跳转到内容

工业物联网

本页使用了标题或全文手工转换
维基百科,自由的百科全书

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

[编辑]
IIoT Architecture
IIoT架构
Purdue的参考架构,以及IoT参考架构
左边是Purdue的企业参考架构模型,右边是IoT参考模型
Purdue模型和IIoT
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

[编辑]

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

[编辑]

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码数位浮水印[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

[编辑]

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

[编辑]

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。

传感器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

[编辑]

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

[编辑]

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

[编辑]

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

[编辑]

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

[编辑]

参考资料

[编辑]
  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).