维基百科

工业物联网

提示：此条目页的主题不是工业互联网。

工业物联网（Industrial Internet of Things）简称IIoT，是应用在工业上的物联网，是互联的感测器、仪表以及其他设备和电脑的工业应用程式以网路相连所成的系统，其中包括了制造以及能源管理。网路连线可以进行资料搜集、交换以及分析，有助于提升生产力以及效率，也有其他的经济效益[1]。IIoT是由分散式控制系统（DCS）演进而成，利用云端运算完善和优化过程控制，达到较高程度的自动化。

简介

 
IIoT架构
 
左边是Purdue的企业参考架构模型，右边是IoT参考模型
 
Purdue模型对应IoT基本架构之间的大致关系

IIoT相关的基础技术有计算机安全、云端运算、边缘运算、移动技术、机器对机器、3D打印、进阶机器人学、大数据、物联网、射频识别技术以及认知计算[2][3]。其中最重要的五点条列如下：

  • 网宇实体系统（CPS）：是物联网（IoT）及IIoT最基础的技术平台，也是可以连结以往无法连结之实体系统的媒介。CPS整合了实体程序的动态以及软体以及通讯，因此可以进行抽象化、建模、设计及分析技术[1]。
  • 云端运算：云端运算让IT服务及资源可以上传到互联网上，也可以在网路存取，不是只能透过和某一主机连线才能存取。档案可以储存在云端空间，而不是某一个实体的储存媒介中[4]。
  • 边缘运算：分布式计算范型可以将电脑数据存贮器移到较接近实际应用的地方[5]。边缘运算和云端运算不同，边缘运算是在网路的边缘以分散式的概念进行资料处理[6]。工业物联网为了转换工业世界中的生产力、产品以及服务，比较不是以纯中央式的云端运算，比较需要边缘运算加上云端运算的架构[3]。
  • 大数据分析：大数据分析是对大型，有许多变化的资料集（大数据）的检验[7]。
  • 人工智能及机器学习：人工智能（AI）是电脑科学的一个领域，其中会创建类似人一様互动以及工作的智能机器[8]。机器学习是人工智能的核心内容，让软体在不用人为介入或是特别编写程式的情形下，就可准确的预测结果[9]。

架构

IIoT系统可以用数位化技术的分层模组架构来评估[10]。“设备层”（device layer）是指实体的元件：网宇实体系统、感测器或是机器。“网路层”（network layer）包括实体的网路总线、云端计算以及通讯计协定，这些可以整合资料，传递到“服务层”。“服务层”（service layer）是许多处理资料的应用程式，并且将资料整合成为资讯，可以显示在操作者的仪表板上。网路堆栈的最顶层是“内容层”（content layer），或是使用者介面[11]。

IIoT的分层模组架构
内容层 使用者介面设备（萤幕、平板电脑、智能眼镜等）
服务层 分析资料，并且转换为资讯的应用程式及软体
网路层 通讯协定、wifi、云端运算
设备层 像是网宇实体系统、感测器或是机器等硬体

历史

工业物联网的历史和可编程逻辑控制器（PLC）及分散式控制系统（DCS）有关。Dick Morley（英语：Dick Morley）于1968年发明可编程逻辑控制器（PLC），使用在通用汽车的自动化传动制造部门开始算[12]。PLC可以对生产线的个别元件有精细的控制。霍尼韦尔及横河电机在1975年分别发展了分散式控制系统（DCS），名称分别是TDC 2000和CENTUM系统[13][14]分散式控制系统让工厂的制造程可以有弹性, 在整个系统中因为分散式控制可以有冗馀备份的好处，避免在中控系统中单一点失效的问题。

在1980年以太网问世后，早在1982年就开始探讨由智能设备行作网路的概念。当时在卡内基·梅隆大学一个修改过的可口可乐机器成为第一个连接以太网的电器[15]，可以回报库存，并且确认加入的饮料是否够冷[16]。早在1994年时，就已设想到有较大型的以太网应用，Reza Raji在IEEE综览中提出此一概念“将小的资料包移到大的节点集中，可以整合及自动化从住家到工厂的所有事物。”[17]。

物联网的概念最早是在1999年代开始流行，透过麻省理工学院的Auto-ID中心以及相关的市场分析出版品而流行[18]。Kevin Ashton（原来Auto-ID中心创办者之一）将射频识别（RFID）视为是当时物联网的必需条件 [19]。若每日生活的所有物品及人都有配备识别装置，电脑就可以管理及纪录[20][21][22]。除了RFID外，也有其他事物加标签的技术，例如近场通讯、条形码、QR码及数位浮水印等[23][24]。

目前IIoT的概念是在2002年云端科技出现之后的事，云端科技可以储存资料，检查历史趋势，另一个相关的是2006年OPC UA协定的发展，可以在设备、程式以及资料源之间进行远端的安全通讯，不需人的介入或干预。

设备工业物联网（作法是让设备加上小型的识别元件或机器可读取的识别码）后的成果之一就可以进行立即，而且不会中断的库存管理[25][26]。另一个好处是可以建立系统的数字映射（数位双胞胎）。用数位双胞胎可以在云端用新的资料进行实验，设法优化此一系统，新的制程会在云端进行优化，一直到已准备好上线时才会真正的用到生产线。数位双胞胎也是训练新进员工的工具，不需担心影响真正的系统[27]。

标准及框架

IoT框架可以提供IoT元件之间的互动，也可以允许比较复杂的架构（例如分布式计算），也可以发展分布式应用。

  • IBM提出了认知物联网（cognitive IoT），结合了传统的IoT以及人工智能、机器学习、上下文信息、工业相关模型以及自然语言处理[28]。
  • XMPP标准基金会（英语：XMPP Standards Foundation）（XSF）建立了Chatty Things的框架，是完全开放，和供应商无关的标准，用可扩展消息与存在协议（XMPP）提供分散式、可扩充且具有安全性的基础架构[29]。
  • 表现层状态转换（REST）是可扩充的架构，让设备可以用http沟通，可修改为IoT应用，让IoT设备可以和中央网页伺服器互动[30]。
  • MQTT是发布者—订阅者（publish-subscribe）的架构，在TCP/IP的顶端，让IoT设备和MQTT broker可以有双向通讯[31]。
  • Node-RED是IBM设的开源软体，可以连接API、硬体以及线上服务[32]。
  • 开放平台通信（OPC）是OPC基本会设计的许多标准，可以让电脑系统和自动化设备连接[32]。
  • 工业互联网联盟（英语：Industrial Internet Consortium）（IIC）的工业互联网参考架构（Industrial Internet Reference Architecture、IIRA）和德国的工业4.0，目的是要建立IIoT相关设备的应用环境及标准[32]。

应用及产业

工业物联网一词常出现在制造业，表示在工业领域中的物联网。工业物联网的潜在益处包括有提升生产力，可以分析并改变工作场所[33]。IIoT的成长潜力，在2030年时预计可以到全球GDP中达到150亿美元[33][34]。

连接性及数据的取得对IIoT很重要，不过这不是最终的目的，这些只是更大的目标的基础而已。在IIoT相关技术中，预测性维护是比较简单的应用，可以应用在现有的资产以及管理系统上。智慧维护系统可以减少意外的停线，因此可以提高生产力。依照研究，智慧维护系统和计划性维修相比，最多可以节省12%，并且整体维修成本最多可以减少30%，最多可减少70%的故障[33] [35]。网宇实体系统（CPS）是更核心的IIoT技术，是人类和网路世界之间的介面。

将传感器和执行器的系统和互联网整合，可以最佳化整体的能耗[36]，计划未来所有的耗能设备（开关、电源插座、灯泡、电视）都会整合物联网设备，而且可以和电力公司通讯，有效的平衡发电和电力使用[37]。除了家庭能源管理外，IIoT也和智慧电网有关，可以让系统以自动化的方式收集能源以及功率相关的资讯，并进行调节，以提升供电及输配电的效率、可靠度、经济及可持续性[37]。利用连结到互联网主干的智慧型电表（AMI），电力公司不但可以从终端用户搜集资料，也可以管理像是变压器或自动电路重合器（英语：recloser）等供电自动化设备[36]。

2016为止，其他IIoT的应用有用智慧LED将购物者引导到空的停车位，突显交通标示，利用净水器的感测器，在零件需要更换时用电脑或是智慧型手机提醒使用者，在安全装置上加上RFID标签，追踪人员并且确保其安全，将电脑整合到动力工具中，记录并追踪各锁固件的扭力大小，从多个系统中搜集资料，以进行新制程的模拟[34]。

车厂

在车辆生产中利用IIoT，也就是将所有的生产、软体、机器以及人员的数位化资讯互连，让供应商及制造商面对标准的变化，可以快速的应变[38]。IIoT将资料由客户端移转到公司的系统内，而且可以到生产制程的每一个部份，让生产更快速，也更有成本效益。新的工具以及机能可以透过IIoT加入制程流程中。例如，3D列印机可以真接从钢粒中列印出需要的外形，简化成形的过程[39]。这些工具可以产生一些新的设计（而且有高精度）。导入IIoT后，也可以透过其中的模组化以及连接性，达到车辆的客制化[38]。以往这些工作是各别作业，IIoT让人和机械可以协同作业[39]。机械人可以处理费力以及重复性的工作，加快生产周期，让车辆可以更早上市。工厂也可以在因生产线故障停线前，就提早识别潜在的保养问题，工厂也可以改为24小时的自动化生产场地，有高资料安全性以及高效率[38]。主要的几家车厂已在不同的国家有生产基地，可能同一部汽车的各零件是在不同地方生产。IIoT让这些工厂可以互相联结。可以视觉化的监控大数据，让公司可以快速反应需求以及生产上的变化。

石油及天然气产业

透过IIoT，钻探设备以及研究机构可以储存及发送大量的原始数据，在云端储存以及分析[40]。石油及天然气产业可以用IIoT的互联技术来连接机器、设备、感测器及人员，让公司可以更好的应对需求及价格的变动、网路安全议题，并且降低对环境的影响[41]。

在供应链上，IIoT可以提升维护的程序、整体安全性以及互联性[42]。早期可以用无人机侦测潜在的石油或天然气外泄，也可以用内建的红外线影像系统识别复杂管道网路中是否有弱点。互联性的提升（资料整合以及通讯）可以让公司依石油藏量、库存、分配进度和预估需求的实时数据来调整产量。例如，德勤的报告提出：透过在几个内部及外部来源（例如工作管理系统、控制中心、管路属性、风险分数、在线检测结果、计划评估及以往泄漏情形）的资料整合中加上IIoT对策，因此可以实时监控上千英里的管路。可以监控管路威胁、改善风险管理、也提供状态意识[43]。

IIoT对于石油及天然气产业的特殊过程也有帮助[42]。可以用地震影像产生的4D模型，更精准的开采石油及天然气。模型会考虑石油藏量以及天然气水准，会试法计算需要的确切资源数量，以及预测油井的寿命。公司利用智能感测器以及自动钻机，可以监控开采流程，并且更有效率的开采石油及天然气。而且IIoT也对储存的过程有帮助，可以透过搜集及分析实时数据，可以监控藏量，并进行温度控制。在石油及天然气运送的过程，可以用智能感测器以及温度感测器，可以得到运送过程的实时资料，监控产品的安全。智能感测器也可以监控精炼的过程，加强安全性。对于石油及天然气产量的需求也可以更精准的预测，而且可以自动通知精炼厂及加工厂，调整产能。

农业

在农业上使用IIoT，让农人可以决定何时要收获。由感测器搜集土壤以及气候的资讯，整理出计划的施肥以及灌溉时间表[44]。有些牧场会在牲口身上植入微晶片，让饲养者不但可以定位，也可以有血统、重量以及健康情形的资讯[45]。

安全性

随著工业物联网的日渐普及，也开始出现新的安全疑虑。每一个联结到IIoT的新设备或元件都可能有潜在安全风险[46]。高德纳公司估计在2020年，企业中已识别到的攻击中，超过25%是和有联结IoT的系统有关，而IIoT安全的相关预算不到IT安全预算的10%[47]。现有的IIoT网路安全措施比传统的电脑安全性措施要弱很多[48]，因此IIoT设备容易被阻断服务攻击之类的攻击劫持，攻击者可能是来自像是Mirai之类的僵尸网络。另外一个可能性是感染有连接网际网路的工业控制器（例如Stuxnet），不需要实际存取到IIoT网路系统即可以散播蠕虫[49]。

此外，IIoT的设备也有比较容易受到传统型式的网路犯罪所影响，例如2013年目标百货的资料泄露事件，骇客是由第三方的HVAC（暖通空调）供应商处窃取凭据，再存取目标百货的网路[50]。制药厂为了考虑这类的风险，已放缓有关IIoT设备的导入[51]。IIoT应用的安全方案有很多的困难点，其中一点就是硬体分散式的特点[52]。因此，有些安全架构转向软体为基础的设计，或是和设备无关的设计[53]。

若在存取一些关键性的基础设施时，可能会用一些硬体的网路安全对策，例如只允许单向资料传送的资料二极体（英语：Unidirectional network）（data diodes）[54]。

相关条目

参考资料

  1. ^ 1.0 1.1 Boyes, Hugh; Hallaq, Bil; Cunningham, Joe; Watson, Tim. The industrial internet of things (IIoT): An analysis framework. Computers in Industry. October 2018, 101: 1–12. ISSN 0166-3615. doi:10.1016/j.compind.2018.04.015 （英语）. 
  2. ^ Figure 2-Technologies for industry 4.0.. ResearchGate. [2018-10-08]. （原始内容存档于2020-05-03） （英语）. 
  3. ^ 3.0 3.1 Why Edge Computing Is an IIoT Requirement: How edge computing is poised to jump-start the next industrial revolution.. iotworldtoday.com. [2019-06-03]. （原始内容存档于2020-11-24） （英语）. 
  4. ^ Staff, Investopedia. Cloud Computing. Investopedia. 2011-01-18 [2018-10-08]. （原始内容存档于2021-03-08） （美国英语）. 
  5. ^ Hamilton, Eric. What is Edge Computing: The Network Edge Explained. cloudwards.net. [2019-05-14]. （原始内容存档于2020-10-31）. 
  6. ^ What is Edge Computing?. [2019-05-14]. （原始内容存档于2020-12-28）. 
  7. ^ What is big data analytics? - Definition from WhatIs.com. SearchBusinessAnalytics. [2018-10-08]. （原始内容存档于2021-01-11） （美国英语）. 
  8. ^ What is Artificial Intelligence (AI)? - Definition from Techopedia. Techopedia.com. [2018-10-08]. （原始内容存档于2021-03-15） （英语）. 
  9. ^ What is machine learning (ML)? - Definition from WhatIs.com. SearchEnterpriseAI. [2018-10-08]. （原始内容存档于2021-02-25） （美国英语）. 
  10. ^ Yoo, Youngjin; Henfridsson, Ola; Lyytinen, Kalle. Research Commentary---The New Organizing Logic of Digital Innovation: An Agenda for Information Systems Research. Information Systems Research. 2010-12-01, 21 (4): 724–735. ISSN 1526-5536. doi:10.1287/isre.1100.0322. 
  11. ^ Hylving, Lena; Schultze, Ulrike. Evolving The Modular Layered Architecture in Digital Innovation: The Case of the Car's Instrument Cluster. International Conference on Information Systems (ICIS 2013): Reshaping Society Through Information Systems Design. 2013-01-01, 2. 
  12. ^ The father of invention: Dick Morley looks back on the 40th anniversary of the PLC. [10 May 2017]. （原始内容存档于9 June 2019） （英国英语）. 
  13. ^ McMahon, Terrence K. Three decades of DCS technology. Control Global. 18 April 2005 [27 November 2018]. （原始内容存档于2019-04-08） （英语）. 
  14. ^ Evolution of industrial control systems. PACE. 4 December 2013 [27 November 2018]. （原始内容存档于2020-10-11）. 
  15. ^ The "Only" Coke Machine on the Internet. Carnegie Mellon University. [10 November 2014]. （原始内容存档于2020-02-02）. 
  16. ^ Internet of Things Done Wrong Stifles Innovation. InformationWeek. 7 July 2014 [10 November 2014]. （原始内容存档于2021-02-24）. 
  17. ^ Raji, RS. Smart networks for control. IEEE Spectrum. June 1994. doi:10.1109/6.284793. 
  18. ^ Analyst Anish Gaddam interviewed by Sue Bushell in Computerworld, on 24 July 2000 ("M-commerce key to ubiquitous internet")
  19. ^ Magrassi, P. Why a Universal RFID Infrastructure Would Be a Good Thing. Gartner research report G00106518. 2 May 2002 [2020-10-11]. （原始内容存档于2018-06-26）. 
  20. ^ Magrassi, P.; Berg, T. A World of Smart Objects. Gartner research report R-17-2243. 12 August 2002 [2020-10-11]. （原始内容存档于2013-10-17）. 
  21. ^ Commission of the European Communities. Internet of Things — An action plan for Europe (PDF). 18 June 2009 [2020-10-11]. COM(2009) 278 final. （原始内容存档 (PDF)于2009-07-12）. 
  22. ^ Wood, Alex. The internet of things is revolutionizing our lives, but standards are a must. The Guardian. 31 March 2015 [2020-10-11]. （原始内容存档于2019-12-26）. 
  23. ^ From M2M to The Internet of Things: Viewpoints From Europe. Techvibes. 7 July 2011 [11 May 2017]. （原始内容存档于24 October 2013）. 
  24. ^ Sristava, Lara. The Internet of Things – Back to the Future (Presentation). European Commission Internet of Things Conference in Budapest. 16 May 2011 [2020-10-11]. （原始内容存档于2016-04-11） –通过YouTube. 
  25. ^ Magrassi, P.; Panarella, A.; Deighton, N.; Johnson, G. Computers to Acquire Control of the Physical World. Gartner research report T-14-0301. 28 September 2001 [2020-10-11]. （原始内容存档于2019-03-30）. 
  26. ^ The Evolution of Internet of Things. Casaleggio Associati. February 2011 [2020-10-11]. （原始内容存档于2017-09-27）. 
  27. ^ Bacidore, Mike. The Connected Plant enables the digital twin. Control Global. 20 June 2017 [27 November 2018]. （原始内容存档于2019-04-05） （英语）. 
  28. ^ IBM and the cognitive computing revolution. www.gigabitmagazine.com. [2019-09-18] （英语）. [失效链接]
  29. ^ Tech pages/IoT systems. [26 June 2015]. （原始内容存档于2020-11-13）. 
  30. ^ Taiwan Information Strategy, Internet and E-Commerce Development Handbook - Strategic Information, Regulations, Contacts. IBP USA. September 8, 2016: 82. ISBN 978-1514521021. 
  31. ^ Presher, Al. Edge Devices Leverage MQTT for IIoT Connectivity. Design News. 2019-09-04 [2019-09-18]. （原始内容存档于2019-11-02） （英语）. 
  32. ^ 32.0 32.1 32.2 The State of the Industrial Internet of Things | Automation World. www.automationworld.com. [26 May 2017]. （原始内容存档于2019-04-05） （英语）. 
  33. ^ 33.0 33.1 33.2 Daugherty, Paul; Negm, Walid; Banerjee, Prith; Alter, Allan. Driving Unconventional Growth through the Industrial Internet of Things (PDF). Accenture. [17 March 2016]. （原始内容存档 (PDF)于2021-03-08）. 
  34. ^ 34.0 34.1 Zurier, Steve. Five IIoT companies prove value of internet-connected manufacturing. IoT Agenda. [11 May 2017]. （原始内容存档于2021-01-19）. 
  35. ^ Industrial Internet Insights Report (PDF). Accenture. [17 March 2016]. （原始内容存档 (PDF)于2021-03-08）. 
  36. ^ 36.0 36.1 Ersue, M.; Romascanu, D.; Schoenwaelder, J.; Sehgal, A.. Management of Networks with Constrained Devices: Use Cases. May 2015. RFC 7548. 
  37. ^ 37.0 37.1 Parello, J.; Claise, B.; Schoening, B.; Quittek, J.. Energy Management Framework. September 2014. RFC 7326. 
  38. ^ 38.0 38.1 38.2 Masters, Kristin. The Impact of Industry 4.0 on the Automotive Industry. [2018-10-08]. （原始内容存档于2021-01-18） （美国英语）. 
  39. ^ 39.0 39.1 Volkswagen Group, Industry 4.0 in the Volkswagen Group, 2015-08-20 [2018-10-08], （原始内容存档于2021-01-29） 
  40. ^ Gilchrist, Alasdair. Industry 4.0 - the industrial internet of things. Apress Media. 2016. ISBN 978-1-4842-2046-7. doi:10.1007/978-1-4842-2047-4. 
  41. ^ SAP. fm.sap.com. [2018-10-08]. （原始内容存档于2019-12-12） （英语）. 
  42. ^ 42.0 42.1 How Industry 4.0 Is Transforming the Oil & Gas Supply Chain. www.bdo.com. [2018-10-08]. （原始内容存档于2020-12-02）. 
  43. ^ Deloitte Insights. 2018 Tech Trends for the oil and gas industry (PDF). 2018 [2018-10-08]. （原始内容存档 (PDF)于2019-01-10）. 
  44. ^ What is IIoT? Definition and Details. www.paessler.com. [2020-10-06]. （原始内容存档于2020-12-06） （英语）. 
  45. ^ Jeffries, Adrianne. Internet of cows: technology could help track disease, but ranchers are resistant. The Verge. 2013-05-10 [2020-10-06]. （原始内容存档于2020-11-12） （英语）. 
  46. ^ Sound the alarm: How to get serious about industrial IoT security - IoT Agenda. internetofthingsagenda.techtarget.com. [11 May 2017]. （原始内容存档于2020-10-29） （英语）. 
  47. ^ Gartner Says Worldwide IoT Security Spending to Reach $348 Million in 2016. [11 May 2017]. （原始内容存档于2018-12-24） （英语）. 
  48. ^ How infected IoT devices are used for massive DDoS attacks - Fedscoop. Fedscoop. 26 September 2016 [11 May 2017]. （原始内容存档于2021-01-17）. 
  49. ^ IoT data security vulnerable as connected devices proliferate. IoT Agenda. [11 May 2017]. （原始内容存档于2020-12-01）. 
  50. ^ Target Hackers Broke in Via HVAC Company — Krebs on Security. krebsonsecurity.com. [11 May 2017]. （原始内容存档于2021-02-05）. 
  51. ^ Mullin, Rick. The drug plant of the future. Chemical & Engineering News 95 (21). 22 May 2017 [29 October 2018]. （原始内容存档于2020-10-24）. 
  52. ^ Fogarty, Kevin. Why IIoT Security Is So Difficult. Semiconductor Engineering. 29 May 2018 [31 October 2018]. （原始内容存档于2020-11-09）. 
  53. ^ Dahad, Nitin. Designer's Guide to IIoT Security. EETimes. [31 October 2018]. （原始内容存档于2019-08-19）. 
  54. ^ Tactical Data Diodes in Industrial Automation and Control Systems. （原始内容存档于2021-03-08）. 
检索自“https://zh.wikipedia.org/w/index.php?title=工業物聯網&oldid=80832929”