工业物联网及其典型特征

（一）工业互联网的现实应用场景

我国工业互联网产业联盟的白皮书中，认为工业互联网平台当下主要的应用场景为四个：（1）面向工业现场的生产过程优化；（2）面向企业运营的管理决策优化；（3）面向社会化生产的资源优化配置与协同；（4）面向产品生命周期的管理与服务优化。

物联网数字产业真正颠覆的是农业、城市基础设施、医疗保健，将持续拓展到以下行业：水务行业解决方案、石油和天然气行业赋能、运输智能跟踪、医疗行业业务模式优化、采矿行业监控工作流程、酒店物联网服务和产品体验增值。

目前我国的制造业正在推动和转型，而工业互联网和工业物联网都很重要，但实际上还有很长的路要走，在安全性问题、技术基础、实际需求等方面都要进行探讨和优化。

（二）工业物联网关键典型技术

通过各种类型的传感器实现物与物、物与人、人与人之间按需的信息获取、传递、储存、认知、分析和使用。

工业物联网的关键技术主要包含全面感知、信息传递、智能处理、信息反馈等几个方面。全面感知是指通过利用现代化的信息收集、采集技术手段，随时随地对物体进行信息采集和获取；信息传递是指通过各种通信网络、互联网随时随地进行可靠的信息交互和共享；智能处理是指对收集到的海量数据和信息进行分析处理，提升对工业生产环境和市场的洞察力，实现智能化的决策和控制；信息反馈是指将处理完的信息，以程序指令的形式传达给各生产环节，以优化生产结构和完成生产计划。

概括来讲，实际上工业物联网关键技术也具有物联网感、联、知、控这四点特征。

（三）工业物联网的典型特征

《工业物联网白皮书（2017）》对工业物联网的典型特征进行了描述，我与大家一起分享一下。

1.智能感知

智能感知是工业物联网的基础。面对工业生产、物流、销售等产业链环节产生的海量数据，工业物联网是利用传感器、射频识别等感知手段获取工业全生命周期内的不同维度的信息数据，具体包括：人员、机器、原料、工艺流程和环境等工业资源状态信息。

感知层面有三个信息来源渠道。

（1）传统系统。传统信息系统采集的信息往往具有较高的价值，一方面原因是传统信息系统采集的往往是结构化数据，易于统计和分析，另一方面原因是传统信息系统采集的数据往往是比较重要的数据，对后续的数据分析有重要的参考价值。传统信息系统包含的内容比较广泛，比如常见的ERP系统。对于企业来说，传统信息系统的建设应该是信息化建设的第一步。

（2）Web平台。信息来源的另一个重要渠道是各种Web平台，随着Web应用的普及，尤其是Web2.0的普及应用之后，整个Web系统产生了大量的数据，这些数据也是大数据系统的重要数据来源之一。Web系统的数据具备几个典型的特点，比如数量大、结构多样性、真假难辨等等，这就需要通过数据分析来进一步体现其价值了。

（3）物联网系统。与传统信息系统和Web系统不同，物联网的数据大部分都是非结构化数据和半结构化数据，要想对其进行分析需要采用特定的处理方式，比较常见的处理方式包括批处理和流处理。批处理比较常见的平台包括Hadoop和Spark，而流处理通常采用Spark Streaming、Storm等。

2.泛在连接

泛在连接是工业物联网的前提。工业资源通过有线或无线的方式彼此连接或互联网相连，形成便捷、高效的工业物联网信息通道，实现工业资源数据的互联互通，拓展了机器与人、机器与环境之间连接的广度与深度。

物联网信息传递依托有线、无线等介质进行数据传输。当前移动互联技术更多被用来实现工业物联网信息传输过程。

传输介质包括有线、无线两种类型。在这里，我们不谈有线传输。就无线类型而言，采用的无线协议有LoRa、NB-IoT、eMTC、WirelessHART、WIA-PA、ISA100等。

这些协议分为两大类。（1）低功耗短距离通信技术，如IEEE 802.15.4，节点间传输距离短：小于100m；多跳路由协议：CTP、RPL、LLN；（2）低功耗广域网（LPWAN），代表性技术NB-IoT、LoRa、eMTC、SigFox等具有前景，但未必可以取代已有的技术。针对室外大范围部署，LPWAN是一个很好的解决方案。NB-IoT是基于LTE的改进版本，具有技术成熟、可以复用已有基站的好处。LoRa需要部署LoRa基站，但也适用于智慧园区等场景中，而且LoRa技术开放程度更高，更容易二次开发。

3.数字建模

数字建模是工业物联网的方法。数字建模将工业资源映射到数字空间中，在虚拟的世界里模拟工业生产流程，借助数字空间强大的信息处理能力，实现对工业生产过程全要素的抽象建模，为工业物联网实体产业链运行提供有效决策。

4.实时分析

实时分析是工业物联网的手段。针对所感知的工业资源数据，通过技术分析手段，在数字空间中进行实时处理，获取工业资源状态在虚拟空间和现实空间的内在联系，将抽象的数据进一步直观化和可视化，完成对外部物理实体的实时响应。

5.精准控制

精准控制是工业物联网的目的。通过工业资源的状态感知、信息互联、数字建模和实时分析等过程，基于虚拟空间形成的决策，转换成工业资源实体可以理解的控制命令，进行实际操作，实现工业资源精准的信息交互和无间隙协作。

6.迭代优化

迭代优化是工业物联网的效果。工业物联网体系能够不断地自我学习与提升，通过将工业资源数据处理、分析和存储，形成有效的、可继承的知识库、模型库和资源库。面向工业资源制造原料、制造过程、制造工艺和制造环境，进行不断迭代优化，达到最优目标。

7.物联网安全

物联网安全是工业物联网的保障。事实上，信息系统的安全问题原本就十分突出。让现状更加恶化的是物联网IoT（Internet of Things）的出现。IoT安全问题随着其使用规模的扩大而凸显，但本质上没有发生变化：产品成本与安全性之间的矛盾。很多人认为IoT代表着无限的未来，但是事实上目前接入互联网的IoT设备几乎都非常不理想，甚至会引入新的安全问题。这些设备不足够可靠的操作和安全模型是有可能影响到其他设备的，它们需要管理和检查。但是在现实使用的过程中，人们往往会疏忽这一点。物联网的设备也是建立在很多人开发的软件层之上的，并且这些设备往往十分廉价。低廉的价格使得IoT设备很难保证安全。比如，如果对一个家用网络摄像头分析其安全模型，人们很可能会发现它完全不安全，使得监控内容有可能暴露在互联网上。程序员很难不犯错误，软件几乎不可能完美无缺，它们将继续存在漏洞。消费者需要关注这些IoT设备的安全性。但是目前的IoT市场，安全仍然在向廉价妥协。如何解决这个问题仍然困扰着人们。

（四）工业物联网发展阶段

第一个阶段，智能的感知控制。工业物联网感知控制阶段主要实现物联网泛在化的末端智能感知，由多样化采集和控制模块组成，包括各种类型传感器、RFID以及中短距离的传感器与无线传感器网络等，实现工业物联网的数据采集和设备控制的智能化。

第二个阶段，全面的互联互通。工业物联网借助各类传感器、RFID等实现数据采集，通过工业网关、短距离无线通信、低功耗广域网和OPC UA等互联互通技术，将信息化共性技术与行业特征有效整合，实现无线通信网络、工业以太网、移动通信网络等异构网络的安全、高效融合，充分发挥网络基础设施的应用价值，实现服务模式创新及流程优化。

第三个阶段，深度的数据应用。利用数据挖掘、数据仓库、分布式存储等技术手段，基于云计算平台技术，进行数据建模、分析和优化，实现多源异构数据的深度开发应用。通过对数据进行集成化收集和处理，不断对数据进行整理，解决数据提取、集成及数据性能优化问题。从数据仓库中提取隐藏的预测性信息，挖掘出数据间潜在的关系，快速而准确地找出有价值的信息，有效提高系统的决策支持能力。

第四个阶段，创新的服务模式。工业物联网服务模式的创新主要集中在定制服务、增值服务、运维服务、升级服务、培训服务、咨询服务和实施服务等方面，广泛应用于智能工厂、智能交通、工业流程再造、环境监测、远程维护、设备租赁等物联网应用示范领域，全方位构建工业物联网创新的服务模式生态，提升产业价值，优化服务资源。

作者：马礼　北方工业大学信息学院院长

本文节选自宣讲家网独家文稿《马礼：工业物联网及其关键技术》