close
当前位置: 物联网在线 > 行业应用 > 智能工业 >

物联网三阶段演进 市场、安全、人力与并购均有影响

物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,终端设备也因此具有足够的运算能力,能够完成在地分析与在地运作;三、自主与软件定义的能力被添加至系统中,提供真正自动化的软件定义体验。

物联网三阶段演进 市场、安全、人力与并购均有影响

 
 
物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,终端设备也因此具有足够的运算能力,能够完成在地分析与在地运作;三、自主与软件定义的能力被添加至系统中,提供真正自动化的软件定义体验。
 
近年来工业4.0几乎是所有制造业持续关注,并且计划性实践的议题。我们听到很多技术的关键词,新的科技驱动因子,从几年前的大数据(Big Data)到工业物联网(Industrial IoT)以及3D打印(3D Printing)的新科技,在过去的一年中,几乎所有的制造业客户都跟我们谈论到AI人工智能。
 
在这么多的工业4.0驱动力量里,英特尔(Intel)观察到,有四个主要因素正在驱动数字转型,包含市场、安全风险、人力以及商业整并与重组。
 
四大面向驱动转型
 
根据调查,未来十年内,全球进入消费阶级的人数将倍增;全球中产阶级消费额将从2010年的210亿美元增加至2030年的570亿美元,其中大多数成长来自新兴国家。这项市场因素让工厂必须变得更高效,而想要提高产能、良率及产品质量的唯一之道,就是在工厂导入物联网技术,从制程、生产工具、产品本身获取数据,提升制造业中的竞争力并且转化为商业上的优势。
 
由于全球工厂及公用事业的重要基础架构大多采用OT系统,能够迅速连接至可连网的传感器及控制器。在急欲转向自动化系统的过程中,稍有不慎就可能向黑客暴露了控制环境,特别是现今许多设备与机器现在都已IP化且连接至网络,攻击面亦因此被暴露,安全风险更高。2010年被发现专攻PLC的蠕虫病毒Stuxnet,破坏了伊朗核能计划,就是非常明显的例子。
 

物联网三阶段演进 市场、安全、人力与并购均有影响

▲想要提高产能、良率及产品质量的唯一之道,就是在工厂导入物联网技术,提升制造业中的竞争力并且转化为商业上的优势。

 
人力因素也是一大问题。制造业者欠缺具备安全、云端、工业通讯及数据分析技术的人才。此外,许多制造业专家已陆续退休,导致业界人才流失。另外,随着大型企业与新创公司的并购案愈来愈多,例如ABB并购贝加莱工业自动化公司(B&R)就是一例。物联网的实现给予新创公司许多机会,工业物联网新创公司在2016年获得超过26亿美元投资;根据CBS Insights的调查,工业物联网在2016年已是连续第四年成长,完成321件交易,总金额超过22亿美元。
 
不同垂直体系演进阶段各异
 
有鉴于上述制造业转型趋势,Intel认为物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,终端设备也因此具有足够的运算能力,能够完成在地分析与在地运作;三、自主与软件定义的能力被添加至系统中,提供真正自动化的软件定义体验。
 
依据制造业垂直体系不同,物联网演进的阶段也不同。例如,半导体制造业已位于第二阶段,在SECS/GEM标准下,多数设备均已连网;而纺织、成衣等产业仍处于第一阶段初期,他们使用锅炉处理原料却没有数字温度传感器、员工必须穿梭在厂房之间以人工测量温度,并在纸上记录数据等。
 
制造业物联网解决方案亦需要考虑特殊限制,包括互操作性、生命周期长、重现性、功能安全性、间歇性断线的网络、服务延续性、易取得性,同时也要符合当地及国家规范。
 
Intel利用运算能力和通讯领域的深厚经验,协助制造业正视相关技术及商业难题,进而提供OT/IT整合、安全及可信赖的解决方案以降低风险;以标准化、开放性架构及系统互操作性降低成本;透过系统互操作性及整合简化作业流程;并实现可重复使用与扩大规模。
 
物联网平台及雾运算兴起
 
今日制造业中有一趋势,就是串连工厂设备内原本各自独立的子系统,形塑单一运算平台,为工业设备管理多项应用;例如,一台工厂机器通常内含许多运算装置,如单个或多个机器控制器、可编程逻辑控制器(PLC)、人机接口(HMI)、机器视觉装置、数据捕获设备、安全控制器等。装置制造商在生产系统时,正逐渐将诸多功能纳入单一的、更高效的运算装置中。 制造业IT与OT系统未来的发展转型已在进行中,智能工厂架构转向雾运算(Fog Computing)的动力包含:
 
• 期望减少必要运作的硬件,以减少成本与空间需求。
 
• 执行非实时作业时,亦可实现实时管控。
 
• 善用新一代处理器更高效的处理速度。
 
• 分析引擎与机器监控能够于同一个平台上共存。
 
• 轻松落实虚拟环境与实体系统安全。
 
身为全球最大的半导体制造商,Intel对于制造业非常熟悉,内部正在研发一项透过振动分析来运行机器学习的技术,其优点是可以具备侦测能力,在产线运作故障前,即可警示可能造成设备异常的原因。
 
从制造工厂的厂域到办公大楼各设施,这项技术将大大影响Intel对于许多设备的维护作业,无论是泵浦、风扇、马达或任何运作设备,我们估计不久之后,不仅能够立即得知任一可能问题的发生,更能掌握问题本身,如方位、校准、平衡等。该项技术也将整合Intel现有的警示机制,协助技术人员得知问题发生的时间点,并能采取适当的因应措施。进一步整合后,能够更好的协调作业顺序及零组件订购,提升实时维护及应变能力。
 
<本文作者陈立生为英特尔副总裁暨台湾分公司总经理>









(责任编辑:ioter)

用户喜欢...

无人驾驶车离现实还有多远?

无人驾驶技术需要达到99.9999999999%的准确度才可能达到真正普及的条件,这似乎是一段不算短的路。...


主流机器学习算法简介与其优缺点分析

机器学习算法的分类是棘手的,有几种合理的分类,他们可以分为生成/识别,参数/非参数,监督/无监督等。 例如,Scikit-Learn的文档页面通过学习机制对算法进行分组。这产生类别如:1,广...


机器学习中如何选择分类器

在机器学习中,分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。分类器依据学习的方式可以分为非监督学习和监督学习。 非监督学习顾名思义指的是给予分...


AI和大数据2017“成长的烦恼”

人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼: 1.人工智能无IQ标准 人工智能领域发展最好的一个领域是无人驾驶,而究其原因不外乎其拥有了从L0到L5的全球通用标准。但是在...


大数据和云计算的冲突

最近,IT行业专家在参加相关会议时发现了一个隐藏的主题,那就是虽然很多人将关注的重点转移到基于云计算的架构...


多协议工业物联网如何破?这两款多协议交换方案是正解

selina 在 周四, 12/21/2017 - 11:16 提交 自动化必须考虑到——- IT 系统对于开放数据访问的需求;- 工业控制系统的实时要求。所以,我们非常有必要、清楚的知道工业网络的要求(例如可靠的数...


盘点·GitHub最著名的20个Python机器学习项目

开源是技术创新和快速发展的核心。这篇文章向你展示Python机器学习开源项目以及在分析过程中发现的非常有趣的见解和趋势。 我们分析了GitHub上的前20名Python机器学习项目,发现scikit-Lear...


车子自闭了百年,该让车子“出社会”了

汽车一旦具备物联网的感测能力、网络联机能力后,即成为社会的一员,发挥“分享”、“共有”的各种可能。车与...


机器学习方法:从线性模型到神经网络

发现模式 一个模型实际上都是一个从输入到输出的函数,我们希望用这些模型发现数据中的模式,发现数据中存在的函数依赖,当然前提是数据中本身就存在这样的函数依赖。数据集有很多...


智能家居为何需要大数据, 大数据在智能家居领域的贡献是什么?

大数据分为大数据存储和大数据分析,属于两种截然不同的计算机技术领域,大数据存储用于大数据分析。大数据存储重点在于研发可以扩展至PB甚至EB级别的数据存储平台;大数据分析关注在...