智能製造的使能技術:從工業物聯網(IIoT)、邊緣計算到智能傳感器

作者: 伊人影院科技集團 / 時間: 2019-06-28 20:55:08
瀏覽次數 169

作為泛物聯網在工業領域的一個分支,工業物聯網(IIoT)是指互聯的傳感器、儀器和設備與計算機工業應用軟件係統一起組成的網絡,用於製造流程的自動化和效率提升,以及製造裝備、能源和資產的有效管理及成本降低。工業物聯網涉及數據采集、處理、交換和分析,是傳統分布式控製係統(DCS)的演進和擴展,借助雲計算來優化流程控製以獲得更高程度的自動化。

智能製造的使能技術:從工業物聯網(IIoT)、邊緣計算到智能傳感器

工業物聯網的技術、架構、標準和應用

IIoT的使能技術包括網絡安全、雲計算、邊緣計算、移動技術、機器-機器通信、3D打印、機器人、工業大數據、物聯網、RFID技術,以及認知計算等。其中最為重要的五大技術簡述如下:

虛擬-物理係統(CPS):這是將傳統分離設備組網連接起來的IIoT基礎技術平台,將物理流程的動態與數字化的軟件和通信集成起來,為整個網絡係統提供抽象和建模、設計及分析功能。

雲計算:隨著互聯網雲平台技術和市場的發展趨於成熟、穩定和安全,工業領域的數據和通信也逐漸從傳統的本地服務器轉移到雲計算平台,工業流程的數據存儲和計算處理也更多地匯聚在雲端進行。亞馬遜、微軟、阿裏雲和華為等公司都針對工業物聯網推出了各自的IIoT雲平台,GE、西門子等傳統工業巨頭也分別推出了工業互聯網雲平台。

邊緣計算:與雲計算相反,邊緣計算是一種去中心化的數據處理技術,即在邊緣側和終端設備上直接進行數據存儲和處理,以滿足工業流程對數據實時處理和響應的要求。

大數據分析:對工業流程所產生的海量數據及各種數據集進行分析,以提煉出有價值的信息供科學決策使用。

AI和機器學習:將工業設備智能化以完成人機交互,或者機器與機器的通信與協作。機器學習是工業應用AI的重要組成部分,可通過精準的算法讓軟件係統更加準確地預測工業運營結果。

IIoT係統采用一種分層的模塊化結構,從下至上分別包括設備層、網絡層、服務層和內容層。設備層是指CPS、傳感器和設備等物理組件;網絡層包括物理網絡總線、雲計算和通信協議等;服務層包括對數據進行處理和輸出的應用軟件;內容層包括用戶接口設備,比如屏幕、平板電腦等。

很多公司和行業組織都在開發技術平台以支持各種IIoT技術、標準、軟件和設備,比如IBM的認知IoT、REST、OPC等,以及工業互聯網聯盟(IIC)的參考架構(IIRA)。

雖然連接和數據采集對IIoT來說是必不可少的元素,但這並非最終的目標。IIoT當前的一個熱門應用是預測性維護,因為這可以應用到現有的設備資產管理係統,降低非預期停機時間,從而提高生產效率。工業大數據分析在製造設備預測性維護方麵扮演著關鍵角色。

智能製造的使能技術:從工業物聯網(IIoT)、邊緣計算到智能傳感器

以上簡要介紹了IIoT的概念、技術、架構、標準和應用,下麵伊人影院從硬件實現的角度,分別闡述邊緣計算和智能感傳感器這兩種工業物聯網關鍵技術。

邊緣計算

根據Gartner和IDC的市場預測,到2022年全球IoT市場規模將達到1.2萬億美元,企業級數據的一半將來自雲平台和數據中心以外的地方,其中增長最快的是移動和IoT設備產生的數據。到2020年投入到邊緣計算方麵的資源將占到IoT整體開支的18%,這意味著邊緣計算將是一個快速增長且市場潛力巨大的新興領域,思科和華為等企業級係統方案提供商也在邊緣計算上投入更多技術和市場資源。

智能製造的使能技術:從工業物聯網(IIoT)、邊緣計算到智能傳感器

究竟什麽是邊緣計算?到目前為止業界還沒有一個統一的定義。按照工業互聯網聯盟(IIC)的說法,邊緣並不是一個可以明確的物理層,而是一個因應用場景而異的邏輯層概念。但是,邊緣計算的主要價值在於可以降低數據延遲,因為邊緣計算設備離數據源比較近,可以就地計算、處理和觸發行動,而不必先傳輸到雲端進行處理,然後再反饋行動指令,這對實時性和帶寬要求比較高的應用特別重要。

聲明:本網所有文章(包括圖片和音視頻資料)係出於傳遞更多信息之目的,且明確注明來源和作者,不希望被轉載的媒體或個人可與伊人影院聯係,伊人影院將立即進行刪除處理。所有文章僅代表作者觀點,不代表本站立場。