傳統(tǒng)制造業(yè)正在經(jīng)歷著前所未有的轉型，物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)分析，作為工業(yè)物聯(lián)網(wǎng)和智能制造的核心技術，正在從各個方面改變著工業(yè)行業(yè)，包括產(chǎn)品的設計、運營、維護，以及供應鏈管理。通常，即使工廠里采用了以太網(wǎng)聯(lián)網(wǎng)設備、MES和SCADA系統(tǒng)，大部分硬件設備還是沒有接入網(wǎng)絡，或僅單向輸出信息。隨著工業(yè)物聯(lián)網(wǎng)的推進，傳統(tǒng)制造企業(yè)更需要主動地去嘗試和采用新的自動化技術來迎合多變的市場環(huán)境和客戶需求。

本文將簡要分析制造企業(yè)實踐工業(yè)物聯(lián)網(wǎng)所需走過的過程，以及在工業(yè)制造業(yè)所呈現(xiàn)的主要問題和趨勢。

工業(yè)物聯(lián)網(wǎng)實現(xiàn)的五個環(huán)節(jié)和兩大階段

IHS Markit將傳統(tǒng)制造工廠轉化為真正的工業(yè)物聯(lián)網(wǎng)工廠的過程劃分為五環(huán)節(jié)，如圖1。

第一階段是實現(xiàn)“機器與機器對話”，即現(xiàn)場設備的聯(lián)網(wǎng)和底層數(shù)據(jù)的采集兩個環(huán)節(jié)。在企業(yè)能夠進行數(shù)據(jù)分析、建立模型之前，工廠內(nèi)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(nèi)和其他遠程地點的所有其他機器和設備互相通信，并進行大量的數(shù)據(jù)交換，這是所有后續(xù)環(huán)節(jié)的基礎。

目前，大部分企業(yè)仍處于這個階段，實現(xiàn)現(xiàn)場設備互通互聯(lián)，同時確保數(shù)據(jù)和信息溝通的準確性、可靠性、完整性和及時性，這是工業(yè)物聯(lián)網(wǎng)的基礎，也是工業(yè)企業(yè)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(jīng)使用多年，甚至十幾年，企業(yè)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(chǎn)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制造商，并沒有采用統(tǒng)一的通訊協(xié)議，需要采用協(xié)議轉換設備對原有設備和產(chǎn)線進行改造，實現(xiàn)設備之間的無縫通信，比如支持不同協(xié)議的高級HMI、協(xié)議轉換器，或其他自動化產(chǎn)品，連接這些采用不同專用通信協(xié)議的設備。

根據(jù)IHS Markit最新數(shù)據(jù)，全球聯(lián)網(wǎng)自動化設備的聯(lián)網(wǎng)數(shù)量在2017年已經(jīng)達到950億個，其在2017至2021年的年復合增長率會保持在11.6%。IO-Link sensor和IO-Link master市場的快速增長也能反映將現(xiàn)場層信息可視化的旺盛需求。IHS Markit預測IO-Link聯(lián)網(wǎng)節(jié)點數(shù)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(xiàn)數(shù)據(jù)的價值輸出，包括第三、第四和第五環(huán)節(jié)，即數(shù)據(jù)的存取、分析和價值輸出。對企業(yè)而言，在解決了如何搜集數(shù)據(jù)的問題后，數(shù)據(jù)的存取和利用是接下來更為重要的問題。客觀來看，工業(yè)企業(yè)內(nèi)部的業(yè)務邏輯并沒有標準化，自動化水平也不同，并不能用一套通用軟件平臺來解決每家企業(yè)的問題，都需要定制化的軟件開發(fā)，這也需要工業(yè)企業(yè)用戶有更多的資金投入。目前，我們能看到幾乎所有工業(yè)技術廠商都已經(jīng)推出了自己的工業(yè)物聯(lián)網(wǎng)解決平臺，比如IBM有Waston，GE有Predix，Schneider有EcoStruxure，Honeywell也有了Sentience。

在該階段，如何解決工業(yè)物聯(lián)網(wǎng)安全問題，如何合理利用機器學習和人工智能技術，怎么使用邊緣計算和云計算，以及怎樣發(fā)揮移動設備在工業(yè)物聯(lián)網(wǎng)中的積極作用都將成為行業(yè)更為關注的話題。

網(wǎng)絡安全是工業(yè)物聯(lián)網(wǎng)實施的一大困擾

舉個例子，比如OEM廠商提供的質保內(nèi)容正在發(fā)生變化，所提供的質保內(nèi)容由過去的“一年內(nèi)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(xiàn)問題，OEM廠商需要在規(guī)定的時間內(nèi)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(yè)控制網(wǎng)絡，查看相關數(shù)據(jù)。工業(yè)網(wǎng)絡會越來越開放，與IT網(wǎng)絡進行融合，與此同時，網(wǎng)絡安全問題將更為凸顯。IT系統(tǒng)所受到的任何威脅都會對OT系統(tǒng)造成嚴重的影響。安全問題已經(jīng)成為投資工業(yè)物聯(lián)網(wǎng)的一大障礙。近年來發(fā)生的黑客入侵電力公司網(wǎng)絡，阻斷電力供應，劫持工業(yè)控制設備，篡改PLC中的程序和數(shù)據(jù)，造成產(chǎn)線停產(chǎn)的事件大大提升了工業(yè)企業(yè)用戶對工業(yè)物聯(lián)網(wǎng)安全的關注度。

雖然自動化設備制造商已經(jīng)在硬件產(chǎn)品和軟件平臺中都增加了網(wǎng)絡安全措施，比如在PLC和I/O模塊產(chǎn)品中增加了SSL/TLS加密。但距離終端用戶能夠廣泛接受，并使用工業(yè)物聯(lián)網(wǎng)來采集、監(jiān)控、處理和存儲各種數(shù)據(jù)和信息，還有很長的路要走。此外，擴充現(xiàn)有OT系統(tǒng)的網(wǎng)絡安防能力所需的成本和培養(yǎng)訓練有素的人員的投入也是不可忽視的因素。根據(jù)IHS Markit的研究，實施物聯(lián)網(wǎng)方案擔憂的主要問題是網(wǎng)絡安全和隱私保護，其次是項目的實施成本和其復雜性。

邊緣計算和云計算協(xié)同合作更能滿足工業(yè)物聯(lián)網(wǎng)的需求

云計算處于數(shù)據(jù)中心的核心網(wǎng)絡中，通過層層網(wǎng)絡設備搜集終端的數(shù)據(jù)，憑借強大的存儲和計算能力進行大數(shù)據(jù)分析。邊緣計算是指在貼近數(shù)據(jù)源的設備中的計算能力，進行實時、短周期數(shù)據(jù)的分析，能更高效地對本地數(shù)據(jù)進行實時智能化處理和執(zhí)行，同時能夠緩解網(wǎng)絡中的數(shù)據(jù)流量和云端的工作量。

當海量的數(shù)據(jù)需要存儲、分析時，云計算更合適。比如需要大量數(shù)據(jù)輸入的人工智能離線訓練，這些數(shù)據(jù)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云計算的一種補充和優(yōu)化。很多工業(yè)現(xiàn)場條件惡劣，設備分散，很難實時傳送大量數(shù)據(jù)，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(xiàn)場設備能夠實時地采集和分析數(shù)據(jù)，并能及時做出判斷，調整風機以收集更多的能量。因為整個過程都在本地完成，處理速度比采用云計算提升很多。

目前，工業(yè)產(chǎn)線中的數(shù)據(jù)中僅有約3%的數(shù)據(jù)是有使用價值的，通過邊緣設備過濾、處理后，到達云端的數(shù)據(jù)價值更高，相應的計算和分析過程也會更高效。

機器學習和人工智能的應用

機器學習和人工智能為工業(yè)物聯(lián)網(wǎng)提供了廣闊的遐想空間。目前，工業(yè)領域主要的應用包括自我診斷和預測性維護、優(yōu)化生產(chǎn)流程、智能機器人、結合機器視覺進行產(chǎn)品檢測等。

(1)自我診斷和預測性維護：采用預測性模型技術，通過對現(xiàn)場設備、控制器等上傳的數(shù)據(jù)進行分析，即可獲得的設備故障前兆特征。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(chǎn)線驟停帶來的難以控制的損失。比如正在作業(yè)的工業(yè)機器人出現(xiàn)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(tài)下的數(shù)據(jù)，來學習并建立模型，進而能夠提前預測故障。

(2)優(yōu)化生產(chǎn)流程：人工智能模型在搜集的各項溫度、轉速、能耗、產(chǎn)能等數(shù)據(jù)的基礎上，進行分析，對產(chǎn)線進行節(jié)能優(yōu)化，提出降低能耗、提高產(chǎn)能的方案。

(3)智能機器人：機器人可以去讀關聯(lián)軟件模型中制造產(chǎn)品的相關信息，并學習。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，自主進行制造生產(chǎn)。這樣，產(chǎn)線能夠更加靈活、高效地應對定制化生產(chǎn)的需求。

(4)結合機器視覺進行產(chǎn)品檢測：目前廣泛應用于半導體和3C行業(yè)。機器視覺是人工智能正在快速發(fā)展的一個分支。機器視覺系統(tǒng)的攝像頭可以快速獲得大量生產(chǎn)信息，通過后臺軟件加工處理，結合設計信息和加工控制信息，能夠代替人工作業(yè)提高生產(chǎn)的效率、精度、質量和柔性。

工業(yè)移動應用會更加廣泛

移動終端設備在工業(yè)物聯(lián)網(wǎng)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(jiān)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(xiàn)場設備和產(chǎn)線的運行狀態(tài)，并及時進行診斷和維護工作。當監(jiān)控點離設備操作點較遠，或設備位于危險區(qū)的時候，移動應用提高工作安全性和效率的優(yōu)勢更為明顯。

在多臺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臺設備的狀況，比跑到每臺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(yè)環(huán)境下使用，所以，在2017年，除了推出了更多基于個人移動終端的應用，我們看到少數(shù)企業(yè)也推出了專門用于工業(yè)環(huán)境下的基于web的平板電腦，僅用來查看數(shù)據(jù)和信息。

(2)自動采集現(xiàn)場信息：工作人員可以將移動設備作為現(xiàn)場信息采集工具，通過專用的應用程序，直接掃描并上傳數(shù)據(jù)到后臺系統(tǒng)，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(fā)布和分享：將現(xiàn)場的人工流程在移動終端上數(shù)字化，信息的發(fā)布和分享將會極大簡化。比如工廠的管理員可以將發(fā)現(xiàn)的問題同時發(fā)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(yè)物聯(lián)網(wǎng)的實踐對生產(chǎn)設備、軟件平臺、人員配備、以及資源都提出了很多新要求，工業(yè)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(jīng)發(fā)生或正在發(fā)生的變化：

數(shù)據(jù)采集能力：傳統(tǒng)工廠里使用的傳感器和執(zhí)行器都是獨立工作的，現(xiàn)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(chǎn)品都配置了通信接口，過去屬于高端產(chǎn)品的配置，現(xiàn)在已成為中端產(chǎn)品的標準配置。一些I/O模塊產(chǎn)品配置了無線通信能力。

數(shù)據(jù)處理能力：PLC的數(shù)據(jù)處理能力進一步提升，能對現(xiàn)場設備中的數(shù)據(jù)進行篩選和簡單的處理，減少服務器和云端的負荷。智能I/O模塊具有簡單的數(shù)據(jù)處理和邏輯判斷能力。過去兩年，也推出了很多具有數(shù)據(jù)存儲和處理能力的物聯(lián)網(wǎng)網(wǎng)關。

工業(yè)級移動設備：少數(shù)廠商推出了針對工業(yè)環(huán)境下使用的移動設備，比如基于web的平板電腦，僅能瀏覽網(wǎng)頁，用來查看現(xiàn)場產(chǎn)線狀態(tài)和信息。

控制系統(tǒng)結構扁平化：一些高端PLC產(chǎn)品和智能I/O模塊添加了物聯(lián)網(wǎng)網(wǎng)關的功能，可以直接將數(shù)據(jù)傳送到服務器或云端。智能傳感器也可以不通過PLC，直接通過物聯(lián)網(wǎng)網(wǎng)關將數(shù)據(jù)傳送到上層。新產(chǎn)品的這些功能將會加速工業(yè)控制系統(tǒng)構架的扁平化。

人工智能算法模塊：Rockwell和Omron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(shù)據(jù)流進行分析學習，人工智能算法模塊會快速建立模型，之后會持續(xù)監(jiān)控運行數(shù)據(jù)發(fā)現(xiàn)異常，并報警。

設備本地化與云端結合：會有更多基于云的方案推出，HMI和控制器等設備的部分非實時的功能將會被轉移到云端進行，這也更符合分布系統(tǒng)式構架的理念。

工業(yè)物聯(lián)網(wǎng)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(yè)物聯(lián)網(wǎng)的見證者及協(xié)助者，始終保持創(chuàng)新，力求用最高端的思維及技術方案，減少工業(yè)物聯(lián)網(wǎng)過程中數(shù)據(jù)分布、協(xié)議處理、用戶體驗等問題。