工业 4.0 中的工业物联网工程师指南

IIoT 应用的典型结构在基于标准的工业系统架构中指定，例如工业互联网联盟的参考架构。它由一系列组件组成，包括传感器和物联网设备、物联网中间件平台、物联网网关、边缘/云基础设施和分析应用程序。

​

嵌入式传感器在制造价值链中的力量

IT 系统、企业应用程序（例如 ERP 和制造执行系统 （MES））以及用于生产自动化的工业网络已经存在了几十年。工业 4.0 的真正游戏规则改变者是嵌入式传感器在价值链中的扩展使用。嵌入式传感器将制造资产转变为网络物理系统，并实现了许多几年前几乎不可能实现的优化。总体而言，嵌入式传感器和其他 IIoT 技术通过将原始数字数据转换为工厂车间洞察和自动化操作来提高效率。

IIoT 和嵌入式传感器在生产运营中的一些明显优势包括：

柔性生产线

预测性维护

质量管理

供应链管理

零缺陷制造

数字孪生

数据分析选项：边缘、云还是组合？

大多数IIoT应用都包括数据分析功能，例如基于机器学习技术的传感器数据分析。因此，他们通常在云计算基础设施中收集和处理信息。后者有助于访问所需的数据存储和计算资源。然而，在解决低延迟用例（例如涉及实时驱动和控制的应用程序）时，云中的IIoT部署仍存在不足。在这种情况下，需要在现场（即车间）附近执行操作，不能容忍在云中传输和处理数据的延迟。

为了解决实时、低延迟的应用，工业组织正在部署基于边缘计算范式的IIoT应用。后者涉及在靠近现场、边缘集群（即本地云基础设施）、物联网网关和边缘设备等基础设施内进行数据收集和处理。Gartner 最近的一份报告预测，到 2023 年，超过 50% 的企业数据将在边缘处理。

​

边缘计算部署最适合实时控制应用，同时有助于节省带宽和存储资源。具体来说，边缘设备中的数据处理有助于过滤物联网数据流，并使企业能够有选择地仅将“感兴趣的数据点”传输到云端。此外，边缘计算提供了比云计算更好的数据保护，因为数据保留在本地边缘设备中，而不是传输到制造企业外部的云数据中心。此外，边缘分析功能（如边缘设备上的 AI 算法）比基于云的分析更节能。

在实践中，工业企业在其IIoT用例中同时采用云计算和边缘计算。具体来说，他们倾向于在边缘部署实时功能，在云上部署精通数据的工业自动化功能。云和边缘功能之间始终存在相互作用，以实现分析准确性、计算效率以及带宽和存储资源的最佳使用之间的最佳平衡。因此，IIoT 应用程序通常部署在云边缘环境范围内。

如今，有许多方法可以实现边缘计算及其与云基础设施的交互。同样，在工业网络边缘采用机器学习也有许多选择，例如联合机器学习技术，甚至在嵌入式设备中部署机器学习功能。后者涉及嵌入式编程与机器学习的融合，其特点是嵌入式机器学习或TinyML。

最先进的云/边缘计算范式在延迟、安全性、能效和训练 ML 算法所需的数据点数量方面支持 IIoT 用例的不同要求。本系列的后续文章将阐明上述一些云/边缘范式的技术架构和部署配置。

IIoT 的扩展和迈向工业 4.0 的道路

工业 4.0 已经存在了五年多，但我们距离实现嵌入式传感器和工业物联网的全部潜力还很遥远。许多企业通过在车间设置数据收集基础设施和部署 CPS 系统和物联网设备来开始他们的部署之旅。在资产管理、预测性维护和质量控制等领域也部署了多个运营用例。然而，许多用例仍处于起步阶段，或仅限于在试点生产线或实验室环境中进行试点部署。因此，有必要发展和扩大现有部署，使工业企业能够采用并充分利用第四次工业革命。

​

工业 4.0 用例的扩展取决于解决以下挑战、技术和组织挑战：

棕地部署的旧合规性。

缓解工业环境中的数据碎片化。

解决物联网、大数据和人工智能技能差距。

确保进入试验线和实验基础设施。

简化端到端的 IIoT 集成，即从嵌入式设备到制造应用

实现向工业 4.0 的文化转变。

Arduino Pro 和工业 4.0

在这些挑战的推动下，Arduino最近为专业应用创建了Arduino Pro解决方案。它是一个一体化的物联网平台，结合了：

用于工业控制、机器人和边缘 AI 应用的硬件板。

用于部署基于云的应用程序的端到端安全连接解决方案。

支持低代码应用程序开发的高级开发环境。

易于实施和重要的社区支持。

结论

本文介绍了工业物联网，包括其主要用例和工业企业的商业价值潜力。它揭示了嵌入式传感器、云/边缘计算和人工智能如何为优化生产运营提供坚实的基础，从而改善生产时间、质量和成本，同时提高员工的安全性和客户满意度。