从工厂到未来：工业4.0中的物联网变革

发布于2024-08-05

提到工业，人们的第一印象往往是笨重的机床、全副武装的工人和堆积的原材料。工业革命以来，这曾是许多工厂的常态。然而，随着传感器、互联技术、云平台和人工智能的进步，如今工厂的面貌正在发生根本变化。

新型传感器实时监测着机器状态，互联技术打破了工控系统与先进互联网软件之间的界限，数据分析和人工智能最大化地从数据中挖掘价值提供洞见……这些新技术共同构成了工业互联网的全新图景，工业设备、信息系统、生产流程和人员被紧密地连接在一起，逐渐形成一个高度集成和智能化的工业体系。

工业物联网正在引领工业迈向4.0时代。从工业3.0到4.0，究竟有哪些关键技术在改变传统工厂？它们如何实现工厂的连接、智能与融合？目前的工业物联网还存在哪些挑战？带着这些问题，我们采访了一位工业物联网领域专家。下面，让我们一起进入工业物联网的世界。

早在工业3.0时代，电子信息技术已经开始改变工业，通过采用单片机等技术，许多机器实现了自动化，部分人力被取代。而随着工业物联网4.0到来，工业则真正走向了由数据驱动的智能化时代。

工业物联网的核心流程是数据从工业设备端被收集，经过网络层传输至集中平台，再通过算法分析后产生新洞察，从而实现提高生产效率、优化资源配置、降低成本，并进一步提升产品质量和创新能力。工业互联网在各个行业中有广泛的应用，典型的应用场景包括：

预测性维护

预测性维护是一种维护策略，通过对设备和系统的状态进行监测和分析，预测潜在的故障或问题，从而在故障发生之前进行维护。这种方法利用数据分析、传感器技术和机器学习等手段，收集设备的运行数据，识别出可能导致故障的模式和趋势。

图一：图源 TheDigitalArtist / pixabay.com

预测性维护是数据驱动的智能化应用代表。随着实验室和工厂数据的积累，加上机器学习和其他分析技术，工程师可以在设备出现故障前进行维护。例如，通过长期监测中发现的温度变化趋势，及早发现设备性能的逐步退化。预测性维护可以减少工厂停机时间，精准库存维修零件，降低维修负荷。这在对停机时间极为敏感的流程工业中尤其重要。

 预测性维护与周期性维护存在以下差异：

1.      前者更依赖于复杂的数据分析，后者则基于实时设备状态。

2.      前者侧重于预测和预防，而后者则是在检测到特定条件时进行维护。

3.      前者通常涉及更高技术水平和投资，而后者相对简单。

生产流程优化

工业物联网的另一个应用，在于通过对生产数据的积累和分析从而优化生产流程，其中典型的应用为MES（Manufacturing Execution System，制造执行系统）和APS（Advanced Planning and Scheduling，高级计划与排程系统）。

MES在企业资源计划系统（ERP）和工业控制系统之间起着桥梁作用。它将ERP的生产订单转化为详细的生产计划，并监控生产过程中的物料、设备、产品检测数据及各工序的耗时和人员信息。在庞大的工业流程中，MES实现了工厂各环节的信息共享与协同。通过可视化观察以及与AI和算法结合，MES能分析生产过程中产生的海量数据，挖掘潜在优化点，帮助企业改进生产计划和策略。

相较于MES，APS则更为小众，但对智能决策的支持更为显著。标准APS可从MES获得准确生产数据，利用复杂数学算法不断模拟和优化，自动分析最佳生产调度方案。通过数据积累和算法生成的调度方案。相较于人工计算，更能有效提升生产力、减少延期订单和工厂空置期。

减少碳排放

工业物联网对工业的另一个意想不到的助力领域是减少碳排放。

随着全球气候变暖加剧，能源管理和碳排放已成为企业关注的重点。通过传感器数据结合云计算和数字孪生技术，工厂能够计算碳排放水平，识别高排放点并进行针对性处理，从而有效降低碳排放。西门子的ECX光储直柔云平台便是一个典范。该平台通过物联网控制大型冷机、锅炉和热泵等高耗能设备，能够对复杂能源子系统建模和仿真分析，并根据负荷和环境数据提供优化建议，帮助企业节能减排。

未来，物联网还能连接更多设备来直接计算企业碳排放数据，利用可验证凭证技术，不仅让企业更清楚自身排放水平，还能接入外部市场进行碳指标交易。

物联网的概念起源于上世纪八十年代，而工业物联网则到21世纪初才相对成型。迄今为止，上述工业物联网应用尚不能无差别、无阻力地应用于所有工厂，尤其是中小工厂。

究其根本，源自于工业本身的独特属性，许多技术落地时面临独特的行业挑战。

工业物联网与特殊工厂环境深度融合

工厂产线通常在一次性投资后建立，投产时间往往早于先进的信息化技术。由于工厂的前期投资大，难以因信息化和数字化而更换设备。因此，物联网技术需与相对封闭、落后的工控系统深度融合，以发挥作用。同时，工厂的高温、低温、粉尘、湿气和噪音等特殊环境还要求能够满足防爆要求，这也考验了工业互联网技术的落地。

比如，1995年问世的快速以太网速度达到100Mbps，相比现场总线技术，基于以太网的标准通讯协议降低了网卡和TCP电缆成本，极大提高了传输速度。然而，在工业应用中，标准以太网的非确定性传输特性使其难以保证实时数据交换，同时面对电磁干扰、温度变化和湿度等环境，让其可靠性较低。为适应特殊工业环境，工业以太网引入时间敏感网络（TSN）解决非确定性问题，并采用导轨式集线器、交换机和冗余电源供电，以确保稳定性。此外，因工业系统迭代慢，工业以太网还需兼容IEC 61158和IEC 61784等现场总线系统。

工厂数字化程度低，智能化改造难度高

工业物联网提升工业效率的关键在于数据积累和流转。数据为工业提供新洞察、提升效率，但目前许多企业在数字化积累上仍显薄弱。

专家提到，如果说理想状态下，预测性维护能预测到九成的停机情况，现实中能达到七成已算优秀（非实际数字），背后的原因主要还是数据积累不足。比如，电机需要制造商在实验室环境里在拆解状态下从内部测量数据，数据能更准。但是实际工厂的设备较老，只能进行简单的外部测振。

对此，工业数字化转型服务商黑湖科技的创始人周宇翔曾在创业初期也提出了类似观点：“实验室数据测试准确度高，但车间现场仍用纸单记录数据，尝试用全量数据训练模型时，发现数据质量极差，原始高质量数据资产尚未积累。”

此外专家还提到，部分企业虽然进行了数字化，但仍面临“数据烟囱效应”，即不同部门的数据平台来自不同IT承包商，导致数据无法流转。如果不进行数据治理，消除平台间壁垒，工业物联网也难以实现智能化目标。

尽管面对行业落地的特殊挑战，工业物联网仍然在往前发展，并且需求越来越大。专家提到，“我们现在面临着激烈的国际竞争。对于很多厂家来说，现状是如果进行数字化智能化改造，过程会很艰难。但如果不改造，结局一定更惨痛。即使是巨头企业，也面临此种窘境。这可能是一个破局的契机。”

立足当前，已经可以看到，数字孪生、AI和机器人技术在未来的工业物联网中愈发重要。

数字孪生技术

工业物联网中，数字孪生是指将现实世界里的机器、工厂、建筑等设施和设备上附加的物联网传感器数据汇集在同一个平台，进行3D模拟仿真，以期在虚拟世界中塑造一个数字化的工厂双胞胎。

在3D世界內进行模拟仿真，能够解决过去只有数据流无法提供的解决方案。例如，在传统工厂中，虽然有摄像头进行监测，但是工厂对摄像头的位置感知实际上是很模糊的，摄像头发挥的作用并不大。但使用数字孪生技术，就能将摄像头的具体位置和范围与工厂的3D模型进行结合。在工业泄露风险出现时，工厂就能根据数字孪生模型，找到相关的监控摄像头，调用视觉算法检测现场究竟出现何种问题，大大提高紧急处置的效率。

机器人成为物联网数据的一部分

另一个显著变化，则是机器人逐渐成为工业物联网中数据感知的一部分——移动的传感器。

例如，宝马英国的汉姆霍尔发动机工厂在工厂巡检中引入了机器狗。凭借视觉、热成像和声音传感器，机器狗能够在移动中发现过热设备，从而成为预测性维护流程的一部分。

除了工业巡检，机器人也能辅助工厂的柔性生产。在传统工厂中，一种设备往往只能进行一种设定、生产一种商品，但使用智能机器人之后，机器人能够通过更灵活和智能的设置，接入多种生产流程中，从而让工厂的生产更加柔性以及更容易灵活改变适应不同订单。

波士顿机器人在工厂，背部搭载Fluke定位气体泄露的声学传感器，图片来自bostondynamics官网

生成式AI技术

目前AI技术已广泛与各领域结合。例如，在益海嘉里的玉米淀粉生产线中，就通过AI将进料量与水分监测数据智能关联，科学化了老工人难以传授的“手感”，提升了生产效率。

随着生成式AI的到来，工业物联网可能迎来新机遇。首先，大模型显著提升了工业视觉识别能力。过去每个工业场景需单独训练小模型，数据量有限导致识别误差高。而新一代大模型在小数据量下也能提高视觉识别准确率。例如，华为的盘古大模型就可用四亿参数模型适配上百种输电场景。其次，大模型的多模态能力正在快速进展，赋能端到端的机器人解决方案，使具身智能的人形机器人成为工厂产线的一部分。目前，比亚迪和宝马等工厂已在测试具身智能机器人进行抓取和组装，未来机器人可能通过自然语言接受指令，实现柔性生产，推动工业物联网进入新篇章。

人工智能对工业物联网的影响深远。它能够提升数据分析效率、优化设备维护、增强预测能力和支持智能决策。通过实时分析海量数据，识别潜在问题并提出解决方案，从而提升生产效率和降低成本。未来，生成式AI将进一步推动工业自动化和智能化，工厂自适应生产系统将逐渐普及，能够支持在设计阶段就提出创新解决方案，使工业流程更加灵活、高效，推动可持续发展。

1.https://www.fxbaogao.com/view?id=3744369

2.https://zhuanlan.zhihu.com/p/396136297

3.https://m.yicai.com/news/101924145.html

Li Yuan是一名科技领域的撰稿人。

她曾在2016-2017年间在中国咨询公司为互联网公司和政府提供尖端科技的咨询意见，并在2018-2020年间为新加坡科技媒体供稿。