傳統制造業正在經曆着前所未有的(de)轉型，物聯網、雲計算、大數據分析，作為(wèi)工業物聯網和(hé)智能制造的(de)核心技術，正在從各個方面改變着工業行業，包括産品的(de)設計、運營、維護，以及供應鏈管理(lǐ)。通常，即使工廠裏采用了以太網聯網設備、MES和(hé)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。随着工業物聯網的(de)推進，傳統制造企業更需要主動地(dì)去(qù)嘗試和(hé)采用新的(de)自(zì)動化技術來迎合多變的(de)市場環境和(hé)客戶需求。

        本文将簡要分析制造企業實踐工業物聯網所需走過的(de)過程，以及在工業制造業所呈現的(de)主要問題和(hé)趨勢。

1、工業物聯網實現的(de)五個環節和(hé)兩大階段

        IHS Markit将傳統制造工廠轉化為(wèi)真正的(de)工業物聯網工廠的(de)過程劃分為(wèi)五環節，如(rú)圖1。

圖1

        第一(yī)階段是實現"機器與機器對話"，即現場設備的(de)聯網和(hé)底層數據的(de)采集兩個環節。在企業能夠進行數據分析、建立模型之前，工廠內(nèi)的(de)軟硬件基礎設施還有很多準備工作要做(zuò)。首先，工廠的(de)機器都能夠與工廠內(nèi)和(hé)其他遠程地(dì)點的(de)所有其他機器和(hé)設備互相通信，并進行大量的(de)數據交換，這是所有後續環節的(de)基礎。

        目前，大部分企業仍處于這個階段，實現現場設備互通互聯，同時确保數據和(hé)信息溝通的(de)準确性、可(kě)靠性、完整性和(hé)及時性，這是工業物聯網的(de)基礎，也是工業企業要首先解決的(de)問題。在很多工廠中，已有的(de)自(zì)動化設備，比如(rú)驅動器、傳感器、控制器、儀表等都已經使用多年(nián)，甚至十幾年(nián)，企業用戶不會推倒重來用新設備來替代已有設備，而都會在不影響生産的(de)前提下，擴充已有設備的(de)通信能力。然而，已有設備來自(zì)不同的(de)制造商，并沒有采用統一(yī)的(de)通訊協議，需要采用協議轉換設備對原有設備和(hé)産線進行改造，實現設備之間的(de)無縫通信，比如(rú)支持不同協議的(de)高(gāo)級HMI、協議轉換器，或其他自(zì)動化産品，連接這些采用不同專用通信協議的(de)設備。

        根據IHS Markit最新數據，全球聯網自(zì)動化設備的(de)聯網數量在2017年(nián)已經達到950億個，其在2017至2021年(nián)的(de)年(nián)複合增長(cháng)率會保持在11.6%。IO-Link sensor和(hé)IO-Link master市場的(de)快速增長(cháng)也能反映将現場層信息可(kě)視(shì)化的(de)旺盛需求。IHS Markit預測IO-Link聯網節點數在2017至2021年(nián)這5年(nián)期間将以25.7%的(de)年(nián)複合增長(cháng)率增長(cháng)。

        第二階段是實現數據的(de)價值輸出，包括第三、第四和(hé)第五環節，即數據的(de)存取、分析和(hé)價值輸出。對企業而言，在解決了如(rú)何搜集數據的(de)問題後，數據的(de)存取和(hé)利用是接下來更為(wèi)重要的(de)問題。客觀來看，工業企業內(nèi)部的(de)業務邏輯并沒有标準化，自(zì)動化水平也不同，并不能用一(yī)套通用軟件平台來解決每家企業的(de)問題，都需要定制化的(de)軟件開發，這也需要工業企業用戶有更多的(de)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(zì)己的(de)工業物聯網解決平台，比如(rú)IBM有Waston，GE有Predix，Schneider有EcoStruxure，Honeywell也有了Sentience。

        在該階段，如(rú)何解決工業物聯網安全問題，如(rú)何合理(lǐ)利用機器學(xué)習和(hé)人工智能技術，怎麽使用邊緣計算和(hé)雲計算，以及怎樣發揮移動設備在工業物聯網中的(de)積極作用都将成為(wèi)行業更為(wèi)關注的(de)話題。

2、網絡安全是工業物聯網實施的(de)一(yī)大困擾

        舉個例子(zǐ)，比如(rú)OEM廠商提供的(de)質保內(nèi)容正在發生變化，所提供的(de)質保內(nèi)容由過去(qù)的(de)"一(yī)年(nián)內(nèi)可(kě)以更換故障配件"，過渡到"保證設備可(kě)以一(yī)年(nián)中正常運行的(de)時間"，如(rú)果設備出現問題，OEM廠商需要在規定的(de)時間內(nèi)響應。但前提條件是OEM廠商能夠實時地(dì)、安全地(dì)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，網絡安全問題将更為(wèi)凸顯。IT系統所受到的(de)任何威脅都會對OT系統造成嚴重的(de)影響。安全問題已經成為(wèi)投資工業物聯網的(de)一(yī)大障礙。近年(nián)來發生的(de)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(de)程序和(hé)數據，造成産線停産的(de)事件大大提升了工業企業用戶對工業物聯網安全的(de)關注度。

        雖然自(zì)動化設備制造商已經在硬件産品和(hé)軟件平台中都增加了網絡安全措施，比如(rú)在PLC和(hé)I/O模塊産品中增加了SSL/TLS加密。但距離(lí)終端用戶能夠廣泛接受，并使用工業物聯網來采集、監控、處理(lǐ)和(hé)存儲各種數據和(hé)信息，還有很長(cháng)的(de)路要走。此外，擴充現有OT系統的(de)網絡安防能力所需的(de)成本和(hé)培養訓練有素的(de)人員的(de)投入也是不可(kě)忽視(shì)的(de)因素。根據IHS Markit的(de)研究，實施物聯網方案擔憂的(de)主要問題是網絡安全和(hé)隐私保護，其次是項目的(de)實施成本和(hé)其複雜性。

3、邊緣計算和(hé)雲計算協同合作更能滿足工業物聯網的(de)需求

        雲計算處于數據中心的(de)核心網絡中，通過層層網絡設備搜集終端的(de)數據，憑借強大的(de)存儲和(hé)計算能力進行大數據分析。邊緣計算是指在貼近數據源的(de)設備中的(de)計算能力，進行實時、短(duǎn)周期數據的(de)分析，能更高(gāo)效地(dì)對本地(dì)數據進行實時智能化處理(lǐ)和(hé)執行，同時能夠緩解網絡中的(de)數據流量和(hé)雲端的(de)工作量。

        當海量的(de)數據需要存儲、分析時，雲計算更合适。比如(rú)需要大量數據輸入的(de)人工智能離(lí)線訓練，這些數據要通過合适的(de)訓練方法，驗證和(hé)完善人工智能算法模型。

        邊緣計算可(kě)以說是對雲計算的(de)一(yī)種補充和(hé)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(wèi)适用。以風電場為(wèi)例，具有邊緣計算能力的(de)現場設備能夠實時地(dì)采集和(hé)分析數據，并能及時做(zuò)出判斷，調整風機以收集更多的(de)能量。因為(wèi)整個過程都在本地(dì)完成，處理(lǐ)速度比采用雲計算提升很多。

        目前，工業産線中的(de)數據中僅有約3%的(de)數據是有使用價值的(de)，通過邊緣設備過濾、處理(lǐ)後，到達雲端的(de)數據價值更高(gāo)，相應的(de)計算和(hé)分析過程也會更高(gāo)效。

4、機器學(xué)習和(hé)人工智能的(de)應用

        機器學(xué)習和(hé)人工智能為(wèi)工業物聯網提供了廣闊的(de)遐想空間。目前，工業領域主要的(de)應用包括自(zì)我診斷和(hé)預測性維護、優化生産流程、智能機器人、結合機器視(shì)覺進行産品檢測等。

        (1)自(zì)我診斷和(hé)預測性維護：采用預測性模型技術，通過對現場設備、控制器等上傳的(de)數據進行分析，即可(kě)獲得的(de)設備故障前兆特征。配合報警機制，工作人員可(kě)及早制定維護和(hé)應急方案。避免因産線驟停帶來的(de)難以控制的(de)損失。比如(rú)正在作業的(de)工業機器人出現故障，就會造成大量的(de)不合格品，人工智能技術可(kě)以通過檢測機器人減速機和(hé)主軸上不同狀态下的(de)數據，來學(xué)習并建立模型，進而能夠提前預測故障。

        (2)優化生産流程：人工智能模型在搜集的(de)各項溫度、轉速、能耗、産能等數據的(de)基礎上，進行分析，對産線進行節能優化，提出降低(dī)能耗、提高(gāo)産能的(de)方案。

        (3)智能機器人：機器人可(kě)以去(qù)讀關聯軟件模型中制造産品的(de)相關信息，并學(xué)習。最終，不需要工程師每次對機器人進行編程，機器人可(kě)直接接受工程師指令，自(zì)主進行制造生産。這樣，産線能夠更加靈活、高(gāo)效地(dì)應對定制化生産的(de)需求。

        (4)結合機器視(shì)覺進行産品檢測：目前廣泛應用于半導體和(hé)3C行業。機器視(shì)覺是人工智能正在快速發展的(de)一(yī)個分支。機器視(shì)覺系統的(de)攝像頭可(kě)以快速獲得大量生産信息，通過後台軟件加工處理(lǐ)，結合設計信息和(hé)加工控制信息，能夠代替人工作業提高(gāo)生産的(de)效率、精度、質量和(hé)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(de)參與度逐漸提高(gāo)，越來越多的(de)廠商推出移動應用方案，進一(yī)步提升工作效率和(hé)效力。移動終端主要的(de)應用方式有以下幾種：

        (1)遠程監控：使用HMI的(de)移動應用，工作人員可(kě)以在任何時間和(hé)地(dì)點檢查現場設備和(hé)産線的(de)運行狀态，并及時進行診斷和(hé)維護工作。當監控點離(lí)設備操作點較遠，或設備位于危險區的(de)時候，移動應用提高(gāo)工作安全性和(hé)效率的(de)優勢更為(wèi)明顯。

        在多台設備都在運行同一(yī)套工序的(de)情況下，工作人員在移動終端上就可(kě)以查看每台設備的(de)狀況，比跑到每台設備前逐一(yī)查看更方便和(hé)高(gāo)效。很多人認為(wèi)個人移動設備不适合在工業環境下使用，所以，在2017年(nián)，除了推出了更多基于個人移動終端的(de)應用，我們看到少數企業也推出了專門用于工業環境下的(de)基于web的(de)平闆電腦，僅用來查看數據和(hé)信息。

        (2)自(zì)動采集現場信息：工作人員可(kě)以将移動設備作為(wèi)現場信息采集工具，通過專用的(de)應用程序，直接掃描并上傳數據到後台系統，這樣可(kě)以避免工作人員自(zì)己讀取和(hé)手工輸入信息過程中造成的(de)錯誤。

        (3)信息發布和(hé)分享：将現場的(de)人工流程在移動終端上數字化，信息的(de)發布和(hé)分享将會極大簡化。比如(rú)工廠的(de)管理(lǐ)員可(kě)以将發現的(de)問題同時發布給所有相關人員，而不必逐一(yī)溝通。進而減少停機和(hé)維修的(de)時間，最大化地(dì)降低(dī)損失。

        如(rú)上文所述，工業物聯網的(de)實踐對生産設備、軟件平台、人員配備、以及資源都提出了很多新要求，工業自(zì)動化設備也要為(wèi)此做(zuò)好準備。以下是IHS Markit所觀察到的(de)自(zì)動化設備層面已經發生或正在發生的(de)變化：

        (1)數據采集能力：傳統工廠裏使用的(de)傳感器和(hé)執行器都是獨立工作的(de)，現在越來越多的(de)設備安裝了嵌入式的(de)傳感器，比如(rú)泵、流量表、馬達、軸承等。

        (2)通信能力：越來越多的(de)PLC和(hé)HMI産品都配置了通信接口，過去(qù)屬于高(gāo)端産品的(de)配置，現在已成為(wèi)中端産品的(de)标準配置。一(yī)些I/O模塊産品配置了無線通信能力。

        (3)數據處理(lǐ)能力：PLC的(de)數據處理(lǐ)能力進一(yī)步提升，能對現場設備中的(de)數據進行篩選和(hé)簡單的(de)處理(lǐ)，減少服務器和(hé)雲端的(de)負荷。智能I/O模塊具有簡單的(de)數據處理(lǐ)和(hé)邏輯判斷能力。過去(qù)兩年(nián)，也推出了很多具有數據存儲和(hé)處理(lǐ)能力的(de)物聯網網關。

        (4)工業級移動設備：少數廠商推出了針對工業環境下使用的(de)移動設備，比如(rú)基于web的(de)平闆電腦，僅能浏覽網頁，用來查看現場産線狀态和(hé)信息。

        (5)控制系統結構扁平化：一(yī)些高(gāo)端PLC産品和(hé)智能I/O模塊添加了物聯網網關的(de)功能，可(kě)以直接将數據傳送到服務器或雲端。智能傳感器也可(kě)以不通過PLC，直接通過物聯網網關将數據傳送到上層。新産品的(de)這些功能将會加速工業控制系統構架的(de)扁平化。

        (6)人工智能算法模塊：Rockwell和(hé)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(de)數據流進行分析學(xué)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，并報警。

        (7)設備本地(dì)化與雲端結合：會有更多基于雲的(de)方案推出，HMI和(hé)控制器等設備的(de)部分非實時的(de)功能将會被轉移到雲端進行，這也更符合分布系統式構架的(de)理(lǐ)念。

        工業物聯網帶來的(de)變化是指日可(kě)待的(de)，所有的(de)蛻變都需要一(yī)個陣痛期，科技的(de)前沿尤其需要用最高(gāo)的(de)思維力來減輕這一(yī)陣痛，蒂蒙技術作為(wèi)工業物聯網的(de)見證者及協助者，始終保持創新，力求用最高(gāo)端的(de)思維及技術方案，減少工業物聯網過程中數據分布、協議處理(lǐ)、用戶體驗等問題。