这里说的的IOT产品是什么？

1999 年，麻省理工学院（MIT）的 Kevin Ashton 在他关于 RFID 标签的演讲中提出了“物联网”一词。他这样描述自己的愿景：现在的计算机和互联网几乎完全依赖人类来获取信息然而问题是，人们的时关的复杂数据。假如计算机能在不依赖我们任何帮助的情况下收集数据，了解一切事物的话，那么我们就可以用它们来跟踪并计算每一个‘物’，从而大大减少浪费和损失，降低成本。我们就能知道什么时候需要对‘物’进行更换、修理或是召回；就能知道这些‘物’是否处于最佳状态。”

在当时，物联网（IoT）上的“物”被设想为可以计数的东西。它们存在于一系列相对简单的应用中，比如运输箱上的 RFID 标签；用于掌握车位是否停满的停车场出入口系统；以及酒店的迷你吧，可以记录您晚上消费的零食并自动将费用计入您的账单。最初，单独的计数系统只是作为自主的独立应用而运行。

而现在的 IoT 则具有更广泛的视角，更强调对累积数据的后期处理。因此，这就需要把单独的应用与云存储保持连接，并通过互联网实现远程控制。IoT 所需的网络规模可能难以想象，而要让这种情况成为现实需要绝对可靠的连接，从一开始就设计在产品中，并在整个产品生命周期都要经过充分测试。

传统的产品开发工作中经常会遇到一个个孤岛、一次次返工和碰壁。PathWave 平台可以支持敏捷的互联设计工作流程。它在一个平台之上集成了是德科技值得信赖的设计和测试软件，可以让您加快进行产品开发。在产品开发路径中，每个步骤都是相互连通和集成的。

定义“物”的性质和规模

自 1999 年以来，IoT 已经扩展到机器对机器（M2M）通信和应用领域，例如制造行业和公用事业（天然气和电力）。虽然自动化在制造业中已有一席之地，但 IoT 和所谓的工业互联网都支持更高程度的自动化，同时也提高了制造流程的灵活性和效率。支持远程和前瞻性维护的新工具就是其中的例子，它们可以降低成本，提高竞争力。

这些趋势影响了对 IoT 实施规模的预测，预计到 2020 年，各行各业中互联的“物”将达到 150 亿至 500 亿之巨。针对颠覆性的新型 IoT 相关业务的进一步预测表明，其潜在收入将比 IoT 硬件和网络供应的收入高出许多倍。

2018 年 2 月，IoT Analytics 根据已组装和分类的 IoT 项目对 IoT 前十大细分市场进行了排名。排名前三的细分市场均属于工业物联网（IIoT）应用领域。

1 其中，智慧城市由 2016 年的排名第二跃升至第一位。智慧城市中最受欢迎的应用有智能交通、公用设施、照明、环境监控和公共安全。

2 排名第二的细分市场是互联行业。最受欢迎的应用是设备监控和互联机械的远程控制，如起重机、叉车，乃至整个矿山和油田。

3 互联建筑是 2016 年以来增长最大的细分市场。大多数应用涉及设施自动化，有助于降低能源成本。

从工作的角度来定义，物联网中的“物”可以是任何固定或移动的自然物体或人造物体，能够通过网络传输数据。以货物运输、车队管理和船运为例，在这些行业中，智能 BLE 标签使得物流公司能够对位置、速度、运输和存储情况进行跟踪。另一个例子是火炬气监控。无线声学传感器可以监控阀门，控制流向炼油厂火炬烟囱的气流阀门，从而提高合规性，降低由于未能及时检测并修复故障阀门而导致的碳氢化合物损失。

2018 年 IoT 十大细分市场

IoT 支持技术

按照近期趋势，可能只有一部分器件会使用有线连接（如 USB、以太网、光纤），大多数的 IoT 器件将会采用无线技术。这包括用于移动支付的近场通信（NFC），用于无人值守远程气象站的地球同步卫星，以及蓝牙®、无线 LAN（WLAN）、ZigBee、点对点无线电、蜂窝等等。

网络将需要应对具有不同通信要求的各种独特器件。一方面是简单的无线器件，如电池供电的传感器和执行器，它们可在无人值守的情况下连续运行数年，传输非常少的数据。而在另一方面，对于频谱的使用，那些高带宽、任务关键型业务和器件（如电力系统或医疗器件）无论如何都需要有持续、可靠和超级安全的连接。

要给每个器件提供唯一标识，需要巨大的 IP 地址空间。由于 IPv4 寻址空间非常有限，目前需要使用集中器（如路由器和网关），因此端到端地使用 IPv6 寻址将会是 IoT 器件的关键推动因素。IPv6 具有几乎无限的地址空间，支持为数十亿器件提供唯一地址。

访问云网关

对于大多数 IoT 业务模型而言，基于服务器/云的大数据分析和机器学习非常关键。IoT 使用 M2M 通信来收集数据，并在分布广泛的“物”（如传感器或执行器）和云智能之间路由控制消息。许多拓扑结构将网关节点作为“物”和“云”之间的聚合点（图 2）。

网关的复杂程度各不相同。例如，Wi-Fi 接入点包括 IP 路由器，并且还可能包括从以太网和 Wi-Fi 到 ADSL 或其他固定线路协议的转换。更复杂的网关则可能包括使用“边缘”或 “雾”应用来进行编程的重要计算资源，这些应用能够进行本地决策。

在通信成本比较低，时延可以容忍的情况下，IoT 实施倾向于使用简单的网关，然后将大部分数据路由至“云”，以便进行分析和制定决策。在通信成本比较高或者具有严格时延要求的情况下，通常会指定复杂的网关节点。这些网关可以远程进行维护和配置，并且它们会监控本地的一系列“物”。路由到云的流量可能包括偶发的状态更新，或是超过本地监控阈值时触发的警报（例如，温度超过最高值或有入侵者时触发的警报）。

许多可穿戴应用和一部分家居自动化应用利用智能手机来提供用户界面或充当网关节点。由于 Wi-Fi 几乎无所不在，因此它成为了许多 IoT 应用的首选。如果无法使用固定线路或 Wi-Fi  链接，那么通常会使用蜂窝协议。可穿戴应用和围绕智能手机的家居自动化应用中经常用到蓝牙。如果需要通过缩短距离来提升安全性，那么可以选择 NFC。ZigBee、Z-Wave 和 Thread 为家居自动化和智能能源器件可以提供强大的低功耗网状网络。

ISA10011a 和 WirelessHART 中包括跳频技术，可意提高安全关键型 IIoT 应用的d性。新兴的低功耗广域（LPWA）技术（如 LoRa 和 SIGFOX）不仅具有 ZigBee 等技术的成本、低复杂性和低功耗优势，而且能通过窄带、低数据速率协议支持更长距离的传输。

IoT映射技术与工作范围

图 3 所示为按工作范围划分的 IoT 技术。无线标准社区使用邻近（proximity）、WPAN、 WHAN、WFAN、WLAN、WNAN、LPWA 和 WWAN 等术语来指示范围。

许多制式可用于器件与网关之间的短距离连接。为了促进未来的发展，在连接新器件的同时，新的标准也在迅速形成和演进。目前，有超过 60 种传统制式和新射频格式用于 M2M 和 IoT 相关应用。其中一些制式，如蓝牙、WLAN 和蜂窝，已经被广泛使用。而另一部分制式，如 ZigBee 和 Thread 也在特定的市场领域崭露头角。

为了加速将产品推向市场，一些公司开发了相对容易创建的专有解决方案，因为这些解决方案具有低数据速率、低功耗传输和低互 *** 作性要求。这种方法可能逐渐会被淘汰，因为市场的全球化正在推动器件通信从采用专有设计转为采用标准化解决方案。

物联网垂直市场和产品

1 智慧城市-精心优化物联网物联网设备

无论是在智慧城市还是在任何其他物联网应用中，物理设备都发挥着核心作用。智慧城市项目
需要成千上万的物联网设备。这些设备必须具有更低的能耗和出色的性能，同时能够抗干扰，
安全可靠。在智慧城市中，所有物联网设备与基础设施之间都必须随时随地保持无线连通性。这种连通性必须没有任何间隙，安全可靠，并能同时提供高质量的语音和数据业务。在智慧城市中，物联网设备将可能通过低功耗广域网（LPWAN）进行 *** 作。该网络中既包括专有选件，也包括开放标准选件。如此多的无线连通性技术混杂使用，让智慧城市中的物联网设备在设计与测试上充满挑战

网络是智慧城市的支柱，其性能和容量极限至关重要。是德科技的测试解决方案帮助您利用逼真的流量在实验室中进行极限测试。此外，网络的安全性也非常关键。

打造智慧城市，需要作为中心智能网络枢纽的混合网络与大量物联网设备进行复杂的交互。将这些互联对象放在单一网络中，会给黑客留下可趁之机。利用是德科技的网络可视性解决方案，让智慧城市中的家居用品、电话等基础设施和设备全面得到安全保障。

2 医疗物联网-确保智能医疗设备高度可靠；经过优化，安全放心

医疗物联网设备的联网数量正在不断攀升。尤其在医院里的部署更为密集，其中大部分设备都是拥挤在 24-GHz 频段运行。在这个频段内，还有大量 Wi-Fi 和非 Wi-Fi 设备与医疗物联网设备争夺频谱资源，干扰连通性，导致网络经常掉线，以及在传输关键警报时故障频发。这对于医疗物联网设备来说，问题非常严重。因为这些设备必须要时时刻刻保持正常运转，不能受任何干扰，甚至在传输过程中哪怕是丝毫的数据中断，都有可能会对患者的生命造成威胁。这张信息图概述了干扰对医疗物联网设备的影响，以及可以采取哪些步骤把干扰其降到最小。

3  工业物联网（IIoT）解决方案

工业物联网（IIoT）正在改变工业生产的方式。工厂过去给人的印象是拥有大量机器、人员和制造产品的复杂体系，现在它们正在向自动化和智能化迈进。工人正在被机器人所取代。

工业物联网产品需要能完成更艰苦、更长久的工作，在某些情况下使用寿命要达到 10 年以上。无论在怎样的环境条件下运行，它们都必须无缝协作。由此带来的挑战是，如何为工业物联网设计产品，以满足包括可靠性和安全性在内的这些要求。无论您设计的是哪种物联网产品，是德科技都能为您提供帮助，确保对它进行全面优化，以便在工业物联网中生存和发展。我们的解决方案能够让您更迅速、更准确、更经济高效地设计和测试工业物联网产品。

4 智能家居

提供性能值得信赖的低功耗物联网设备，打造令消费者倾心不已的互联家居

智能家居正在成为大众生活中的主流。很多传统家庭在日常生活中已经使用了至少一件或多件物联网设备。许多新建住宅从一开始就采用物联网技术进行了设计。据 Gartner 公司预测，到 2022 年，典型的家庭居室内可能包含 500 多件智能设备。

各种智能家居设备的功能虽然各不相同，不过作为工业物联网设备，它们遵守着很多相同的连通性和低功耗要求，智能家居物联网设备也存在许多相同的技术挑战。是德科技拥有卓越的解决方案和专业技术，可以帮助您将智能家居物联网设备从设计转化为成功的产品。

5 物联网可穿戴设备

在优秀的电池使用寿命与强大的功能之间实现良好平衡

可穿戴设备随处可见。根据预测，仅在 2020 年可穿戴设备的销量就将高达 411 亿件。物联网设备的数量如此巨大，竞争将会异常激烈。

成功的可穿戴设备必须做到不只是 “酷”，还要价格经济，性能可靠。在工作时，它不能干扰其他设备，自身也不能受干扰的影响。它必须在功能和能效之间达到绝佳的平衡，以确保更持久的电池使用寿命。当您致力于创造下一个 “热门” 的可穿戴设备时，是德科技正在努力确保您的产品具有出色的功能和能效，在同类产品中脱颖而出。

　现在，物联网卡已经用于零售行业，汽车，医疗医院，学校等等各个领域，可以用一句话来概括，这意味着所有可以使用物联网络的应用程序都可以使用物联网卡。但是，现在有些应用场景设备复杂且变化很大，物联网络。随着技术的发展，物联网卡实际上可以实现能源社会的各个领域。如果你有需求的话，智宇物联一直我都有在用。

加大油气勘探开发力度、保障国家能源安全是当前面临的迫切任务。但随着优质资源的不断开发，剩余资源开采难度越来越大，成本越来越高，迫切需要创新技术提升油气勘探开发效率和效益。在大数据、人工智能( artificial intelligence，AI)、5G、云计算、物联网等技术推动下，油气田的智能化水平将会越来越高，这既是油田降本提质增效的有效途径，也是油气技术发展规律的必然趋势。

1、大数据技术定义

2012年兴起的“大数据”潮流，让“Big Data”这个IT圈子里的名词一下风靡了各个行业。虽然大数据的重要性得到了大家的一致认同，但是对大数据的理解却众说纷纭。大数据是一个抽象的概念，除去数据量庞大这一特征，大数据还有一些其他的特征，这些特征决定了大数据与“海量数据”和“非常大的数据”这些概念之间的不同。

高德纳分析员Doug Laney曾于2001年在一次演讲中指出，数据增长有3个方向的挑战：数量（volume），即数据多少；速度（velocity），即资料输入、输出的速度；种类（variety），即多样性，这3方面的特征即大数据最先提出的3V模型。2011年，在国际数据公司（IDC）发布的报告中，大数据被定义为：“大数据技术描述了新一代的技术和架构体系，通过高速采集、发现或分析，提取各种各样的大量数据的经济价值。”大数据的特点可以总结为4个V，即volume（体量浩大）、variety（模态繁多）、velocity（生成快速）和value（价值巨大但密度很低）。这种4V定义得到了更广泛的认同，指出了大数据最为核心的问题，就是如何从规模巨大、种类繁多、生成快速的数据集中挖掘价值。

2、大数据技术的发展

大数据是人工智能的血液，当前大数据、云计算、人工智能以及区块链技术之间的关系密不可分，也被称作数据智能。比如，先进的工业互联网，其中既有区块链技术也有大数据技术，还有云计算技术，三者合成一体，又衍生出了人工智能和物联网的概念。

在大数据基础上的人工智能，目前已进入数据智能的深度学习时代，其快速发展引起了 社会 和产业的颠覆性变化。从大数据和人工智能技术全行业的发展来看，目前美国仍处于领先地位，中国紧随其后，且具有赶超趋势。中国在人工智能相关的论文发表总数和高引论文数量实现对美国的超越，但在人工智能理论发展和技术方向的引领方面美国还占据支配地位。

3、大数据技术流程

大数据处理的关键技术流程主要包括：数据采集、数据预处理（数据清理、数据集成、数据变换等）、海量数据存储、数据分析及挖掘、数据的呈现与应用（数据可视化、数据安全与隐私等）。

4、大数据的核心算法

大数据的核心算法可以分为监督学习（有标签）和无监督学习（无标签）两大类，其中：

监督学习分为回归和分类：即给定一个样本特征，希望预测其对应的属性值，如果是离散的，那么这就是一个分类问题，反之，如果是连续的实数，这就是一个回归问题。无论是分类还是回归，都是想建立一个预测模型，给定一个输入，可以得到一个输出。不同的只是在分类问题中，是离散的；而在回归问题中是连续的。

无监督学习分为聚类和降维：即如果给定一组样本特征，我们没有对应的属性值，而是想发掘这组样本在维空间的分布，比如分析哪些样本靠的更近，哪些样本之间离得很远，这就是属于聚类问题。如果我们想用维数更低的子空间来表示原来高维的特征空间，那么这就是降维问题。聚类也是分析样本的属性，事先不知道样本的属性范围，只能凭借样本在特征空间的分布来分析样本的属性。这种问题一般更复杂。而常用的算法包括 k-means （K-均值），GMM（高斯混合模型）等。

5、大数据在油气勘探开发领域的应用

目前大数据技术在地质分析、测井解释、地震解释、甜点预测、地质建模、油藏模拟、钻井、压裂、采油、产能预测等方面均开展了大量 探索 性研究，收到了良好的效果。但是目前，大数据与油气行业相关领域的融合还处于起步阶段，面临来自数据、算法和地下未知因素的诸多挑战。未来在大数据、人工智能、5G、云计算、物联网等技术推动下，油气田的智能化水平将会快速发展，这既是油气技术发展规律的必然趋势，也是油田降本提质增效的有效途径。在发展的过程中，智能油气田建设需要油气勘探开发与大数据、人工智能、云计算以及区块链等技术的深度融合，进而催生一批油气田领域的颠覆性技术，解决油气勘探开发的技术需求，提升油气田勘探开发的经济和 社会 效益。

（ 下期将向您详细解读大数据在油气行业的具体应用 ）。

注：本文部分参考资料来源如下：

李阳，廉培庆，薛兆杰，等．大数据及人工智能在油气田开发中的应用现状及展望[J]．中国石油大学学报(自然科学版)，2020，44(4):1-11

Gantz J，Reinsel DExtracting Value from Chaos IDC iView Report，2011

Team O R Big Data Now：Current Perspectives from O’Reilly RadarSebastopol：O’Reilly Media，2014

Grobelnik M Big data tutorial >

当许多非技术人员听到“物联网”（IoT）的时候，他们的眼睛变得呆滞，他们露出困倦或迷惑的表情。对那些在科技行业中的人来说，这是从两个方面看的——对一些人来说，这是一个巨大的炒作，但对另一些人来说，这是一个巨大的经济机会。商机，唯一的问题是“什么”和“什么时候”。

我已经把物联网(IoT)是“什么”分成了两个主要的领域，即人类物联网（人类物联网（HIoT））和工业物联网（IIoT）。

熟悉人类物联网（HIoT）的Nike FuelBand、FITTUS、Nest和RANVV，在工业物联网（IIoT）世界中连接商用HVAC和车队系统的情况也一样。例如Digi International、ELon + 209%梯队和飞思卡尔半导体公司都在大范围地追求这一空间。叶我在工业物联网（IIoT）上发表了一篇深刻的潜水论文，但是我会给你下面的删节版本。

工业物联网（IIoT）和人类物联网（HIoT）在未来几年的主要区别在于工业物联网（IIoT）将包含一个世纪以来存在的“棕色油田”基础设施，如商业锅炉和舰队跟踪，而人类物联网（HIoT）则是一组新的“绿色”服务和技术，它们必须构建INFREST结构随着它的成长。

工业物联网(IIoT)的设计需要对解决空间的深刻理解和连接几十年制造的系统的能力。工业物联网(IIoT)支持解决方案供应商，如Digi、Agelon和FiSele，它们在工业控制领域有扎实的根基。在用户体验（UX）和像Nest、FITBIT和RANVV这样的设备设计方面，EN的飞跃。“足够好”的概念不适用于工业界。

正如我们以前的物联网I（IoT）分割纸中提到的，工业物联网（IIoT）端点必须比人类物联网(HIoT)端点更健壮。如果不能生成和传输的数据用于分析，则嵌入在端点中的传感器没有多大帮助。我把这些集合点称为“网关”。

有许多向量可以用来测量端点的“鲁棒性”。下面的表格总结了这些向量：

· 产品生命周期:工业物联网（IIoT）产品有很长的产品周期, 产品通常必须在极端条件下运行, 例如在锅炉旁边, 在汽车和喷气引擎中, 浸泡在腐蚀性液体中, 位于沙漠、雨林、火山、高空等敌对的地理环境· 市场机会: 工业物联网(IIoT)使用布朗菲尔德来描述将超过一个世纪的在职机械和电气系统连接到互联网的机会, 因此可以提供新的基于云的服务和分析后端。认为100年老锅炉和暖通空调系统在高上升

· 解决方案集成: 在数十年的使用中安装和升级的系统系统 (如旧的暖通空调锅炉) 必须至少可以在许多级别的一个 (物理、电气、ABI、API 和网络协议接口) 上进行互 *** 作

· 安全: 诸如暖通空调和电源控制等工业系统必须是安全的, 以防止未经授权的访问和滥用有形基础设施。即使是像温度控制这样简单的特性也会影响深远的现实世界

· 人工交互: 工业物联网（IIoT）系统是基于规则的。因此 IIoT 数据流是不对称的, 主要是上游的, 从传感器到网关到云服务, 只有较小的控制反馈流回下游

· 可用性: 我们通过计数 "九" 来衡量可用性, 并查看每个可用级别上剩余的可用时间。四到五九通常被称为 "高可用性" (HA), 是您在 IIoT 世界中期望的

· 对 Internet 的访问: 工业物联网（IIoT） 系统无法承担对云的连续互联网访问。网络接口失败, 网络本身有时会失败, 外部干扰可能会暂时压倒通信信道的噪音, 并有效地切断连接等

· 对失败的响应: 由于组件和子系统的故障预期, 工业系统必须能够恢复故障。这些系统的设计, 以优雅和确定性的方式失败-一些拯救生命和健康, 如发电和医疗仪器, 其他节省金钱, 资源和时间, 如航空公司调度系统, 使他们可以重新启动修复后快速

· 网络拓扑: 工业物联网（IIoT） 终端设备通常被设计为与更广泛的社区结盟, 以便利用资源和实现更大规模的目标

· 物理连接: 网关应该是本地物理网络不可知的。工业物联网（IIoT） 使用任何物理网络最适合的: 双绞线、电力线、以太网、无线、蜂窝、卫星等

工业互联网的东西工业物联网(IIoT) 青睐的组件和解决方案供应商, 如数码, 梯队, 和飞思卡尔从工业控制世界谁拥有丰富的经验, 各种遗留的工业连接解决方案。这些供应商专门了解特定的工业使用模型, 然后创建领域专门知识, 将这些使用模型转换为传感器、执行器、控制逻辑、数据聚合、本地网络连接和服务层。他们在过去一个世纪建立的遗留工业设备方面积累了经验, 并在数十年的时间里与客户建立了信任。

以上由物联传媒转载，如有侵权联系删除

---