI產品都配置了通信接口，過去屬於高端產品的配置，現在已成為中端產品的標準配置一些I / O模塊產品配置了無線通信能力。

數據處理能力：。PLC的數據處理能力進一步提升，能對現場設備中的數據進行篩選和簡單的處理，減少服務器和雲端的負荷智能I / O模塊具有簡單的數據處理和邏輯判斷能力過去兩年，也推出了很多具有數據存儲和處理能力的物聯網網關。

工業級移動設備：少數廠商推出了針對工業環境下使用的移動設備，比如基於網絡的平板電腦，僅能瀏覽網頁，用來查看現場產線狀態和信息。

控制系統結構扁平化：一些高端PLC產品和智能I / O模塊添加了物聯網網關的功能，可以直接將數據傳送到服務器或雲端智能傳感器也可以不通過PLC，直接通過物聯網網關將數據傳送到上層。新產品的這些功能將會加速工業控制系統構架的扁平化。

人工智能算法模塊：Rockwell和歐姆龍都在其PLC控制器中加入了人工智能算法模塊，通過對控制器中的數據流進行分析學習，人工智能算法模塊會快速建立模型，之後會持續監控運行數據發現異常，並報警。

設備本地化與雲端結合：會有更多基於雲的方案推出，人機界面和控制器等設備的部分非實時的功能將會被轉移到雲端進行，這也更符合分佈系統式構架的理念。

工業物聯網帶來的變化是指日可待的，所有的蛻變都需要一個陣痛期，科技的前沿尤其需要用最高的思維力來減輕這一陣痛，蒂蒙技術作為工業物聯網的見證者及協助者，始終保持創新，力求用最高端的思維及技術方案，減少工業物聯網過程中數據分佈，協議處理，用戶體驗等問題。

圖文來源: https://pse.is/DNZFK