|工业物联网：15万亿美元的想象空间( 二 )

文章插图
预测性维护：为了能够进行有效的预测性维护，各行业一般需要处理大量的数据，并且必须基于这些数据运行复杂的算法。传统的数据采集与监视控制系统（SCADA）显然无法应对这样的工作。
因此，在几台计算机上引入了一种基于物联网的解决方案势在必行。它可以存储TB级的数据，并且仍然可以运行所需的机器学习算法，在保持进度跟踪的同时，可以做到对工业设备的故障有事先的了解。
当下，一个强大的基于物联网的预测性维护生态系统已经成为现代工业的必要条件。而要完成该架构的搭建，现场网关、云网关、流数据处理器、数据湖（Data lake）和机器学习算法都不可少。
资产跟踪：随着基于物联网的数字资产跟踪现在可以连接业务链的不同组成部分，并创建一个综合战略系统，资产管理和跟踪正在变得更加简单和高效。
设想中的系统将由多个利益相关者、流程、劳动力和资产连接到一个单一的数字物联网驱动，该系统提供了一个统一的流程视图，以有效的数据分析作为支持。工业物联网对传统解决方案的介入将使其更加智能化，并获得自动化工作流程、实时警报、资产的动态边缘控制、跨域分析、实时可见性等。
车队管理：物联网解决方案将使车队管理发生了革命性的变化，使这一过程更加环保。物联网解决方案可以帮助监测碳排放和监测车队的服务状况。

文章插图
各行业如果建立配备传感器的车队，可以发送自动信号和警告警报，如系统故障、低电量、发动机温度或维护等。基于物联网的解决方案还可以调节驾驶员的行为，从而提高燃油效率。车队负责人可以随时掌握所有此类数据，物联网解决方案允许管理者做出有数据支持的决策。
工业物联网中的技术
前端边缘设备：传感器数据是工业物联网的核心，所以包含传感器在内的硬件也就成为了IIoT系统的重要组成部分。同时，这些设备必须是可靠的，而且质量非常高，这样才能保证采集的数据流是一致的、准确的。
另一方面，信息的泛在化对工业传感器和传感装置提出了更高的要求。具体如，微型化：元器件的微小型化，要求节约资源与能源；智能化：具备自校准、自诊断、自学习、自决策、自适应和自组织等人工智能技术；低功耗与能量获取技术：供电方式为电池、阳光、风、温度、振动等多种方式。
连接技术：工业物联网解决方案主要依靠无线技术来传输和接收来自云端的命令。最常见的方案包括Wi-Fi、蓝牙、多跳网络（Mesh Network）、蜂窝网络、LPWAN技术。在进行方案选择前要考虑不同的连接技术的有效范围和容量。
另外，如果是在数据处理中心的集群服务器、工厂内部的局域网以及部分现场总线控制网络等场景，首先选择的还是有线网络，因为其能提供高速率高带宽的数据传输通道，费用低且可靠性高。
数据分析的工业物联网平台：在数据分析部分，工业物联网平台可以分析收集和传输的数据，也可以被训练或编程，为流程做出决策。

文章插图
物联网平台充当了数据和流程或应用之间的中间人，它可以帮助连接硬件、接入点和数据网络，也可以连接终端用户应用。而所有的数据和命令管理都借助于实时任务管理和数据可视化管理。
安全技术：工业物联网安全主要涉及数据采集安全、网络传输安全等过程，信息安全对于企业运营起到关键作用，如何保证在数据采集以及传输过程中信息的准确无误是工业物联网应用于实际生产的前提。
总结
埃森哲的研究表明，在2022年估计的290亿个联网设备中，预计有180亿个与物联网相关。到2030年，工业物联网（IIoT）将为全球经济贡献超过15万亿美元的GDP。可以想见，工业物联网将以智能互联的设备和机器为基础，帮助企业拓展全新的数字化服务和商业模式，成为下一个重要的价值创造领域。
参考资料：
[1] https://iot.ofweek.com/2015-05/ART-132216-8420-28953135.html
[2] https://wiki.mbalib.com/wiki/%E5%B7%A5%E4%B8%9A%E7%89%A9%E8%81%94%E7%BD%91
[3] https://www.sohu.com/a/199364001_659516
[4] https://www.wikiwand.com/en/Industrial_internet_of_things
[5] https://readwrite.com/2020/09/28/all-you-need-to-know-about-industrial-iot/
[6] https://www.wikiwand.com/en/Programmable_logic_controller