維基百科

工業物聯網

提示：此條目頁的主題不是工業互聯網。

工業物聯網（Industrial Internet of Things）簡稱IIoT，是應用在工業上的物聯網，是互聯的感測器、儀表以及其他設備和電腦的工業應用程式以網路相連所成的系統，其中包括了製造以及能源管理。網路連線可以進行資料蒐集、交換以及分析，有助於提昇生產力以及效率，也有其他的經濟效益[1]。IIoT是由分散式控制系統（DCS）演進而成，利用雲端運算完善和優化過程控制，達到較高程度的自動化。

簡介

 
IIoT架構
 
左邊是Purdue的企業參考架構模型，右邊是IoT參考模型
 
Purdue模型對應IoT基本架構之間的大致關係

IIoT相關的基礎技術有計算機安全、雲端運算、邊緣運算、移動技術、機器對機器、3D打印、進階機器人學、大數據、物聯網、射頻識別技術以及認知計算[2][3]。其中最重要的五點條列如下：

  • 網宇實體系統（CPS）：是物聯網（IoT）及IIoT最基礎的技術平台，也是可以連結以往無法連結之實體系統的媒介。CPS整合了實體程序的動態以及軟體以及通訊，因此可以進行抽象化、建模、設計及分析技術[1]。
  • 雲端運算：雲端運算讓IT服務及資源可以上傳到互聯網上，也可以在網路存取，不是只能透過和某一主機連線才能存取。檔案可以儲存在雲端空間，而不是某一個實體的儲存媒介中[4]。
  • 邊緣運算：分布式計算範型可以將電腦數據存貯器移到較接近實際應用的地方[5]。邊緣運算和雲端運算不同，邊緣運算是在網路的邊緣以分散式的概念進行資料處理[6]。工業物聯網為了轉換工業世界中的生產力、產品以及服務，比較不是以純中央式的雲端運算，比較需要邊緣運算加上雲端運算的架構[3]。
  • 大數據分析：大數據分析是對大型，有許多變化的資料集（大數據）的檢驗[7]。
  • 人工智能及機器學習：人工智能（AI）是電腦科學的一個領域，其中會創建類似人一様互動以及工作的智能機器[8]。機器學習是人工智能的核心內容，讓軟體在不用人為介入或是特別編寫程式的情形下，就可準確的預測結果[9]。

架構

IIoT系統可以用數位化技術的分層模組架構來評估[10]。「設備層」（device layer）是指實體的元件：網宇實體系統、感測器或是機器。「網路層」（network layer）包括實體的網路總線、雲端計算以及通訊計協定，這些可以整合資料，傳遞到「服務層」。「服務層」（service layer）是許多處理資料的應用程式，並且將資料整合成為資訊，可以顯示在操作者的儀錶板上。網路堆棧的最頂層是「內容層」（content layer），或是使用者介面[11]。

IIoT的分層模組架構
內容層 使用者介面設備（螢幕、平板電腦、智能眼鏡等）
服務層 分析資料，並且轉換為資訊的應用程式及軟體
網路層 通訊協定、wifi、雲端運算
設備層 像是網宇實體系統、感測器或是機器等硬體

歷史

工業物聯網的歷史和可編程邏輯控制器（PLC）及分散式控制系統（DCS）有關。Dick Morley（英語：Dick Morley）於1968年發明可編程邏輯控制器（PLC），使用在通用汽車的自動化傳動製造部門開始算[12]。PLC可以對生產線的個別元件有精細的控制。霍尼韋爾及橫河電機在1975年分別發展了分散式控制系統（DCS），名稱分別是TDC 2000和CENTUM系統[13][14]分散式控制系統讓工廠的製造程可以有彈性, 在整個系統中因為分散式控制可以有冗餘備份的好處，避免在中控系統中單一點失效的問題。

在1980年以太網問世後，早在1982年就開始探討由智能設備行作網路的概念。當時在卡內基·梅隆大學一個修改過的可口可樂機器成為第一個連接以太網的電器[15]，可以回報庫存，並且確認加入的飲料是否夠冷[16]。早在1994年時，就已設想到有較大型的以太網應用，Reza Raji在IEEE綜覽中提出此一概念「將小的資料包移到大的節點集中，可以整合及自動化從住家到工廠的所有事物。」[17]。

物聯網的概念最早是在1999年代開始流行，透過麻省理工學院的Auto-ID中心以及相關的市場分析出版品而流行[18]。Kevin Ashton（原來Auto-ID中心創辦者之一）將射頻識別（RFID）視為是當時物聯網的必需條件 [19]。若每日生活的所有物品及人都有配備識別裝置，電腦就可以管理及紀錄[20][21][22]。除了RFID外，也有其他事物加標籤的技術，例如近場通訊、條形碼、QR碼及數位浮水印等[23][24]。

目前IIoT的概念是在2002年雲端科技出現之後的事，雲端科技可以儲存資料，檢查歷史趨勢，另一個相關的是2006年OPC UA協定的發展，可以在設備、程式以及資料源之間進行遠端的安全通訊，不需人的介入或干預。

設備工業物聯網（作法是讓設備加上小型的識別元件或機器可讀取的識別碼）後的成果之一就可以進行立即，而且不會中斷的庫存管理[25][26]。另一個好處是可以建立系統的數字映射（數位雙胞胎）。用數位雙胞胎可以在雲端用新的資料進行實驗，設法優化此一系統，新的製程會在雲端進行優化，一直到已準備好上線時才會真正的用到生產線。數位雙胞胎也是訓練新進員工的工具，不需擔心影響真正的系統[27]。

標準及框架

IoT框架可以提供IoT元件之間的互動，也可以允許比較複雜的架構（例如分布式計算），也可以發展分布式應用。

  • IBM提出了認知物聯網（cognitive IoT），結合了傳統的IoT以及人工智能、機器學習、上下文信息、工業相關模型以及自然語言處理[28]。
  • XMPP標準基金會（英語：XMPP Standards Foundation）（XSF）建立了Chatty Things的框架，是完全開放，和供應商無關的標準，用可擴展消息與存在協議（XMPP）提供分散式、可擴充且具有安全性的基礎架構[29]。
  • 表現層狀態轉換（REST）是可擴充的架構，讓設備可以用http溝通，可修改為IoT應用，讓IoT設備可以和中央網頁伺服器互動[30]。
  • MQTT是發佈者—訂閱者（publish-subscribe）的架構，在TCP/IP的頂端，讓IoT設備和MQTT broker可以有雙向通訊[31]。
  • Node-RED是IBM設的開源軟體，可以連接API、硬體以及線上服務[32]。
  • 開放平台通信（OPC）是OPC基本會設計的許多標準，可以讓電腦系統和自動化設備連接[32]。
  • 工業互聯網聯盟（英語：Industrial Internet Consortium）（IIC）的工業互聯網參考架構（Industrial Internet Reference Architecture、IIRA）和德國的工業4.0，目的是要建立IIoT相關設備的應用環境及標準[32]。

應用及產業

工業物聯網一詞常出現在製造業，表示在工業領域中的物聯網。工業物聯網的潛在益處包括有提昇生產力，可以分析並改變工作場所[33]。IIoT的成長潛力，在2030年時預計可以到全球GDP中達到150億美元[33][34]。

連接性及數據的取得對IIoT很重要，不過這不是最終的目的，這些只是更大的目標的基礎而已。在IIoT相關技術中，預測性維護是比較簡單的應用，可以應用在現有的資產以及管理系統上。智慧維護系統可以減少意外的停線，因此可以提高生產力。依照研究，智慧維護系統和計劃性維修相比，最多可以節省12%，並且整體維修成本最多可以減少30%，最多可減少70%的故障[33] [35]。網宇實體系統（CPS）是更核心的IIoT技術，是人類和網路世界之間的介面。

將傳感器和執行器的系統和互聯網整合，可以最佳化整體的能耗[36]，計劃未來所有的耗能設備（開關、電源插座、燈泡、電視）都會整合物聯網設備，而且可以和電力公司通訊，有效的平衡發電和電力使用[37]。除了家庭能源管理外，IIoT也和智慧電網有關，可以讓系統以自動化的方式收集能源以及功率相關的資訊，並進行調節，以提昇供電及輸配電的效率、可靠度、經濟及可持續性[37]。利用連結到互聯網主幹的智慧型電表（AMI），電力公司不但可以從終端用戶蒐集資料，也可以管理像是變壓器或自動電路重合器（英語：recloser）等供電自動化設備[36]。

2016為止，其他IIoT的應用有用智慧LED將購物者引導到空的停車位，突顯交通標示，利用淨水器的感測器，在零件需要更換時用電腦或是智慧型手機提醒使用者，在安全裝置上加上RFID標籤，追蹤人員並且確保其安全，將電腦整合到動力工具中，記錄並追蹤各鎖固件的扭力大小，從多個系統中蒐集資料，以進行新製程的模擬[34]。

車廠

在車輛生產中利用IIoT，也就是將所有的生產、軟體、機器以及人員的數位化資訊互連，讓供應商及製造商面對標準的變化，可以快速的應變[38]。IIoT將資料由客戶端移轉到公司的系統內，而且可以到生產製程的每一個部份，讓生產更快速，也更有成本效益。新的工具以及機能可以透過IIoT加入製程流程中。例如，3D列印機可以真接從鋼粒中列印出需要的外形，簡化成形的過程[39]。這些工具可以產生一些新的設計（而且有高精度）。導入IIoT後，也可以透過其中的模組化以及連接性，達到車輛的客製化[38]。以往這些工作是各別作業，IIoT讓人和機械可以協同作業[39]。機械人可以處理費力以及重複性的工作，加快生產週期，讓車輛可以更早上市。工廠也可以在因生產線故障停線前，就提早識別潛在的保養問題，工廠也可以改為24小時的自動化生產場地，有高資料安全性以及高效率[38]。主要的幾家車廠已在不同的國家有生產基地，可能同一部汽車的各零件是在不同地方生產。IIoT讓這些工廠可以互相聯結。可以視覺化的監控大數據，讓公司可以快速反應需求以及生產上的變化。

石油及天然氣產業

透過IIoT，鑽探設備以及研究機構可以儲存及發送大量的原始數據，在雲端儲存以及分析[40]。石油及天然氣產業可以用IIoT的互聯技術來連接機器、設備、感測器及人員，讓公司可以更好的應對需求及價格的變動、網路安全議題，並且降低對環境的影響[41]。

在供應鏈上，IIoT可以提昇維護的程序、整體安全性以及互聯性[42]。早期可以用無人機偵測潛在的石油或天然氣外洩，也可以用內建的紅外線影像系統識別複雜管道網路中是否有弱點。互聯性的提昇（資料整合以及通訊）可以讓公司依石油藏量、庫存、分配進度和預估需求的實時數據來調整產量。例如，德勤的報告提出：透過在幾個內部及外部來源（例如工作管理系統、控制中心、管路屬性、風險分數、在線檢測結果、計劃評估及以往洩漏情形）的資料整合中加上IIoT對策，因此可以實時監控上千英里的管路。可以監控管路威脅、改善風險管理、也提供狀態意識[43]。

IIoT對於石油及天然氣產業的特殊過程也有幫助[42]。可以用地震影像產生的4D模型，更精準的開採石油及天然氣。模型會考慮石油藏量以及天然氣水準，會試法計算需要的確切資源數量，以及預測油井的壽命。公司利用智能感測器以及自動鑽機，可以監控開採流程，並且更有效率的開採石油及天然氣。而且IIoT也對儲存的過程有幫助，可以透過蒐集及分析實時數據，可以監控藏量，並進行溫度控制。在石油及天然氣運送的過程，可以用智能感測器以及溫度感測器，可以得到運送過程的實時資料，監控產品的安全。智能感測器也可以監控精煉的過程，加強安全性。對於石油及天然氣產量的需求也可以更精準的預測，而且可以自動通知精煉廠及加工廠，調整產能。

農業

在農業上使用IIoT，讓農人可以決定何時要收穫。由感測器蒐集土壤以及氣候的資訊，整理出計劃的施肥以及灌溉時間表[44]。有些牧場會在牲口身上植入微晶片，讓飼養者不但可以定位，也可以有血統、重量以及健康情形的資訊[45]。

安全性

隨著工業物聯網的日漸普及，也開始出現新的安全疑慮。每一個聯結到IIoT的新設備或元件都可能有潛在安全風險[46]。高德納公司估計在2020年，企業中已識別到的攻擊中，超過25%是和有聯結IoT的系統有關，而IIoT安全的相關預算不到IT安全預算的10%[47]。現有的IIoT網路安全措施比傳統的電腦安全性措施要弱很多[48]，因此IIoT設備容易被阻斷服務攻擊之類的攻擊劫持，攻擊者可能是來自像是Mirai之類的殭屍網絡。另外一個可能性是感染有連接網際網路的工業控制器（例如Stuxnet），不需要實際存取到IIoT網路系統即可以散播蠕蟲[49]。

此外，IIoT的設備也有比較容易受到傳統型式的網路犯罪所影響，例如2013年目標百貨的資料洩露事件，駭客是由第三方的HVAC（暖通空調）供應商處竊取憑據，再存取目標百貨的網路[50]。製藥廠為了考慮這類的風險，已放緩有關IIoT設備的導入[51]。IIoT應用的安全方案有很多的困難點，其中一點就是硬體分散式的特點[52]。因此，有些安全架構轉向軟體為基礎的設計，或是和設備無關的設計[53]。

若在存取一些關鍵性的基礎設施時，可能會用一些硬體的網路安全對策，例如只允許單向資料傳送的資料二極體（英語：Unidirectional network）（data diodes）[54]。

相關條目

參考資料

  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 （英語）. 
  2. ^ Figure 2-Technologies for industry 4.0.. ResearchGate. [2018-10-08]. （原始內容存檔於2020-05-03） （英語）. 
  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]. （原始內容存檔於2020-11-24） （英語）. 
  4. ^ Staff, Investopedia. Cloud Computing. Investopedia. 2011-01-18 [2018-10-08]. （原始內容存檔於2021-03-08） （美國英語）. 
  5. ^ Hamilton, Eric. What is Edge Computing: The Network Edge Explained. cloudwards.net. [2019-05-14]. （原始內容存檔於2020-10-31）. 
  6. ^ What is Edge Computing?. [2019-05-14]. （原始內容存檔於2020-12-28）. 
  7. ^ What is big data analytics? - Definition from WhatIs.com. SearchBusinessAnalytics. [2018-10-08]. （原始內容存檔於2021-01-11） （美國英語）. 
  8. ^ What is Artificial Intelligence (AI)? - Definition from Techopedia. Techopedia.com. [2018-10-08]. （原始內容存檔於2021-03-15） （英語）. 
  9. ^ What is machine learning (ML)? - Definition from WhatIs.com. SearchEnterpriseAI. [2018-10-08]. （原始內容存檔於2021-02-25） （美國英語）. 
  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]. （原始內容存檔於9 June 2019） （英國英語）. 
  13. ^ McMahon, Terrence K. Three decades of DCS technology. Control Global. 18 April 2005 [27 November 2018]. （原始內容存檔於2019-04-08） （英語）. 
  14. ^ Evolution of industrial control systems. PACE. 4 December 2013 [27 November 2018]. （原始內容存檔於2020-10-11）. 
  15. ^ The "Only" Coke Machine on the Internet. Carnegie Mellon University. [10 November 2014]. （原始內容存檔於2020-02-02）. 
  16. ^ Internet of Things Done Wrong Stifles Innovation. InformationWeek. 7 July 2014 [10 November 2014]. （原始內容存檔於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]. （原始內容存檔於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]. （原始內容存檔於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. （原始內容存檔 (PDF)於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]. （原始內容存檔於2019-12-26）. 
  23. ^ From M2M to The Internet of Things: Viewpoints From Europe. Techvibes. 7 July 2011 [11 May 2017]. （原始內容存檔於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]. （原始內容存檔於2016-04-11） –透過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]. （原始內容存檔於2019-03-30）. 
  26. ^ The Evolution of Internet of Things. Casaleggio Associati. February 2011 [2020-10-11]. （原始內容存檔於2017-09-27）. 
  27. ^ Bacidore, Mike. The Connected Plant enables the digital twin. Control Global. 20 June 2017 [27 November 2018]. （原始內容存檔於2019-04-05） （英語）. 
  28. ^ IBM and the cognitive computing revolution. www.gigabitmagazine.com. [2019-09-18] （英語）. [失效連結]
  29. ^ Tech pages/IoT systems. [26 June 2015]. （原始內容存檔於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]. （原始內容存檔於2019-11-02） （英語）. 
  32. ^ 32.0 32.1 32.2 The State of the Industrial Internet of Things | Automation World. www.automationworld.com. [26 May 2017]. （原始內容存檔於2019-04-05） （英語）. 
  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]. （原始內容存檔 (PDF)於2021-03-08）. 
  34. ^ 34.0 34.1 Zurier, Steve. Five IIoT companies prove value of internet-connected manufacturing. IoT Agenda. [11 May 2017]. （原始內容存檔於2021-01-19）. 
  35. ^ Industrial Internet Insights Report (PDF). Accenture. [17 March 2016]. （原始內容存檔 (PDF)於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]. （原始內容存檔於2021-01-18） （美國英語）. 
  39. ^ 39.0 39.1 Volkswagen Group, Industry 4.0 in the Volkswagen Group, 2015-08-20 [2018-10-08], （原始內容存檔於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]. （原始內容存檔於2019-12-12） （英語）. 
  42. ^ 42.0 42.1 How Industry 4.0 Is Transforming the Oil & Gas Supply Chain. www.bdo.com. [2018-10-08]. （原始內容存檔於2020-12-02）. 
  43. ^ Deloitte Insights. 2018 Tech Trends for the oil and gas industry (PDF). 2018 [2018-10-08]. （原始內容存檔 (PDF)於2019-01-10）. 
  44. ^ What is IIoT? Definition and Details. www.paessler.com. [2020-10-06]. （原始內容存檔於2020-12-06） （英語）. 
  45. ^ Jeffries, Adrianne. Internet of cows: technology could help track disease, but ranchers are resistant. The Verge. 2013-05-10 [2020-10-06]. （原始內容存檔於2020-11-12） （英語）. 
  46. ^ Sound the alarm: How to get serious about industrial IoT security - IoT Agenda. internetofthingsagenda.techtarget.com. [11 May 2017]. （原始內容存檔於2020-10-29） （英語）. 
  47. ^ Gartner Says Worldwide IoT Security Spending to Reach $348 Million in 2016. [11 May 2017]. （原始內容存檔於2018-12-24） （英語）. 
  48. ^ How infected IoT devices are used for massive DDoS attacks - Fedscoop. Fedscoop. 26 September 2016 [11 May 2017]. （原始內容存檔於2021-01-17）. 
  49. ^ IoT data security vulnerable as connected devices proliferate. IoT Agenda. [11 May 2017]. （原始內容存檔於2020-12-01）. 
  50. ^ Target Hackers Broke in Via HVAC Company — Krebs on Security. krebsonsecurity.com. [11 May 2017]. （原始內容存檔於2021-02-05）. 
  51. ^ Mullin, Rick. The drug plant of the future. Chemical & Engineering News 95 (21). 22 May 2017 [29 October 2018]. （原始內容存檔於2020-10-24）. 
  52. ^ Fogarty, Kevin. Why IIoT Security Is So Difficult. Semiconductor Engineering. 29 May 2018 [31 October 2018]. （原始內容存檔於2020-11-09）. 
  53. ^ Dahad, Nitin. Designer's Guide to IIoT Security. EETimes. [31 October 2018]. （原始內容存檔於2019-08-19）. 
  54. ^ Tactical Data Diodes in Industrial Automation and Control Systems. （原始內容存檔於2021-03-08）. 
取自「https://zh.wikipedia.org/w/index.php?title=工業物聯網&oldid=80832929」