工业大数据是什么？

1、工业大数据的概念

11 大数据概念

大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储 和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。

12 工业大数据概念

工业大数据是大数据的一种类型，是工业领域智能化过程中产生的大数据，通过对数量巨大、来源分散、格式多样的工业系统的数据进行采集、存储和关联分析，从中发现产品、服务和商业的新知识、新价值、新能力。

13 大数据和工业大数据主要区别

如今，超过250亿台“物体”连接到互联网上，预计到2025年，这个数字将翻一番。工业物联网（IIoT）以一种爆炸式的方式迅速发展。工业物联网（IIoT）设备、标准和通信协议的激增，使得对IIoT的有效管理变得非常具有挑战性。

如何定义工业物联网 （IIoT） 平台？

工业物联网平台 是一种工业物联网软件，它使组织能够安全地管理工业物联网生态系统中所有连接的人、系统和对象。

在界定工业物联网平台时，我们应该认识到，物联网已经创造了一个新的整合水平。随着成千上万的工业物联网设备接入网络，企业需要管理比以往更多的端点。然而，这不是一个简单的设备问题，工业物联网实际上是一个由人、系统和对象组成的数字生态系统。这就需要一个工业物联网平台来安全有效地管理生态系统的每一个元素。

工业物联网平台有哪些不同类型？

虽然工业物联网平台研发的初衷是对工业物联网的设备和数据进行管理和控制，但为了适应不同的用例，已经开发了许多不同类型的平台。事实上，工业物联网平台很难分类，反而工业物联网平台供应商正在改进其平台产品，以满足客户需求和特定的业务需求。

工业物联网平台将提供不同的功能组合，包括工业物联网的端点管理和连接、物联网数据的采集、接收和处理、数据的可视化和分析，以及将物联网数据集成到业务流程和工作流中。在比较不同类型的平台时，应根据组织的业务需求和特定的IT基础设施，并将其与工业物联网的解决方案相匹配。

工业物联网平台应该具备哪些特点？

因此，最好的工业物联网平台因组织而异，单个平台功能集无法为每个用例提供足够的解决方案。但是，任何一个工业物联网平台都应该具备以下特点：

安全

安全性是工业物联网平台的核心，它不仅可以保护所有物联网端点免受外部网络攻击，还可以处理来自组织内部的潜在恶意活动。

连接性

每一个工业物联网设备都必须快速、安全地进行配置，并对其生命周期的所有阶段进行管理，包括在设备配置、注册、激活、挂起、未挂起、删除和按需重置时对其进行跟踪和授权。

集成

集成是工业物联网面临的最大挑战之一。工业物联网平台允许物联网设备与不同的企业应用、云服务、移动应用和传统系统无缝、安全地连接和共享信息。

识别

工业物联网平台可以支持最广泛的物联网设备。无论在工业物联网架构中的任何地方，都能自动感知物联网设备的存在，建立安全连接，并能快速建立设备凭据，或在需要时自动分配。

分析

物联网设备大大增加了组织中的数据量。分析工业物联网应该是工业物联网平台最强大的功能之一。它可以对工业物联网数据进行适当的可视化和分析，为改进数据驱动的决策提供实际的见解。

管理多个工业物联网传感器很简单，但如今，企业拥有数十万台工业物联网设备来执行遍及组织内部的众多任务。工业物联网设备有多种形状和尺寸，没有通用的工业物联网标准或连接方式。管理一个工业物联网网络意味着能够监控一系列异构的工业物联网设备。

如今，工业物联网（IIoT）平台为工业物联网在几乎所有行业的快速发展提供了解决方案。工业物联网平台能够将设备和企业应用软件完美融合，使数据在互联的人、系统和对象之间无缝、安全地流动。

工业制造大数据分析
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
如何实现智能制造是大家都关心的问题。从哈佛商学院的迈克尔·波特到宾夕法尼亚大学沃顿商学院，有一个普遍的共识，即数字化转型是智能制造实现的途径。重要的是，这个共识也来自于众多的世界级制造业企业与企业家们。
这一共识是基于无数技术趋势的融合，例如，物联网、赛博系统(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟／虚拟增强现实（VR／AR），以及大数据分析等。我们一定要保持清醒，不要简单地认为有了这些技术，未来五年就是制造业的黄金时期。道理很简单，这个新制造业文化的变革进程是相当复杂和艰难的，没有行业、企业与用户的融合推进，无法实现这次变革。数字化转型不仅仅意味着企业简单的数字化，而是把数字作为智能制造的核心驱动力，利用数据去整合产业链和价值链。
自工业革命以来，为了改进运营，制造商一直以来都在有意地采集并存储数据。随着时间的推移，数据在制造业分析的需求将越来越大。然而在过去的许多年间，利用数据的根本动因并没有改变，数据的复杂性增强，数据转化为情报的能力越来越大。
2012年高德纳给出大数据定义，其中特别强调大数据是多样化信息资产，不仅关注实际数据，更关注大数据处理方法。数据量大小本身并不是判断大数据价值的核心指标，而数据的实时性和多元性对大数据的定义和价值更具直接的影响。
在讨论工业大数据分析的时候，我注意到两种不同的观点：
第一种观点认为，制造业向来都有大数据。几十年来我们的企业一直在通过历史记录、MES、ERP、EAM等各种应用系统采集数据。在部分产业链环节，特别在市场营销方面，大数据算是一个新的热词。
第二种观点认为，从工业大数据角度看，制造业是一个尚未打开的市场或刚刚开启的市场。存在大量不同类型的数据，但如今它们还未被应用到分析之中。
考虑到这些观点，面对任何新的市场提法，包括名词解释、定义或分析框架，我们始终都应该保持适当的怀疑精神。这里我更多倾向于第二个观点。我们的制造业的确有“大量数据”，但这并不是我们大多数人从市场上所理解的“大数据”涵义。在搞清楚工业大数据分析之前，我们应该如何定义制造业的大数据？这里可以通过大数据的三个特性，进一步了解大数据的特性。
数据来源
工业大数据的主要来源有两个，第一是智能设备。普适计算有很大的空间，现代工人可以带一个普适感应器等设备来参加生产和管理。所以工业数据源是280亿左右大量设备之间的关联，这个是我们未来需要去采集的数据源之一。
第二个数据来源于人类轨迹产生的数据，包括在现代工业制造链中，从采购、生产、物流与销售内部流程以及外部互联网信息等。通过行为轨迹数据与设备数据的结合，大数据可以帮助我们实现对客户的分析和挖掘，它的应用场景包括了实时核心交易、服务、后台服务等。
数据关系
数据必须要放到相应的环境中分析，才能了解数据之间的关系。譬如，每一款新机型在交付给航空公司之前都会接受一系列残酷的飞行测试。极端天气测试就是测试之一。该测试的目的是为了确保飞机的发动机、材料和控制系统能在极端天气条件下正常运行。
问题的处理关键在于找到可能产生问题的根源，消除已知错误，并确保解决方案的可靠有效。一旦找到并确定了根本原因，同时具备了可接受的应急措施，就可把问题当成一个已知错误来处理。问题调查的过程一定需要收集所有可用、与事件相关的信息，以确定并消除引起事件和问题的根本原因。数据采集与分析必须要事件／问题发生的环境数据结合。
数据价值
对于数字化转型，大数据不仅要关注实际数据量的多少，最重要的是关注大数据的处理方法在特定场合的应用，让数据产生巨大的创新价值。如果离开了收益考虑或投资回报（ROI）的设计，一味寻求大数据，则大数据分析既无法落地也无法为企业创造价值。
工业大数据分析的定义
发动机是飞机的心脏，也是关乎航空安全，生命安全的重中之重。为了实时监控发动机的状况，现代民航大多安装了飞机发动机健康管理系统。通过传感器、发射系统、信号接收系统、信号分析系统等方式采集到的数据，会经由飞机通信寻址与报告系统，通过甚高频或者卫星通信传输出来，这就是为何GE的发动机监控系统每天会获取超过1PB数据的原因。
生产执行系统（MES）与飞机发动机健康管理系统如出一辙。我们可以从工厂的生产中，实时采集到海量的流程变量、测量结果等数据。基于大量数据集而生成的报表，或是基础统计的分析并不足以称为制造业的大数据分析。
数据类型的多样性是工业大数据分析的重要属性
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
例如，生产环境中收集的时间序列模拟流程变量，数据的类型是单一的，很容易建立索引，即使存在千千万万，也不足以成为大数据。
数据必须包括高度可变性和种类多样性。制造工厂中存在无数的大数据应用，但并不包括简单地分类和展示一连串的流程测量结果，对这些工作，基本的统计展现就可以完成。一些大数据的数据库或数据湖的构成部分也是文本信息、图像数据、地理或地质信息和非结构信息，例如，通过社交媒体或其他协作平台获得的数据类型。
制造业信息结构概括起来分为两层，一个是管理层，一个是自动化层。从经营管理、生产执行与控制三个纬度来实现决策支持、管理、生产执行、过程控制以及设备的连接与传感。制造业中大数据分析是指利用通用的数据模型，将管理层与自动化层的结构性系统数据与非结构性数据结合，进而通过先进的分析工具发现新的洞见。
大数据分析对企业生产智能的意义
制造业创新的核心就是要依托大量的前沿科技。先进的技术是创新的手段。在新技术的支持下，可以通过一体化的制造运作管理系统MOM将企业管理应用系统，例如ERP、EAM等系统与工业自动化的相关系统整合为一体。在一体化制造运作管理的基础上，我们可以实现集IT+MOM+MES+BI的一体化制造企业信息系统解决方案。
从两化融合的角度来看，信息系统供应商要从企业的主信息系统提供商（MIV，MainInformation systems Vendor ）定位来做好规划、标准、功能设计、实施策略的统一性工作。协助企业做好风险控制，降低投资，降低 *** 作维护成本，实现企业信息系统全集成。
特别需要注意的是，企业管理信息平台被普遍认为是制造企业管理的集成和仪表板工具。许多供应商既大量投资其与ERP和自动化系统专有的集成，也投资开放式集成，还投资仪表板和移动技术，希望随时随地为需要正确信息的决策者提供衡量标准。
制造业大数据分析的三种途径
途径一，利用开放技术与平台，将任何系统的数据移动到任何其他地方。
制造运作管理系统建设项目是系统工程，不仅仅是一套我们理解的传统软件系统，更多的是项目执行和服务的平台。这需要在项目管理与制造企业的策略“客户服务”上，体现出制造企业的综合管理能力与软实力。
整个平台要从前期、工程实施以及售后服务这三个大的阶段来架构。在前期规划中，要重视标准、设计与实施，特别是与管理一体化的信息系统形成统一的对接。有了前期统一规划的制定，工程实施的环节可把行业的经验、集成能力、实施能力、软件开发能力等融合。特别需要在组织上建立和形成超级团队的制度。而持续服务、长期经营，将物联网应用融入与“软件+云服务”的互联网＋战略是后续服务的考虑重点。
在制造业大数据分析工作中，必须要加强通过物联网科技的应用对后续持续服务的支撑作业。通过工业物联网，实现的及时响应客户、物联网软硬件系统定期巡检、提供应急备件、提供易耗品、完善应用等功能来加强和锁定与企业的供应链企业之间的长期合作。通过管理平台与物联网数据，可以持续为客户提供有价值的服务。
途径二，投资工厂内外系统架构堆栈中能够处理结构性和非结构性数据的数据模型。
新技术是创新革命的核心，其中很重要一个特点就是集成，即制造运作管理系统MOM与ERP、EAM、OA、商业分析的集成，包括一键登录、界面集成、消息推送、工作流集成、主数据、应用集成总线与平台。
由于这些系统之间主数据全部统一，所有系统之间的数据交互依靠应用系统总线进行数据交互，整合了跨系统的业务流程、工作流、服务流程等之后即实现无缝集成和分析。对于企业管理者来说，一键登录后，可以根据不同的岗位，个性化制定并且显示与管理最相关的必要信息。这就是互联网所带给我们的分享思路。
途径三，通过时间序列、图像、视频、机器学习、地理空间、预测模型、优化、模拟和统计过程控制等先进的分析工具与制造业企业内的大数据平台结合分析，从而洞见尚未显现的情况。通过传感器、感应器、传输网络和应用软件等物联网数据，与管理应用软件结合起来，将是今后制造业大数据分析的一大方向。
培养企业内部大数据分析专家
作为一个行业，我们需要有机地发展行业特定的大数据分析工具集，这样才能让现在的行业专家，从足够的数据科学中实现数字化转型。为了推动转型，我们需要一大批优秀的企业利用这种方法，并向其他人或同行证明其价值。

一、将真实的加工制造连接到工业40
如果使用了工业40技术，一个新的加工制造生产线可以实现多达25种的产品变化，同时将产量提高10%，库存减少30%。工业40架构的应用让制造商在生产过程中可以获得更丰厚的投资回报率。
工业40是一场工业的革命，目的是将信息技术(IT)的虚拟世界、机器的物理世界以及互联网合为一体。其中心是将具有IT功能的所有工业领域都整合起来。这些科技提高了灵活度和速度，能够使产品更具有个性化，生产更高效且规模可扩展，以及在生产控制方面具有更高的可变性。机器与机器之间的通讯和先进的机器智能化，提高了工艺的自动化水平，并带来了更多的自我监控以及实时数据。开放的基于Web的平台会增加制造企业的竞争力。
1分布式智能
这里说的分布式智能是指在智能传动和控制技术网络的机器设备中，加入尽可能多的智能和控制功能、或者单独的传动轴，而不是从一个中央处理单元（CPU）来处理所有的动作。
拥有机器层面的过程数据并决定用它做什么，反映出了人们相信一台机器可以经过装备使用过程数据做一些事情并且独自改善工艺流程，诸如实现调整产量、更加有效率的利用能源等目标，而不是依赖“云”来处理所有这些任务。
联网的机器可以与更高的生产线级别、工厂级别以及企业级别的网络进行通讯，从而能够实现对特定事件或特定产品的实时调节。集成了传动的伺服马达和无机柜传动系统将传动组件和运动逻辑顺序放到了单独的轴向上。
　 2快速连接
那些允许数据在整个企业架构中自由流动的系统，往往需要持续的投资和改进。一家工业40工厂车间所产生的大数据和信息流，可能会让公司的网络不堪重负。我们该如何改进自动化系统中的硬件和软件的功能，使这种设计流程更简单、花费更少的时间以及更加开放？通讯路径随着其创建和实施而变得更加流畅。在决定应该使用现场总线的什么功能时，应该看一下生产平台是否支持例如OPC
UA（来自于OPC基金会）这样的标准。消除不同供应商系统的障碍，而且对通讯和控制平台采取一种更加开放的方式很重要。
3开放标准和系统
重点是要思考系统到底“开放”到什么程度，是否支持新兴的通讯协议和软件标准，以及开放的独立组件如何让工业40成为现实。
开放标准允许基于软件的解决方案可以更加灵活地集成，并有可能将新的技术移植进现有的自动化架构中。开放的控制和工程软件也沿着这个方向将自动化和IT软件程序之间的间隙弥合。一个开放的控制器核心能够使用常用的高级IT语言（例如Java和C++）来创建自动化应用程序。
一台机器的 *** 作应该支持与智能手机或平板电脑进行简单的连接。软件可以借助控制器与3D模型软件的连接来加快自动化系统的设计和调试。一个运动控制器可以与模型之间发送指令以及接收反馈，使得机器的功能性在机械设计阶段通过运动控制就得到优化。这也让机器测试和编程可以在调试之前进行。在部件订货、组装机器之前，虚拟机器可以用来进行测试并完善设计。
4实时数据整合
在工业40的工厂里，可能利用实时的机器和工厂性能数据来改变自动化系统和生产工艺的管理方式。不用捕捉并分析数月以来有价值的关于生产率、机器停机时间或者能源消耗的数据，支持工业40的平台能够将数据整合到常规的工厂管理报告之中。这会让制造商和机器具备详细的信息来执行快速的工艺和生产变更，以实现产品满足特定客户需求的愿景。
5自适应性
现实世界中的主动性可以让生产更加连贯并以需求为导向。科技帮助生产线变得主动。目标就是让工作站和模块可以适应个性化的客户或产品需求。
在一个制造液压阀的工厂里，一套新的自适应组装生产线在每一件被加工件上都使用射频识别芯片。生产线上的9个智能站会识别出最终产品是如何被装配的，以及哪些工具设置和 *** 作步骤是必须的。每个相关加工件都带有蓝牙标签，会自动将信息传送给装配站。装配步骤信息会根据不同的产品以及相关加工件的技术水平不同而显示出来。该生产线可以生产一批相同尺寸的液压阀，也可以不需要人工干预就能生产25种不同产品型号。不再需要设定时间或者多余的库存。这使得生产线的产量增加了10%，库存减少了30%。
二、让工业40和IIoT在智能工厂里运行
工业40和工业物联网(IIoT)能够为设备（从传感器到大规模控制系统）、数据和分析之间提供更好的连接性，Beckhoff自动化的TwinCAT产品专家Daymon
Thompson这样认为。传感器和系统需要网络连接来共享数据，分析有助于做出更明智的决策。
物联网主要包括4个基本元素：实体的设备、与设备之间的双向连接、数据以及分析。设备可以是小到一个传感器大到一个大规模控制系统中的任何一种。传感器和系统需要与更大的网络进行连接，以共享由传感器或系统产生的数据。对此数据进行的分析会产生可执行的信息，其结果是让人们做出精明的决策。
在IIoT的实际应用中，
企业通过将设备或资产连接到云或者本地信息技术(IT)设施上来进行数据的采集和传送。然后对采集到的数据进行分析，可以发现设备或资产更多的潜在信息，防患于未然。
例如
，监控机械组件运行温度的传感器可以追踪任何异常状况或者偏离底线的情况。这使公司可以主动地处理不希望发生的行为，从而在可能造成有害危险的系统故障加剧之前进行预测性维护，否则这些系统故障可能会导致工厂停机以及生产收益损失。这种类型的信息有助于企业新产品的设计、系统性能效率的提高以及实现利润的最大化。
工业40让加工制造更灵活
在一个生产制造流程，甚至是整个供应链中，通过连接性推动更多的新发现和系统优化，这是工业40的核心概念之一，这种科技进步也被称为第四次工业革命。
工业40工作组成员、德国国家科学与工程院Acatech，将18世纪蒸汽机的发明和广泛使用定义为第一次工业革命。第二次革命是20世纪早期在装配线上使用传送带。第三次革命是在20世纪中叶开发出来的微电子学、PC和可编程逻辑控制器(PLC)。第四次革命是将PC和机器连接到互联网，并启用信息物理系统（CPS）。
工业40要求传统的生产制造工业实现计算机化。使用物联网和信息物理系统的概念会帮助实现“智能工厂”的目标，使生产制造具有前所未有的灵活性和非常高的精益生产效率。在生产制造中，一个显着的特点是重点关注的领域从产品本身扩展到了生产这些产品的工艺上。
制造商需要灵活的生产线来适应快速变化的客户需求。灵活的机器运行能够生产很多类型的产品，通过调整批量大小来获得更高的生产利润，这使得同一个生产线可以运行更复杂的混合产品以适应客户不断变化的需求。

导语： 迈入2019年，小隐带大家一起回顾2018年Top 10大事件。

1最大的物联网迈进：微软

自2015年宣布Azure IoT Suite以来，Microsoft凭借其Azure云产品和相关的物联网平台即服务，已成为物联网领域的主要参与者。

在2018年4月，微软翻了一番，并宣布在4年内进一步投资50亿美元用于物联网技术。预计这些投资中的大部分将流入云服务，物联网 *** 作系统和分析。在2017年宣布“Azure IoT edge”和“IoT central”等服务后，微软在2018年宣布的两项杰出的物联网服务是Azure Sphere和Azure Digital Twins。Azure Sphere是Microsoft针对连接微控制器供电设备的高度安全的端到端解决方案。Azure Digital Twins是一项服务，允许开发人员构建物理资产的数字复制品 - 这是在数千台设备上扩展物联网解决方案的分析和其他元素的重要工具。

2年度消费者物联网故事：Sonos首次公开募股

物联网的2018年，另一个真正的成功故事首次亮相纳斯达克：扬声器制造商Sonos。Sonos于2018年8月1日上市，这家公司在2004年首次在CES上首次推出革命性的无线扬声器后，已有14年和45亿美元的资金Sonos是智能扬声器市场的首批进入者之一，它创造了消费者喜爱的高品质产品，并始终得到很好的评价。迄今为止，该公司已售出1900万件产品，目前全球拥有超过10亿户家庭，平均家庭目前大约购买3台Sonos产品，Sonos尚未满足全球99％以上的市场需求。

然而，Sonos上市后股价却讲述了一个不同的故事。自2018年8月首次公开募股以来，该股票已下跌约40％，因担心大型智能家居巨头可能最终停止与Sonos合作而取代智能扬声器市场自己。

2018年的另一个消费者物联网IPO，智能家居相机制造商Arlo Technologies，对公开市场的介绍更为糟糕; 自首次公开募股以来，该股票下跌约50％。

两家公司都希望避免成为另一家Fitbit--物联网 历史 上最大的失败IPO之一。自2016年年中首次公开募股以来，Fitbit股价下跌超过70％，而纳斯达克指数上涨超过30％。

3讨论最多的合作伙伴：罗克韦尔自动化 - PTC

工业自动化巨头罗克韦尔自动化于6月份宣布对物联网平台，PLM和CAD软件领导者PTC进行10亿美元的股权投资。工业物联网社区对这一消息进行了大量讨论，因为人们一直在想罗克韦尔将如何应对其主要竞争对手西门子强大的物联网平台推动。

在2018年晚些时候，罗克韦尔展示了该公司现在如何依靠PTC提供物联网平台组件，作为新推出的 “由PTC提供支持的创新套件”的一部分。两家公司都希望进一步将其软件组件构建为集成的工业数字化解决方案。

4最富有争议的市场：中国

也许从 高通 - 恩智浦合并失败中可以推断出中国掌握权力的最明显迹象之一。2016年10月，总部位于美国的芯片制造商高通宣布将以44亿美元的价格收购联想 汽车 芯片恩智浦的领导者，成为半导体行业有史以来最大的一笔交易。然而最终并未落地。原因是：中国。此次收购已在包括欧盟和韩国在内的八个司法管辖区获得批准 - 但随着2018年美中之间的全球贸易争端升温，中国监管机构并未批准该交易。

还有一些与中国物联网公司的全球纠纷。最值得注意的是，一些国家和电信公司禁止华为和中兴通讯。

与此同时，许多公司希望进一步加强与中国的关系。例如，英特尔，西门子，瑞萨和myDevices都与阿里云合作，将他们的产品带到中国并开展联合创新项目。微软还扩展了其中国云基础架构，使本地Azure区域的数量翻了一番 。中国物联网创业公司的资金也大幅增加。

5最尬之跌落神坛：通用电气

据“华尔街日报”报道，2018年7月30日，“工业互联网”的先驱通用电气公司正在寻求出售GE Digital及其IoT Platform Predix。

这一消息是在一系列负面事件的背后发生的，这些事件在过去几个月里震惊了公司。这包括数千名工人的裁员，其子公司GE Capital的财务困境，以及其股票从道琼斯工业平均指数下跌。

就在两年前，该公司宣布了雄​​心勃勃的计划，即到2020年成为“价值15亿美元的软件业务”，其中包括Predix单独销售的4B美元。

2018年12月，GE管理层最终决定采用不同的方法。本公司所售的现场服务管理软件ServiceMax其大部分股权，但决定给GE数字（与它Predix）一个全新独立的实体。2019年将使我们更深入地了解这个新实体的细节，以及它是否能够脱离GE过去几年收到的一些负面报道。

6最具影响力的研究报告：贝恩公司 - 解锁物联网机会

8月，贝恩公司发布了一项名为“解锁物联网中的机会” 的研究。该出版物全面概述了600多个物联网终端用户和180个物联网供应商的优先事项，观点和挑战。它还将结果与2016年的类似调查进行了比较。其中，贝恩发现：

贝恩在后续网络研讨会中提供了更多见解，其中显示，与2016年相比，特别是工业客户对物联网计划的投资回报率更加清晰，并且“质量控制”被客户和供应商标记为其关键用例之一。

7最重要的政府倡议：加州网络安全法

在几次尝试向美国参议院提交物联网网络安全法案失败后，加利福尼亚州于2018年8月底跳楼，并成为第一个通过物联网网络安全法的州。

从2020年1月1日开始，任何“直接或间接”连接到互联网的设备制造商必须为其配备“合理”的安全功能，旨在防止未经授权的访问，修改或信息泄露。

虽然许多人承认这项法律是一个姗姗来迟的第一步，但大多数专家批评它过于肤浅和模糊。例如，物联网安全公司VDOO的高级产品营销经理Ruth Artzi 写道： “对于唯一密码的法律要求是一个很好的进展，但不幸的是，这还不够。[]应以更具体的方式定义法律，因为根据设备的性质和功能，“适当的”安全程序的要求过于模糊，没有真正的机制来验证供应商是否采取了适当的措施。

8最重要的连接性计划：5G网络

5G是2018年讨论最多的技术趋势之一，因为它承诺在速度和延迟方面有所改变。2018年也是第一个5G网络开通的一年。

2018年6月标志着5G标准的初步完成，尽管预计到2019年3月甚至更晚的时候仍会进行一些功能性修订。

2018年10月，Verizon Communications成为世界上第一家在美国四个城市（洛杉矶，休斯顿，印第安纳波利斯，萨克拉门托）正式推出 5G网络的运营商。Verizon现在声称自己是“5G中的第一”，尽管它的竞争对手将其网络建立在专有的5G TF标准上，而不是官方的5G标准（由3GPP标准化）。

2018年12月，三家韩国运营商同时开通了商用5G网络。与Verizon的5G网络不同，它们的网络似乎基于3GPP标准，并且还为企业客户提供固定无线接入服务。

9最大的并购交易：IBM / Red Hat

物联网2018年看到了与物联网相关的大型交易。IBM 宣布有意收购价值34亿美元的红帽，这是有史以来最大的软件交易。该协议承诺IBM将在其竞争对手AWS，微软和谷歌一直处于领先地位的云市场中获得更好的地位。借助Red Hat，IBM现在拥有自己的容器解决方案，强大的云软件堆栈以及在混合云设置中更好地发挥作用的能力，允许跨多个云环境传输数据。IoT Analytics预计，混合和多云设置将在未来几年在物联网数据存储中发挥越来越重要的作用。

10最大的融资：View

除了上述基于物联网的终端用户应用资金增加的趋势外，第二个趋势是中国基于物联网的资金投入突然增加。总金额在1亿美元左右 - 考虑到处于早期阶段的融资企业，这一数字已经相当高了。

结语： 小隐在此也预祝您和您的团队在2019年取得成功！

---