1、车联网的实现。
实际上,物联网是“云+端+运营”的服务,通过前后端的整合互动,借助数据来获得最高效的运营和价值,这样的效果往往已经超过了传统意义上“端”作为传感器本身的价值。所以我们说,物联网的核心其实就是运营服务。
那么将汽车运输行业与具备运营服务的物联网结合起来,会呈现一种怎样的发展态势呢?这次瑞哥就会借助美国一家知名的汽车托运公司——DAS来为大家做个介绍。
DAS是一家在美国主营汽车托运的公司。在美国,不管是工作需要还是生活需要,来回之间的两地迁移都是很平常的事情,所以借助这样的市场需求,美国的汽车托运业务非常的发达,也培养出了许多优秀的汽车托运公司,比如:Bluesky、Auto-shipper、DAS等等。本文介绍的DAS就是全美最大的做汽车托运的公司。
2012年,DAS宣布与专业的物流智能化企业Peoplenet Online合作:后者向前者提供全套的硬件和软件系统,进而升级其整个运营平台。随后,Peoplenet Online在每一个运输车辆中加装了他们研发的一款名为Blue30的车载电脑,这款车载电脑集成了Sensor引擎,可以将诸如位置、速度、里程、状态等数据通过站场的WIFI或3G/4G模组,传递到Peoplenet Online的数据中心,并通过其Fleet Manager管理后台展示出来。
2、解读服务模式。
下面瑞哥试着借助这样的服务模式,为大家分析一下这其中的云计算分级,关于具体的云计算三级划分大家可以查看11月27日的文章。Peoplenet Online只是一个SaaS(软件服务)的云计算服务公司,它本身是建立在2lemetry的企业级物联网云平台Thing Fabric之上的(关于Thing Fabric平台可查看11月29日的文章),因此,2lemetry是一个纯粹的PaaS(平台服务)的云计算公司。再因为2lemetry使用的是AWS的EC2架构服务器,由于这款服务器是由Amazon提供,所以Amazon是真正的IaaS(基础设施服务)的公司。
通过这样的实际例子,相信大家会比较明白,云计算的架构在实际行业的分工中有多么细致。但在目前中国的物联网行业中,很多企业希望把全部的数据掌握在自己手中,纷纷投下巨额资金去做SaaS、PaaS,甚至是IaaS的架构,其实这样是会很危险的。
瑞哥认为,经济发展的趋势一定会是细致分工、掌握整合。目前很多企业的运营思路其实是缺少对宏观的了解,才会导致一些盲目投资的出现,在日后只要承载量达到一定数值,很快就会遇到扩容、安全、隐私、功耗等一系列问题。所以瑞哥想借这个例子,希望可以给大家一些第三方的建议,我们总说云计算很重要,但是真正到了执行,细致的战术尤为重要。
3、车联网的强大推动力。
Peoplenet Online利用硬件和软件,帮助DAS运营了整个物流管理流程,这样长期稳定的服务取得了这些成绩:
①通过内嵌的车载电脑,DAS可以记录整个车辆的状态信息。虽然车载电脑内置了3G、4G网络,但因为目前的物流站几乎全部铺满了企业级的WIFI,所以站场内的通信基本依赖于WIFI,这个也是为什么物流手持机都要标配WIFI的原因。同样的,Peoplenet Online的硬件产品也可以依据此项需求,个性化的修改方案,使得产品与需求的贴合度更加完善;
Peoplenet Online会把这些数据上传到数据中心,并通过fleet Manager将数据可视化的展示出来,请注意,在这个软件平台中会涉及到客户中(这里的客户指的是DAS)的职员信息,包括调度人员、维修人员、IT人员等。
②减少了包括汽油费、运营费用等大笔开支。无论什么行业,其真正的发展还是要想办法创造经济效益,通过创造营收或者节省开支,推动行业发展,物联网也同样如此。瑞哥认为,其实中国做物流服务的公司完全可以开创一个生意模式来普及这样的产品,比如Peoplenet Online可以与DAS制定这样的方案:DAS无需向Peoplenet Online支付服务费,根据DAS每年1000万美金的汽油费,DAS只需要支付给Peoplenet Online70%的汽油费,并协议使用Peoplenet Online的服务和产品,则DAS的全部油费由Peoplenet Online来负担,借助这样的推广,瑞哥认为这个市场很快就可以普及物联网技术了。
维修人员通过软件界面关注车辆的即时状态,做出最快速的后端维护准备;企业管理人员通过专属的页面可以了解到整个团队效率的运行状况和对于整个公司运营的流程优化情况,并以量化的数据展示出来。
4、物联网服务的强大优势。
不止上面的亮点,Peoplenet Online还为DAS这样的物流公司提供了最为优化的流程服务业务,包括调度流程、加油流程等等,并且通过以上的服务为DAS带来收效不错的收益和成本的节省,比如:
①提高了用户满意度。
相对于竞争对手而言,DAS可以做到在得到用户需求的同时最快的调拨车辆,快速响应。同时,全程监控也避免了车辆在行驶中,因突发意外状况而造成客户货物延迟抵达的事件发生;
②做到了企业产品、服务的可管可控。
Peopletnet Online通过硬件将数据接入,这样可以保存数据在云端,并借助Driver Log的业务,软件平台可以将工作的内容进行充分的细化,用数据来指导和优化流程,做到有据可依;
③加速企业在云计算的推进,无论是安全,隐私还是扩容。
由于有专业的PaaS公司的介入,Peopletnet Online可以在不影响到基础架构的前提下,根据客户的需求进行扩容。使用非常灵活,即便内嵌了云端服务,也可以做到不使用就不用计费,实现最有效率的云部署。
瑞哥相信专业的物联网云平台的发展其实跟企业ERP的发展,拥有类似的轨迹。现在一个小的企业可能也会考虑使用专业划分软件来管理业务而不是用传统的Offce软件,比如:你会用管易通来做进销存的管理、你也会用金蝶来做财务的管理;国外的公司会用Salesforce来做CRM管理、用SAP来做内部的销售预测、价格和生产的管理。而就云端服务而言,瑞哥认为未来一定也会用2lemetry的Thing Fabric平台来做设备远程管理的软件。瑞哥觉得,专业的云服务平台一定可以为行业物联网的推进做出实在的贡献。
不要紧的,物联网卡可以设置停用,后期通过技术服务追回。
智宇物联网卡的后台可以设置自动告警,出现异常通过短信或者邮件方式自动告警,这样的话可以提前避免被盗用的风险。
由于物联网设备的用户越来越多,这些设备的制造商正专注于增产而没有对安全性给予足够的重视。
这些设备中的大多数都没有获得足够的更新,而其中一些设备从未获得过一次更新。这意味着这些产品在购买时是安全的,但在黑客发现一些错误或安全问题时,就会容易受到攻击。
如果不能定期发布硬件和软件的更新,设备仍然容易受到攻击。对于连接到Internet的任何产品,定期更新都是必备的,没有更新可能会导致客户和公司的数据泄露。
2、使用默认凭证的潜在威胁
许多物联网公司在销售设备的同时,向消费者提供默认凭证,比如管理员用户名。黑客只需要用户名和密码就可以攻击设备,当他们知道用户名时,他们会进行暴力攻击来入侵设备。
Mirai僵尸网络攻击就是一个例子,被攻击的设备使用的都是默认凭证。消费者应该在获得设备后立即更改默认凭证,但大多数制造商都没有在使用指南中进行说明。如果不对使用指南进行更新,所有设备都有可能受到攻击。
3、恶意与勒索
物联网产品的快速发展使网络攻击变得防不胜防。如今,网络犯罪已经发展到了一个新高度--禁止消费者使用自己的设备。
例如,当系统被黑客入侵时,联网的摄像头可以从家中或办公室获取私密信息。攻击者将加密网络摄像头系统,不允许消费者访问任何信息。由于系统包含个人数据,他们会要求消费者支付大笔金额来恢复他们的数据。
4、预测和预防攻击
网络犯罪分子正在积极寻找新的安全威胁技术。在这种情况下,不仅要找到漏洞并进行修复,还需要学习预测和预防新的威胁攻击。
安全性的挑战是对连接设备安全性的长期挑战。现代云服务利用威胁情报来预测安全问题,其他的此类技术包括:基于AI的监控和分析工具。但是,在物联网中调整这些技术是很复杂的,因为连接的设备需要即时处理数据。
5、很难发现设备是否被入侵
虽然无法保证100%地免受安全威胁和破坏,但物联网设备的问题在于大多数用户无法知道他们的设备是否被黑客入侵。
当存在大规模的物联网设备时,即使对于服务提供商来说也很难监视所有设备。这是因为物联网设备需要用于通信的应用,服务和协议,随着设备数量显着增加,要管理的事物数量也在增加。
因此,许多设备继续运行而用户不知道他们已被黑客攻击。
6、数据保护和安全挑战
在这个相互关联的世界中,数据保护变得非常困难,因为它在几秒钟内就可以在多个设备之间传输。这一刻,它存储在移动设备中,下一分钟存储在网络上,然后存储在云端。
所有这些数据都是通过互联网传输的,这可能导致数据泄露。并非所有传输或接收数据的设备都是安全的,一旦数据泄露,黑客就可以将其出售给其他侵犯数据隐私和安全权利的公司。
此外,即使数据没有从消费者方面泄露,服务提供商也可能不遵守法规和法律,这也可能导致安全事故。
7、使用自治系统进行数据管理
从数据收集和网络的角度来看,连接的设备生成的数据量太大,无法处理。
毫无疑问,它需要使用AI工具和智能化。物联网管理员和网络专家必须设置新规则,以便轻松检测流量模式。
但是,使用这些工具会有一点风险,因为配置时即使出现一点点的错误也可能导致中断。这对于医疗保健,金融服务,电力和运输行业的大型企业至关重要。
8、家庭安全
如今,越来越多的家庭和办公室通过物联网连接变得更加智能,大型建筑商和开发商正在通过物联网设备为公寓和整栋建筑供电。虽然家庭智能化是一件好事,但并不是每个人都知道面对物联网安全应该采取的最佳措施。
即使IP地址暴露,也可能导致住宅地址和消费者的其他暴露。攻击者或相关方可以将此信息用于不良目的,这使智能家居面临潜在风险。
9、自动驾驶车辆的安全性
就像家庭一样,自动驾驶车辆或利用物联网服务的车辆也处于危险之中。智能车辆可能被来自偏远地区的熟练黑客劫持,一旦他们进入,他们就可以控制汽车,这对乘客来说非常危险。
目前物联网面临的安全问题有哪些?中景元物联(>工业物联网是指在工业中应用物联网技术,实现工业特有的价值增值的技术模式。
所有物联网都是为了实现万物互联,特别是物与物的互联,但是工业物联网又有其专有属性,原因是与工业物联网相对的消费物联网本身的联网密度、联网的实时性、联网物的异质化要求都不高,而工业物联网的要求主要表现在联网密度、联网实时性及联网异质化三个方面。
思考所有问题都需要从宏观到微观的细化过程,工业物联网也不能例外,我认为对工业物联网进行深度思考,需要从以下五个维度进行分析,否则将会要么带来一叶障目,要么带来好高骛远。
首先需要我们思考的问题是,工业物联网的价值、意义和目的是什么;第二个是工业物联网需要连什么的问题,这是一个范围的概念;第三个需要我们思考的是连入物联网的物的层级问题,也就是深度的问题;第四个需要我们思考的是实现物联的价值成本分析;第五个需要我们思考的是如何建设工业物联网。
互联网实现了计算机与计算机的连接,或者说实现了人与人的连接,这个连接带来了人的交互的便利,在这个基础上涌现出很多全新的、颠覆性的商业模式,例如,电子商务、即时通讯,社交媒体等等;而物联网将实现人与物、物与物的连接,同样我们也期望带来全新的、颠覆性的商业模式,甚至更进一步,期望带来人类生活、生产方式的全新的颠覆性的模式。
作为物联网主战场的工业物联网,人们对其的期许是在工业设计、制造、流通环节带来革命性的变革,为传统工业注入新的活力,提供新的势能,驱动工业在更高维度上发展、创新、乃至变革。随着计算、存储能力的提升,特别是大数据、人工智能的发展,任何行业对数据获取手段都提出了前所未有的要求。对数据获取手段的要求主要表现在四个特征,第一是高效性;第二是准确性;第三是实时性;第四是经济型;在当前技术能力下,能够同时满足这四个特征的就是工业物联网,首先,芯片技术已经发展到一个具有较强计算能力的MCU在美元以下,RFID芯片价格甚至已经到美分这个量级,使得工业物联网有了物质基础,同时满足了经济性要求;近三十年的通讯技术的发展,从模拟到数字,从简单调制到复杂调制技术的商用化,使无线通讯可以很廉价地覆盖几百米甚至数公里的范围,满足了数据获取的密集部署要求,同时由于工业物联网的永久在线的特征,使工业物联网满足数据获取的高效性、实时性要求;微电子技术在近年也发生了突飞猛进的发展,不论在价格上还是在进度上都有了长足的突破,满足了数据获取的准确性。
总而言之,工业物联网的出现是在以下几个条件成熟时涌现出来的不可逆转的趋势:
1、快速变化的市场需要数据支撑,产生了市场对数据获取的急切要求;
2、MCU的发展使得计算能力快速提升;
3、以调制技术为核心的通讯技术发展为联网建立的管道基础;
4、传感技术,特别是以MEMS为标志的微电子技术的发展给予感知世界提供的保证;
工业物联网不是规划出来的,是各种技术与需求发展进化的产物,是生活、生产、经济发展到一定高度后自然而然出现的,是在需求的驱动下,众多行业创新带了的自然产物。
通过工业物联网,可以把传统经济中不可数字化之物数字化,可以把传统不可数字化之行为数字化,可以把传统不可能变为可能,甚至变为容易获得、解决的方案。
这个问题是第一个问题的延续,如果不考虑经济性,那么我们可以说工业物联网连接一切可连接之物,但是,当我们在做一个务实的、有价值的方案时就不能不考虑可行性及经济性,那么工业物联网连什么呢?我们认为这是一个从哪里来到哪里去的问题,我们通过上面对价值、意义和目的分析可知,我们应该从目的反推,一切从目的出发,时刻盯紧企业需要弥补的最关键环节,例如,如果对量化OEE有需求,那么我们就要连接设备状态;如果要减少在制品,那么我们就要对在制品进行追踪;如果能源消耗对企业是重中之重,那么我们就要把能效物联化,等等。世界上不存在同样的两片树叶,同样地,世界上也不存在同样的两个企业,我们只能对企业本身进行深入分析,紧紧聚焦于企业价值,在保证经济性的基础上,确定工业物联网的实施范围方案。联网范围一个核心点是连入物的属性,也就是说我们通过分析连入物的属性与企业建设工业物联网目标的耦合度,决定需要实施工业物联网的广度。
通过分析工业物联网连什么后,我们得到了连入物的内容,接下来需要我们决定是对每个/每类连入物我们该数字化哪些属性,这里遇到工业物联网特有的一个障碍,需要连入工业物联网的物的可连通性问题, 特别是在设备互联时,可连通性表现的特别突出,例如,有的设备具有开放的通讯协议和可用的通讯接口,有的设备不开放协议等等,那么可连通性就是对方案供应商的很大的考验,我们的经验是有四种方案可供选择:
1、使用设备开放的协议;
2、使用设备自带的传感器;
3、添加新的传感器;
4、改变观察侧面及维度,使用全新的采集模式;
其中第四条,改变观察的侧面和维度,使用全新的连接方式是使用第一性原理,避开设备不开放协议或接口的阻碍,避开被设备供应商牵着鼻子走的方向,从本质上获取数据。例如:通过能效检测获得设备的使用状态,通过震动传感分析设备部件的故障、甚至是转速等,只要通过第一性原理从你需要的信息入手,而不是被动地从设备可以提供的数据入手来提供物联解决方案的方式。直接把我们需要的信息做为目标,观察除了直接连接设备外,我们还能够如何获得需要的信息,因为只有我们获得的数据能够与设备提供的数据在信息上能够“同构”即可。例如,我们可以在我们的物联设备上安装一个震动传感器,从传感器获得的数据中,我们即得到了设备是否开机,又得到了是否启动工作,同时还得到设备的转速。如果不用第一性原理,而是硬要跟设备互联,那至少要采集三个数据,并且未必设备能够给你。这就是典型的边缘计算的案例,边缘计算的计算规则一定要具有定制能力,可以说边缘计算一定是一个知识容器,可以方便地把客户、厂家,甚至是第三方的知识融入的容器,我们开发的支持脚本的设备已经具有了初步的边缘计算的功能,我们需要在这个方面继续加大支持力度。
所以,通过分析企业价值和物的可连通性,我们就可以明确定义需要连入物层级,也就明确了连入物的连接深度;
在连入物联网的物的层级中一个重要的概念是管理粒度,对于制造业来说,连入物的管理粒度大概分为如下几个层级:
1、传感级;
2、设备级;
3、产线级;
4、车间级;
5、企业级;
也就是说我们要在经济性可行的前提下定义数据获取的粒度。理论上讲,细粒度一定比粗粒度更好,更有价值,但是当加入成本分析后,可能并不一定粒度越细越好,需要按照各种制约因素找到一个平衡点。
价值成本永远在企业行为中持有权值最高的赞同或者否决的一票,通过前三项分析,我们仅剩下最后一个问题没有解决,这也是关乎价值成本的关键:管理粒度问题,我们到底需要在多细的粒度下进行管理?这带来了一个哲学问题:世界是不是需要黑盒子。什么意思呢?当我们确定一个管理粒度后,比管理粒度更细的信息将被隐藏在黑盒子中,这个黑盒子将成为我们分析深度或者认知深度的制约因素和约束条件。我们可以通过价值成本分析来找到这个平衡点,从而明确黑盒子的大小,并最终确定连入工业物联网的物的特性。
我们的期许是工业物联网建设的价值观,其他一起都是方法论。首先,我们在规划物联网时要本着既要有高瞻远瞩,又要有务实可行的精神。在思考黑盒子的大小时我们要高瞻远瞩,设计方案尽可能地以黑盒子尽量小为目标,而实施方案则按照价值成本分析选择合适的黑盒子的大小,也就是选择合适的管理粒度,从而保证投入收益的平衡,甚至我们可以把黑盒子尽量定义的大些,用以验证工业物联网的可行性,最大可能地降低工业物联网实施的风险。
总之,我们应该从以几个方案来确定工业物联网的建设原则:
1、期望获得什么结果?
2、期望用什么方式获得想要的结果?
3、需要信息基础提供什么?
4、工业物联网是否能够获得这些信息?
5、工业物联网如何获得这些信息?
6、获得这些信息的性价比如何?
7、回归分析,评估预期结果是否符合经济利益?
8、落地实施。物联网可能带来的危害:
1、隐私风险,物联网能够让人们更方便获取信息的同时,也可能泄露更多信息;例如智能家居场景,如果摄像头权限被窃取,黑客就能更容易的掌控人的行为等资料;
2、信息安全风险提升,这里主要是指大量传感器设备,尤其是安全等级很低的摄像头等设备,会为黑客提供更多的可用资源(肉鸡等);
3、人身安全风险,越来越多的设备可以被远程控制,这就导致了机器出错或人为导致的人身安全风险,例如空调温度传感器如果出错就可能无限制的增温或降温,危害人的健康。
5G物联网的发展带来了许多新的网络安全挑战,主要包括以下几个方面:
大规模连接:5G物联网可以支持大规模设备连接,这使得攻击者有更多机会进行网络攻击。攻击者可以通过攻击一个设备来获取对整个网络的访问权限。
大数据量:5G物联网可以产生大量数据,这些数据需要存储和处理。攻击者可以攻击数据存储和处理系统,从而获取敏感信息。
多样性和复杂性:5G物联网中存在多种类型和不同制造商的设备,这些设备的 *** 作系统、协议和接口都不尽相同。这增加了网络安全管理的复杂性和难度。
软件漏洞:5G物联网中的软件存在漏洞,攻击者可以利用这些漏洞来获取访问权限。
隐私保护:5G物联网中产生的数据包含大量的用户隐私信息,如位置、健康状况等。攻击者可以利用这些信息进行个人隐私侵犯。
为了应对这些挑战,5G物联网需要采取多种安全措施,如加密通信、身份验证、访问控制、漏洞修复等。同时,5G物联网也需要建立完善的监管机制,加强网络安全管理和风险评估。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)