IIoT - Industrial Internet of Things Monitoring Of Sensor'S Data on Android App
來源：魏智勇 作者：雨林
從一定程度上，物聯網可以說是個「舊瓶裝新酒」的概念，提出物聯網--IoT（Internet of things）這個概念，的確是一種創新，但是要把這個創新與傳統的M2M—機器互聯機器對機器）區分開，其中並沒有一條經軸分明的界限。
更大的區別在於思維方式的轉變，M2M是以機器為主角，透過網路，將機器與感測器聯絡起來，隨著 網路技術的進步，M2M也在向網際網路方向伸出觸角，基於網路的釋出方式與遠端訪問，在感覺上已經非常接近物聯網了。
但M2M終究並不是物聯網，物聯網作為思維方式的變化，是從網路端，向裝置與感測器端的逆向思維，兩者的區別就像先有雞，還是先有蛋一樣。
舉例來說，一間工廠的監控系統，按照傳統思維，先有機器，有機器必要的控制系統，有分散的控制器（人機介面或者工業電腦），隨著電腦技術的進步，網路技術在滲透，那麼可以透過改造，將工廠裡的控制器，集中到一個中央控制系統中，再透過增加感測器，來獲取更多的資訊，這是M2M的思維方式。
在這個基礎上，增加網路釋出功能，使用者可以透過遠端訪問，看到系統的實際執行情況，這樣也是把裝置連線到了網際網路上，但依然是M2M的思維方式：架構固定、物件確定，應用的行業固定，系統擴充套件規模可以預期......這些都是M2M的特徵。
在這個基礎上，增加網路釋出功能，使用者可以透過遠端訪問，看到系統的實際執行情況，這樣也是把裝置連線到了網際網路上，但依然是M2M的思維方式：架構固定、物件確定，應用的行業固定，系統擴充套件規模可以預期......這些都是M2M的特徵。
物聯網思維與此相反，有一個通用的或者針對某一領域的，基於網際網路的設計介面，對使用者而言可能仍然是一個網站，一個獨立的APP等等，這和M2M的網路端展現出來的功能，是接近的。但在這個網路門戶的背後，是一系列複雜的應用和資料分析，機器學習的演算法和加架構，是為了對獲取到的資料進行大規模分析與處理的引擎。
資料的獲取成了自此向下的另一個層面，系統並不一定要將原先分散的控制系統集中到一起，甚至並不一定要和原先的控制系統相關聯。透過嵌入式的感測器與分散的微處理器，透過Zigbee或者藍芽技術，就可以將需要連線的裝置與系統，接入網際網路。
這一接入也並不是針對特定一個車間或者一個系統，需要單獨編寫程式實現的，而是透過統一的感測器終端完成的，對於不同型別的裝置，可能僅需要改變末端感測器的型與配置即可。
物聯網可能應用於某一個車間或者系統，也可能大規模應用於某個電力網路的一部分，其增長在一定程度上，是不能準確預期的。
因此，採用可擴充套件的分散式架構，雲端計算以及大數據技術，將架構分佈在大規模的電腦叢集上，從一開始就是非常有必要的。而這也正是現代網際網路架構，從一開始必須考慮的方向。
就現階段而言，工業物聯網距離其應該到達的程度，還有相當遙遠的距離，據推算，2024年電力物聯網產值要超過240億美元，而當下才剛剛勉強超過10億，如果仍然採用M2M的傳統思維，工業物聯網的發展與網際網路技術間的鴻溝，會越來越來，而唯有採用物聯網思維，兩者間的距離才有可能急劇縮小。
這個時間有可能需要10-20年，但更有可能是5 - 10年，由於網路技術的爆炸性進步，這一時間也有可能急劇縮短，對於工業自動化領域從業者而言，如果要趕上這一趨勢，留給我們的空間與時間非常有限。
可以預見的工業物聯網發展領域，集中在能源，製造業，汽車行業，智慧城市幾個方向。
在能源方面，分散式的發電系統，微電網與儲能網路的建設，都為物聯網技術的應用，留下了廣闊的空間。隨著電動汽車替代燃油汽車提上，世界各個國家的程序，對電網的改造已經迫在眉睫，而要能應付電動汽車充電，對供電網路帶來的巨大衝擊，採用緩衝的儲能系統，以及對能源分配的智慧規劃，是必不可少的。
製造業方面則由於人工成本的上漲，以及競爭的加劇，對生產跟蹤、生產管理、產品品質跟蹤日益迫切的需要，也在一定意義上，促進工業物聯網的迅速發展與普及。
汽車行業方面，特斯拉與蘋果公司，是物聯網技術推進的兩大代表，採用普及的智慧操作介面，替代汽車老式陳舊的作業系統，是汽車物聯網最基本的體現，而汽車物聯網最高階的進展，則莫過於自動駕駛。
和前幾項相比，智慧城市的發展更多地停留在概念，而非實質上，這是由於智慧城市相比某個特定的行業，需要更多更複雜的技術與實現，從某種程度上，是集前者之大成。
沒有留言:
張貼留言