什么是工业物联网？

什么是工业物联网？

此文用于软件开发者快速理解工业物联基础知识，构建自己的物联知识蓝图。

工业物联网：Industrial Internet of Things（IIoT）

​       上次的文章我们了解了物联网（IoT）基础概念，所以这里就不在阐述。（没看过的小伙伴移步物联网基础知识,点击物联网超链接即可）那么从工业物联网名字上也不难理解，工业物联网是指在工业中应用物联网技术。所有的物联网都是为了实现万物互联，特别是物与物之间的互联，但是工业物联网又有其专有的属性，原因是与工业物联网相对的消费物联网本身的联网密度、联网的实时性、联网物的异质化要求都不高，而工业物联网的要求主要表现在联网密度、联网实时性及联网异质化三个方面。

工业物联网的价值、意义和目的是什么？

​       作为物联网为主战场的工业物联网，人们对其的期许是在工业设计、制造、流通环节带来革命性的变革，为传统工业注入新的活力，提供新的势能，驱动工业在更高维度上发展、创新、乃至变革。随着计算、存储能力的提升，特别是大数据、人工智能的发展，任何行业对数据获取手段都提出了前所未有的要求。对数据获取手段的要求主要表现在四个特征，第一是高效性；第二是准确性；第三是实时性；第四是经济型；在当前技术能力下，能够同时满足这四个特征的就是工业物联网，首先，芯片技术已经发展到一个具有较强计算能力的MCU在美元以下，RFID芯片价格甚至已经到美分这个量级，使得工业物联网有了物质基础，同时满足了经济性要求；近三十年的通讯技术的发展，从模拟到数字，从简单调制到复杂调制技术的商用化，使无线通讯可以很廉价地覆盖几百米甚至数公里的范围，满足了数据获取的密集部署要求，同时由于工业物联网的永久在线的特征，使工业物联网满足数据获取的高效性、实时性要求；微电子技术在近年也发生了突飞猛进的发展，不论在价格上还是在进度上都有了长足的突破，满足了数据获取的准确性。

      工业物联网不是规划出来的，是各种技术与需求发展进化的产物，是生活、生产、经济发展到一定高度后自然而然出现的，是在需求的驱动下，众多行业创新带了的自然产物。通过工业物联网，可以把传统经济中不可数字化之物数字化，可以把传统不可数字化之行为数字化，可以把传统不可能变为可能，甚至变为容易获得、解决的方案。

工业物联网需要连什么？

​       这个问题是第一个问题的延续，如果不考虑经济性，那么我们可以说工业物联网连接一切可连接之物，但是，当我们在做一个务实的、有价值的方案时就不能不考虑可行性及经济性，那么工业物联网连什么呢？我们认为这是一个从哪里来到哪里去的问题，我们通过上面对价值、意义和目的分析可知，我们应该从目的反推，一切从目的出发，时刻盯紧企业需要弥补的最关键环节，例如，如果对量化设备效率（OEE）有需求，那么我们就要连接设备状态；如果要减少在制品，那么我们就要对在制品进行追踪；如果能源消耗对企业是重中之重，那么我们就要把能效物联化，等等。世界上不存在同样的两片树叶，同样地，世界上也不存在同样的两个企业，我们只能对企业本身进行深入分析，紧紧聚焦于企业价值，在保证经济性的基础上，确定工业物联网的实施范围方案。联网范围一个核心点是连入物的属性，也就是说我们通过分析连入物的属性与企业建设工业物联网目标的耦合度，决定需要实施工业物联网的广度。

需要获得连入物的哪些数据？

​       通过分析工业物联网连什么后，我们得到了连入物的内容，接下来需要我们决定是对每个/每类连入物我们该数字化哪些属性，这里遇到工业物联网特有的一个障碍，需要连入工业物联网的物的可连通性问题， 特别是在设备互联时，可连通性表现的特别突出，例如，有的设备具有开放的通讯协议和可用的通讯接口，有的设备不开放协议等等，那么可连通性就是对方案供应商的很大的考验，一般有四种方案可供选择：

1、使用设备开放的协议；

2、使用设备自带的传感器；

3、添加新的传感器；

4、改变观察侧面及维度，使用全新的采集模式；

      其中第四条，改变观察的侧面和维度，使用全新的连接方式是使用第一性原理，避开设备不开放协议或接口的阻碍，避开被设备供应商牵着鼻子走的方向，从本质上获取数据。例如：通过能效检测获得设备的使用状态，通过震动传感分析设备部件的故障、甚至是转速等，只要通过第一性原理从你需要的信息入手，而不是被动地从设备可以提供的数据入手来提供物联解决方案的方式。直接把我们需要的信息做为目标，观察除了直接连接设备外，我们还能够如何获得需要的信息，因为只有我们获得的数据能够与设备提供的数据在信息上能够“同构”即可。例如，我们可以在我们的物联设备上安装一个震动传感器，从传感器获得的数据中，我们即得到了设备是否开机，又得到了是否启动工作，同时还得到设备的转速。如果不用第一性原理，而是硬要跟设备互联，那至少要采集三个数据，并且未必设备能够给你。这就是典型的边缘计算的案例，边缘计算的计算规则一定要具有定制能力，可以说边缘计算一定是一个知识容器，可以方便地把客户、厂家，甚至是第三方的知识融入的容器，开发的支持脚本的设备已经具有了初步的边缘计算的功能，需要在这个方面继续加大支持力度。
　　所以，通过分析企业价值和物的可连通性，我们就可以明确定义需要连入物层级，也就明确了连入物的连接深度。在连入物联网的物的层级中一个重要的概念是管理粒度，对于制造业来说，连入物的管理粒度大概分为如下几个层级：传感级、设备级、产线级、车间级、企业级。也就是说我们要在经济性可行的前提下定义数据获取的粒度。理论上讲，细粒度一定比粗粒度更好，更有价值，但是当加入成本分析后，可能并不一定粒度越细越好，需要按照各种制约因素找到一个平衡点。

工业物联网建设的价值成本分析

​      价值成本永远在企业行为中持有权值最高的赞同或者否决的一票，通过前三项分析，我们仅剩下最后一个问题没有解决，这也是关乎价值成本的关键：管理粒度问题，我们到底需要在多细的粒度下进行管理？这带来了一个哲学问题：世界是不是需要黑盒子。什么意思呢？当我们确定一个管理粒度后，比管理粒度更细的信息将被隐藏在黑盒子中，这个黑盒子将成为我们分析深度或者认知深度的制约因素和约束条件。我们可以通过价值成本分析来找到这个平衡点，从而明确黑盒子的大小，并最终确定连入工业物联网的物的特性。

如何建设工业物联网？

​       我们的期许是工业物联网建设的价值观，其他一些都是方法论。首先，我们在规划物联网时要本着既要有高瞻远瞩，又要有务实可行的精神。在思考黑盒子的大小时我们要高瞻远瞩，设计方案尽可能地以黑盒子尽量小为目标，而实施方案则按照价值成本分析选择合适的黑盒子的大小，也就是选择合适的管理粒度，从而保证投入收益的平衡，甚至我们可以把黑盒子尽量定义的大些，用以验证工业物联网的可行性，最大可能地降低工业物联网实施的风险。

IIoT的应用

      IIoT的应用场景有很多，所以就不一一阐述了，而我举例的场景也不一定适合每个人。如果把物联网在工业行业里的应用抽象出来，我们可以总结为四个层次：

      数据的采集与展示、基础的数据分析与管理、深度数据分析与应用、工业控制。

1. 数据采集与展示： 主要是将工业设备传感器上采集到的数据信息传输到云平台，并用可视化的方式将数据呈现出来。
2. 基础数据分析与管理： 偏向于通用分析工具的阶段，不涉及基于垂直领域深入行业知识的数据分析，基于云平台采集到的设备数据，并产生一些SaaS应用，比如设备性能指标异常的告警、故障代码查询、故障原因的关联分析等。基于这些数据分析结果，也会有一些通用的设备管理功能，像设备的开关机 、调整状态、 远程锁机及解锁等，这些管理应用根据具体的领域需求而不同。
3. 深度数据分析与应用： 深度的数据分析，则涉及到具体领域的行业知识，需要特定领域的行业专家来实施，具体根据设备的领域和特性建立数据分析模型。
   则涉及到具体领域的行业知识，需要特定领域的行业专家来实施，具体根据设备的领域和特性建立数据分析模型。
4. 工业控制： 工业物联网的目的就是能对工业过程实施精准控制。 基于前述传感器数据的采集、展示、建模、分析、应用等过程，在云端形成决策，并转换成工业设备可以理解的控制指令，对工业设备进行操作，实现工业设备资源之间的精准的信息交互和高效协作。