从自动化理论看工业互联网——物联网

​在2018年底，曾经构思了系列文章从自动化理论看工业互联网，原计划写三部分内容：介绍自动化理论在日常生活中的应用（以第五项修炼介绍）、自动化理论在供应链管理中的应用、自动化理论在物联网中的应用。

但于2019年初加入SAP后，一直忙于学习SAP丰富的知识，这系列的文章就中断了，但一直还是想写一写我是如何利用自动化理论学物联网的。

自动化理论中，最重要的就是闭环控制，大部分内容讨论的是通过闭环控制，实现自动控制系统的稳定性。看一下闭环控制原理：

​

在这个图中，被控对象是控制目标。而控制器、执行器和传感器都是为了实现被控对象能够达到控制目标。因而自动化原理中最核心的是 控制器 、 执行器 和 传感器 。

在拿一张物联网的架构图，我学习物联网的时候，最早用的是IBM的一张原理图：

​

这张图中，物联网的架构中，包括感知与识别， 控制与管理，模型与分析。

其中感知与识别对应着 传感器 ，控制与管理对应着 执行器 ，模型与分析对应着 控制器 。

物联网的架构完全可以对应上控制原理的基本架构。

物联网的架构与自动控制原理有很多相似之处，但物联网相对于自动化设备要复杂：

1、早期自动化应用于设备处传感器、控制器、执行器都是控制单一设备，不需要识别被控设备。但是物联网系统管理的设备多，对设备管理时，需要识别设备，因而物联网需要有识别功能，可以是通过ID识别，也可以通过IP识别。

2、早期自动化都是本地执行有了DCS之后，才有集中管理，分散控制的，所以控制器相对简单。但是物联网需要将信息集中处理，大大增加了复杂度：需要网络支持，需要人工智能技术来实现控制功能，考虑多个设备之间的联动关系。所以物联网相对于自动化原理，复杂性大部分体现在控制器上。现在集中讨论的大数据、智能分析、人工智能、机器学习，通讯协议、通讯网络，所有的目标都是为了实现控制器的功能。

3、物联网在控制器人工智能、大数据分析等应用还不完善，可以直接控制设备非常少，现在物联网的执行器，还是通过事件触发，交由人来处理。因而物联网通过事件驱动的模式会比较普遍：如果未发生异常，不需要人来处理，发生异常会抛事件来让人处理。随着智能技术的发展控制器完善，执行器将越来越多的自动处理。

以上分享的自动化原理，都是早期控制单个设备的原理。自动化应用也在不断完善。比如发展出DCS系统：集散控制系统。其原理是集中管理，分散控制。

设备的控制，还是通过控制回路实现；但对控制设备的管理则集中到中控室，控制回路中的传感器信息上传到中控室，集中监控；对设备控制参数，也可以通过中控室来控制。

可以简单理解为： DCS系统是一个企业内使用的物联网简单系统 。如果将DCS管理的设备实现跨企业的集中管理，同时利用数据实现智能化，就是物联网系统。

在2013年参观陕鼓集团时，他们演示的旋转控制设备远程监控系统，是非常典型的物联网应用，陕鼓的这套系统，就是借鉴了DCS原理实现的。

本文是从自动控制原理看工业互联网系列的第六篇。

现在是物联网（IoT）的好时机。当钟声在消费领域响起时，工业领域的众多应用变得普遍，因此是时候开始研究工业物联网（IIoT）了。

IIoT是“ 工业40 ” 概念的基础，开辟了一个新的可能性领域。我们不再谈论为个人用户服务的共同连接设备，我们谈论的是一个连接该部门所有元素的工业连接系统，例如机器，人员，建筑物等，以创建一个全新的范例。

通过这种新的工业范例，不同的连接设备可以批量发送数据到云端，并根据派生的见解将命令返回给其他设备。接收设备能够使用该信息来更有效地 *** 作。因此，我们不只是谈论IIoT而是IIoT生态系统。

在开始转向IIoT空间的众多争论中，我将根据其业务相关性强调以下内容：

警告：IIoT必须安全

尽管有这些原因，你可能仍然不愿意进入 IIoT市场，因为它可能对隐私和安全产生影响。当然，您部署的任何IIoT解决方案或项目都必须以安全为核心。你必须确保技术提供商保证数据的安全性，并为你提供必要的安全层（例如通过区块链Blockchain，等等。），以确保您的业务的完整性。

简而言之，为了使公司长期可持续并提高效率，依靠IIoT是最佳选择。当它与其他技术（如人工智能或机器学习）携手合作时，公司可以进行数字化和创新，以便在市场中生存并更好地竞争。

物联网是一种通过互联网来实现万物互联的物与物之间的网络，而工业物联网是物联网当中的最大组成部分，也是其信息量、体量最大的部分，承载着互联网的半壁江山。目前，随着5G时代的到来和人工智能的兴起，企业对于供应链优化的迫切需要，工业物联网的前景越来越广阔起来。

下一代工业革命逐步逼近，我们将如何应用融会贯通新的功能？工业40将由自动化进步支持，工业物联网和基于电脑的控制器转型就是明显的例子。
工业40比前面3次工业革命来势更加迅猛，变革的速度更快，影响也更深远更彻底。
IP通讯的智能设备已经逐步主导工业版图。
工业物联网概念性元素之一就是使设备与设备之间的通讯（M2M：Machine to Machine）成为可能。对很多工业用户来讲，M2M并不新奇。在过去的几十年里，炼油厂就可以使成千上万个设备与控制系统沟通。M2M的新奇之处在于，设备变得更加智能，通过IP通讯，交换的信息也更加丰富。每个设备都有自己的IP地址，所以任何人在任何地方都可以通过互联网与这个设备联通。用户对这个功能的影响力的理解才逐步开始。
为什么数字化如此重要？
制造业的设备，无论是用于加工还是工厂自动化，在他们的测量能力、如何监控自身状态与如何沟通的本质上都变得更加智能。传统的哑巴式压力传感器或近距离传感器 (proximity sensor)把压力或距离读数转化为模拟信号，仅此而已。他们或许能代表M2M通讯，但是只是粗糙的原型。缺陷诸多的模拟通讯，正在被数字化迅速取代。其中的效果就好比智能手机取代原始的两个罐头盒加一根绳子构成的电话机。
精密的设备需要精密的控制器来发挥最大效用。一二十年前的一台PLC可以读取I/O数据并按步骤 *** 作。然而，今天的制造业的要求远不止如此。今天的控制器必须能够处理运行数字工厂所需的控制功能。新一代控制器的兴起，结合了世界上最好的PLC的功能与电脑的多功能性。
设备和控制器的强大结合
新一代设备和控制器的结合帮助我们开设基于信息物理系统的数字化工厂。尽管电脑在上个世纪70年代就已经用于车间，但是电脑所能做的事情却发生了天翻地覆的变化。早期的PLC并不比之前的继电器好很多，但是PLC所能控制的事情随着技术发展和人们的创新思维的发展也日新月异。
传统的工业机器人只是被程序设定每天做单一重复的事情。但是随着网络物理概念的发展，机器人和它的控制器被编程，可以根据当前状况而独立判断下一步要做什么反应。举一个简单的例子，传送机可以输送各种瓶子到封口机，这些瓶子的基本形状相似，但是总共有5种颜色，每种颜色的瓶子需要对应该种颜色的封口。信息物理系统可以观察瓶子，并指令机器人抓取对应颜色的封口拧紧瓶子。机器人能做的还可以更多。
该信息物理系统还可以判断瓶子是否变形、是否贴了标签以及注入液体水平是否正确。使用一组智能传感器的信息，同一台机器人可以抓取不合格的瓶子移出产线。该系统可以经过编程“思考”所有可能发生的状况，并合理应对。
智能应用的智能控制器
有创造力的用户在创造新的方法帮助制造系统在更加复杂的应用里实施更加复杂的功能。由于各种 *** 作和现场设备繁多，新的基于电脑的控制器是信息物理系统的关键之处。一种控制器可能会同时用于压力和流量传感器、机器视觉摄像机、条形码阅读器、马达驱动、阀门驱动装置、机器人以及其他各种设备。
以上提到的那些设备可能依赖从模拟电流环到工业以太网的多种通讯协议。这种系统的速度依赖更快的协议转换，因此每个设备可以兼容合作，支持生产。而且，所有那些设备可以发送诊断信息到中央控制处以供评估，比如发送信息到人类 *** 作员或者维修部门，这些信息可能包括视觉摄像机上的LED灯要烧坏了，或者设备机柜冷却风扇被灰尘堵塞了等。这些预防性的维修能力预防生产时的故障或停机的可能性。
展望未来
所有这些元素——智能设备、基于电脑的控制器、信息物理系统和互联网通讯——正在相互结合支持工业40和目前的数字制造革命。
产品设计者将在电脑上开发新产品，包括所有的零部件。设计平台将需要理解每个零件的特性、结构材料和制造过程。
一件产品可能涉及注塑塑料零件、机械金属部件以及其他金属粉末或添加处理。系统会“考虑”所有这些元素如何相关，以及如何联系起来、每个元素是否结构完整，经过预设的处理是否可以被有效构建并组装。
设计平台下一步将决定生产和最终组装需要什么，目前的生产设施是够足够完成生产的任务，某个零件是否需要调整，是否需要创造新的生产线等问题。设计的结构将会是非常清晰详细的蓝图，解决产品如何生产包括降成本和提高生产率的问题。
一旦开始生产，所有开发服务程序的信息将完整呈现，在产品的整个生命周期里支持这个产品。产品和产品的制造流程都使用兼容软件虚拟设计而成，生产设施也可以使用生产设备、控制器和软件构建。
制造车间
如此设计的生产设施将达到前所未有的集成程度。每个设备（细化到每个传感器和驱动器）都将使用IP通讯，每个设备都有自己的IP地址。任何经过授权的人都可以在任何地方通过互联网访问设备，获得诊断和生产相关的信息。
通过输送到维修程序的诊断信息，生产将会达到高度稳定水平，意外状况将成为过去时。制造系统将无缝集成，并受周全的网络安全战略保护。多家分公司的企业在任何地方都可以共享信息。
实现以上描述的智能制造系统的技术很多已经被研发出来了。运行于工业电脑的产品设计软件主导创造设计，同样的平台可以启动和控制制造设施。最后我们需要的元素就是可以通过工业以太网通讯的工业传感器和驱动器。一大批工业传感器和驱动器已经设计出来，还有更多的正在设计当中。工业40所需的技术元素已经万事俱备，现在制造商只需要具备想象力和创造力来运用它。

关于这个问题yyseoer顾问表示物联网和工业的联系主要体现在以下两个方面：
1机对机通信。机对机通信（m2m）是将数据从一台终端传送到另一台终端，也就是机器与机器的对话。但从广义上m2m可代表机器对机器、人对机器、机器对人、移动网络对机器之间的连接与通信，它涵盖了所有实现在人、机器、系统之间建立通信连接的技术和手段。
2信息物理融合系统。信息物理融合系统cps是一个综合计算、网络和物理环境的多维复杂系统，通过3c技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。cps实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实现协同，具有重要而广泛的应用前景。

但对于工业物联网而言，要面临诸多难题：
难题一：面对这么多不同类型、不同型号的设备不同的生产制造厂、不同的设计
不同的物理接口、不同的协议
难题二：对接任务繁重，谁来完成？不同的设备完全不一样。同一个设备不同的厂家完全不一样。同一个厂家同一种设备不同型号不一样。同一个厂家同一个型号不同批次还有可能不一样。
难题三：设备的数据很零散。就像一堆面粉。把数据取出来就这样保存到云端平台。
平台上就是一堆更大的面粉。

本篇文章和大家说说数据采集的那些事儿
实现工业40，需要高度的工业化、自动化基础，是漫长的征程。工业大数据是未来工业在全球市场竞争中发挥优势的关键。无论是德国工业40、美国工业互联网还是《中国制造2025》，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，及以此为未来制造系统搭建的无忧环境。不论智能制造发展到何种程度，数据采集都是生产中最实际最高频的需求，也是工业40的先决条件。
数字化工厂不等于无人工厂，产品配置，制造流程越复杂越多变，越需要人的参与；在数字化工厂当中，工人更多地是处理异常情况，调整设备。但数据采集一直是困扰着所有制造工厂的传统痛点，自动化设备品牌类型繁多，厂家和数据接口各异，国外厂家本地支持有限，不同采购年代。即便产量停机数据自动采集了，也不等于整个制造过程数据都获得了，只要还有其他人工参与环节，这些数据就不完整。
工业数据采集类型
互联网的数据主要来自于互联网用户和服务器等网络设备，主要是大量的文本数据、社交数据以及多媒体数据等，而工业数据主要来源于机器设备数据、工业信息化数据和产业链相关数据。
从数据采集的类型上看，不仅要涵盖基础的数据，还将逐步包括半结构化的用户行为数据，网状的社交关系数据，文本或音频类型的用户意见和反馈数据，设备和传感器采集的周期性数据，网络爬虫获取的互联网数据，以及未来越来越多有潜在意义的各类数据。主要包括以下几种：
1、海量的Key-Value数据。在传感器技术飞速发展的今天，包括光电、热敏、气敏、力敏、磁敏、声敏、湿敏等不同类别的工业传感器在现场得到了大量应用，而且很多时候机器设备的数据大概要到ms的精度才能分析海量的工业数据，因此，这部分数据的特点是每条数据内容很少，但是频率极高。
2、文档数据。包括工程图纸、仿真数据、设计的CAD图纸等，还有大量的传统工程文档。
3、信息化数据。由工业信息系统产生的数据，一般是通过数据库形式存储的，这部分数据是最好采集的。
4、接口数据。由已经建成的工业自动化或信息系统提供的接口类型的数据，包括txt格式、JSON格式、XML格式等。
5、视频数据。工业现场会有大量的视频监控设备，这些设备会产生大量的视频数据。
6、图像数据。包括工业现场各类图像设备拍摄的（例如，巡检人员用手持设备拍摄的设备、环境信息）。
7、音频数据。包括语音及声音信息（例如， *** 作人员的通话、设备运转的音量等）。
8、其他数据。例如遥感遥测信息、三维高程信息等等。
数据采集的方法
传统的数据采集方法包括人工录入、调查问卷、电话随访等方式，大数据时代到来后，一个突出的变化是数据采集的方法有了质的飞跃，下面所介绍的数据采集方式的突破直接改变着大数据应用的场景。
1、传感器
传感器是一种检测装置，能感受到被测量的信息，并能将检测感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。在生产车间中一般存在许多的传感节点，24小时监控着整个生产过程，当发现异常时可迅速反馈至上位机，可以算得上是数据采集的感官接受系统，属于数据采集的底层环节。
传感器在采集数据的过程中主要特性是其输入与输出的关系。
其静态特性反映了传感器在被测量各个值处于稳定状态时的输入和输出关系，这意味着当输入为常量，或变化极慢时，这一关系就称为静态特性。我们总是希望传感器的输入与输出成唯一的对照关系，最好是线性关系。
一般情况下，输入与输出不会符合所要求的线性关系，同时由于存在这迟滞、蠕变等因素的影响，使输入输出关系的唯一性也不能实现。因此我们不能忽视工厂中的外界影响，其影响程度取决于传感器本身，可通过传感器本身的改善加以抑制，有时也可以加对外界条件加以限制。
2、RFID技术
RFID（Radio Frequency Identification，射频识别）技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关的数据信息。利用射频方式进行非接触双向通信，达到识别目的并交换数据。RFID技术可识别高速运动物体并可同时识别多个标签， *** 作快捷方便。
在工作时，RFID读写器通过天线发送出一定频率的脉冲信号，当RFID标签进入磁场时，凭借感应电流所获得的能量发送出存储在芯片中的产品信息（Passive Tag，无源标签或被动标签），或者主动发送某一频率的信号（Active Tag，有源标签或主动标签）。
阅读器对接收的信号进行解调和解码然后送到后台主系统进行相关处理；主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。
RFID技术解决了物品信息与互联网实现自动连接的问题，结合后续的大数据挖掘工作，能发挥其强大的威力。
数据采集技术难点
在当今的制造业领域，数据采集是一个难点。很多企业的生产数据采集主要依靠传统的手工作业方式，采集过程中容易出现人为的记录错误且效率低下。
有些企业虽然引进了相关技术手段，并且应用了数据采集系统，但是由于系统本身的原因以及企业没有选择最适合自己的数据采集系统，因此也无法实现信息采集的实时性、精确性和延伸性管理，各单元出现了信息断层的现象。
技术难点主要包括以下几方面：
1、数据量巨大。任何系统，在不同的数据量面前，需要的技术难度都是完全不同的。
如果单纯是将数据采到，可能还比较好完成，但采集之后还需要处理，因为必须考虑数据的规范与清洗，因为大量的工业数据是“脏”数据，直接存储无法用于分析，在存储之前，必须进行处理，对海量的数据进行处理，从技术上又提高了难度。
2、工业数据的协议不标准。互联网数据采集一般都是我们常见的>