工業(yè)物聯(lián)網智能賦能智能制造：文獻綜述

Industrial Internet of Things Intelligence Empowering Smart Manufacturing: A Literature Review

作者

關鍵字

工業(yè)物聯(lián)網（IIoT）、IIoT智能、智能制造、人工智能

Industrial Internet of Things (IIoT), IIoT intelligence, Smart manufacturing, Artificial intelligence

摘要

在激烈的商業(yè)競爭環(huán)境和日益增長的個性化定制需求的推動下，制造業(yè)正進行數(shù)字化轉型和升級。工業(yè)物聯(lián)網（IIoT）智能技術能夠為制造價值鏈的各個方面提供創(chuàng)新和高效的解決方案，照亮了制造業(yè)轉型的道路。目前有必要對IIoT智能技術提供一個系統(tǒng)的視角。然而，現(xiàn)有的綜述通常側重于IIoT智能的特定領域，導致研究人員和讀者對IIoT智能的理解存在偏差，即認為某一方向的研究對于IIoT智能的發(fā)展最為重要，而忽略了其他方向的貢獻。因此，本論文提供了對IIoT智能的全面綜述。我們首先深入分析了制造業(yè)轉型的必然性，并研究了中國企業(yè)實踐中的成功經驗。接著，我們給出了IIoT智能的定義，并展示了其在功能、操作、部署和應用場景中對工業(yè)的價值。隨后，我們提出了一個由五層組成的IIoT智能分層發(fā)展架構，詳細說明了每一層技術升級的實際價值，并通過燈塔工廠案例展示其實踐價值。在此之后，我們識別了七種加速制造業(yè)轉型的技術，并闡明了它們的貢獻。此外，我們還分析了在制造業(yè)中采用IIoT智能技術的倫理和環(huán)境影響。最后，我們從四個方面探討了IIoT智能面臨的開放性挑戰(zhàn)和未來的發(fā)展趨勢，以啟發(fā)未來的研究。

“燈塔工廠”項目由達沃斯世界經濟論壇與管理咨詢公司麥肯錫合作開展遴選，被譽為“世界上最先進的工廠”，具有榜樣意義的“數(shù)字化制造”和“全球化4.0”示范者，代表當今全球制造業(yè)領域智能制造和數(shù)字化最高水平。

一、 引言

制造業(yè)在全球經濟中占據(jù)著重要地位。它占全球GDP的16%，其研究與開發(fā)（R&D）支出占全球R&D支出的64%【1】。然而，制造業(yè)正面臨許多問題。生產力停滯、個性化定制需求的增加、創(chuàng)新的長期滯后、人力資源的急劇萎縮，以及對一站式便捷服務的期望，這些都在推動制造業(yè)的升級和轉型。同時，近年來智能技術的快速發(fā)展也激勵政府和企業(yè)開展數(shù)字化轉型。在這樣的背景下，各國政府出臺了一系列政策【2】-【5】，如《新機器人戰(zhàn)略》、《2030年工業(yè)戰(zhàn)略》等。受這些政策紅利的啟發(fā)，企業(yè)開始走上工業(yè)革命和創(chuàng)新的道路【6】【7】。

工業(yè)物聯(lián)網（IIoT）通過網絡將各種工業(yè)設備連接在一起，支持數(shù)據(jù)的收集、交換和分析【8】，在提升工業(yè)數(shù)字化水平方面取得了巨大成就。為了闡明IIoT的研究價值，一些研究工作對IIoT的各種定義和相關技術進行了綜述，并提出了開放性挑戰(zhàn)，以啟發(fā)未來的研究方向。Boyes等人【9】區(qū)分了IIoT與工業(yè)4.0、信息物理系統(tǒng)、工業(yè)自動化與控制系統(tǒng)、監(jiān)督控制與數(shù)據(jù)采集、工業(yè)互聯(lián)網的內涵，并強調了智能物體、信息物理資產和計算平臺之間的互聯(lián)性。Khan等人【10】回顧了IIoT在架構和框架、通信協(xié)議和數(shù)據(jù)管理方案方面的研究工作。文獻【10】中的IIoT系統(tǒng)通用架構包括網絡實體、云/邊緣計算平臺和企業(yè)業(yè)務領域，重點介紹了IIoT通信協(xié)議的研究。云/邊緣計算用于為IIoT提供分布式的高性能計算資源。Malik等人【11】提出了IIoT的架構，包括物理層、數(shù)據(jù)鏈路層、網絡和互聯(lián)網層、傳輸層和應用層，并分析了IIoT的潛在應用，如環(huán)境監(jiān)測、智能農業(yè)、醫(yī)療保健、供應鏈管理和家庭自動化。這些工作對于未來研究的共同見解是，應該將更多先進技術與IIoT結合，如區(qū)塊鏈、大數(shù)據(jù)分析、深度學習等，以便IIoT能夠變得更加智能。

環(huán)境監(jiān)測、智能農業(yè)、醫(yī)療保健、供應鏈管理和家庭自動化這寫都是目前工業(yè)物聯(lián)網的應用場景，可以從以上的場景中尋找研究方向。

工業(yè)互聯(lián)網在家庭檢測領域的應用，主要是通過傳感器、物聯(lián)網（IoT）技術和數(shù)據(jù)分析手段，實現(xiàn)對家庭設備、環(huán)境和用戶行為的智能監(jiān)測與管理。以下是工業(yè)互聯(lián)網在家庭檢測方面的主要研究內容：

1. 家庭環(huán)境監(jiān)測

• 空氣質量監(jiān)測：研究如何利用傳感器監(jiān)測室內空氣質量，包括PM2.5、CO2、甲醛、溫度和濕度等指標。這些數(shù)據(jù)可以幫助用戶改善居住環(huán)境，保障健康。

• 噪聲監(jiān)測：開發(fā)聲學傳感器，實時監(jiān)測家庭環(huán)境中的噪聲水平，以評估居住環(huán)境的舒適度。

• 水質監(jiān)測：研究如何利用傳感器監(jiān)測家庭供水的水質，包括pH值、濁度、余氯等指標，確保飲用水的安全。

2. 智能家居設備監(jiān)測

• 設備狀態(tài)監(jiān)測：研究如何實時監(jiān)測家中各類智能設備（如冰箱、空調、洗衣機等）的狀態(tài)，包括工作效率、能耗等。這有助于用戶及時發(fā)現(xiàn)設備故障，進行維護和節(jié)能管理。

• 安全監(jiān)測：開發(fā)家居安全傳感器（如門窗傳感器、煙霧探測器、監(jiān)控攝像頭等），實時監(jiān)測家庭安全狀況，及時向用戶發(fā)送警報，保障家庭安全。

3. 能耗監(jiān)測與管理

• 能耗監(jiān)測系統(tǒng)：研究如何通過智能電表和其他傳感器監(jiān)測家庭的能耗數(shù)據(jù)，為用戶提供能耗分析和優(yōu)化建議，幫助降低家庭能耗成本。

• 智能調度：結合數(shù)據(jù)分析和機器學習技術，優(yōu)化家庭設備的工作時間和方式，實現(xiàn)需求響應（Demand Response），提高能效。

4. 用戶行為分析

• 用戶行為識別：利用傳感器和數(shù)據(jù)分析技術，研究家庭成員的生活習慣和行為模式，包括起居、飲食和活動規(guī)律。這有助于實現(xiàn)個性化的智能家居服務，如自動調節(jié)家居環(huán)境。

• 異常行為檢測：通過機器學習算法分析用戶行為數(shù)據(jù)，識別異常行為（如跌倒、長時間不動等），提供老年人或兒童的安全監(jiān)護。

5. 數(shù)據(jù)分析與決策支持

• 數(shù)據(jù)采集與傳輸：研究如何高效地收集和傳輸家庭檢測數(shù)據(jù)，包括使用邊緣計算技術減少延遲。

• 智能決策系統(tǒng)：基于大數(shù)據(jù)分析，開發(fā)智能決策支持系統(tǒng)，幫助用戶更好地理解家庭環(huán)境和設備狀況，并提供優(yōu)化建議。

6. 健康監(jiān)測與遠程醫(yī)療

• 健康監(jiān)測設備：開發(fā)智能健康監(jiān)測設備（如血壓計、心率監(jiān)測儀、體重秤等），實現(xiàn)對家庭成員健康狀況的實時監(jiān)測和記錄。

• 遠程醫(yī)療服務：通過家庭檢測設備收集的健康數(shù)據(jù)，研究如何提供遠程醫(yī)療服務，實現(xiàn)醫(yī)生與患者之間的實時溝通和健康管理。

7. 隱私與安全問題

• 數(shù)據(jù)隱私保護：研究如何在家庭檢測中有效保護用戶隱私，確保數(shù)據(jù)在收集、傳輸和存儲過程中的安全性。

• 網絡安全：探討家庭網絡安全問題，確保智能家居設備的安全性，防止網絡攻擊和數(shù)據(jù)泄露。

8. 用戶體驗與人機交互

• 智能家居界面設計：研究如何設計用戶友好的智能家居管理界面，提升用戶體驗。

• 語音與手勢識別：結合語音識別和手勢控制技術，提供更便捷的家居設備控制方式。

工業(yè)互聯(lián)網在供應鏈管理方面的研究主要集中在利用物聯(lián)網（IoT）、大數(shù)據(jù)分析、人工智能、云計算等技術，實現(xiàn)供應鏈的智能化、透明化、高效化和靈活化。以下是工業(yè)互聯(lián)網在供應鏈管理領域的主要研究方向：

1. 供應鏈可視化與透明化

• 實時追蹤與監(jiān)控：通過工業(yè)互聯(lián)網中的傳感器、RFID（射頻識別）和GPS技術，實時追蹤原材料、產品和運輸工具的位置和狀態(tài)，實現(xiàn)全供應鏈的可視化。企業(yè)能夠實時獲取關于生產、庫存、運輸?shù)拳h(huán)節(jié)的動態(tài)數(shù)據(jù)，確保供應鏈運行的透明度。

• 研究點：如何通過物聯(lián)網和云平臺整合分散的供應鏈數(shù)據(jù)，使企業(yè)能夠一目了然地看到貨物的流動、存貨的狀態(tài)及運輸情況。

• 狀態(tài)監(jiān)控：對運輸過程中的環(huán)境參數(shù)（如溫度、濕度、震動等）進行監(jiān)控，確保產品質量，尤其是在食品、醫(yī)藥等對環(huán)境要求較高的領域。

• 研究點：設計和開發(fā)多功能傳感器網絡，實時監(jiān)控并預測供應鏈中的潛在風險，確保運輸中的產品安全。

2. 預測性維護與管理

• 設備維護管理

  ：供應鏈中涉及大量的生產設備、運輸工具等，通過傳感器監(jiān)控設備狀態(tài)，分析設備運行數(shù)據(jù)，提前預測設備的故障或停機時間，進行預防性維護，避免供應鏈中斷。

• 研究點：利用大數(shù)據(jù)和機器學習模型，分析設備的歷史數(shù)據(jù)，研究如何提前識別和預測供應鏈中設備的故障，降低維護成本和設備停機時間。

3. 智能庫存管理

• 庫存優(yōu)化：通過實時監(jiān)控庫存水平，結合需求預測算法，優(yōu)化庫存配置，避免過度庫存或缺貨情況的發(fā)生。這包括利用大數(shù)據(jù)分析市場需求趨勢，精準調整庫存策略。

• 研究點：如何使用工業(yè)互聯(lián)網的數(shù)據(jù)分析技術，通過精準的需求預測模型（如時間序列分析、機器學習）優(yōu)化庫存管理，減少庫存積壓或供應鏈短缺的情況。

• 自動補貨系統(tǒng)：基于物聯(lián)網設備和實時庫存數(shù)據(jù)，自動檢測庫存變化，觸發(fā)自動補貨機制，確保供應鏈的連續(xù)性和及時性。

• 研究點：開發(fā)智能庫存監(jiān)控系統(tǒng)，通過與供應鏈上下游的自動化對接，實現(xiàn)自動化的補貨與配送流程。

4. 供應鏈協(xié)同與敏捷性

• 供應鏈協(xié)同管理：工業(yè)互聯(lián)網通過共享平臺，打通供應鏈各環(huán)節(jié)的數(shù)據(jù)信息壁壘，實現(xiàn)供應商、制造商、物流公司和客戶之間的實時信息共享與協(xié)同，提高供應鏈效率。

• 研究點：研究如何構建跨企業(yè)的供應鏈協(xié)同平臺，確保數(shù)據(jù)透明、安全，并提高信息交換的效率，實現(xiàn)供應鏈的高效協(xié)同。

• 靈活的供應鏈應對能力：通過大數(shù)據(jù)分析和工業(yè)互聯(lián)網平臺，實時監(jiān)控供應鏈的市場需求、原材料供應情況、物流狀態(tài)等信息，提高供應鏈的靈活性，及時應對需求變化、原料短缺、自然災害等突發(fā)情況。

• 研究點：如何通過數(shù)據(jù)分析和預測模型，提升供應鏈的敏捷性和應對突發(fā)事件的能力，確保供應鏈的快速響應和調整。

5. 供應鏈風險管理

• 風險監(jiān)控與預警：基于工業(yè)互聯(lián)網平臺的數(shù)據(jù)采集和分析，研究如何對供應鏈中的風險因素（如自然災害、供應商中斷、市場需求波動等）進行監(jiān)測和預警，提前規(guī)避潛在風險。

• 研究點：構建供應鏈風險管理模型，通過數(shù)據(jù)分析預測潛在風險并提供決策支持，減少突發(fā)事件對供應鏈的影響。

• 供應鏈安全管理：確保供應鏈中的數(shù)據(jù)信息安全，防止黑客攻擊、數(shù)據(jù)泄露等網絡安全問題。工業(yè)互聯(lián)網技術在供應鏈管理中的應用涉及到大量的商業(yè)敏感數(shù)據(jù)，因此數(shù)據(jù)安全和隱私保護成為關鍵研究點。

• 研究點：研究如何在供應鏈管理系統(tǒng)中集成有效的數(shù)據(jù)加密技術、身份驗證機制及安全協(xié)議，保障供應鏈中信息流的安全。

6. 物流優(yōu)化與自動化

• 智能物流管理：通過工業(yè)互聯(lián)網技術實時監(jiān)控運輸工具、倉儲設備和物流路線，優(yōu)化物流路徑，減少運輸時間和成本，提高配送效率。

• 研究點：開發(fā)基于實時數(shù)據(jù)的物流優(yōu)化算法，動態(tài)調整運輸路線、倉儲策略，并結合無人機、自動駕駛等技術進行物流自動化。

• 無人化倉儲與配送：應用自動化倉儲系統(tǒng)、機器人、無人配送車輛等工業(yè)互聯(lián)網技術，實現(xiàn)倉儲和配送過程中的無人化操作，提升物流效率。

• 研究點：研究如何集成工業(yè)機器人、物聯(lián)網和自動化設備，在倉庫管理和物流配送過程中實現(xiàn)自動化和智能化，減少人工成本。

7. 供應鏈數(shù)據(jù)分析與決策支持

• 大數(shù)據(jù)驅動的決策支持系統(tǒng)：利用供應鏈中的大數(shù)據(jù)，構建智能決策支持系統(tǒng)，為供應鏈中的關鍵決策（如采購、生產計劃、庫存管理、運輸安排等）提供數(shù)據(jù)支持，提升決策的科學性和及時性。

• 研究點：研究如何利用大數(shù)據(jù)分析技術挖掘供應鏈中的關鍵數(shù)據(jù)點，通過機器學習、深度學習等算法，優(yōu)化供應鏈各個環(huán)節(jié)的決策。

• 基于AI的需求預測與供應鏈優(yōu)化：通過AI技術對歷史數(shù)據(jù)、市場變化和外部環(huán)境進行深度分析，預測未來需求變化，幫助企業(yè)優(yōu)化供應鏈策略，確保供應鏈的高效運作。

• 研究點：如何利用人工智能技術進行市場需求預測、供應鏈動態(tài)調整，提升供應鏈的前瞻性和應變能力。

  這個研究方向是做出預測，并且根據(jù)預測做出決策

  研究場景：超市各類商品進貨預測分析并給出決策；工廠原材料的預測和分析；

8. 可持續(xù)供應鏈與綠色管理

• 綠色供應鏈管理：研究如何通過工業(yè)互聯(lián)網技術減少供應鏈的碳排放、節(jié)約能源，實現(xiàn)綠色環(huán)保的供應鏈管理。包括優(yōu)化運輸路線、使用節(jié)能設備以及減少廢料和污染。

• 研究點：開發(fā)綠色供應鏈管理平臺，通過數(shù)據(jù)分析和優(yōu)化算法，實現(xiàn)對供應鏈全過程的能效管理和環(huán)保監(jiān)測。

• 循環(huán)經濟與資源再利用：通過工業(yè)互聯(lián)網技術對供應鏈中資源的流動進行優(yōu)化，減少浪費，促進資源的回收和再利用，推動循環(huán)經濟的發(fā)展。

• 研究點：研究如何通過物聯(lián)網技術跟蹤供應鏈中的產品生命周期，優(yōu)化廢棄物回收流程，促進資源的再利用。

如預期的那樣，近年來，IIoT與許多其他先進技術的結合，使其在全方位的可靠通信、動態(tài)環(huán)境適應性、靈活制造等方面展現(xiàn)出了智能特性。這也加速了制造業(yè)轉型的進程。具體來說，當IIoT與5G結合時，IIoT對多設備連接、高數(shù)據(jù)速率、更多帶寬和低延遲質量服務（QoS）的需求可以輕松滿足。Chettri等人【12】和Mahmood等人【13】詳細概述了5G 在IIoT系統(tǒng)中各種通信行業(yè)的挑戰(zhàn)和愿景。時間敏感網絡（TSN）是一組IEEE 802.1標準，定義了通過IEEE 802網絡提供確定性服務的機制【14】-【16】。確定性服務包括以有界延遲、低數(shù)據(jù)包延遲變化和低丟包率保證數(shù)據(jù)包傳輸。結合TSN，IIoT可以確保任何兩個設備之間的網絡通信具有確定性響應。Bello等人【17】詳細描述了TSN協(xié)議，并提供了一些將TSN應用于IIoT的案例。深度學習也有可能與IIoT結合。Khalil等人【18】介紹了包括卷積神經網絡、自編碼器和遞歸神經網絡在內的各種深度學習技術，以及它們在不同行業(yè)中的應用。通過引入數(shù)字體驗，IIoT可以減少產品研發(fā)成本【19】【20】。遠程監(jiān)控和控制技術的幫助使得勞動效率得到提高【21】。工業(yè)機器人逐漸取代人類從事一些體力勞動和例行工作【22】【23】。

由IEEE 802.1指定的不同TSN標準文檔可以分組為完整實時通信解決方案所需的三個基本關鍵組件類別。[1]每個標準規(guī)范都可以單獨使用，并且主要是自給自足的。但是，只有在協(xié)同使用的情況下，TSN作為通信系統(tǒng)才能充分發(fā)揮其潛力。三個基本組成部分是：

1）時間同步：參與實時通信的所有設備都需要對時間有共同的理解

2）調度和流量整形：參與實時通信的所有設備在處理和轉發(fā)通信數(shù)據(jù)包時都遵循相同的規(guī)則

3）選擇通信路徑，路徑預留和容錯：參與實時通信的所有設備在選擇通信路徑和保留帶寬和時隙時遵循相同的規(guī)則。

現(xiàn)在是時候對IIoT智能有一個系統(tǒng)的理解了。然而，現(xiàn)有的綜述往往聚焦于特定領域的IIoT智能，如IIoT中的5G【12】【13】、IIoT中的TSN【17】、IIoT中的深度學習【18】【24】【25】、IIoT中的邊緣計算【8】【26】【27】。這會導致研究人員/讀者對IIoT智能的理解產生偏見，即認為某一研究方向對于IIoT智能的發(fā)展最為重要，而忽視了其他方向的貢獻。在這種情況下，IIoT智能架構中先進技術的貢獻和位置也難以明確。

因此，本文提供了對IIoT智能的全面綜述?？紤]到IIoT智能的發(fā)展融合了政府、企業(yè)和研究人員的智慧，我們將信息來源從學術論文擴展到政府文件、行業(yè)報告和其他相關文獻。具體來說，為了提取有關IIoT智能的見解，我們深入研究了世界經濟論壇的全球燈塔網絡（GLN），該網絡認可了第四次工業(yè)革命下的燈塔工廠和應用案例。然后，我們盡力仔細研究了官方來源的相關客戶案例。通過深入分析GLN和客戶案例，我們識別出對其數(shù)字化和智能化轉型至關重要的技術。對于每種識別出的技術，我們主要考察了過去5年內發(fā)表的技術論文，以及超出此時間范圍的被多次引用的論文，以便全面了解并鞏固相關知識。最終，我們通過本文回答了以下四個問題：

• IIoT智能是什么？IIoT智能對智能制造能做什么？

• IIoT智能的發(fā)展架構是什么？

• 哪些技術正在加速IIoT智能的發(fā)展？

• IIoT智能的開放性挑戰(zhàn)和未來趨勢是什么？

二、 深入剖析智能制造

近年來，第四次工業(yè)革命引起了各國政府、企業(yè)和大學的廣泛關注，并已全面展開。許多制造商正在探索智能化轉型的道路。

A. 背景

在本節(jié)中，我們將根據(jù)社會環(huán)境和技術發(fā)展的因素，回答制造業(yè)為何需要進行智能化轉型這一重要問題。

近年來，許多國家的人口增長緩慢，同時制造業(yè)的勞動力成本不斷上升。例如，根據(jù)中國國家統(tǒng)計局的數(shù)據(jù)【32】，如圖1所示，從2014年到2019年，制造業(yè)的勞動力數(shù)量在下降，而勞動力成本卻顯著上升。此外，越來越多的客戶追求個性化定制和更好的用戶體驗，這使得制造系統(tǒng)的架構在產品生命周期的每個階段變得更加復雜，如設計、生產和售后服務等（見圖2）。能夠按需大規(guī)模生產定制產品并快速應對需求波動的能力，將為企業(yè)提供至關重要的競爭力。然而，要構建這些能力，企業(yè)在調整組織結構、運營和商業(yè)模式方面面臨著諸多挑戰(zhàn)?？偟膩碚f，勞動力成本的上升和定制化需求的增長迫使制造業(yè)社區(qū)進行智能化轉型，以提高生產力并實現(xiàn)可觀的回報。

Fig. 1. The workforce in Chinese manufacturing has been falling from 2014 to 2019, while workforce costs have been rising signiffcantly.（從2014年到2019年，中國制造業(yè)的勞動力一直在下降，而勞動力成本卻在大幅上升。）

Fig. 2. Personalized customization and patient experience enhance complexity of the architectures for manufacturing systems.（個性化定制和客戶體驗增加了制造系統(tǒng)架構的復雜性。）

近年來，云計算、5G連接、工業(yè)數(shù)據(jù)分析和工業(yè)物聯(lián)網等大量先進智能技術的快速發(fā)展為制造業(yè)升級指明了方向。世界各國也在通過政策支持制造業(yè)的智能化轉型。這些努力涵蓋了促進研發(fā)、培育創(chuàng)新生態(tài)系統(tǒng)、激勵先進技術投資以及應對監(jiān)管障礙等多個方面。例如，2023年10月30日，拜登政府發(fā)布了關于人工智能安全、可信開發(fā)和使用的行政命令E.O. 14110【33】【34】。該命令通過聯(lián)邦機構領導、行業(yè)監(jiān)管和與國際伙伴的合作，建立了一個指導負責任的人工智能開發(fā)和部署的政府廣泛努力。2023年2月1日，歐盟委員會發(fā)布了《綠色新政工業(yè)計劃》【35】，并于2024年2月6日推出了《零排放工業(yè)法》【36】，幫助歐盟成為清潔技術的發(fā)源地，并為到2035年加快新興產業(yè)的高質量發(fā)展提供堅實的技術支持。2023年8月23日，中國發(fā)布了新興產業(yè)標準的實施指南，承諾不斷提高新興產業(yè)標準的技術水平和國際化程度，并為到2035年加速這些新興產業(yè)的高質量發(fā)展提供有力的技術支持【37】【38】。

總結：提出來現(xiàn)在目前工業(yè)的背景勞動力一直在下降，而勞動力成本卻在大幅上升和個性化定制和客戶體驗增加了制造系統(tǒng)架構的復雜性，點出了轉型的必要。

B. 智能制造的成功經驗

在本節(jié)中，我們將根據(jù)富士康工業(yè)互聯(lián)網的實踐經驗，回答如何加速制造業(yè)智能化轉型進程的問題。富士康工業(yè)互聯(lián)網是一家在中國成功實現(xiàn)高水平智能化轉型的知名企業(yè)。請注意，許多其他制造商，如美國的DHL供應鏈、德國的西門子、印度的聯(lián)合利華等，已經走上了與富士康工業(yè)互聯(lián)網類似的轉型之路。在此背景下，我們借鑒富士康工業(yè)互聯(lián)網的經驗，闡述智能制造的秘訣。富士康工業(yè)互聯(lián)網將其成功經驗總結為三大支柱和兩大能力【39】，如圖3所示。

Fig. 3. The secrets to intelligent transformation of manufacturing（制造業(yè)智能轉型的秘密）

• 構建有效的生產架構以實現(xiàn)智能化轉型。具體來說，企業(yè)應改進柔性自動化生產線、連接生產數(shù)據(jù)并推動智能應用。通過這些努力，企業(yè)將提高產量和吞吐量、能效和產品質量，并降低產品成本、庫存和運營成本。

• 構建以客戶為中心的價值鏈。企業(yè)應在準確理解客戶需求的基礎上開發(fā)新產品并提供支持服務。企業(yè)可以重點優(yōu)化不同的價值鏈，如從供應商到營銷、從企業(yè)管理到售后服務、從產品開發(fā)到消費者的價值鏈等。

• 構建創(chuàng)新的商業(yè)模式，通過與學術界、行業(yè)伙伴和政府的標準化合作模式，推動數(shù)字制造生態(tài)系統(tǒng)的形成，如技術生態(tài)系統(tǒng)【40】和投資綁定。

• 構建制造業(yè)的數(shù)字能力，通過結合傳統(tǒng)技術與新興技術實現(xiàn)智能制造。雖然這些技術處于不同的發(fā)展階段，但它們可以解決特定的流程和操作問題。

• 主動培養(yǎng)技術能力和軟技能，管理人才。企業(yè)可以根據(jù)員工的數(shù)字親和力，為從一線工人到管理層的整個組織量身定制技能培訓計劃。同時，構建靈活的組織架構和績效管理系統(tǒng)，可以支持智能化轉型和技術創(chuàng)新。

總結：根據(jù)目前成功企業(yè)的經驗探索智能化轉型道路

三、 IIoT智能支持制造業(yè)轉型

IIoT智能可以支持制造業(yè)轉型所需的三大支柱和兩大能力（詳見第二部分B節(jié)）。在接下來的小節(jié)中，我們將解釋IIoT智能的內涵及其對智能制造的影響。

A. 理解IIoT智能

我們給出了IIoT智能的定義：

IIoT智能指的是一系列技術、方法、產品和平臺，這些技術可以在整個制造價值鏈中被應用，以構建數(shù)字連接與感知、智能分析與認知、實時決策等能力。

制造價值鏈包括研究與開發(fā)（R&D）、生產、運營與維護、市場營銷、管理和服務等各個環(huán)節(jié)。價值鏈的每一個環(huán)節(jié)都可以成為IIoT智能的應用場景。也就是說，IIoT智能的本質是將智能技術與工業(yè)場景、機制和知識深入結合，實現(xiàn)創(chuàng)新的工業(yè)應用，例如數(shù)字研發(fā)、實時高效決策、快速生產線重新配置等。

IIoT智能通過不斷迭代進行改進。

首先，收集整個價值鏈中的數(shù)據(jù)，并使用一些機器學習算法來學習價值鏈各個環(huán)節(jié)的特定知識。

然后，基于這些數(shù)據(jù)和知識，設計并驗證優(yōu)化模型和算法。

之后，將優(yōu)化后的解決方案在價值鏈中擴展應用。

最后，生成新的數(shù)據(jù)，開啟新一輪改進價值鏈的過程。

B. IIoT智能如何在制造業(yè)中發(fā)揮作用？

IIoT智能可以為制造價值鏈的各個環(huán)節(jié)提供創(chuàng)新解決方案，幫助企業(yè)構建第二部分中提到的支柱和能力（見圖3）。在接下來的部分中，我們將通過三個案例研究來說明IIoT智能對智能制造在經濟、技術和組織方面的影響。

1.經濟影響 - 通過數(shù)字化實驗降低產品研發(fā)成本：傳統(tǒng)的產品研發(fā)過程需要在物理生產線上進行多輪試生產、測試和優(yōu)化。每輪物理實驗都會耗費大量的人力、物力、資金和時間。因此，傳統(tǒng)的研發(fā)過程耗時長、成本高且對環(huán)境不友好。

IIoT智能可以通過將部分物理實驗數(shù)字化，顯著降低產品研發(fā)成本。通過利用歷史數(shù)據(jù)和經驗，IIoT可以將工業(yè)流程映射到數(shù)字領域，從而實現(xiàn)低成本的試錯實驗。此外，數(shù)字環(huán)境可以基于工業(yè)知識和歷史數(shù)據(jù)自動預測潛在的故障。推薦技術提供了改進建議，使項目團隊能夠及時修改和優(yōu)化產品設計，以應對檢測到的或預測到的故障。此流程大大提高了效率和成本效益，加快了新產品的開發(fā)。

除了優(yōu)化產品開發(fā)過程并在數(shù)字環(huán)境中進行低成本的試錯外，IIoT智能還可以支持生成式設計、跨部門和跨區(qū)域的協(xié)同創(chuàng)新與合作，從而加快設計進度并降低設計成本。

2.技術影響 - 通過自動化視覺系統(tǒng)提高檢查效率：在制造業(yè)的質量控制中，過去依賴人工檢查員進行人工視覺檢查來識別缺陷。然而，這種方法存在諸多缺點。人工檢查員在長時間工作中很難保持持續(xù)的注意力和精準度。此外，手動檢查過程的速度通常不如自動系統(tǒng)快，導致生產效率降低。

IIoT智能通過自動化視覺檢查系統(tǒng)解決了這些問題。相機和傳感器被戰(zhàn)略性地放置在生產線上，捕捉產品屬性的圖像并收集數(shù)據(jù)。機器視覺系統(tǒng)通過AI算法處理這些圖像。訓練這些算法以識別組件、檢測缺陷和評估裝配質量，一旦發(fā)現(xiàn)缺陷便會提示采取糾正措施。自動化視覺檢查的優(yōu)勢包括提高精度、降低缺陷率和加快檢查速度，從而提升生產線的整體效率。

3.組織行為影響 - 通過遠程監(jiān)控和控制提高勞動效率：傳統(tǒng)上，工人必須親自在生產區(qū)域內參與制造過程或監(jiān)督設備操作。這種現(xiàn)場操作的方式對于快速發(fā)現(xiàn)并糾正生產中的錯誤是必需的。此外，設備維護通常由技術人員通過現(xiàn)場服務來完成。生產線的部署往往依賴于人工分析和行業(yè)專家的經驗。

IIoT技術可以連接和感知車間中的設備、工人和中間產品的信息。這使得生產條件的遠程監(jiān)控和制造設備的遠程控制成為可能，提高了無人化操作的安全性，減少了接觸危險場所的需求。通過從“一人一控”到“一人多控”模式的轉變，這項技術提高了整體設備效率（OEE）和勞動效率。遠程監(jiān)控和控制還允許管理者根據(jù)實時進度調整工人安排。此外，這些技術為工人創(chuàng)造了新的白領工作機會，使他們能夠在舒適的辦公室工作，從而提高了制造業(yè)的吸引力，并通過提供一個新的、誘人的工作環(huán)境解決了勞動力短缺問題。

IIoT智能通過三方面在制造工業(yè)產生積極影響，其中遠程監(jiān)控和控制也是一個很有前景的研究方向。

C. IIoT智能對智能制造的整體影響

總而言之，IIoT智能從以下幾個方面促進了智能制造的快速發(fā)展：

• 功能：IIoT智能可以幫助企業(yè)連接人、網絡和物理設備，實時準確地收集工業(yè)數(shù)據(jù)，構建有效的數(shù)據(jù)分析模型，提出場景化的優(yōu)化方法，開發(fā)微服務架構等。例如，根據(jù)2023年世界經濟論壇的燈塔工廠案例，通過采用IIoT智能，印度的ACG Capsules實現(xiàn)了實時的質量批次洞察和增強的生產計劃與調度，從而減少了39%的批次周期時間，并提升了13%的準時交付率。

• 運營：IIoT智能為企業(yè)構建了云制造業(yè)務模型，幫助企業(yè)提高回報。云制造通過鼓勵企業(yè)將分布式制造資源封裝為云服務并集中管理，創(chuàng)建了智能工廠網絡，促進了有效的協(xié)作。例如，中國華潤建筑材料技術公司利用云技術豐富并使整個組織的數(shù)據(jù)更易于使用，以改善業(yè)務績效。德國的安捷倫科技公司利用云實現(xiàn)了基于AI的預測質量測試，從而顯著提高了13%的測試站產量。

• 部署：IIoT智能提供了云-邊緣-終端架構，以一種經濟的方式部署計算資源。此外，IIoT智能還可以提供高效的生產部署和調度建議，以提高工廠產量和能源優(yōu)化。例如，ACG Capsules通過一種新的顏色匹配AI優(yōu)化了生產計劃，并通過數(shù)字孿生技術進行了驗證，從而實現(xiàn)了10%-20%的準時交付率提升。

• 應用場景：IIoT智能可以用于解決一些特定場景下的問題，如預測性和遠程維護、產品和設備監(jiān)控、產品設計反饋優(yōu)化、生產過程追溯、制造能力租賃、產品質量檢測等。例如，印度的強生消費健康公司通過部署IIoT智能實現(xiàn)了預測性維護，提高了資產可靠性，并減少了50%的計劃外設備停機時間。

四、IIoT智能的分層發(fā)展架構

為了系統(tǒng)地理解IIoT智能如何解決智能制造轉型過程中面臨的問題，本文提出了一個IIoT智能的分層發(fā)展架構。該架構從下到上包括設備層、網絡層、軟件層、建模層以及分析與優(yōu)化層，如圖4所示。

Fig. 4. The hierarchical development architecture of the IIoT intelligence. The equipment layer builds the basis of automatic production. The network layer connects human-machine-things, and overcomes isolated islands of information. The software layer provides digital representation of industrial processes. The modeling layer makes digital twin for physical processes to connect virtual and physical spaces. The analysis and optimization layer is responsible for mining industrial big data and optimizing industrial processes.(IIoT智能的分層開發(fā)架構。設備層為自動化生產奠定了基礎。網絡層連接人機事物，克服信息孤島。軟件層提供工業(yè)過程的數(shù)字表示。建模層為物理過程制作數(shù)字孿生，以連接虛擬和物理空間。分析和優(yōu)化層負責挖掘工業(yè)大數(shù)據(jù)和優(yōu)化工業(yè)流程。)

傳統(tǒng)的IIoT智能架構通常包含底部的兩個層級【8】【9】【11】【44】，但這種架構不足以支持近年來涌現(xiàn)的各種智能。因此，我們在傳統(tǒng)架構基礎上擴展了軟件層、建模層以及分析與優(yōu)化層。分層發(fā)展架構中每個層級的功能如下：

• 設備層：設備層的技術創(chuàng)新為自動化生產奠定了基礎。特別是，配備智能傳感器的工業(yè)機器人能夠在一定程度上替代人工，實現(xiàn)自動化生產，或協(xié)助工人在靈活生產中工作。云計算/邊緣計算/霧計算確保了充足的計算資源以支持IIoT智能的發(fā)展。

• 網絡層：網絡層中的通信技術構建了一個支持高可靠性、低延遲的人-機-物信息流傳輸?shù)木W絡。該網絡能夠打破企業(yè)內部的信息孤島，大大加速智能制造的發(fā)展。

• 軟件層：工業(yè)軟件通過收集和挖掘工業(yè)數(shù)據(jù)，提供工業(yè)過程的數(shù)字化表達。工業(yè)軟件可以滿足企業(yè)加強對各種工業(yè)過程控制的需求，使工業(yè)過程更加透明，有助于優(yōu)化生產和管理。

• 建模層：建模層中的技術基于工業(yè)軟件的數(shù)字表達，旨在準確地對工業(yè)過程和場景進行建模。同時，建模層還應通過提供必要的數(shù)據(jù)、模型和管理控制接口支持分析與優(yōu)化層。

• 分析與優(yōu)化層：分析與優(yōu)化層包括一些特定的算法，這些算法旨在基于來自底層的大數(shù)據(jù)和建模層構建的模型解決工業(yè)過程中的具體問題并優(yōu)化工業(yè)流程。

在分層發(fā)展架構中，信息流的傳遞是雙向的：

• 從下到上的數(shù)據(jù)傳遞：工業(yè)設備和工人持續(xù)產生數(shù)據(jù)，網絡將人-機-物連接起來，并將數(shù)據(jù)傳輸?shù)骄哂刑囟üI(yè)軟件的計算設備中。經過數(shù)據(jù)收集和初步挖掘，軟件向建模層提供所需信息，從而構建出準確的模型。最后，信息和模型被特定的分析和優(yōu)化算法使用。

  收集大量基層工作數(shù)據(jù)，進行大數(shù)據(jù)的分析和處理，得出需要的數(shù)據(jù)和結果。

• 從上到下的數(shù)據(jù)傳遞：優(yōu)化后的解決方案首先在分析與優(yōu)化層中生成，然后分配給建模層。建模層中的模塊理解該解決方案后，將其通知相應的管理和控制軟件，最終，設備層將執(zhí)行這些解決方案。

  根據(jù)大數(shù)據(jù)的分析和處理，做出較優(yōu)決策讓下層執(zhí)行。

與IIoT智能驅動的智能制造相比，傳統(tǒng)制造模式缺乏自動控制和智能建模。具體來說，傳統(tǒng)模式通常依賴于手動控制系統(tǒng)和固定流程，自動化水平有限，制造過程的調整通常需要人工干預。這可能導致響應時間較慢并增加人為錯誤的可能性。當IIoT智能驅動的智能制造啟用時，IIoT傳感器和設備被戰(zhàn)略性地部署在生產過程中，這些設備收集實時數(shù)據(jù)，使自動控制系統(tǒng)能夠動態(tài)響應變化的條件，增強了自動化水平、減少了人工干預并提高了運營效率。此外，傳統(tǒng)模式可能缺乏復雜的智能建模能力，決策依賴于歷史數(shù)據(jù)和經驗，無法有效預測未來事件或主動解決問題。而IIoT智能通過高級分析和機器學習算法處理傳感器生成的大量數(shù)據(jù)，這些智能方法有助于預測維護需求、優(yōu)化生產計劃并改善整體決策能力。

在接下來的小節(jié)中，我們將詳細介紹該分層發(fā)展架構中每一層的動機和內涵。

A. 設備層

1.動機：面對勞動力短缺和勞動力成本上升的危機，制造業(yè)對類似甚至優(yōu)于人類工作的機器需求越來越強烈，從而推動了工業(yè)機器人的發(fā)明和創(chuàng)新。此外，企業(yè)的其他動機也推動了設備層的發(fā)展【45】。

例如：

a) 許多單調、骯臟、危險和/或精細的任務可以由機器人完成，從而提高員工的健康、安全和工作滿意度；

b) 機器人技術的快速發(fā)展不斷提高了機器人的自動化和靈活生產能力，同時降低了采購和維護成本；

c) 現(xiàn)代機器人支持更小的碳足跡【46】【47】，這有助于根據(jù)國家要求建設低碳工廠；

d) 越來越多的機器人支持即插即用集成，其控制編程變得更加簡便，使操作人員經過一般培訓后即可熟練使用機器人【48】；

e) 人機協(xié)作將加強靈活生產【49】【50】；

f) 全球老齡化社會也釋放出對從體力勞動中解放的需求。

除了機器人之外，為了實現(xiàn)對生產環(huán)境狀態(tài)的精準感知以及對生產過程的高精度控制，引入智能傳感器以提升工業(yè)的“五感”是必要的。此外，隨著工業(yè)數(shù)字化轉型的深入，大量的工業(yè)數(shù)據(jù)存儲和分析任務需要大量的計算和存儲資源來完成。

對工業(yè)機器人引入“五感”即添加智能傳感器，這對調節(jié)決策機器人的行為是非常重要的。

2.內涵：設備層中的設備可以分為兩類，即生產設備（包括工業(yè)機器人和傳感器）和計算設備（包括云/邊緣/霧計算中的計算資源和存儲資源）。

工業(yè)傳感器感知輸入端的物理量，并在輸出端發(fā)送相應的電信號。有許多工業(yè)傳感器可以用于提升工業(yè)的“五感”，包括空氣質量傳感器、環(huán)境光傳感器、距離傳感器、圖像傳感器、工業(yè)運動和位置傳感器、紅外探測器、工業(yè)壓力傳感器、速度傳感器等。幾乎現(xiàn)代制造過程的每個環(huán)節(jié)都可以找到工業(yè)傳感器，因此幾乎無法想象沒有傳感器的自動化系統(tǒng)【51】。

工業(yè)機器人是指用于制造業(yè)的機器人系統(tǒng)。工業(yè)機器人是自動化、可編程的，能夠在三個或更多軸上運動。工業(yè)機器人逐漸取代人類執(zhí)行危險和精細的任務。典型的應用包括焊接、噴漆、裝配、拆卸、PCB的拾取和放置、包裝和貼標、碼垛、產品檢查和測試。此外，借助智能傳感器，機器人能夠確保以高耐久性、速度和精度完成任務。

云計算通過互聯(lián)網提供計算服務，包括服務器、存儲、數(shù)據(jù)庫、軟件等，近年來已成為企業(yè)經濟且靈活的計算資源部署解決方案。大多數(shù)云計算服務可以分為四大類：基礎設施即服務（IaaS）、平臺即服務（PaaS）、無服務器和軟件即服務（SaaS）【52】。然而，由于云資源通常遠離數(shù)據(jù)源，導致IIoT數(shù)據(jù)分析的延遲較長，邊緣計算和霧計算提供了一種在數(shù)據(jù)源附近處理和實時分析數(shù)據(jù)的新方法。目前，云-邊緣-霧計算架構已成為提供IIoT智能所需的計算和存儲資源的有效架構。

Fig. 5. The networking helps to realize smart factories from information islands to collaborative operations(網絡化有助于實現(xiàn)從信息孤島到協(xié)同運營的智能工廠)

1. 基礎設施即服務（IaaS，Infrastructure as a Service）

• 定義：IaaS 提供基礎的計算資源，如虛擬化的服務器、存儲、網絡和操作系統(tǒng)，供用戶搭建和管理自己的IT基礎設施。

• 特點：用戶可以完全控制并配置計算資源，包括操作系統(tǒng)、應用程序和數(shù)據(jù)。提供商負責維護硬件基礎設施和虛擬化技術，用戶則負責安裝、配置和管理其上層軟件環(huán)境。

• 典型應用：彈性計算資源的需求，如擴展或縮減計算能力、搭建虛擬機等場景。適用于需要自定義環(huán)境的大型企業(yè)、開發(fā)團隊和技術專家。

• 示例

2. 平臺即服務（PaaS，Platform as a Service）

• 定義：PaaS 提供一個平臺，包括開發(fā)工具、數(shù)據(jù)庫管理系統(tǒng)、中間件等，使開發(fā)人員能夠直接構建、測試、部署和管理應用程序，而無需擔心底層基礎設施的配置和管理。

• 特點：用戶只需關注應用程序的開發(fā)，而無需管理操作系統(tǒng)、網絡、存儲等基礎設施。PaaS 提供了開發(fā)、測試和部署環(huán)境，支持編程語言、框架和數(shù)據(jù)庫集成。

• 典型應用：應用開發(fā)、測試、部署和管理的整個生命周期，尤其適用于軟件開發(fā)者和開發(fā)團隊，幫助他們專注于編程和業(yè)務邏輯，而非底層資源的管理。

• 示例

3. 無服務器（Serverless，Serverless Computing）

• 定義：無服務器計算是進一步抽象化的服務模式，用戶不需要管理任何服務器或基礎設施，而是通過函數(shù)來執(zhí)行特定任務。計費基于實際的執(zhí)行時間或資源使用量，而非長期租用的資源。

• 特點：開發(fā)者只需編寫和上傳代碼，執(zhí)行環(huán)境由云提供商完全管理，自動處理資源分配、擴展和管理。它極大地簡化了應用的開發(fā)、擴展和運行，尤其適合短時間運行的任務或事件驅動的架構。

• 典型應用：事件驅動的應用場景（如自動處理文件上傳、數(shù)據(jù)庫觸發(fā)器、實時數(shù)據(jù)處理等），以及希望通過減少運維成本和復雜性來優(yōu)化資源使用的場景。

• 示例

4. 軟件即服務（SaaS，Software as a Service）

• 定義：SaaS 是一種交付軟件應用程序的方式，用戶通過互聯(lián)網訪問軟件，而無需安裝、配置和維護本地的軟件。提供商負責所有基礎設施、平臺和應用程序的管理。

• 特點：用戶通常以訂閱或按需付費的方式使用軟件，通過瀏覽器或專用客戶端訪問，省去了維護和更新軟件的復雜性。所有技術維護由服務提供商負責，用戶只需專注于軟件的使用。

• 典型應用：日常辦公軟件、協(xié)作工具、企業(yè)管理系統(tǒng)等。SaaS 適合個人用戶、小型企業(yè)和大型企業(yè)，無需投資基礎設施或技術團隊來維護軟件環(huán)境。

• 示例

總結

IaaS：提供最基礎的虛擬化資源，用戶負責管理所有的上層環(huán)境，適合需要靈活配置硬件和操作系統(tǒng)的企業(yè)。

PaaS：提供開發(fā)平臺，用戶可以專注于應用程序的開發(fā)、測試和部署，適合開發(fā)者和開發(fā)團隊。

無服務器：用戶無需管理服務器，只需編寫代碼并通過云端執(zhí)行，適合事件驅動或按需擴展的應用場景。

SaaS：提供完整的軟件解決方案，用戶通過互聯(lián)網使用，適合需要快速部署、無需維護的軟件應用場景。

B. 網絡層

1.動機：IIoT 網絡的革命受到全球趨勢的啟發(fā) [53]。首先，由于智能制造領域越來越多的智能設備和人員接入網絡，系統(tǒng)、人員、流程、位置和設備之間的連接變得更加分散和復雜，網絡對企業(yè)的經濟價值越來越大 。其次，業(yè)務固有的不可預測性使得網絡快速修正傳輸模式以適應新的業(yè)務、流程和模式。第三，許多制造過程對時間敏感且任務關鍵，這要求網絡的通信時間更加精確和可預測[54]。

技術進步也鼓勵工業(yè)物聯(lián)網網絡革命。企業(yè)的應用程序和數(shù)據(jù)正在離開本地并轉移到公共/私有云。在許多情況下，部分單體應用程序正在被模塊化為微服務，這些微服務通過整個企業(yè)的各種虛擬和物理工作負載來交付。在應用和微服務革命的背景下，網絡有望成為一組不斷增長的神經集群，可以分布在云、邊、端的任何地方。? CISILION 總結了新網絡的四個主要目標，即與業(yè)務保持一致、抽象復雜性、確保性能和降低風險[53]。IIoT 智能中的網絡預計將實現(xiàn)一些類似的特性。如圖5所示，參考文獻[55]和TF安全預測[56]，連接人機物的網絡有助于克服信息孤島的嚴重問題，提供高速、廣覆蓋和低延遲的通信 ，支持工業(yè)大數(shù)據(jù)挖掘、即時決策等疊加應用的開發(fā)。具體來說，在日益苛刻的制造環(huán)境中，網絡需要能夠快速適應不斷變化的制造要求。網絡應提供便利訪問快速變化的設備、人員、應用程序和服務，以便資源調度和管理可以更加關注。提供穩(wěn)定持續(xù)的服務對于網絡中使用的網絡來說，不間斷的運行也是至關重要的。

2.內涵：所有可行的連接人、傳感器、機器人、云/邊/霧計算資源和其他智能設備的組網方式都屬于IIoT智能的組網層。近年來提出了一些先進的網絡。代表性進展包括軟件定義網絡（SDN）、白盒交換機、信息中心網絡（ICN）、確定性網絡、時間敏感網絡、5G和網絡切片等。這些成果正在推動網絡實現(xiàn)高性能，包括豐富的帶寬 、高速穩(wěn)定傳輸、海量連接等等。這里簡單介紹一些技術作為示例，以說明先進技術對未來工業(yè)物聯(lián)網網絡的影響。SDN利用了路由器和交換機中數(shù)據(jù)平面和控制平面的解耦能力[57]，這使得網絡能夠被智能地、集中地控制和管理，而不管底層網絡技術的復雜性如何[58]。ICN 是未來互聯(lián)網范式的有希望的候選者[59]。受到終端主機之間信息傳播而不是成對通信這一事實的啟發(fā)，ICN 通過網內緩存和存儲將基于 IP 的互聯(lián)網切換到基于信息的架構 [59] [60]。第五代（5G）無線通信旨在在延遲、大規(guī)模連接、網絡可靠性和能源效率方面實現(xiàn)革命性的飛躍61。網絡切片是一項獨特的技術，首次應用于5G，以實現(xiàn)5G的宏偉目標。網絡切片有助于在通用物理基礎設施平臺之上建立多個邏輯獨立網絡，因此 5G 能夠以隔離和透明的方法支持非常多樣化、有時甚至是極端的要求 [63]。工作中給出了一些使用網絡切片的工業(yè)實例[64]。

C.工業(yè)軟件層

1.動機：在日益數(shù)字化的制造中，人類、智能傳感器和機器人不斷生成工業(yè)數(shù)據(jù)，網絡忙于傳輸數(shù)據(jù)。IIoT智能的基礎是由設備層和網絡層構建的。然而，缺乏可用于管理數(shù)據(jù)和生產過程的軟件。?

2.內涵：工業(yè)軟件是工業(yè)知識與信息技術融合的產物。產品隨著行業(yè)創(chuàng)新知識的長期積累和應用而不斷迭代更新。根據(jù)功能和特點，工業(yè)軟件可分為研發(fā)軟件、生產控制軟件、信息管理軟件和嵌入式軟件四類[65]。圖6展示了四類工業(yè)軟件的主要功能和應用實例。由于多種原因，工業(yè)軟件非常復雜。首先，行業(yè)種類繁多，其中流程工業(yè)和離散工業(yè)包含39個大類、191個中粒度類別和525個細粒度類別。其次，需要機械、電子、光學、聲學、聲控、流體熱處理等方面的眾多專業(yè)知識和經驗來支持工業(yè)軟件的研發(fā)。第三，工業(yè)產品的復雜性廣泛，從服裝、玩具等簡單產品到航空、衛(wèi)星等復雜產品。而且工業(yè)軟件涉及工業(yè)流程的各個階段，工業(yè)流程復雜，包括研發(fā)、生產、營銷、運營、維護、供應鏈管理等。部署的設備也多種多樣，功能涉及生產、實施、測試和測量。那么，廠商之間就很難合作。例如，波音747是由6個國家16000多家不同規(guī)模的企業(yè)聯(lián)合生產的。最后，工業(yè)軟件對實時可靠性要求很高，因為不可靠的數(shù)據(jù)可能會在成本和安全方面造成巨大的問題。

近年來，各國政府通過政策激勵推動工業(yè)軟件快速發(fā)展，同時創(chuàng)新技術也為工業(yè)軟件發(fā)展提供了機遇。隨著行業(yè)環(huán)境競爭越來越激烈、復雜化，工業(yè)軟件正在從系統(tǒng)化平臺化、云化部署、輕量級開發(fā)三個方面進行升級。具體來說，早期的工業(yè)軟件都是面向特定場景的，比如設計用的CAD、仿真用的CAE、企業(yè)管理用的ERP等?，F(xiàn)在的工業(yè)需要多公司協(xié)作。因此，一些系統(tǒng)平臺有望支持跨公司交互。系統(tǒng)平臺應整合和利用資源和工具，為智能制造提供解決方案。另一方面，開發(fā)基于云的工業(yè)軟件66是應對當前運營模式（IaaS、SaaS、PaaS）和定制需求的有效方法。保證數(shù)據(jù)互聯(lián)、實時交互和遠程監(jiān)控[21]是智能制造的重要課題，推動輕量化移動工業(yè)APP的發(fā)展。

Fig. 6. The primary functions and application instances of R&D software, production control software, information management software and embedded software. The grey blocks represent the expected effectiveness of the industrial softwares. The yellow blocks show the corresponding functions. The orange blocks include representative instances.(研發(fā)軟件、生產控制軟件、信息管理軟件和嵌入式軟件的主要功能和應用實例?；疑珘K表示工業(yè)軟件的預期有效性。黃色方塊顯示相應的功能。橙色塊包括代表性實例。)

D.建模層

1.動機：在IIoT智能架構中，建模層應實現(xiàn)兩個功能，即將物理過程建模到數(shù)字空間，同時將數(shù)字空間中做出的決策轉移到物理世界。建模方法的發(fā)展是由未來的智能應用驅動的，例如遠程控制、預測性維護、過程優(yōu)化等。具體來說，為了在這些場景中表現(xiàn)良好，需要對特定對象進行精確建模，并且最好與對象保持不間斷的連接，以實時更新模型并傳輸指令。

2.內涵：建模方法屬于建模層，為工業(yè)物聯(lián)網建立物理世界和網絡世界的連接。

數(shù)字孿生是實現(xiàn)網絡空間與物理空間交互最有前景的技術。 其表示模型如圖7所示。數(shù)字孿生有五個必要的關鍵點：數(shù)據(jù)、連接、模型、交互和應用。因此，數(shù)字孿生可以貫穿物理過程的整個生命周期，并提供描述、分析、診斷、預測、處方、認知等能力68。目前，產學研界對數(shù)字孿生的探索主要從建模和仿真兩個方面進行。建模是指為物理實體建立 3D 虛擬雙胞胎。這對雙胞胎有望重現(xiàn)物理實體的外觀、幾何關聯(lián)、運動動力學和其他屬性。仿真是基于工業(yè)知識、機制和數(shù)據(jù)的虛擬孿生，計算、分析和預測物理實體未來狀態(tài)的活動。就現(xiàn)階段的研究貢獻而言，數(shù)字孿生的建模和仿真依賴于工業(yè)軟件，包括CAD、CAE等。除了數(shù)字孿生之外，還有一些其他方法可以對某些工業(yè)場景進行建模，例如Use Case Maps ?UCM（UCM）、消息序列圖（MSC）、數(shù)字淺層等。UCM是一種面向實時系統(tǒng)、基于場景的建模方法70。UCM使用抽象符號來表示復雜系統(tǒng)的結構和交互行為，以便開發(fā)人員可以輕松地理解整個系統(tǒng)。UCM 提供了直觀的 以及清晰的視覺系統(tǒng)描述方法，可以實現(xiàn) 正式和非正式描述之間的靈活轉換 系統(tǒng)的。MSC，也稱為時序圖， 消息流程圖，是有效的圖形和文本 用于描述系統(tǒng)消息傳遞的語言是 廣泛應用于軟件開發(fā)實踐中。流行的MSC軟件版本有3個，分別是MSC-92、MSC-96 和 MSC-2000 分別。MSC-92 標準細化了 系統(tǒng)中的基本概念，并使用形式表達式來描述基本過程。MSC-96版本相比之前的版本增加了結構化語言。MSC-2000版本在控制流程、定量表示時間、數(shù)據(jù)描述和條件四個方面進行了改進。

Fig. 7. The representation model of digital twin

數(shù)字孿生（Digital Twin）是一種虛擬模型，旨在準確反映物理對象。它通過集成物理模型、傳感器更新、運行歷史等數(shù)據(jù)，創(chuàng)建一個與真實世界系統(tǒng)運行性能完全一致的仿真模型。數(shù)字孿生可以用于監(jiān)控、預測和優(yōu)化物理實體的性能，從而提高效率、降低成本，并實現(xiàn)更好的產品和流程監(jiān)控。

數(shù)字孿生通常包括三個部分：物理實體、數(shù)字模型和數(shù)據(jù)連接。物理實體是現(xiàn)實世界中的實體，例如機器、設備、工廠等。數(shù)字模型是數(shù)字孿生的核心，它是一個虛擬的模型，與物理實體相對應。數(shù)據(jù)連接是將物理實體和數(shù)字模型進行連接的技術，包括傳感器、數(shù)據(jù)采集、數(shù)據(jù)存儲和數(shù)據(jù)分析等技術。

數(shù)字孿生有多種類型，根據(jù)產品放大程度的不同，可以分為：

1.組件孿生/部件孿生：作為數(shù)字孿生的基本單元，是最小的功能組件示例。2.資產孿生：當兩個或多個組件一起工作時，就形成了所謂的資產。資產孿生讓您能夠研究這些組件的交互，創(chuàng)建大量可處理的性能數(shù)據(jù)。3.系統(tǒng)孿生或單元孿生：能夠展現(xiàn)不同的資產如何匯聚在一起，共同形成一個完整的功能系統(tǒng)。流程孿生：展現(xiàn)系統(tǒng)如何通過協(xié)同工作來建立整個生產設施，幫助確定最終影響整體效率的精確時間控制方案。數(shù)字孿生技術的歷史可以追溯到1991年，David Gelernter在《鏡像世界》中首次提出了數(shù)字孿生技術的理念。2002年，Michael Grieves博士首次將數(shù)字孿生概念應用于制造業(yè)。2010年，美國國家航空航天局(NASA)的John Vickers引入了“數(shù)字孿生”這一新名詞。

數(shù)字孿生的優(yōu)勢包括提高生產效率、提高產品質量、節(jié)能減排以及遠程監(jiān)控和維護。它在智能制造、航空航天、電力、城市管理、農業(yè)、建筑、制造、石油天然氣、健康醫(yī)療、環(huán)境保護等多個行業(yè)中都有廣泛的應

E.分析和優(yōu)化層

1.動機：借助建模層，構建網絡空間和物理空間之間的連接。然而，連接僅提供基于網絡空間優(yōu)化來控制物理過程的通道。它無法解決工業(yè)環(huán)境中的具體問題，例如制造工藝規(guī)劃和調度、拓撲優(yōu)化和預測等。因此，我們設計了分析和優(yōu)化層來支持特定問題和場景下IIoT智能的發(fā)展。

2.內涵：能夠解決工業(yè)環(huán)境中特定問題的智能算法，屬于分析優(yōu)化層。場景和問題太多，無法一一列舉。由于篇幅限制，本文僅列出了一些較受關注的問題，包括制造工藝規(guī)劃和進度、拓撲優(yōu)化和預測。?

a) 制造工藝規(guī)劃和調度：制造工藝規(guī)劃通過選擇和排序制造操作來確定如何制造產品。工藝規(guī)劃旨在提高某些特定性能（例如，縮短處理時間、最小化生產成本），同時滿足一組領域約束[72]-[74]。制造調度是將制造資源隨時間分配給工藝計劃中的一組制造工藝的過程[72]。這是一個根據(jù)延遲、吞吐量或成本等標準提出資源分配調度的優(yōu)化問題。工藝規(guī)劃和調度問題對于提高柔性制造變得越來越重要。然而，該問題通常是NP難問題，即不使用本質上是枚舉算法就不可能得到最優(yōu)解，而且計算復雜度隨著問題規(guī)模的增大而顯著增加。

NP的英文全稱是Non-deterministic Polynomial的問題，即多項式復雜程度的非確定性問題。?NP難問題（NP-hard problem）是指在計算機科學中，一類難以在多項式時間內解決的問題。?這類問題在多項式時間內無法找到解，即使對于簡單的變換也無法在多項式時間內解決。NP難問題在計算復雜性理論中具有重要的地位，因為它們代表了一類難以在多項式時間內解決的問題?

基于計算機輔助工藝規(guī)劃（CAPP）75的方法對于解決這些問題很有用，例如基于Petri網的方法和基于知識的專家系統(tǒng)、基于代理的方法和啟發(fā)式算法。Petri-net工具還可以用于分析系統(tǒng)的性能、生成代碼、模擬系統(tǒng)并對其進行模型檢查[77]-[80]。基于知識的系統(tǒng)為制造過程規(guī)劃和調度提供必要的專家信息，具有信息輸入、恢復可比計劃和進行必要變更的特點[81]-[83]。Agent技術[84]無論在算法[85]-[87]還是平臺[88]-[91]方面都受到了廣泛的關注并取得了重要進展。協(xié)作智能代理還用于開發(fā)分布式 CAPP 系統(tǒng)，以解決制造中的流程規(guī)劃和調度問題 [92]–[95]。啟發(fā)式方法96，如攀爬、模擬退火、禁忌搜索和遺傳算法，試圖用一些復雜的經驗取代詳盡的搜索策略。?

b）拓撲優(yōu)化：拓撲優(yōu)化是一種數(shù)學方法，它回答如何將材料放置在規(guī)定的設計域內以獲得最佳結構性能的問題[98]。拓撲優(yōu)化發(fā)生在產品制造過程的初始階段[99]。它之所以高效，是因為采用自動優(yōu)化過程來生成概念設計，而不是傳統(tǒng)的試錯方法[100]。使用一些 IIoT 智能技術來最大限度地提高性能。對代表性制造導向的拓撲優(yōu)化方法的調查100總結了拓撲參數(shù)化的工作（SIMP方法101、水平集方法[103]、基于樣條的方法和一些局限性）、面向加工的拓撲優(yōu)化 方法（長度尺度控制[104]和基于幾何特征的設計[105]），以及面向注射鑄造的拓撲優(yōu)化（厚度控制[106]）。

c）工業(yè)預測：工業(yè)預測的研究主要集中在估計和預測有關工業(yè)資產和生產過程的感興趣事件[107]。特別是，在工作中工業(yè)預測被重新定位為基于數(shù)據(jù)的工作流程[107]，并提到了兩個重要的研究主題。1) 描述性預測，主要總結數(shù)據(jù)并從數(shù)據(jù)中推斷見解。因此，從數(shù)據(jù)中獲得的信息可以幫助檢測感興趣的事件或估計所研究的工業(yè)資產、產品或流程的健康狀況。重要的研究主題是模式識別和分類108以及健康管理110。2) 預測利用各種數(shù)據(jù)融合、統(tǒng)計、建模和機器學習技術來研究最近和歷史數(shù)據(jù)，學習預測模型，從而對受監(jiān)控資產的未來狀態(tài)做出準確的預測?；跔顟B(tài)的維護112和預測性維護114是兩個有趣的主題。

調查中總結了一些預測方法[116]，例如：

（1）基于物理的方法[117]通過使用數(shù)學模型來描述機械部件的退化力學或損傷傳播來實現(xiàn)預測。

（2） 數(shù)據(jù)驅動方法118使用收集的數(shù)據(jù)（通常是狀態(tài)監(jiān)測數(shù)據(jù)）來繪制損壞/退化狀態(tài)的特征以實現(xiàn)預測。 ?

（3）混合方法[120]結合了不同方法的優(yōu)點，以提高預測精度或擴展預測模型應用。

五、工業(yè)物聯(lián)網智能看燈塔工廠

本節(jié)通過對燈塔工廠和企業(yè)間合作的深度觀察，展示工業(yè)物聯(lián)網智能能夠賦能智能制造的智能化轉型升級，增強探索和發(fā)展的信心。利用 IIoT 智能。自 2016 年以來，世界經濟論壇與麥肯錫公司合作，一直在監(jiān)測全球先進制造業(yè)的進展。2017年，世界經濟論壇確定了 40 個初步的先進制造用例，這些用例開始試點智能技術并取得了一些成功。2018 年，16 家公司被評為在各個地點實現(xiàn)運營和財務方面取得重大變革成果的領導者 [28]。2019 年，又有 28 個設施被確定為端到端 (E2E) 燈塔 [29]。到2023年，端到端燈塔的數(shù)量將增加到54座，其中17座也是可持續(xù)發(fā)展燈塔[31]。

TABLE 1 DIGITIZATION TRANSFORMATION OF 4 LIGHTHOUSE FACTORIES WITH IIOT INTELLIGENCE

這些先進的公司成功地改造了工廠、價值鏈和商業(yè)模式，以產生引人注目的財務、運營和環(huán)境回報[29]。具體關鍵績效指標（KPI）的改進體現(xiàn)在工廠產量增加、生產率提高、整體設備效率（OEE）提高、質量成本降低、浪費減少、能源效率提高、換型縮短等方面。這些令人印象深刻的進步取決于不斷擴大的 制造工廠環(huán)境中的IIoT智能，例如自動化、數(shù)字化、大數(shù)據(jù)分析、遠程控制、3D打印等。

本文根據(jù)全球燈塔網的內部視角，深入探討IIoT智能對智能制造的貢獻制造業(yè)。本文選取了一些燈塔企業(yè)，從IIoT智能化分層發(fā)展的角度總結了其改進之處。升級行為和相應的回報如表1所示。

除了成功的端到端數(shù)字化轉型燈塔工廠外，越來越多的合作正在逐步釋放。例如，2019年，海爾、中國移動、華為、晨星發(fā)布了全球首個5G智能工廠聯(lián)合解決方案[6]。工廠借助工業(yè)物聯(lián)網智能，在質量檢測、維護、機器協(xié)同、物料運輸、能源管理、園區(qū)安全等方面實現(xiàn)智能化。2021年，美的集團、中國聯(lián)通、華為在佛山市順德區(qū)美的廚房電器事業(yè)部工廠推出廣東首個5G全連接智能制造示范基地[7]。2022年，西門子和GENERA宣布合作[121]，涉及將西門子技術集成到GENERA數(shù)字光處理系統(tǒng)中，包括操作技術、信息技術和自動化。此外，GENERA數(shù)字光處理解決方案將完全集成到西門子用于工廠設計的仿真和規(guī)劃工具中。2023 年，西門子和英特爾發(fā)布了一項合作[122]，以提高半導體制造的生產效率和可持續(xù)性。此次合作利用各自的尖端物聯(lián)網解決方案組合以及西門子自動化解決方案，旨在提高價值鏈 1-3 范圍內的半導體制造效率和可持續(xù)性。

六． 工業(yè)物聯(lián)網智能化技術研究

毫無疑問，工業(yè)物聯(lián)網智能化的快速有效發(fā)展離不開一些關鍵技術。由于篇幅限制，我們列出了一些對工業(yè)物聯(lián)網智能化最具影響力的技術，并闡明它們對工業(yè)物聯(lián)網智能化發(fā)展的貢獻?，F(xiàn)將這些技術的應用進展介紹如下。

A、工業(yè)機器人作為智能勞動力

工業(yè)機器人通常是指面向制造的多關節(jié)機械臂，或者其他多軸機械裝置。主要特點包括自動控制、可編程、多用途、固定或移動等。根據(jù)機械結構，機器人可分為六種類型，包括關節(jié)型機器人、SCARA機器人、直角坐標機器人、Delta機器人、圓柱機器人 機器人等123。工業(yè)機器人主要用于在一定程度上替代人類進行自動化和/或柔性生產22。根據(jù)IFR（國際機器人聯(lián)合會）對工業(yè)機器人按客戶行業(yè)和應用領域的操作總量統(tǒng)計[45]，工業(yè)機器人最大的應用行業(yè)是汽車制造，其次是電子產品也很重要 。因此，這兩個領域的自動化生產和柔性制造正在迅速發(fā)展39。從用途來看，工業(yè)機器人大多用于搬運，其次是焊接和裝配。這些任務通常需要消耗大量的體力，而且部分內容對健康有不良影響。同時，年度裝機量統(tǒng)計也表明，工業(yè)機器人對工業(yè)進程起到了顯著的積極推動作用，進一步發(fā)展的空間仍然較大。

現(xiàn)階段的工業(yè)機器人已經構建了較為完整的產業(yè)鏈，每個階段都有龍頭企業(yè)。除金屬、非金屬、基礎件等基礎材料外，三大件的制造技術均由西門子、安川、埃斯頓、納博茨克、Hammer、KEBA、ABB等公司掌握。主要部件，一些公司專注于集成機器人。相關龍頭企業(yè)有發(fā)那科、安川、尼智、埃斯頓等。此外，一些知名公司，如西門子、發(fā)那科、ABB等也趕超了系統(tǒng)集成業(yè)務，即利用機器人和一些軟件來部署生產線。在實際制造過程中，機器人技術在提高生產效率方面發(fā)揮了至關重要的作用。例如，在世界經濟論壇的全球燈塔網絡2022中[30]，中國青島的海爾冰箱工廠采用協(xié)作機器人進行柔性制造，裝配效率提高了52%。同樣，位于中國長沙的三一重工在物流執(zhí)行中采用機器人技術，使準時交貨率提高了 11%。

B. 機器視覺系統(tǒng)作為工業(yè)之眼

機器視覺系統(tǒng)[124]-[126]的目標是基于感測到的圖像創(chuàng)建現(xiàn)實世界的簡化模型。 這些模型應該是計算機可以理解的，并且可以從圖像中恢復真實信息（幾何形狀、顏色、紋理、類別、印刷品等）。與人眼相比，機器視覺具有顯著的差異和優(yōu)勢，如表二所示。由于這些優(yōu)點，機器視覺系統(tǒng)已經在工業(yè)中得到應用。

機器視覺系統(tǒng)在各種工業(yè)任務之間存在很大差異。對于一般的實際應用，在精度、速度、環(huán)境魯棒性和易用性方面存在一些共同的性能要求[127]。如果沒有精確的測量，機器視覺無法成功引導機械手執(zhí)行智能手機或機械手表的自動組裝[128]-[130]。在高速裝配中，電子制造的模板匹配平均時間小于幾微秒[131]，[132]。制造技術，包括機械加工（銑削、磨削、拋光）、焊接、注塑等，可以通過輔助機器視覺系統(tǒng)進行改進。機器人磨削在機器視覺的指導下展現(xiàn)出靈活性、智能性和成本效率133。配備機器視覺系統(tǒng)后，智能機器人焊接性能大幅提高[135]。由于強噪聲圖像（反射、強弧光和大飛濺），機器人焊縫跟蹤具有挑戰(zhàn)性，提出了一種卷積神經網絡來提取焊縫圖像的特征點[136]。引入機器視覺方法來跟蹤焊接電極尖端，以評估手工金屬電弧中的焊接電弧穩(wěn)定性和極性[137]。

一般來說，機器視覺測量的在線視覺反饋，包括位置、形狀、速度等，使得機械加工、焊接、注塑技術能夠提高制造質量和速度。例如，安捷倫的機器視覺工具包通過民主化訪問高級視覺功能實現(xiàn)了速度和規(guī)模[31]。聯(lián)合利華補充了用于人員安全和食品安全合規(guī)的機器視覺監(jiān)管平臺，減少了 78% 的不安全行為[30]。

TABLE 2 ?COMPARISON BETWEEN HUMAN EYES AND MACHINE VISION

C、網絡化

讓聯(lián)接無處不在 當今的網絡是新一代信息通信技術與現(xiàn)代工業(yè)技術深度融合的產物。已成為實現(xiàn)制造業(yè)數(shù)字化轉型的法寶之一。本文簡要介紹了5G、時間敏感網絡、身份解析等典型網絡技術和應用的相關進展。

5G網絡可以通過URLLC無線通信連接自主工業(yè)機器、地面車輛、機器人和軟件，旨在幫助工業(yè)機械實現(xiàn)智能工廠的實時控制和管理61[138]。?[138] 中的作者研究了 5G 工業(yè)物聯(lián)網，考慮使用機器學習來處理工業(yè)機械和 5G 網絡管理、配置和控制的復雜任務。提出了5G異構網絡下工業(yè)物聯(lián)網的智能綠色資源分配機制[139]，以保證工業(yè)物聯(lián)網服務的高可靠性和能源效率。網絡切片是支持5G海量連接和業(yè)務隔離的關鍵技術，從而實現(xiàn)行業(yè)規(guī)?；瘧?/span>63。在實踐中，精致汽車系統(tǒng)聯(lián)合河北聯(lián)通、華為，在保定工廠打造了全球首條柔性5.5G生產線，每年服務中斷時間從60小時減少到5.26分鐘，年產值 增加 1.12 億美元[140]。

網絡切片是一種按需組網的方式，可以讓運營商在統(tǒng)一的基礎設施上分離出多個虛擬的端到端網絡，每個網絡切片從無線接入網到承載網再到核心網上進行邏輯隔離，以適配各種各樣類型的應用。在一個網絡切片中，至少可分為無線網子切片、承載網子切片和核心網子切片三部分。

時間敏感網絡（TSN）[141]是一種標準化技術，可在傳統(tǒng)以太網上提供確定性信息傳輸。在[142]中，作者介紹了開放平臺通信統(tǒng)一架構TSN（OPC UA TSN）作為一項新技術，并提出了當前的觀點。在[143]中，作者提出了一種通過 TSN 集成異構工業(yè)以太網應用程序的方法，并部署嵌入軟件定義網絡 (SDN) [57] [58] 控制器中的不同實時調度程序，以允許不同的應用程序 共享同一網絡的各種流量模式和服務質量 (QoS) 要求。在[144]中，作者介紹了工業(yè)通信系統(tǒng)的最新研究進展，并分析了TSN的技術挑戰(zhàn)和未來趨勢。在實踐中，工業(yè)網絡、計算和自動化解決方案的領先供應商 Moxa 已成功將 TSN 集成到臺灣領先的光刻解決方案供應商 ELS System Technology 的晶圓制造流程中 [145]。?

D. 數(shù)字孿生連接信息物理空間

數(shù)字孿生近年來備受關注，并取得了一些重大進展。本文在準確建模和互操作性方面回顧了這些貢獻。

在制造領域的精確建模方面，目前的工作主要集中在單維建模，包括結構建模、屬性建模、行為建模和過程建模。主要方法包括數(shù)據(jù)驅動建模、基于知識的建模和混合建模。針對數(shù)字孿生系統(tǒng)的不確定性和復雜性，提出了一種基于神經網絡的建模方法[146]。數(shù)字孿生技術被用于微銑削刀具磨損監(jiān)測的監(jiān)測任務[147]。該模型基于微銑削機床三大核心模塊現(xiàn)有的電氣和機械公式。該工作[148]提出了一個數(shù)字孿生模型，使得利用傳感器收集的數(shù)據(jù)，使性能 （準確性和可靠性）可以通過知識來提高和數(shù)據(jù)分析。數(shù)字孿生輔助故障診斷深度遷移學習來分析操作條件 提出了加工刀具的設計[149]。本提議的系統(tǒng)開發(fā)了一種智能刀柄，集成了 k- 型熱電偶及云數(shù)據(jù)采集系統(tǒng) WiFi模塊和刀架可以提供更好的精度 展示銑削性能的改進切削工具的鉆孔操作。

互操作性支持物理空間和數(shù)字空間之間的相互執(zhí)行。這是一個越來越有吸引力的話題。然而，相關研究仍處于早期階段，在相互理解、互操作性、動態(tài)更新、數(shù)據(jù)異構性、子模型異構性等方面仍存在許多問題。目前，一些工作更多地側重于解決異構數(shù)據(jù)相關問題。工作[150]研究了產品質量的多尺度演化機制，以實現(xiàn)多源異構數(shù)據(jù)的融合和利用。江等人。?[151]設計了一種集成消息中間件、內存數(shù)據(jù)庫和關系數(shù)據(jù)庫的數(shù)據(jù)交互機制，用于虛擬和物理空間的數(shù)據(jù)交互。使用Kafka、MQTT等消息中間件發(fā)送生產指令并反饋執(zhí)行結果。內存數(shù)據(jù)庫，例如Redis，用于存儲生產過程中的實時運行數(shù)據(jù)。仿真系統(tǒng)的數(shù)據(jù)管理采用關系型數(shù)據(jù)庫，如MySQL、Oracle、SQL Server等。

盡管數(shù)字孿生的發(fā)展面臨一些挑戰(zhàn)，但其實用價值不容忽視。根據(jù)全球燈塔網絡2023[31]，數(shù)字孿生已在許多實際工廠中得到應用。例如，印度ACG Capsules將數(shù)字孿生引入電力生產規(guī)劃和調度，將按時交付率全面提高了13%。沙特阿拉伯阿美公司開發(fā)了減少能源消耗的數(shù)字孿生模型，實現(xiàn)了159%的盈利能力提升。

E.深度學習提升智能

深度學習方法使用由多個處理層組成的計算模型來學習具有多個抽象級別的數(shù)據(jù)表示[152]。它不依賴于先前的數(shù)據(jù)處理，并通過使用反向傳播算法自動提取特征[153]。近年來，深度學習在調度規(guī)劃、計算機視覺、游戲等領域帶來了巨大突破[154]-[158]，正在加速工業(yè)物聯(lián)網智能化的發(fā)展。深度學習方法可以分為三類，監(jiān)督學習、無監(jiān)督學習和深度強化學習。 本文以工業(yè)機器視覺研究為例，展示深度學習的賦能作用。?

1）監(jiān)督學習：給定一定數(shù)量的帶注釋的圖像，學習到的機器視覺模型可以靈活地處理各種類型的輸出，包括離散標簽、每個像素或整個圖像的連續(xù)值。監(jiān)督學習為部分領域問題提供了有效的解決方案。作為平面測量的重要步驟，基本的邊緣檢測是通過卷積神經網絡（CNN）對像素進行分類來實現(xiàn)的159。與傳統(tǒng)的邊緣檢測器（例如 Canny）相比，檢測到的邊緣的質量顯著提高。與使用多個圖像的傳統(tǒng)條紋投影輪廓測量法相比，深度神經網絡可以將單個條紋圖像映射到其高度/深度圖像161。因此，它可以對移動物體進行精確的 3D 表面測量。測量兩個圖像之間的變形場也有利于制造處理，數(shù)字圖像相關（DIC）和粒子圖像測速（PIV）都用現(xiàn)代深度回歸神經網絡進行修改[163]-[165]。神經網絡表現(xiàn)出更高的準確性和魯棒性。這些幾何測量技術是制造的基礎，并且通過監(jiān)督學習得到了顯著改進。

2）基于云的部署：基于云的部署是指通過云計算基礎設施在互聯(lián)網上托管和交付軟件應用程序、服務和資源的實踐。在基于云的部署模型[210]、[211]中，企業(yè)的管理者和客戶通常通過網絡瀏覽器或客戶端應用程序遠程訪問應用程序和數(shù)據(jù)并與之交互，而不是依賴于本地硬件和基礎設施?；谠频牟渴馂楦鱾€行業(yè)提供了廣泛的優(yōu)勢。首先，云計算消除了對物理硬件和基礎設施的大量前期投資的需要。企業(yè)可以利用即用即付模式，只需為他們使用的計算資源付費。這可以節(jié)省成本，特別是對于可能沒有資金建設廣泛 IT 基礎設施的中小型企業(yè)。其次，基于云的部署可以實現(xiàn)制造過程的遠程監(jiān)控和管理。這在智能制造中尤其重要，其中傳感器和物聯(lián)網設備生成實時數(shù)據(jù)。遠程訪問允許利益相關者通過互聯(lián)網連接從任何地方監(jiān)控生產、識別問題并做出明智的決策。第三，云計算為制造企業(yè)提供了試驗和采用創(chuàng)新技術的環(huán)境。這包括將人工智能、機器學習和其他新興技術集成到智能制造流程中。基于云的平臺提供訓練和部署高級模型所需的計算能力。

3）邊緣部署：與云部署將工業(yè)數(shù)據(jù)發(fā)送到集中服務器進行處理不同，邊緣部署將部分處理任務轉移到本地設備或邊緣服務器。這種方法在工業(yè)環(huán)境中特別有用，其中實時處理、低延遲和可靠的連接對于運營效率和決策至關重要[212]–[214]?；谶吘壍牟渴鹂梢垣@得低LA的優(yōu)勢 Tency、帶寬優(yōu)化、自主運行。首先，基于邊緣的部署在更接近源的位置處理數(shù)據(jù)，減少了延遲，從而實現(xiàn)實時或近實時響應。其次，基于邊緣的部署減少了將大量原始數(shù)據(jù)傳輸?shù)皆贫说男枰?，從而?yōu)化了帶寬使用。這在網絡帶寬有限或昂貴的情況下尤其重要。第三，即使沒有持續(xù)連接到云，基于邊緣的部署也可以自主運行。這確保了關鍵功能在網絡中斷時可以繼續(xù)運行，從而增強系統(tǒng)可靠性。

在實踐中，多家云公司正在與制造業(yè)合作，以實現(xiàn)業(yè)務創(chuàng)新和部署優(yōu)化。例如，通過利用 Microsoft Azure 高性能計算和其他 Microsoft 技術，意法半導體正在推進其研發(fā)、轉變其供應鏈、擴大制造規(guī)模并為員工提供合適的工具，以確保其作為半導體解決方案全球領導者的地位[215] ?]。Phillips 選擇通過升級到 Microsoft Dynamics 365 和 Dynamics 365 Field Service 的最新云功能來實現(xiàn)其傳統(tǒng)本地 Microsoft Dynamics 解決方案的現(xiàn)代化。此次升級為公司提供了對業(yè)務績效的實時洞察，這幫助飛利浦進行了流程改進，并幫助提高了現(xiàn)場資源的運營效率和準確性[216]。

七． 公開的挑戰(zhàn)和未來趨勢

為了識別現(xiàn)有的挑戰(zhàn)并規(guī)避工業(yè)物聯(lián)網智能的潛在誤導性方向，我們思考以下問題：

? 未來制造業(yè)需要哪些類型的能力？

? 已經建立了哪些能力？

? 如何建立或提高未來制造業(yè)所需的能力？

經過仔細論證，我們得出關鍵詞“數(shù)字控制、確定性響應、成本友好的運營和部署、IIoT智能擴散”來回答第一個問題。當前工業(yè)物聯(lián)網智能化已經取得了一定的能力，但仍有提升的空間。?

A.數(shù)字控制

數(shù)字控制是指利用數(shù)字技術和先進的控制系統(tǒng)來監(jiān)控、管理和優(yōu)化制造過程的各個方面。這種方法利用數(shù)字信息、連接和數(shù)據(jù)分析來增強實時控制和決策。目前的IIoT智能化可以在一定程度上支持數(shù)字化控制。在當前的IIoT智能架構中，集成了工業(yè)傳感器來提供生產過程的實時信息，并對傳感器收集的數(shù)據(jù)進行處理和分析。軟件層的自動化系統(tǒng)由可編程邏輯控制器（PLC）和分布式控制系統(tǒng)（DCS）提供支持，可以基于實時數(shù)據(jù)分析對制造設備和流程進行精確控制。遠程控制和監(jiān)控還可以通過從遠程位置調整制造流程來促進數(shù)字控制。 然而，當前的數(shù)字控制水平還遠遠沒有達到提供制造過程各個方面的實時可見性的理想愿景，任何遠程或本地命令都可以在可視化虛擬空間和物理制造過程中快速執(zhí)行。實時可見性表明未來制造業(yè)有能力監(jiān)控設備狀態(tài)、跟蹤物料流動并分析生成的生產數(shù)據(jù)。對命令的即時響應，表明實現(xiàn)了工業(yè)物聯(lián)網智能多層的有效交互，以及機器人、傳感器、計算資源和網絡資源之間的協(xié)作。更重要的是，一旦實現(xiàn)數(shù)字化控制的理想愿景，管理者就可以通過實時監(jiān)測、調整、優(yōu)化和控制來掌握制造環(huán)境的各個方面。盡管實現(xiàn)數(shù)字控制帶來了挑戰(zhàn)，但一旦解決了三個關鍵困難，連接網絡空間和物理空間的數(shù)字孿生就會提供機遇：

? 克服軟件和模型之間的問題以及工業(yè)環(huán)境中通信協(xié)議的標準化挑戰(zhàn)至關重要。

? 確保高質量的工業(yè)數(shù)據(jù)對于準確的分析和可靠的結論至關重要。從實際數(shù)據(jù)集中生成此類數(shù)據(jù)對于實現(xiàn)智能數(shù)據(jù)分析至關重要。?

? 構建數(shù)字孿生需要涵蓋建模對象在各種條件下的行為的數(shù)據(jù)集。

然而，收集所有場景的完美數(shù)據(jù)集是不切實際的。因此，實施更新機制對于維持數(shù)字孿生系統(tǒng)的高性能運行是必要的。

B. 確定性響應

確定性響應的能力表示基于特定輸入或初始條件產生可預測的、確定的結果或行為的能力。確定性響應不存在隨機性或不確定性，系統(tǒng)的未來狀態(tài)可以根據(jù)其當前狀態(tài)和接收到的輸入來精確確定。

在當前的IIoT智能架構中，時間敏感網絡（TSN）可確保網絡流量的確定性響應。然而，隨著工業(yè)數(shù)字化轉型進程的加速，許多時間關鍵的計算任務是由網絡設備生成的，例如，傳感器數(shù)據(jù)分析和機器人的運動規(guī)劃。計算任務的及時完成對于保證制造系統(tǒng)正確高效的運行至關重要。此外，隨著工業(yè)物聯(lián)網中機器人、傳感器、軟件和模型之間的協(xié)作關系變得更加復雜，人們越來越期望某些時間關鍵型計算任務的響應延遲具有確定性。目前的端邊云協(xié)同計算架構依靠盡力而為網絡轉發(fā)數(shù)據(jù)，導致工業(yè)物聯(lián)網計算任務的響應時間存在不確定性和不可預測性。因此，確保IIoT計算任務的確定性響應的問題尚未得到研究。 它將成為 來的研究方向。

構建創(chuàng)新的計算和網絡轉換 具有確定性響應能力的 gence 范式 會有幫助的。一些研究人員已經開始探索此類 范式[217]-[220]，但有些問題有待解決 深入研究。

? 如何調度現(xiàn)有的工業(yè)物聯(lián)網計算和網絡 確?？蓴U展的確定性響應的資源 計算任務？

? 如何設計支持威懾的共享機制 通信流量的最小化調度和 同一 IIoT 網絡上的計算任務？

C. 成本友好型運營和部署

成本友好型運營是指以優(yōu)化成本、提高效率和確保財務可持續(xù)性的方式管理和開展業(yè)務運營的實踐。云制造提供了一種成本友好的操作，允許按需制造。然而，大多數(shù)研究人員關注的是云平臺的細粒度制造資源調度，而不是制造資源提供者。因此，應關注制造企業(yè)制造資源的定價和供給策略，使制造企業(yè)以較低的運營成本獲得較高的利潤。

成本友好型部署是指戰(zhàn)略性且高效地實施系統(tǒng)或技術，重點是在實現(xiàn)預期結果的同時優(yōu)化成本。制造流程的成本友好型部署通常由專門從事工業(yè)工程、生產管理和流程優(yōu)化各個方面的專業(yè)人員來實現(xiàn)。我們不會干擾制造流程的部署優(yōu)化，而是考慮計算和存儲資源的成本友好的部署，以確保工業(yè)數(shù)據(jù)的存儲和分析?；谠频牟渴鸷突谶吘壍牟渴鹉軌驗楣I(yè)大數(shù)據(jù)和系統(tǒng)提供成本友好的部署策略。然而，工業(yè)物聯(lián)網中有許多時間緊迫的任務。由于使用盡力而為網絡帶來的意外和不可預測的延遲，基于云的部署和基于邊緣的部署都可能導致無法滿足任務的時間要求。因此，未來應研究以下兩個挑戰(zhàn)，以構建成本友好的部署。

? 考慮到計算服務器和網絡設備的個性化部署成本，對于缺乏智能轉型基礎的工業(yè)物聯(lián)網企業(yè)，如何設計經濟高效的部署方案？

? 對于已具備智能化轉型基礎的工業(yè)物聯(lián)網企業(yè)來說，如何優(yōu)化當前計算服務器和網絡設備的部署結構，以滿足個性化轉型需求？

D. IIoT 智能擴散

智能擴散是指通過人工智能開發(fā)或創(chuàng)建新的智能系統(tǒng)、模型和算法，以執(zhí)行 IIoT 任務或緊急情況。未來智能制造需要智能化擴散的原因包括：

? 工業(yè)制造涉及復雜的生產流程、設備和系統(tǒng)，通過傳統(tǒng)的手工規(guī)則來準確描述和解決所有可能的場景具有挑戰(zhàn)性。智能制造環(huán)境的多樣性和復雜性要求系統(tǒng)能夠適應不同的條件和要求。

? 為每種可能的情況設計和優(yōu)化專用算法是一項耗時的任務。僅僅依靠手動設計的具體算法可能無法滿足動態(tài)制造環(huán)境中快速變化和復雜性的需求。?

? 智能應急系統(tǒng)具有適應性和學習能力，基于實時工業(yè)數(shù)據(jù)不斷優(yōu)化其模型和算法。這使得系統(tǒng)能夠不斷適應不斷變化的工業(yè)環(huán)境和生產要求。

受 ChatGPT 開發(fā)的啟發(fā)，ChatGPT 可以在對話中理解和生成類似人類的文本，保留連貫響應的上下文，執(zhí)行回答問題和創(chuàng)意寫作等任務，并根據(jù)其知識提供信息，大型工業(yè)生成智能模型具有潛力 實現(xiàn)工業(yè)物聯(lián)網智能擴散，但它也帶來了一些挑戰(zhàn)：

? 構建和維護大型模型可能成本高昂，特別是在計算資源和數(shù)據(jù)存儲方面。

? 大型模型需要廣泛且高質量的訓練數(shù)據(jù)，而這些數(shù)據(jù)在工業(yè)環(huán)境中可能稀缺或難以獲得。

? 由于資源限制和實時處理要求，在現(xiàn)實工業(yè)環(huán)境中部署大型模型可能會很復雜。

八． 道德影響和環(huán)境影響

在本節(jié)中，我們將探討道德影響 采用工業(yè)互聯(lián)網的環(huán)境影響 制造業(yè)中的物聯(lián)網 (IIoT) 智能。

A. 道德影響

道德影響主要包括三個方面：工作轉移和勞動力轉型、隱私和數(shù)據(jù) 安全、社會和經濟平等。

1）工作流離失所和勞動力轉型：IIoT 智能促進的自動化程度的提高可能會導致 某些體力任務的失業(yè)，提高了道德觀念 對受影響工人的福祉和過渡的擔憂。為避免出現(xiàn)意外情況，生產企業(yè) 通過工業(yè)物聯(lián)網智能實現(xiàn)轉型預計將分三個步驟進行[221]。在引入新技術之前，企業(yè)應該傳達新技術的好處并解釋原因，讓員工清楚地了解技術，幫助員工探索技術并增強對技術的信心，并讓員工參與思想交流。在新技術的引進過程中，企業(yè)應盡早明確時間表，并為工人提供多樣化的技能培訓計劃。新技術推出后，企業(yè)應跟進技術應用進展，并鼓勵員工共同不斷探索新的用例。

2）隱私和數(shù)據(jù)安全：工業(yè)物聯(lián)網智能涉及大量數(shù)據(jù)收集和分析操作，引發(fā)了員工和利益相關者的隱私問題。為了解決這個問題，公司應該對其 IIoT 部署中的數(shù)據(jù)收集、處理和使用實踐保持透明。這種透明度有助于建立與員工、利益相關者和公眾的信任。此外，應向所有相關方明確傳達詳細的隱私政策和數(shù)據(jù)使用指南，概述收集的數(shù)據(jù)類型、使用數(shù)據(jù)的目的以及個人對其數(shù)據(jù)的權利。此外，應采用加密技術來保護傳輸中和靜態(tài)數(shù)據(jù)的安全，確保數(shù)據(jù)保密且防篡改。

3）社會和經濟平等：擁有更多財務資源和技術能力的大型企業(yè)可能在采用和利用工業(yè)物聯(lián)網解決方案方面具有優(yōu)勢，而小型制造商或欠發(fā)達地區(qū)的制造商則處于劣勢。這種不平等的準入可能會加劇制造業(yè)內生產力、競爭力和創(chuàng)新方面現(xiàn)有的差距。為了避免工業(yè)物聯(lián)網智能的不平等獲取，工業(yè)物聯(lián)網解決方案提供商應提供靈活且可擴展的產品，以滿足各種規(guī)模的制造企業(yè)的需求和預算限制。應鼓勵開源工業(yè)物聯(lián)網平臺和標準的開發(fā)，以促進互操作性并降低各種規(guī)模制造商的進入壁壘?？梢圆扇〗?chuàng)新集群、技術園區(qū)或共享制造設施等舉措來鼓勵當?shù)刂圃焐讨g的合作、知識共享和獲取先進技術。

B. 環(huán)境影響

在制造業(yè)中采用 IIoT 智能既有積極的一面，也有消極的一面。

1)積極影響：工業(yè)物聯(lián)網智能可以更好地監(jiān)控和優(yōu)化能源、水和原材料等資源的使用，從而減少浪費并提高資源效率。通過工業(yè)物聯(lián)網智能優(yōu)化制造流程可以減少溫室氣體和其他污染物的排放。支持工業(yè)物聯(lián)網的預測性維護和質量控制措施可減少缺陷和生產錯誤的可能性，從而減少浪費和廢料。此外，工業(yè)物聯(lián)網智能還可以提高供應鏈的可視性，從而實現(xiàn)更高效的物流、庫存管理和運輸規(guī)劃。

2)負面影響：工業(yè)物聯(lián)網設備和傳感器的激增可能會導致其生命周期結束時的電子廢物顯著增加。雖然工業(yè)物聯(lián)網技術可以提高制造業(yè)的能源效率，但額外的傳感器、數(shù)據(jù)中心和網絡基礎設施的部署可能會導致整體能源消耗的增加，特別是工業(yè)大模型的深度應用將消耗大量的電子能源。工業(yè)物聯(lián)網設備（包括傳感器、處理器和通信模塊）的生產需要原材料的提取和能源密集型制造過程。?

3)緩解策略：為了減少工業(yè)物聯(lián)網智能對環(huán)境的副作用，提出了一些緩解策略。首先，鼓勵設計具有耐用性、可修復性和可回收性的工業(yè)物聯(lián)網設備，以促進循環(huán)經濟方法，最大限度地減少浪費和資源消耗。其次，與致力于可持續(xù)發(fā)展的供應商合作，采購環(huán)保材料，減少與運輸相關的排放，建立更可持續(xù)的工業(yè)物聯(lián)網供應鏈。第三，進行全面的生命周期評估和環(huán)境影響分析有助于確定需要改進的領域，并為整個工業(yè)物聯(lián)網部署過程中的決策提供信息。

九． 結論

我們提出了工業(yè)物聯(lián)網智能的分層開發(fā)架構，以系統(tǒng)地理解工業(yè)物聯(lián)網智能如何處理智能制造轉型過程中的問題。該架構由設備層、網絡層、軟件層、建模層、分析優(yōu)化層組成。設備層構建了IIoT智能的基礎。網絡層實現(xiàn)人機無所不在的連接。軟件層提供工業(yè)流程的數(shù)字化表達。建模層實現(xiàn)了精確建模和互操作性的提高。分析優(yōu)化層支持分案算法設計，分析工業(yè)數(shù)據(jù)，優(yōu)化工業(yè)流程。

此外，我們還近距離觀察燈塔工廠，展示各層技術的積極作用。接下來，我們確定了加速工業(yè)物聯(lián)網智能化發(fā)展的七種技術，包括工業(yè)機器人、機器視覺、網絡技術、數(shù)字孿生、深度學習、智能硬件、云/邊緣計算。 隨后，我們分析了在制造業(yè)中采用 IIoT 智能的道德影響和環(huán)境影響。

最后，我們從四個方面探討了開放的挑戰(zhàn)并討論了未來的研究方向，包括開發(fā)1數(shù)字孿生以實現(xiàn)數(shù)字控制的理想愿景、2探索IIoT計算任務的確定性響應策略和機制、3優(yōu)化計算和網絡資源部署以降低成本、 4研究工業(yè)生成型人工智能大模型，實現(xiàn)智能增殖。