久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

摘要：智能工廠的特點是互聯互通，物聯網是實現智能工廠的核心技術。本文闡述了工業物聯網在工業4.0中的作用，研究了智能制造對工業物聯網的需求、物聯網結構體系和關鍵技術，最后對工業物聯網的研究方向做了探討。

關鍵詞：智能制造；智能工廠；物聯網；云計算

Abstract: Interconnection is one of the biggest characteristic of intelligent factory, and the Internet of Things is the core technology for the realization of the intelligent factory. This paper first explores the effect of Industrial Internet of Things in industry 4.0. Then the industrial networking requirements, system structure and key technology of Industrial Internet of Things are thoroughly analyzed. Finally, the future research direction of the Industrial Internet of Things is discussed.

Key words: Intelligent manufacturing; Intelligent factory; Internet of things; Cloud computing

1　引言

2013年在漢諾威工業博覽會上德國推出了“工業4.0”項目，該計劃的目的是推動制造業向智能化轉型升級，為德國的先進制造業領先地位奠定了基礎，工業4.0的核心內容是智慧工廠、智能制造。美國通用電氣公司（GE）提出了工業互聯網概念，這是美國“先進制造伙伴計劃”的主要任務之一。2015年中國政府在工作報告上正式提出《中國制造2025》，未來10年通過信息化和工業化兩化深度融合來引領和帶動整個裝備制造業的發展，實現中國從制造業大國向制造業強國的轉變  。

從德國工業4.0、美國工業互聯網及日本M2M可以看出，其共同特征都是利用物理系統和信息系統的融合來實現人與人、人與物和物與物的互聯互通。與傳統制造系統不同的是，面向智能工廠建立了一種集可靠感知、實時傳輸、精確控制、可信服務為一體的的復雜過程制造網絡體系架構，通過有形的實體空間和無形的虛擬網絡空間相互指導和映射，實現整個生產制造過程的智能化。由于制造過程的復雜性、隨機性和不確定性，因此要求與之融合的物聯網在多源對象自動獲取、異構多跳網絡傳輸、海量信息智能處理等方面必須滿足智能制造的需要。

本文闡述了智能制造與工業物聯網的關系以及智能工廠對工業物聯網的要求，論述了國內外工業物聯網在互聯互通，無線通信，數據共享，通信安全等方面的研究現狀，文章的最后介紹了作者團隊在物聯網方面的研究成果并對工業物聯網未來的研究方向做了深入的探索。

2　智能工廠中的工業物聯網

通常情況下，可從制造智能化、產品智能化、管理智能化來描述智慧工廠的三個維度，如果這些描述和表達能夠得到實時數據支持，實時下達指令，并且能在這三個維度之間進行交互，這就是所謂的智慧工廠，其具體框架如圖1所示。

在智慧工廠內部，物聯網和服務互聯網是兩大通信設施，服務互聯網連接供應商，并支持生產計劃、物流、能源和經營管理相關的ERP、PLM等系統的信息通信集成；工業物聯網支持制造過程的設備、操作者與產品的互聯，實現MES、數控機床、機器人等物理單元的信息通信，還通過CPS手段實現與信息空間的集成。

2.1　工業物聯網的體系結構

如圖2所示，處于智能工廠底端的現場設備（各種傳感器、機床、AGV）和控制設備（PLC控制器等），通過現場總線控制網絡（CAN總線、PROFIBUS等）實現工業環境的數據感知和控制命令的下發，同時，工業無線傳感器網絡（WISN）以其靈活組網、可靠通信的優勢與現有總線網絡并存，在工業控制領域發揮巨大作用；與傳統物聯網框架不同的是，該框架加入了由工業數據服務器、文件服務器、實時服務器構成的SCADA系統，一方面對一些實時性較高的控制命令，能夠快速響應及時做出決策，另一方面通過數據據庫服務器把來自工廠底端的數據發布到頂端應用層，實現對數據的進一步分析和處理；數據分析和處理的結果通過以太網或Internet網絡隨時隨地進行傳送，另外，窄帶物聯網（NB-IoT）作為低功耗廣覆蓋（LPWA）技術一種，支持獨立部署、保護帶部署、帶內部署三種部署場景，通過改造現有EPC核心網或者新建獨立NB-IoT基站與現有2G/3G/4G兼容，實現NB-IoT業務的接入，完全可以作為一種新的無線通信網絡在工業物聯網中普及；

處于體系結構頂端的各種應用是工業物聯網的價值所在，通過對生產流程的監控和生產設備運行狀況的跟蹤，利用ERP、MES實現資源的最佳配置和生產流程的優化，以此降低能源消耗、提高生產效率。

2.2　智能制造對物聯網的要求

（1）自組織網路

在智能工廠中，大量終端例如移動機器人、手持PDA等設備都是隨機移動的，即使是固定設備也會在一個時段內表現不同的加工狀態（如電機的旋轉或者停止），這些聯網設備的網絡的拓撲、信道的環境、業務模式都是隨著這些節點狀態動態改變的，因此面向復雜制造環境建立一個節點能夠動態地、隨意地、頻繁地進入和離開網絡的多跳自組織網絡十分必要。

（2）工業物聯網的實時性

智能工廠中部署的大量傳感器節點，搜集不同的參數，這些信息根據重要性，被劃分不同的傳輸優先級。工業過程數據傳輸的時效一般在0.001~0.5s之間，需要很高的實時性和可靠性，但是現場設備檢測數據時效性則長達1s以上。因此，工業過程數據傳輸比設備環境檢測數據具有更高的優先級，如何滿足智能工廠多優先級異構數據收集和傳輸對工業聯網實時性提出了更高的挑戰。

（3）工業物聯網智能信息處理

智能工廠感知層中成千上萬的傳感器時刻產生海量的數據，而物聯網智能信息處理的目標就是把這些信息收集起來，通過數據挖掘等技術從原始數據中提取有用信息，為MES層提供數據支持。信息處理的流程一般分為信息獲取、表達、量化、提取和推理階段，每個階段的數據處理的好壞都關系著物聯網技術能否得到大規模的應用。

（4）與設備智能互聯

智能工廠中的設備來自不同廠家，出于利益原因他們會采用不同標準和協議，這種不統一阻礙了物聯網的發展。鑒于目前業內多總線體系已經形成，更換設備至統一標準不現實，因此找到一個多協議、多接口的中間平臺對不同通信協議數據進行標準化處理實現不同設備之間互聯互通是關鍵。

3　智能制造環境下物聯網研究的核心問題

3.1　全互聯制造網絡

工業物聯網的最終目標是實現“廣泛互聯互通、透徹信息融合、綜合智慧服務”  。因此智能制造背景下的網絡必須要實現不同設備之間互聯和異構傳輸網絡之間的互通。但是目前由于缺乏標準化的可互操作的信息交換協議，物聯網中采集的信息往往是封閉的、孤立的，這嚴重阻礙物聯網的大規模應用。因此需要研究出一套能夠解決多源異構信息的融合方法。初期，信息融合主要針對多傳感器數據，主要解決異構傳感器之間的互聯互通問題，因此又被稱為多傳感器數據融合 ；

1991年美國實驗室理事聯合會JDL提出了廣泛認可的信息融合定義，將其定義為一種多層次、多方面的處理過程，包括對多源數據進行檢測、組合和估計，從而提高狀態和特征估計的準確度  ，這被認為是數據融合的開端。目前關于物聯網信息融合的研究，從融合方向角度可分為水平方向融合和垂直方向融合。其中水平方向融合，如文獻提出利用MANET邊界路由協同MANET的SMF區域與IP網的PIM-SM區域的工作，使多播數據包能順利在兩種不同的網絡中轉發并且實現了動態的切換；文獻[6]設計出了一種基于POWERLINK、EnOcean和6LoWPAN三種無線通信技術和Internet的智能工廠復合網關，對各種通信網絡的融合具有很好的借鑒意義；垂直方向融合，如文獻將XLM和JMS技術結合來，提出基于XLM-JMS混合集成方法來解決ERP與MES之間相互通信和數據互換的難題；文獻等提出了一種基于WebService技術來實現靜態數據實時更新和動態數據同步更新的中間件設計方案，實現ERP與MES交互。

3.2　工業無線通信

工業無線通信技術是繼現場總線和工業以太網之后又一新的通信技術，具有部署靈活、成本低、方便維護等優勢，為各種智能設備、AGV和自動化設備之間的通信提供高帶寬的無線通信鏈路和靈活的網絡拓撲結構，特殊環境下有效彌補有線網絡的不足。近幾年，藍牙、Wi-Fi、ZigBee、WirelessHART等短距離工業無線通信技術的研究和應用得到迅猛發展，引起了業界和學術界的關注。文獻[9]針對傳統藍牙技術微微網中點對多點資源有效調度的業界難題，基于實現策略建立藍牙4.0協議架構，設計了一種根據鏈路負載動態調度算法，改善了通信的質量；文獻[10]針對板坯制造過程中誤差大問題，提出了基于Wi-Fi的板坯連鑄結晶器振動形態檢測技術，通過Wi-Fi技術實現無線傳感器和數據分析終端的實時連接，提高了板坯的制造精度；文獻利用ZigBee網絡低速率、低成本、低功耗、網絡容量大特點，建立自組織無線傳感器網絡，對工業生產線上的視頻監控數據進行實時，保證了傳輸質量。

傳統無線通信技術在一定程度和一定時期滿足了工業信息傳輸的要求，但是隨著物聯網時代的到來，上述無線通信技術已經不能滿足物聯網大連接、寬覆蓋、高速率要求，基于此窄帶物聯網（NB-IOT）技術的寬覆蓋、大連接、低功耗、低成本的特點，以及可直接部署于GSM網絡、LTE網絡，降低部署成本，實現平滑升級的優勢是傳統藍牙、Wi-Fi、Zigbee所無法比擬的，也引起學術界和業界的關注 [12~14] 。

3.3　物聯網中的數據處理

智慧工廠里底端設備層是數據的來源，時刻產生GB甚至TB級的海量感知數據，這些數據除了海量性以外，還表現為來自不同設備產生的數據異構性、網絡傳輸和控制的實時性以及現實環境下受工藝、硬件資源限制導致的數據不確定性。因此，對不同特征的數據進行高效處理、分析，提煉對工業生產有指導性的信息，是工業物聯網信息處理的核心所在。

目前對物聯網中數據處理的研究方法很多，有從數據融合和數據壓縮方面進行設計，如文獻[15]提出E-Span和LPT算法，讓感知節點根據自身剩余能量動態選擇子節點和父節點，通過適當節點的最佳配置，實現數據有效融合；文獻[16]建立虛擬網格的鏈模型，選擇小波系數存放的最佳位置，提出基于分布式小波數據壓縮算法對海量數據進行壓縮。有的研究專注于云儲存和云計算角度，如Apache開發的Hadoop開源云計算框架，采用主從式結構將網格計算、并行處理、分布式儲存進行整合，對數據高效地處理。值得注意的是，近些年來通過中間件技術對數據進行處理是一研究熱點。

文獻[17]針對現有數據處理存在的缺陷，提出基于面向服務的體系結構（SOA），利用物聯網服務中間件技術，將數據感知和處理抽象為實體服務和云服務，從結構的兩端進行虛擬化處理；針對傳統中間件數據處理的局限性，文獻[18]提出的嵌入式智能中間件是基于消息驅動的嵌入式信息處理系統，在資源環境受限的情況下仍然具備數據采集、適配、過濾和分發功能，解決一體化網絡的互操作問題，對解決大規模數據處理具有指導意義。

3.4　工業網絡安全性

物聯網的信息安全涉及到感知層、傳輸層和應用層。感知層是數據的來源，其安全性也是圍繞如何保證數據收集完整性和機密性展開的，針對硬件高危漏洞現象，文獻 [19，20] 在嵌入式系統中建立輕量級可信執行環境，設計一個最小化TCP系統框架，將對安全敏感的代碼放入虛擬可信環境中執行，確保安全敏感代碼的隱秘性。

傳輸層中海量的信息面臨網絡擁塞、異構網絡跨網認證、DoS攻擊、異步攻擊等諸多問題，基于此很多研究學者從身份認證、密鑰協議、數據機密性等方面展開研究，但是適用性和安全性有待進一步提高。文獻[21]從密碼學算法與協議進行輕量化處理和經典密碼學算法進行優化生成新的密鑰生成協議兩方面來抵御對網絡的攻擊。

應用層收集和分析大量隱私數據，在處理和應用過程都需要對其進行安全保護。同態加密技術是目前學術界研究的一個方向，對數據進行同態加密可有有效避免用戶隱私信息的泄露 [22] ；另外，Thomas和Ned利用區塊鏈技術實現物聯網設備匿名共享的方法值得學習與借鑒 [23] 。

4　未來研究方向

結合工業物聯網自身存在的問題和目前研究的現狀，本文認為未來工業物聯網的研究方向應該在以下幾個方面展開：

（1）物理空間與信息空間互聯模型。智能工廠的物聯網中各層分工和各層的業務實現流程雖然明確，而對物理空間和信息空間的耦合關聯問題目前的研究還不深入。物聯網要實現這兩大空間的感知互動，需要建立物理空間和信息空間的耦合模型。但是連續的時空屬性的物理空間與離散的無時空屬性的信息空間之間存在的差異性較大，在描述兩者耦合關系時比較困難。

（2）異構網絡融合。工業物聯網中往往是多種類型網絡共同存在，不同網絡之間形成很多信息孤島，要實現互聯互通，必須讓不同網絡之間能夠建立聯系。目前的研究無論是基于設計統一網關的思路，還是基于認知網絡的理念都是少數幾種網絡融合，遠遠不能滿足實際需要。未來研究中，針對物聯網絡異構性、承載業務量大特點，開發統一的物理及MAC底層及其協議促進多種網絡融合是發展趨勢。

（3）海量信息處理。目前國內外研究機構提出的海量信息處理的若干種技術，在一定程度上對數據做了有效的處理，但是這些技術大多是基于上層的數據處理，在實際應用中數據的實時性保證不夠好，因此未來對數據處理的研究重點由上層轉移到下層，在感知層中找到數據處理方法是一種新思路。

（4）工業物聯網安全。工業物聯網框架中各層次的安全不是相互獨立的，而是相互依賴的，針對每一層單獨設計的安全保護策略是不全面的，適用范圍有限，再加上不同應用場景對安全要求側重點也不一樣，因此設計適用范圍更廣的入侵檢測與防御系統、設計更有效的訪問策略、制定有效的移動設備跨域認證方法將是未來物聯網安全的研究熱點。

5　取得的成果

面向工業4.0和國家裝備制造業發展需要，我們課題組基于最新工業物聯網技術、系統優化調度方法和先進制造思想，解決了制造設備之間的互聯互通、無線傳感智能組網等一系列問題。開發出一體化計劃調度、生產建模與物料跟蹤、設備數據采集、質量控制與統計等新技術，這些技術在大型裝備監測、工程健康監測等方面得到了具體的應用。

第一，在大型裝備監測方面，先后承擔了西安市科技項目：工業監控傳感器網絡系統關鍵技術及產品化開發和無線傳感器網絡節點軟件及系統應用研究。在Zigbee傳感器網絡協議研究方面，建立了復雜工廠環境的電磁干擾模型，提出了新的實時可靠路由算法和多信道MAC層協議，針對大規模網絡節點配置問題，給出了配置模型和求解算法。同時開發出了多種機電裝備監控無線傳感器網絡，能夠在200m范圍內的機電設備的各軸位置，速度，溫度，振動量和聲音等方面數據進行準確采集，具有自組織性和較強的容錯能力。

第二，在大型工程健康監測方面，承擔了陜西省科技項目：大型工程健康監測無線物聯網關鍵技術及應用研究。主要完成了橋梁傾斜，下沉，擾度，振動等機構參量的檢測方法和節點模塊設計；簇間多路徑分簇路由算法設計；大型高鐵橋梁健康監測的無線物聯網的組建。

6　結語

隨著工業4.0時代的到來，智慧工廠、智能制造將全面替代傳統工廠和傳統制造，物聯網和智能制造的融合更加速了第四次工業革命的到來。但是應該看到目前的工業物聯網發展水平不高，存在的問題也很多，因此立足當前，著眼未來，加強工業物聯網重點技術研究，對其存在關鍵問題進行突破，促使工業物聯網形成產業化和規模化，推動智能制造向更高水平發展。

參考文獻：

[1] Wang S, Wan J, Li D, et al. Implementing smart factory of industrie 4.0: an outlook[J]. International Journal of Distributed Sensor Networks, 2016, 12 (1) : 3159805.

[2] 周津. 物聯網環境下信息融合基礎理論與關鍵技術研究[D]. 吉林大學, 2014.

[3] 韓崇昭, 朱洪艷. 多傳感信息融合與自動化[J]. 自動化學報, 2002, 28 (s1) : 117 - 124.

[4] Perera C, Zaslavsky A, Christen P, et al. Context Aware Computing for The Internet of Things: A Survey[J]. IEEE Communications Surveys & Tutorials, 2014, 16 (1) : 414 - 454.

[5] 胡雅菲, 李方敏, 劉新華. CPS網絡體系結構及關鍵技術[J]. 計算機研究與發展, 2010, 47 (S2) : 304 - 311.

[6] Telmanov Mikhail.智能工廠環境下的混合生產線調度優化方法研究[D]. 哈爾濱工業大學, 2017.

[7] Zhu H, Liu D, Bayley I, et al. Quality model and metrics of ontology for semantic descriptions of web services[J]. Tsinghua Science and Technology, 2017, 22 (3) : 254 - 272.

[8] 藍萌, 徐汀榮, 黃斐. 基于JSM的制造企型業ERP - MES集成方法實現[J]. 計算機技術與發展, 2009, 19（6）: 246 - 249.

[9] 徐金茍. 藍牙4.0底層核心技術協議研究與實現[D]. 上海交通大學, 2012.

[10] 夏軍. 基于WiFi的板坯連鑄結晶器振動形態檢測技術研究[D]. 浙江大學, 2013.

[11] 李嘉源. 基于ZIGBEE協議的工業視頻監測技術研究[D]. 吉林大學, 2015.

[12] Kim T, Dong M K, Pratas N, et al. An Enhanced Access Reservation Protocol with a Partial Preamble Transmission Mechanism in NB - IoT Systems[J]. IEEE Communications Letters, 2017, PP (99) : 1 - 1.

[13] Liu S, Yang F, Song J, et al. Block Sparse Bayesian Learning Based NB - IoT Interference Elimination in LTE - Advanced Systems[J]. IEEE Transactions on Communications, 2017, PP (99) : 1 - 1.

[14] Ali A, Hamouda W. On the Cell Search and Initial Synchronization for NB - IoT LTE Systems[J]. IEEE Communications Letters, 2017, PP (99) : 1 - 1.

[15] Lee W M，Wong V S W. E - Span and LPT for data aggregation in wireless sensor networks[J]Computer Communications.2006.29 (13 - 14) : 2506 - 2520.

[16] Ciancio A, Ortega A. A dynamic programming approach to distortion - energy optimization for distributed wavelet compression with applications to data gathering inwireless sensor networks[C]//Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings. 2006 IEEE International Conference on. IEEE, 2006, 4: IV - IV.

[17] 陳海明, 石海龍, 李勐, 等. 物聯網服務中間件:挑戰與研究進展[J]. 計算機學報, 2017, 40 (8) : 1725 - 1749.

[18] 劉博洋, 馬連博, 朱云龍, 等. 基于多層數據處理的嵌入式RFID中間件系統開發[J]. 計算機科學, 2015, 42 (s2) : 231 - 235.

[19] Azab A M,SwidowskiK,Bhutkar J M,etal.Skee:A lightweight secure kernel - level execution environment for arm [C]// Proc of the 23th Network and Distributed System Security Symp. Reston,VA:ISOC, 2016

[20] Sachidananda V,Toh J,Siboni S,et al.POSTER:Towards exposing Internet of things:A roadmap [C]//Proc of the 23rd ACM SIGSAC Conf on Computer and Communications Security. New York:ACM, 2016 : 1820 - 1822

[21] Szalachowski P, Perring A. Lightweight protection of group content distribution [C]//Proc of the 1st ACM Workshop on IOT Privacy,Trust, and Security. New York:ACM,2015 : 35 - 42.

[22] Chakravorty A, Wlodarczyk T, Rong C. Privacy preserving data analytics for smart homes[J] IEEE Computer Society Security &Privacy Workshops, 2013, 42 (6) : 23 - 27.

[23] Hardjono T, Smith N.Cloud - based commissioning of constrained devices using permissioned blockchains[C]//Proc of the 2nd ACM InT Workshop on IoT Privacy, Trust, and Security. New York:ACM, 2016 : 29 - 36.

作者簡介：

曹建福（1963-），男，陜西寶雞人，教授/博士生導師，現就職于西安交通大學，研究方向是物聯網與智能工廠。

陳樂瑞（1985-），男，河南鄭州人，博士生，現就讀于西安交通大學，研究方向是物聯網與智能工廠。

摘自《自動化博覽》2018年5月刊