挑战一：低功耗是重中之重
物联网从一个利基市场(小众市场)不断发展成为一个几乎将我们生活各个方面都连接在一起的庞大网络，面对如此广泛的应用，功耗是至关重要的。在物联网领域中，许多联网器件都是配备有采集数据节点的微控制器(MCU)、传感器、无线设备和制动器。在通常情况下，这些节点将由电池供电运行，或者根本就没有电池，而是通过能量采集来获得电能。特别是在工业装置中，这些节点往往被放置在很难接近或者无法接近的区域。这意味着它们必须在单个纽扣电池供电的情况下实现长达数年的运作和数据传输。
“电池的安装、养护和维修不仅难度很高，同时也会带来高昂的开销。而在某些车间或厂房内，这些 *** 作甚至非常危险。”关注无线和低功耗充电领域的Harsha表示，“我们的目标就是让用户在器件的使用寿命内无需更换电池。”基于此，Harsha和他的团队正在研究尽可能延长微型电池供电时间的方法。例如，借助太阳能来供电，无论是室内或是户外光源，即使是只从光源中采集很少的能量，其影响也是巨大的。同时，通过工厂中某一物件的内外环境温差，也能够实现能量的采集，例如温度高于外部空气的高温液体管道。此外，在工业装置中，车间内机器所产生的振动也能被用于能量采集。通过住所内来自WiFi的无线电波，也可以为支持物联网节点的电池生成一个小电荷。
以上种种方法的目标是将电池的使用寿命延长10%或20%。虽然消费类电子元器件更新换代的速度越来越快，但是工业应用中的物联网技术可以持续很长的时间。通过使用能量采集来延长电池的使用寿命，一块电池可以持续供电20年到30年，直到所有的节点需要更换。在某些情况下，由于能量采集的使用，这些节点甚至可以实现无电池运行。
挑战二：感测必不可少
如果没有感测，那么物联网也将不复存在。传感器、微型器件和节点是构成整个物联网系统的基石，它们能够测量、生成数据并将数据发送给其他节点或云端设备。无论是感测住宅的房门是否关闭，还是汽车的机油是否需要更换，抑或是生产线上的某个设备会不会出现故障，传感器采集到的数据都是关键信息。
“感测在需要作出决策的时候便会发挥作用，这一过程不一定需要人工干预。”专注电流感测领域的Jason表示，“如果传送带正在传输某个物体，传感器能够帮助确定这个物体是什么、重量为多少以及传送带是否过热等。例如，分析电机内的电流能够让人们了解电机的健康状况、是不是出现了故障。这些都是在进行工厂控制时需要了解的内容，而传感器使这一切变为可能。当提供实时数据时，这些重要数据的结合将影响到方方面面。”
因为传感器采集了海量的数据，特别是在工业物联网(IIoT)中更是如此，所以传感器软件的创新与传感器硬件的创新同样重要。当获得了海量的信息时，如何确定信息是不是过多？如何判定所掌握的数据是不是有用？其中极为重要的一环就是算法。一旦有了合适的算法并且得以充分利用，它们将改变制造业。工厂会变得越来越小，效率却越来越高。
挑战三：连通性选择由繁化简至关重要
一旦传感器数据被低功耗节点采集，这些数据必须被传送到某个地方。在大多数情况下，它会被传送至一个网关，这是物联网系统中互联网与云或其他节点之间的中间点。目前，根据独特的使用情况和不同的需求，我们可以选择多种有线或无线的方式来连接设备。各项不同连通性标准和技术都有其特殊的价值与用途，不过将WiFi、Bluetooth、Sub-1 GHz和以太网中的所有这些标准都整合起来却是一项巨大的工程。鉴于产品的多样性以及需要将连通性添加到很多标准与技术并不相同且大多数此前并不具备互联网连通性的产品中，这就需要采用复杂的技术，并使其变得更加简单。
挑战四：管理云端连通性是关键
一旦数据通过一个网关，它在大多数情况下会直接进入云端。在这里，数据被分析、检查，然后付诸实施。物联网的价值源自云端服务上运行的数据。正如连通性一样，云端服务的选择也有很多，这也是物联网发展中另一个复杂点。
“目前，云端供应商的种类繁多，数量也不尽相同，并且没有针对云端设备连接和管理方式的标准。”专注物联网市场发展领域的Gil表示。为了满足那些使用多个云端服务的用户的需求，必须开发物联网云端生态系统，提供集成的TI技术解决方案。可喜的是，由于云端技术已经实现了良好的成本效益，物联网目前正以极快的步伐飞速发展。不过，为了实现物联网的进一步增长，在复杂度简化方面还有很多工作要做。
挑战五：安全性是广泛采用的关键
整个系统的安全性是制约物联网被广泛采用的最大障碍之一。随着越来越多的设备变得“智能化”，越来越多的潜在安全性漏洞将出现。这需要业界研究构建先进的硬件安全机制，同时将安全机制成本和功耗保持在较低的水平上。这需要相关厂商在集成安全协议和安全性软件方面投入大量的人力物力，努力减少把高级安全性功能添加到物联网产品中所遇到的障碍，以确保在保障安全性方面降低门槛。
挑战六：为经验不足的开发人员提供简易物联网解决方案
虽然物联网技术曾经主要由技术公司使用，但是从目前来看甚至在未来一段时间里，物联网技术将在有着一定技术背景限制的行业中被广泛应用。以一个生产龙头公司为例。直到目前，由于没有任何需求，电气工程师也许从未在龙头制造公司工作过。但是如果这家公司打算生产接入互联网的花洒，那么其在人力和时间方面的投入将是巨大的。因此，物联网技术必须能够轻松地添加到其现有和未来的产品中，而无须网络和安全工程师参与其中。这些公司不需要像一家互联网技术公司那样，在技术学习方面投入，他们现在可以从相关企业获得现成可用的技术。对于相关技术公司来说，如何为这些经验不足的开发人员提供简易且立即见效的物联网解决方案，既是挑战更是机遇。
由于我们生活中越来越多的事物正在与网络建立互联，并且随着物联网应用的不断普及与拓展，还有大量的工作需要去完成。以物联网为代表的信息化应用是对我们未来方方面面高品质生活的巨大展望，包括我们的住所、汽车和高效工厂内的用户便利性与生活方式等，而这一切将最终使我们的世界变得更加美好。工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。
一、加速产品创新
客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。
这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。
二、设备故障分析及预测
在制造业生产线上，工业生产设备都会受到持续的振动和冲击，这导致设备材料和零件的磨损老化，从而导致工业设备容易产生故障，而当人们意识到故障时，可能已经产生了很多不良品，甚至整个工业设备已经奔溃停机，从而造成巨大的损失。
如果能在故障发生之前进行故障预测，提前维修更换即将出现问题的零部件，这样就可以提高工业设备的寿命以及避免某个设备突然出现故障对整个工业生产带来严重的影响。随着工业40的到来，智能工厂的工业设备都配上了各种感应器，采集其振动、温度、电流、电压等数据显得轻而易举，通过分析这些实时的传感数据，对工业设备进行故障预测将是一种行之有效的措施。
因此设备故障预测方案成为了制造行业所青睐的解决方案，其具备的核心功能有：
1、故障超前预警，减少设备停机时间；
2、分析结果实时推送，减少人工成本；
3、适用于企业各种类型的设备，通用性强。
三、工业物联网生产线的大数据应用
现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。
首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。
四、产品销售预测与需求管理
近年来，保险业加速了数字化进程，大数据与保险营销深度融合，成为现代化保险营销的重要武器。慧都大数据助力保险行业精准营销，并成功帮助中意人寿保险有限公司更好地服务客户和发挥忠诚客户，提高销售效率及客户复购率。
五、工业供应链的分析与优化
当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。
六、生产计划与排程
制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的 历史 数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现 历史 预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。
七、生产质量分析与预测
在工业生产中，设备失效、人员疏忽、参数异常、原材料差异、环境波动等因素而导致质量偏离，引起质量等级的缺陷和损失非常巨大。工艺流程复杂的大型制造业，如钢铁、 汽车 、电子、服装等行业，信息数据孤岛凸显，导致质量问题频发，尤其需要“及时发现和预测异常，迅速控制和分析质量异常的原因，进行生产过程改进，稳定生产过程，减少产品质量波动”。
生产质量分析，从工厂订单下单-订单生产-流入市场， 针对整个生产链进行全面的质量分析。其中，打通质量和人、机、料、法、环等数据，各生产数据环环相扣，聚焦质量管理的全量数据分析，帮助企业快速 探索 缺陷根本原因。
1、打通质量和人、机、料、法、环，对影响质量的全量数据进行交互分析， 探索 相互关系，挖掘数据背后的真实原因，获取结果“是什么”，回答“为什么”。
2、将传统的静态汇报模式，改为交互式动态会议，随时随地可以组织生产、质量相关专题会议。通过对维度展示生产和质量KPI，实时预警、掌握产线运营状况。
3、简单易上手的质量分析工具，员工只需对数据进行选取、拖曳，自助灵活地达成期望的数据结果。
4、摒弃以往静态的数据报表，整合多个业务系统数据，多场景数据大屏，自适应多屏，进行综合展示分析，让决策更清晰。
————————————————我是做“工业物联网生产管理系统”的，以下回答希望能帮到你
现阶段物联网发展问题有三个：
1、技术：技术包括系统、软件；而硬件技术又包含PLC/RFID等等，所谓的技术难点在于如何让“死物”联网，“做活”之后又如何将数据分析再呈现。
2、整合：正如马云说的，以后不会是单一产品的时代，而是整合了多个平台的企业的时代；物联网的局限在于每个产品的标准都不一样，各家有各家的APP、系统，对消费者非常不友善，学习成本高；物联网产品要推广必须整合出一个标准，一个APP能控制所有物联网智能产品更好。
3、通讯：物联网下会产生超过互联网1000倍的数据，以目前4G的通讯协议是绝对应付不来的，未来5G的推广也是应付前期的物联网时代，后面必须有6G、7G才能完成这么庞大的数据传输。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）