浅谈工业物联网的现在和未来（二）

　　目前，正在利用IIoT的工业企业往往是为了提高效率。可以简化流程和可以连接的平台是IIoT集成的主要目标。 在制造业物联网研讨会上，研究所工业信息系统中心列举了可能被IIoT解决的一些领域：

　　·资产和库存管理

　　·容量和性能监测

　　·质量分析

　　·实时提醒

　　·安全和合规

　　·吞吐量监测

　　·仓库优化

　　公司文化对一个团队是否实施物联网有很大的影响。当然，随着越来越多的公司转向IIoT，他们将需要越来越多的合格人才来设计，实施和维护基于IIoT的系统的挑战。这需要和新的技能，不同于传统的制造环境.

　　公司可以与当地政府和职业培训中心等外部利益相关者合作，培训能够在未来工厂工作的技术人员。 但是企业也需要克服一个感知的差距。 从历史上看，制造业不一定是最高科技的环境。造商必须改变这种观念，我们现在有一些技术上最先进的工作正在出现，所以它也是吸引人才的途径，而不仅仅是培训。”

　　IIoT数据管理的挑战

　　IIoT系统产生惊人的数据量。 配备IIoT系统的石油钻井平台可在一天内产生高达8TB的数据。 配备IIoT传感器的运输设备则更加多样化，从汽车（每天1 PB的运行数据）到喷气式飞机（每分钟生成333GB数据的单个波音737发动机）。 随着越来越多的公司建立其IIoT基础架构和更多传感器上线，数据量将会越来越多。

　　如何处理所有数据？ 如果最终目标是简化操作，通知管理人员并产生可操作的见解，则数据将需要传输，处理，汇总，可视化和存储。 IT需求非常强大。 配备单个IIoT的建筑物或车辆可能有成千上万的传感器和设备通过无线或有线网络连接发送数据。 数据可以在车间，远程园区或车辆控制系统上用芯片或专用硬件来处理。 数据还可以使用API或定制软件挂钩进行转换或共享，或者放入存储器中。

　　当这样的系统扩展到整个公司，包括其核心园区以及卫星设施，合作伙伴位置，远程站点，车队和员工设备时，显而易见，IIoT具有很大的数据维度。 这意味着需要大量数据方法来确保数据使用，例如转向基于云的应用程序和存储。

　　企业如果没有充分利用他们可用的数据，将存在真正的风险。 麦肯锡的报告指出，只有1％的石油钻机数据将有30,000个传感器。 这是因为传感器主要用于检测问题，而不是优化和预测分析。这浪费了大数据。

　　还有IIoT安全角度要考虑。 这对于处理数据中心，办公系统和个人设备的网络安全的公司而言还是一个未知的领域。 在IIoT环境中，需要更加重视如何在远远超出IT传统范围的地方保护设备，数据，通信和处理能力。

　　IIoT硬件，软件和网络连接的性质导致了一些意想不到的安全性后果。 许多低成本的设备，如远程摄像机，路由器甚至DVR都的安全功能有限（包括硬编码的默认密码和telnet访问），或者从来不会更新补丁。 一旦遭到破坏，它们将造成DDoS攻击和恶意软件分发等等问题。 一个令人讨厌的名为“Mira”的IIoT僵尸网络已经在全球存在，到今天仍然是一个问题。

　　整合llot

　　正如你所期望的，整个企业范围的IIoT系统的推出非常复杂。 要求包括低成本，强大的传感器和可与现有系统集成的其他设备。 管理者还必须确定设备如何供电并与数据网络连接。 事实上，系统架构可能需要进行修改以适应IIoT，并且可能存在显着的整合挑战。

　　佐治亚理工大学表示：“IoT需要的传感器，带宽，处理能力和通信能力都在降低。” “但是它并没有解决一个关键问题：使用的具体数据结构和协议是什么？这些巨大的成本驱动因素通常被忽略。

　　理论上，无论你是处理通用控制器还是特定行业的产品，IIoT标准都可以缓解整合。 公司可以随时转向基于现有标准构建的产品，无论它们是全球IT标准（如802.11ac）还是为工业用途明确开发的产品，例如用于电表的IEEE标准1377-2012。

　　这也推动了联盟的组建，促进新标准的制定。 它们包括工业互联网联盟，其促进能源，医疗卫生，制造业，交通运输和智能城市的通用架构，互操作性和开放标准。

　　目前还不清楚哪个标准将占据主导地位，但这是一个对IIoT有重大影响的问题，估计到2020年，LPWAN将达到3.45亿次（约占总数的26％）。不确定性导致潜在的整合问题， 并鼓励一些工业企业采取“等待观望”，然后再对某一产品线或技术标准进行下注。

　　llot的未来

　　工业仍处于由llot，大数据和其他新兴技术驱动的技术转型的大浪潮的早期阶段。 这不是炒作，而是影响到几乎全球经济每一个部门的软件，硬件，网络和系统的进步的必然后果。

　　一些公司已经在利用IIoT来提高生产力并开发新的产品和服务。 随着越来越多的先进传感器，处理能力和数据存储的价格不断下降，主流工业企业及其竞争对手将会转向IIoT以保持竞争力，并寻找新的增长机会。

　　然而仍然存在严重的障碍。 对安全性，人员配置和互操作性的担忧可能会使一些工业公司陷入困境。 其他人可能对利益，成本和投资回报有疑问。 某些技术仍处于发展的早期阶段，这是标准或技术和物理限制（如电池）的不确定性所阻碍。

　　将新技术引入车间或装配线，进入车辆维护舱以及远程站点也是一个挑战。 现代工业设备是复杂和强大的，但其中大部分还没有连接到IP网络。 此外，还有一些类型的工业机械通常在很少人知道的的垂直领域有非常专业的用途，这些机械设备在未来几年可能不会具备llot能力。 更换或改装是可能的， 事实上，随着转型的速度加快，这将是必须的。 但对于今天的业务或IT经理来说，那天可能看起来很遥远。 在2015年的制造商调查中，近一半的人表示，他们没有没有计划使用智能传感器的数据来改进制造和运营。

　　一些人表示谨慎，其他人则看到一个巨大的机会。 前瞻性工业公司以及能源，交通运输和制造业的创业公司正在对IIoT和大数据进行大量投资。 这些公司希望为未来做好准备，使用IIoT获得重大竞争优势或开发新产品和服务。