維基百科

工業物聯網

提示：此條目頁的主題不是工業互聯網。

工業物聯網（Industrial Internet of Things）簡稱IIoT，是應用在工業上的物聯網，是互聯的感測器、儀表以及其他裝置和電腦的工業應用程式以網絡相連所成的系統，其中包括了製造以及能源管理。網絡連線可以進行資料蒐集、交換以及分析，有助於提昇生產力以及效率，也有其他的經濟效益[1]。IIoT是由分散式控制系統（DCS）演進而成，利用雲端運算完善和優化過程控制，達到較高程度的自動化。

簡介

 
IIoT架構
 
左邊是Purdue的企業參考架構模型，右邊是IoT參考模型
 
Purdue模型對應IoT基本架構之間的大致關係

IIoT相關的基礎技術有電腦安全、雲端運算、邊緣運算、流動技術、機器對機器、3D列印、進階機械人學、大數據、物聯網、無線射頻辨識技術以及認知計算[2][3]。其中最重要的五點條列如下：

  • 網宇實體系統（CPS）：是物聯網（IoT）及IIoT最基礎的技術平台，也是可以連結以往無法連結之實體系統的媒介。CPS整合了實體程式的動態以及軟件以及通訊，因此可以進行抽象化、建模、設計及分析技術[1]。
  • 雲端運算：雲端運算讓IT服務及資源可以上載到互聯網上，也可以在網絡存取，不是只能透過和某一主機連線才能存取。檔案可以儲存在雲端空間，而不是某一個實體的儲存媒介中[4]。
  • 邊緣運算：分散式運算範型可以將電腦數據存貯器移到較接近實際應用的地方[5]。邊緣運算和雲端運算不同，邊緣運算是在網絡的邊緣以分散式的概念進行資料處理[6]。工業物聯網為了轉換工業世界中的生產力、產品以及服務，比較不是以純中央式的雲端運算，比較需要邊緣運算加上雲端運算的架構[3]。
  • 大數據分析：大數據分析是對大型，有許多變化的資料集（大數據）的檢驗[7]。
  • 人工智能及機器學習：人工智能（AI）是電腦科學的一個領域，其中會創建類似人一様互動以及工作的智能機器[8]。機器學習是人工智能的核心內容，讓軟件在不用人為介入或是特別編寫程式的情形下，就可準確的預測結果[9]。

架構

IIoT系統可以用數碼化技術的分層模組架構來評估[10]。「裝置層」（device layer）是指實體的元件：網宇實體系統、感測器或是機器。「網絡層」（network layer）包括實體的網絡總線、雲端計算以及通訊計協定，這些可以整合資料，傳遞到「服務層」。「服務層」（service layer）是許多處理資料的應用程式，並且將資料整合成為資訊，可以顯示在操作者的儀錶板上。網絡堆棧的最頂層是「內容層」（content layer），或是用戶介面[11]。

IIoT的分層模組架構
內容層 用戶介面裝置（螢幕、平板電腦、智能眼鏡等）
服務層 分析資料，並且轉換為資訊的應用程式及軟件
網絡層 通訊協定、wifi、雲端運算
裝置層 像是網宇實體系統、感測器或是機器等硬件

歷史

工業物聯網的歷史和可程式化邏輯控制器（PLC）及分散式控制系統（DCS）有關。Dick Morley（英語：Dick Morley）於1968年發明可程式化邏輯控制器（PLC），使用在通用汽車的自動化傳動製造部門開始算[12]。PLC可以對生產線的個別元件有精細的控制。霍尼韋爾及橫河電機在1975年分別發展了分散式控制系統（DCS），名稱分別是TDC 2000和CENTUM系統[13][14]分散式控制系統讓工廠的製造程可以有彈性, 在整個系統中因為分散式控制可以有冗餘備份的好處，避免在中控系統中單一點失效的問題。

在1980年乙太網路問世後，早在1982年就開始探討由智能裝置行作網絡的概念。當時在卡內基·梅隆大學一個修改過的可口可樂機器成為第一個連接乙太網路的電器[15]，可以回報庫存，並且確認加入的飲料是否夠冷[16]。早在1994年時，就已設想到有較大型的乙太網路應用，Reza Raji在IEEE綜覽中提出此一概念「將小的資料包移到大的節點集中，可以整合及自動化從住家到工廠的所有事物。」[17]。

物聯網的概念最早是在1999年代開始流行，透過麻省理工學院的Auto-ID中心以及相關的市場分析出版品而流行[18]。Kevin Ashton（原來Auto-ID中心創辦者之一）將無線射頻辨識（RFID）視為是當時物聯網的必需條件 [19]。若每日生活的所有物品及人都有配備識別裝置，電腦就可以管理及紀錄[20][21][22]。除了RFID外，也有其他事物加標籤的技術，例如近場通訊、條形碼、QR碼及數碼水印等[23][24]。

目前IIoT的概念是在2002年雲端科技出現之後的事，雲端科技可以儲存資料，檢查歷史趨勢，另一個相關的是2006年OPC UA協定的發展，可以在裝置、程式以及資料源之間進行遠端的安全通訊，不需人的介入或干預。

裝置工業物聯網（作法是讓裝置加上小型的識別元件或機器可讀取的識別碼）後的成果之一就可以進行立即，而且不會中斷的庫存管理[25][26]。另一個好處是可以建立系統的數字對映（數碼雙胞胎）。用數碼雙胞胎可以在雲端用新的資料進行實驗，設法優化此一系統，新的製程會在雲端進行優化，一直到已準備好上線時才會真正的用到生產線。數碼雙胞胎也是訓練新進員工的工具，不需擔心影響真正的系統[27]。

標準及框架

IoT框架可以提供IoT元件之間的互動，也可以允許比較複雜的架構（例如分散式運算），也可以發展分散式應用。

  • IBM提出了認知物聯網（cognitive IoT），結合了傳統的IoT以及人工智能、機器學習、上下文資訊、工業相關模型以及自然語言處理[28]。
  • XMPP標準基金會（英語：XMPP Standards Foundation）（XSF）建立了Chatty Things的框架，是完全開放，和供應商無關的標準，用可延伸訊息與存在協定（XMPP）提供分散式、可擴充且具有安全性的基礎架構[29]。
  • 表現層狀態轉換（REST）是可擴充的架構，讓裝置可以用http溝通，可修改為IoT應用，讓IoT裝置可以和中央網頁伺服器互動[30]。
  • MQTT是發佈者—訂閱者（publish-subscribe）的架構，在TCP/IP的頂端，讓IoT裝置和MQTT broker可以有雙向通訊[31]。
  • Node-RED是IBM設的開源軟件，可以連接API、硬件以及線上服務[32]。
  • 開放平台通訊（OPC）是OPC基本會設計的許多標準，可以讓電腦系統和自動化裝置連接[32]。
  • 工業互聯網聯盟（英語：Industrial Internet Consortium）（IIC）的工業互聯網參考架構（Industrial Internet Reference Architecture、IIRA）和德國的工業4.0，目的是要建立IIoT相關裝置的應用環境及標準[32]。

應用及產業

工業物聯網一詞常出現在製造業，表示在工業領域中的物聯網。工業物聯網的潛在益處包括有提昇生產力，可以分析並改變工作場所[33]。IIoT的成長潛力，在2030年時預計可以到全球GDP中達到150億美元[33][34]。

連接性及數據的取得對IIoT很重要，不過這不是最終的目的，這些只是更大的目標的基礎而已。在IIoT相關技術中，預測性維護是比較簡單的應用，可以應用在現有的資產以及管理系統上。智能維護系統可以減少意外的停線，因此可以提高生產力。依照研究，智能維護系統和計劃性維修相比，最多可以節省12%，並且整體維修成本最多可以減少30%，最多可減少70%的故障[33] [35]。網宇實體系統（CPS）是更核心的IIoT技術，是人類和網絡世界之間的介面。

將感測器和執行器的系統和互聯網整合，可以最佳化整體的能耗[36]，計劃未來所有的耗能裝置（開關、電源插座、燈泡、電視）都會整合物聯網裝置，而且可以和電力公司通訊，有效的平衡發電和電力使用[37]。除了家庭能源管理外，IIoT也和智能電網有關，可以讓系統以自動化的方式收集能源以及功率相關的資訊，並進行調節，以提昇供電及輸配電的效率、可靠度、經濟及可持續性[37]。利用連結到互聯網主幹的智能電表（AMI），電力公司不但可以從終端用戶蒐集資料，也可以管理像是變壓器或自動電路重合器（英語：recloser）等供電自動化裝置[36]。

2016為止，其他IIoT的應用有用智能LED將購物者引導到空的停車位，突顯交通標示，利用淨水器的感測器，在零件需要更換時用電腦或是智能電話提醒用戶，在安全裝置上加上RFID標籤，追蹤人員並且確保其安全，將電腦整合到動力工具中，記錄並追蹤各鎖韌體的扭力大小，從多個系統中蒐集資料，以進行新製程的模擬[34]。

車廠

在車輛生產中利用IIoT，也就是將所有的生產、軟件、機器以及人員的數碼化資訊互連，讓供應商及製造商面對標準的變化，可以快速的應變[38]。IIoT將資料由客戶端移轉到公司的系統內，而且可以到生產製程的每一個部份，讓生產更快速，也更有成本效益。新的工具以及機能可以透過IIoT加入製程流程中。例如，3D列印機可以真接從鋼粒中列印出需要的外形，簡化成形的過程[39]。這些工具可以產生一些新的設計（而且有高精度）。匯入IIoT後，也可以透過其中的模組化以及連接性，達到車輛的客製化[38]。以往這些工作是各別作業，IIoT讓人和機械可以協同作業[39]。機械人可以處理費力以及重複性的工作，加快生產週期，讓車輛可以更早上市。工廠也可以在因生產線故障停線前，就提早識別潛在的保養問題，工廠也可以改為24小時的自動化生產場地，有高資料安全性以及高效率[38]。主要的幾家車廠已在不同的國家有生產基地，可能同一部汽車的各零件是在不同地方生產。IIoT讓這些工廠可以互相聯結。可以視覺化的監控大數據，讓公司可以快速反應需求以及生產上的變化。

石油及天然氣產業

透過IIoT，鑽探裝置以及研究機構可以儲存及傳送大量的原始數據，在雲端儲存以及分析[40]。石油及天然氣產業可以用IIoT的互聯技術來連接機器、裝置、感測器及人員，讓公司可以更好的應對需求及價格的變動、網絡安全議題，並且降低對環境的影響[41]。

在供應鏈上，IIoT可以提昇維護的程式、整體安全性以及互聯性[42]。早期可以用無人機偵測潛在的石油或天然氣外洩，也可以用內建的紅外線影像系統識別複雜管道網絡中是否有弱點。互聯性的提昇（資料整合以及通訊）可以讓公司依石油藏量、庫存、分配進度和預估需求的實時數據來調整產量。例如，德勤的報告提出：透過在幾個內部及外部來源（例如工作管理系統、控制中心、管路屬性、風險分數、在線檢測結果、計劃評估及以往洩漏情形）的資料整合中加上IIoT對策，因此可以實時監控上千英里的管路。可以監控管路威脅、改善風險管理、也提供狀態意識[43]。

IIoT對於石油及天然氣產業的特殊過程也有幫助[42]。可以用地震影像產生的4D模型，更精準的開採石油及天然氣。模型會考慮石油藏量以及天然氣水準，會試法計算需要的確切資源數量，以及預測油井的壽命。公司利用智能感測器以及自動鑽機，可以監控開採流程，並且更有效率的開採石油及天然氣。而且IIoT也對儲存的過程有幫助，可以透過蒐集及分析實時數據，可以監控藏量，並進行溫度控制。在石油及天然氣運送的過程，可以用智能感測器以及溫度感測器，可以得到運送過程的實時資料，監控產品的安全。智能感測器也可以監控精煉的過程，加強安全性。對於石油及天然氣產量的需求也可以更精準的預測，而且可以自動通知精煉廠及加工廠，調整產能。

農業

在農業上使用IIoT，讓農人可以決定何時要收穫。由感測器蒐集土壤以及氣候的資訊，整理出計劃的施肥以及灌溉時間表[44]。有些牧場會在牲口身上植入微晶片，讓飼養者不但可以定位，也可以有血統、重量以及健康情形的資訊[45]。

安全性

隨着工業物聯網的日漸普及，也開始出現新的安全疑慮。每一個聯結到IIoT的新裝置或元件都可能有潛在安全風險[46]。高德納公司估計在2020年，企業中已識別到的攻擊中，超過25%是和有聯結IoT的系統有關，而IIoT安全的相關預算不到IT安全預算的10%[47]。現有的IIoT網絡安全措施比傳統的電腦安全性措施要弱很多[48]，因此IIoT裝置容易被阻斷服務攻擊之類的攻擊劫持，攻擊者可能是來自像是Mirai之類的殭屍網絡。另外一個可能性是感染有連接互聯網的工業控制器（例如Stuxnet），不需要實際存取到IIoT網絡系統即可以散播蠕蟲[49]。

此外，IIoT的裝置也有比較容易受到傳統型式的網絡犯罪所影響，例如2013年目標百貨的資料洩露事件，黑客是由第三方的HVAC（暖通空調）供應商處竊取憑據，再存取目標百貨的網絡[50]。製藥廠為了考慮這類的風險，已放緩有關IIoT裝置的匯入[51]。IIoT應用的安全方案有很多的困難點，其中一點就是硬件分散式的特點[52]。因此，有些安全架構轉向軟件為基礎的設計，或是和裝置無關的設計[53]。

若在存取一些關鍵性的基礎設施時，可能會用一些硬件的網絡安全對策，例如只允許單向資料傳送的資料二極管（英語：Unidirectional network）（data diodes）[54]。

相關條目

參考資料

  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 （英語）. 
  2. ^ Figure 2-Technologies for industry 4.0.. ResearchGate. [2018-10-08]. （原始內容存檔於2020-05-03） （英語）. 
  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]. （原始內容存檔於2020-11-24） （英語）. 
  4. ^ Staff, Investopedia. Cloud Computing. Investopedia. 2011-01-18 [2018-10-08]. （原始內容存檔於2021-03-08） （美國英語）. 
  5. ^ Hamilton, Eric. What is Edge Computing: The Network Edge Explained. cloudwards.net. [2019-05-14]. （原始內容存檔於2020-10-31）. 
  6. ^ What is Edge Computing?. [2019-05-14]. （原始內容存檔於2020-12-28）. 
  7. ^ What is big data analytics? - Definition from WhatIs.com. SearchBusinessAnalytics. [2018-10-08]. （原始內容存檔於2021-01-11） （美國英語）. 
  8. ^ What is Artificial Intelligence (AI)? - Definition from Techopedia. Techopedia.com. [2018-10-08]. （原始內容存檔於2021-03-15） （英語）. 
  9. ^ What is machine learning (ML)? - Definition from WhatIs.com. SearchEnterpriseAI. [2018-10-08]. （原始內容存檔於2021-02-25） （美國英語）. 
  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]. （原始內容存檔於9 June 2019） （英國英語）. 
  13. ^ McMahon, Terrence K. Three decades of DCS technology. Control Global. 18 April 2005 [27 November 2018]. （原始內容存檔於2019-04-08） （英語）. 
  14. ^ Evolution of industrial control systems. PACE. 4 December 2013 [27 November 2018]. （原始內容存檔於2020-10-11）. 
  15. ^ The "Only" Coke Machine on the Internet. Carnegie Mellon University. [10 November 2014]. （原始內容存檔於2020-02-02）. 
  16. ^ Internet of Things Done Wrong Stifles Innovation. InformationWeek. 7 July 2014 [10 November 2014]. （原始內容存檔於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]. （原始內容存檔於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]. （原始內容存檔於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. （原始內容存檔 (PDF)於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]. （原始內容存檔於2019-12-26）. 
  23. ^ From M2M to The Internet of Things: Viewpoints From Europe. Techvibes. 7 July 2011 [11 May 2017]. （原始內容存檔於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]. （原始內容存檔於2016-04-11） –透過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]. （原始內容存檔於2019-03-30）. 
  26. ^ The Evolution of Internet of Things. Casaleggio Associati. February 2011 [2020-10-11]. （原始內容存檔於2017-09-27）. 
  27. ^ Bacidore, Mike. The Connected Plant enables the digital twin. Control Global. 20 June 2017 [27 November 2018]. （原始內容存檔於2019-04-05） （英語）. 
  28. ^ IBM and the cognitive computing revolution. www.gigabitmagazine.com. [2019-09-18] （英語）. [失效連結]
  29. ^ Tech pages/IoT systems. [26 June 2015]. （原始內容存檔於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]. （原始內容存檔於2019-11-02） （英語）. 
  32. ^ 32.0 32.1 32.2 The State of the Industrial Internet of Things | Automation World. www.automationworld.com. [26 May 2017]. （原始內容存檔於2019-04-05） （英語）. 
  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]. （原始內容存檔 (PDF)於2021-03-08）. 
  34. ^ 34.0 34.1 Zurier, Steve. Five IIoT companies prove value of internet-connected manufacturing. IoT Agenda. [11 May 2017]. （原始內容存檔於2021-01-19）. 
  35. ^ Industrial Internet Insights Report (PDF). Accenture. [17 March 2016]. （原始內容存檔 (PDF)於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]. （原始內容存檔於2021-01-18） （美國英語）. 
  39. ^ 39.0 39.1 Volkswagen Group, Industry 4.0 in the Volkswagen Group, 2015-08-20 [2018-10-08], （原始內容存檔於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]. （原始內容存檔於2019-12-12） （英語）. 
  42. ^ 42.0 42.1 How Industry 4.0 Is Transforming the Oil & Gas Supply Chain. www.bdo.com. [2018-10-08]. （原始內容存檔於2020-12-02）. 
  43. ^ Deloitte Insights. 2018 Tech Trends for the oil and gas industry (PDF). 2018 [2018-10-08]. （原始內容存檔 (PDF)於2019-01-10）. 
  44. ^ What is IIoT? Definition and Details. www.paessler.com. [2020-10-06]. （原始內容存檔於2020-12-06） （英語）. 
  45. ^ Jeffries, Adrianne. Internet of cows: technology could help track disease, but ranchers are resistant. The Verge. 2013-05-10 [2020-10-06]. （原始內容存檔於2020-11-12） （英語）. 
  46. ^ Sound the alarm: How to get serious about industrial IoT security - IoT Agenda. internetofthingsagenda.techtarget.com. [11 May 2017]. （原始內容存檔於2020-10-29） （英語）. 
  47. ^ Gartner Says Worldwide IoT Security Spending to Reach $348 Million in 2016. [11 May 2017]. （原始內容存檔於2018-12-24） （英語）. 
  48. ^ How infected IoT devices are used for massive DDoS attacks - Fedscoop. Fedscoop. 26 September 2016 [11 May 2017]. （原始內容存檔於2021-01-17）. 
  49. ^ IoT data security vulnerable as connected devices proliferate. IoT Agenda. [11 May 2017]. （原始內容存檔於2020-12-01）. 
  50. ^ Target Hackers Broke in Via HVAC Company — Krebs on Security. krebsonsecurity.com. [11 May 2017]. （原始內容存檔於2021-02-05）. 
  51. ^ Mullin, Rick. The drug plant of the future. Chemical & Engineering News 95 (21). 22 May 2017 [29 October 2018]. （原始內容存檔於2020-10-24）. 
  52. ^ Fogarty, Kevin. Why IIoT Security Is So Difficult. Semiconductor Engineering. 29 May 2018 [31 October 2018]. （原始內容存檔於2020-11-09）. 
  53. ^ Dahad, Nitin. Designer's Guide to IIoT Security. EETimes. [31 October 2018]. （原始內容存檔於2019-08-19）. 
  54. ^ Tactical Data Diodes in Industrial Automation and Control Systems. （原始內容存檔於2021-03-08）. 
取自 "https://zh.wikipedia.org/w/index.php?title=工業物聯網&oldid=80832929"