3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
高雄第五條捷運紫線來啦！！終於等到高捷成路網的一天
智慧工廠與工業 4.0 |
2022年8月24日 星期三
· 交通的未來：我們將走向何方？
未來人們的交通運輸將會如何發展？
 |
| 不只是縮時，還有粉塵、噪音、位移偵測 |
看看永續和自主技術主導的交通運輸的未來。
自古以來，人類就一直在尋找使旅行更快、更方便的方法。首先，我們發明了輪子，然後是手推車和貨車、蒸汽動力和內燃機。電動汽車、自行車和自動駕駛汽車繼續創新。似乎只屬於科幻小說領域的想法，正在變成現實。繼續閱讀，以了解令人興奮的交通未來的未來。
推動交通未來發展的三個概念
交通的未來涉及轉向新的、更智慧的能源、交通方式，以及實體和技術基礎設施，以支持這些交通創新。
交通創新的三個共同主題是：
- 智慧科技
- 電氣化
- 自治
鑑於近年來這些技術的迅速發展，我們可以假設所有這些技術，都將成為我們未來交通運輸的主要貢獻者。
新的交通創新
以下是交通領域即將發生的事情的預覽。
自主飛行器 (AAV)
公共交通會飛上天空嗎？這可能很快就會成為現實。自主飛行器（AAV）的成功示範飛行已經進行。雖然類似於無人機，通常是無人駕駛的，但 AAV 是不同的。AAV 本質上是自動載人無人機，專為運送乘客而設計。
這些飛行器的大多數配置，透過水平旋翼使用垂直起降 (VTOL)，不需要跑道。這個想法是讓通勤者乘坐自動駕駛汽車，讓他們離開擁擠的道路，直接到達目的地，從而大大縮短旅行時間。
億航 184 是一個 5G 連接的城市空中交通概念，透過智慧城市指揮中心進行控制，並將成為世界上第一輛在 2022 年國際足聯世界杯期間，在卡塔爾首次亮相的空中出租車。
氣墊車
這個概念與 AAV 相當，因為它使用 VTOL 平台。然而，人類操作員不是無人駕駛，而是騎乘和控制懸浮自行車。外形類似於一輛普通的摩托車，有四個轉子（四軸飛行器），可以載一個人。再次，目的是提供一種移動方法，以減輕短途旅行的街道交通。俄羅斯公司 Hoversurf 開發了 S3 2019 Hoverbike，這是一種電池供電的一體式碳纖維框架，能夠在 33 英尺的高度飛行 96 公里/小時。每輛自行車的成本為 150,000 美元，懸浮自行車不會很快成為日常通勤者的選擇。
自動駕駛出租車
自動駕駛汽車正處於廣泛佈署的風口浪尖，儘管在很大程度上仍受限於測試環境和試點項目。他們今天在路上，並活躍在拉斯維加斯等城市，Lyft 在他們的 30輛「Aptiv」車隊中，提供收費的自動駕駛服務。這些車輛不僅代表了電動汽車和自動駕駛的效率，而且代表了一種智慧行動的心態。使用 ICT，這些未來派出租車透過智慧基礎設施和物聯網，與客戶相互通信，並收集大量數據，以在智慧城市中移動時進一步提高效率。
超級高鐵
超級高鐵的想法，最初是由埃隆馬斯克在 2012 年設想的。這種未來的交通方式專為城市、國家甚至大陸之間的長途運輸而設計。
超級高鐵的原理是基於人員在膠囊或吊艙中的移動，這些人員在長距離內透過管道高速行駛。管內是一個沒有空氣的低壓環境，而吊艙使用磁懸浮（MagLev）技術進行推進。低壓和磁懸浮創造了一個非常低的摩擦環境，使吊艙能夠以 600 MPH 以上的速度行駛。
Virgin Hyperloop One 目前在內華達州 Apex 有一條 500 米的測試跑道，稱為 DevLoop。目前，印度、美國、英國、加拿大和墨西哥正在考慮 Hyperloop 項目。
其他例子，包括懸掛在城市街道上的不同版本的自動磁懸浮列車；遠高於城市天際線的纜車；帶翅膀的混合動力汽車；電動自行車、滑板和其他個人行動設備；自動駕駛巴士；甚至獵鷹 9 號火箭也可以利用太空飛行的速度，讓人們快速環遊全球。其中許多還處於開發階段，甚至更廣泛的實施階段。
運輸成本和變革動力
地球上的人口正在成倍成長，並呈指數級遷移到城市地區。在 20、50 甚至 100 多年前設計的道路上，行駛無法滿足現代出行需求。結果是我們道路上的交通擁堵。
交通效率低下，每年給全球經濟造成數千億美元的損失。公路、航空、鐵路和海上運輸，並不總是作為一個無縫的綜合網路運行，從而導致進一步的成本和延誤。
根據 EPA 的數據，加上目前對化石燃料的依賴，交通運輸是溫室氣體排放的主要貢獻者，佔 2017 年美國溫室氣體排放總量的 28.9%。溫室氣體是氣候變化的一個原因，對人類健康和安全構成風險。世界衛生組織 (WHO)發現，除其他來源外，車輛造成的環境空氣污染，導致全球數百萬人過早死亡和患病。
Geotab GmbH 正在與德國 RWTH Aachen 校區的 Center Smart Services 合作，調查亞琛的空氣質量。行動空氣品質測量項目目的在收集超本地空氣品質，以支持優化交通規劃和管理。
今天的交通會怎樣？
人們普遍認為，未來幾十年全球個人汽車保有量將顯著下降。目前，美國是全球人均汽車集中度最高的國家，2014 年每千人擁有超過 800 輛汽車，高於加拿大、歐洲和太平洋地區。截至 2017 年，歐盟的數據為每 1,000 名居民 602 人。
在加拿大，汽車數據公司 Canadian Black Book 2019 年的一項研究顯示，35% 的 18-34 歲的加拿大人，計劃在未來兩年內減少家庭車隊，41% 的同一年齡組計劃在未來這樣做 10 年。
為行動革命做好準備
新的出行服務和高昂的車輛擁有成本，正在說服通勤者尋找替代選擇。儘管 Uber、Lyft、Car2Go、Zipcar 等公司正在快速成長，但拼車服務正在迅速發展。在同一項加拿大黑皮書研究中，27% 的 18-34 歲加拿大人已經依賴這些類型的行動服務。
許多汽車製造商都在競相適應，即將到來的行業革命 —— 將電動汽車整合到他們的產品陣容中，並投資於行動性研發。
交通運輸作家兼演講者 Lukas Neckermann 表示，汽車行業即將迎來一場「行動革命」，其定義為三個零：零排放、零事故和零所有權。Neckermann 說：「最強大的行動工具就是您的智慧手機。」
一場交通革命已經開始。大數據、物聯網和零排放技術為更清潔、更高效的交通方式提供了希望。汽車仍將在我們的道路上行駛，但為它們提供動力的能源，以及購買、租賃或租用和營運它們的方式肯定會發生變化。上述案例只是未來人類交通領域，即將出現的一些創新。
．為你盤點四大無人機自動避障技術
2022 年 5 大最佳避障無人機
來源：工控方
近年來，隨著多旋翼消費級無人機市場的飛速成長，其相關技術也正在發生日新月異的變革，以往多用於特種行業甚至軍用產品上的技術（如飛行控制、圖像傳輸、目標辨識和追蹤等）也越來越多地用於消費級無人機，使其越來越接近於自動化，甚至智慧化飛行機器人的概念。
在消費級無人機技術的諸多趨勢中，避障能力是實現自動化，乃至智慧化的關鍵環節，完善的自主避障系統，將能夠在很大程度上，減少因操作失誤造成的無人機損壞，和傷及人身和建築物的事故發生率，而從各消費級無人機廠商的新品，和技術發展方向看，避障技術也將在未來幾年趨於完善，並成為中高端消費級無人機的標配系統。
避障技術，顧名思義就是無人機，自主躲避障礙物的智慧技術。很多玩過無人機的小夥伴們都知道，有避障功能的無人機和沒有避障功能的無人機，可以說體驗是大不相同的！
無人機自動避障系統，能夠及時地避開飛行路徑中的障礙物，極大地減少因為操作失誤，而帶來的各項損失。在減少炸機事故次數的同時，還能給無人機新手極大的幫助！
無人機避障技術的發展階段
根據目前無人機避障技術的發展以及其未來的研究態勢，無人機避障技術可分為三個階段，一是感知障礙物階段；二是繞過障礙物階段；三是場景建模 和路徑搜索階段。
這三個階段，其實是無人機避障技術的作用過程。從無人機發現障礙物，到可以自動繞開障礙物，再達到自我規劃路徑的過程。
第一階段，無人機只能是簡單地感知障礙物。當無人機遇到障礙物時，能快速地識別，並且懸停下來，等待無人機駕駛者的下一步指令！
第二階段，無人機能夠獲取障礙物的深度圖象，並由此精確感知障礙物的具體輪廓，然後自主繞開障礙物！這個階段是擺脫飛手操作，實現無人機自主駕駛的階段！
第三階段，無人機能夠對飛行區域建立地圖模型然後規劃合理線路！這個地圖不能僅僅是機械平面模型，而應該是一個能夠實時更新的三維立體地圖！這將是目前無人機避障技術的最高階段！
感知障礙物
在前避障時代，消費級無人機的使用說明上都會標明必須在開闊場地飛行，而且應當盡量避免周圍有大量人群（當然，這也與當前技術和市場環境使得消費級無人機產品的可靠性較差有很大關係），因為一不小心操作失誤，或者在周圍有高大障礙物時啓動一鍵（低電壓、失控）返航，則有可能眼睜睜看著無人機傻傻地撞向那麼明顯的障礙物，這是何等的回天乏力。
為了降低這種事故的發生率，各廠商也都在卯足勁研發避障技術，而在實現方式上，大家的著眼點也都放在了一個方向 —— 測量無人機到障礙物的距離。
我們可以很容易地想到，只要無人機能夠測量出，與潛在障礙物之間的距離，就可以在撞向障礙物之前停止前進（雖然固定翼無人機表示不同意），於是一場讓人感覺回天乏力的事故，被輕描淡寫地避免了，這種思路簡單粗暴，但還是有一定作用的。而當前運用較多的障礙物檢測方法主要有：
超音波測距：這個方法很多人都熟悉，家用汽車的倒車雷達就是利用超音波檢測障礙物，該方法的優點就是技術成熟，成本很低；但缺點在於作用距離近（常用的中低端超音波感測器作用距離不超過 10m），且對反射面有一定要求。
因此超音波測距感測器常用來測量無人機與地面的距離（固定翼無人機表示自己飛的太高太快，超聲波傳感器用不上）。
紅外線/雷射 TOF：即飛行時間感測器，基本原理就是感測器發射一定頻率的紅外線/雷射信號，然後根據反射信號，與原信號的相位差，計算信號的飛行時間，即可換算出距離障礙物的距離。
該方法技術比較成熟，作用距離較超音波更遠（數米到數百米），而且高等級的 TOF 感測器，可以獲得障礙物的深度圖像（這一項能力在下文會有應用說明），但缺點在於成本高，抗干擾能力較差（雷射 TOF 稍好）。因此該方案在當前市場上，產品或樣機中有一定規模的應用。
雙目視覺：這個方法運用了人眼估計距離的原理，即同一個物體，在兩個鏡頭畫面中的坐標稍有不同，經過轉換即可得到障礙物的距離，雙目視覺方法，也可以獲得障礙物的深度圖像。
這種方法的缺點在於技術難度較高（不過自從有了 OpenCV，媽媽再也不用擔心我不會寫機器視覺程式了），且距離估計的誤差隨距離變大，而指數型增長，只是這一缺點在無人機避障應用中並無大礙。
電子地圖：借助細粒度的數位高程地圖，和城市 3D 建築地圖，既能夠實現避免重要建築物受到無人機撞擊（即禁飛區功能），也能夠實現很多情況下的無人機避障。
而事實上，戰斧巡航導彈的遠端飛行，也在很大程度上，依賴於數位高程地圖。
障礙物測量的原理搞懂了，就可以開始討論無人機避障了。最簡單的策略，莫過於遇到障礙物時停止前進，然後與障礙物保持一定的距離。這種遇到障礙物後就默默懸停等待，彷彿手足無措不知所往的初級策略，就是這麼簡單的開始，無人機就進入了避障時代。
繞過障礙物
很顯然，我們不會滿足於讓無人機遇到障礙物後，傻傻等待（固定翼表示自己一秒鐘也無法等待），這就需要設計讓無人機安全高效地繞過障礙物，繼續完成預定飛行的策略。
表面上看，連薩摩耶這種囧傻呆萌的狗狗，都知道前面有座大樓時，該怎麼繞過去（請自行想像為什麼說到狗狗時，要強調前方是大樓，而不是一棵樹），讓無人機繞過障礙物的策略，應該很簡單了，但這其中的門道可多了去了。
首先，狗狗很清楚前方大樓的輪廓，因此只需要往邊緣走，就可以繞過去，但是無人機想獲得障礙物輪廓就很難了，如果避障傳感器是普通超音波，無人機就只能知道前方有障礙，但是卻無從知道障礙物的邊緣，這就是前面為什麼要強調「能夠獲得障礙物深度圖像」了，對於能獲得深度圖像的 TOF 測距，和雙目視覺測距方式，只要障礙物沒有充滿視場，就總能夠找到障礙物的邊緣。
舉例說明，下圖所示的是無人機的到的深度圖像示意圖，灰度越深，表明距離越近，遇到這種情況，很顯然的策略就是往左上方飛，即朝向灰度最淺的區域飛行，此時問題彷彿已經得到解決。
但是別高興太早，這種策略可以滿足大多數應用場景，但是問題還遠沒有解決，看下面的左圖，一架無人機剛繞從一座高大建築旁繞過去，然後得到了如左圖的障礙物深度圖像，如果按照前面的策略，肯定是要往顏色最前的地方飛行，好那我要是告訴你其實右圖是無人機，和兩座懸崖幾何關係的俯視圖，請你告訴我無人機會怎麼飛，如果按照前述的策略，這又必將是一場刻骨銘心的事故。
也許有人對 windows98 時代的迷宮屏保還有印象，屏保中，使用一直沿著左側牆壁，和一直沿著右側牆壁，都會最終走出迷宮，這是因為普通迷宮的拓撲結構，就是兩條平行線中間有一個通道，按照這種思路，無人機遇到下圖這種簡單策略，躲不過去的障礙時，完全可以採取類似的方式，就一直向左或者向右尋找出路。
即如果上面右圖的局部場景的完整形態，如果如下圖所示的話，沿著圖中的兩條曲線為路徑，都可以繞過去，如果場景比下圖更複雜，繞過去的路可就需要苦苦追尋了。
雖然關於機器人在未知場景中，避障的方法研究非常多，但是由於終究是未知場景，其中必然有複雜的搜索過程。
場景建模和路徑搜索
再回到狗狗繞過大樓的例子，看下圖，如果狗狗左側右側的路都走過，而且右側其實沒有那棵樹的話，很顯然的它下一次繞過這座樓的時候，基本上會選擇左側的路（但是當右側有顆邪惡的樹之後，結論彷彿有所改變），這是因為它大腦裡，已經有了一幅地圖，即有了這個場景的模型。
無人機也是如此，無論是基於電子地圖，還是其他來源，還是 SLAM（即時定位與地圖構建）獲得了場景模型，就可以在機載電腦裡，用算法去搜索優化的避障路徑。
當前關於這種已知場景路徑規劃的研究很多，算法也是層出不窮（算法太多太複雜，本文暫不展開討論），也是無人機避障發展的必然趨勢。
與傳統的機器人避障技術研究相比，當前無人機的避障，還處於很初級的階段，但由於消費級無人機市場的火爆，大家也都在爭先恐後地開展此類研究，可以預見，未來的避障時代中，將會有各自各樣，現在難以想到的方法，用於無人機避障，有了這些技術的輔助，無人機的操作，也將越來越安全，越來越簡單。
無人機避障技術種類
紅外線避障
紅外線的應用我們並不陌生：從電視、空調的遙控器，到飯店的自動門，都是利用的紅外線的感應原理。而具體到無人機避障上的應用，紅外線避障的常見實現方式就是「三角測量原理」。
紅外感應器包含紅外發射器與 CCD 檢測器，紅外線發射器會發射紅外線，紅外線在物體上會發生反射，反射的光線被 CCD 檢測器接收之後，由於物體的距離 D 不同，反射角度也會不同，不同的反射角度，會產生不同的偏移值L，知道了這些數據再經過計算，就能得出物體的距離了，如下圖所示。
超音波避障
超音波其實就是音波的一種，因為頻率高於 20kHz，所以人耳聽不見，並且指向性更強。
超音波測距的原理，比紅外線更加簡單，因為音波遇到障礙物會反射，而音波的速度已知，所以只需要知道發射到接收的時間差，就能輕鬆計算出測量距離，再結合發射器和接收器的距離，就能算出障礙物的實際距離，如下圖所示。
超音波測距相比紅外測距，價格更加便宜，相應的感應速度和精度也遜色一些。同樣，由於需要主動發射聲波，所以對於太遠的障礙物，精度也會隨著音波的衰減而降低，此外，對於海綿等吸收音波的物體，或者在大風干擾的情況下，超音波將無法工作。
雷射避障
雷射避障與紅外線類似，也是發射雷射然後接收。不過雷射感測器的測量方式很多樣，有類似紅外線的三角測量，也有類似於超音波的時間差+速度。
但無論是哪種方式，雷射避障的精度、回饋速度、抗干擾能力和有效範圍，都要明顯優於紅外線和超音波。
但這裡注意，不管是超音波還是紅外線、亦或是這裡的雷射測距，都只是一維感測器，只能給出一個距離值，並不能完成對現實三維世界的感知。
當然，由於雷射的波束極窄，可以同時使用多束雷射組成陣列雷達，近年來此技術逐漸成熟，多用於自動駕駛車輛上，但由於其體積龐大，價格昂貴，故不太適用於無人機。
視覺避障
解決機器人如何「看」的問題，也就是大家常聽到的電腦視覺（Computer Vision）。其基礎在於如何能夠從二維的圖像中，獲取三維資訊，從而瞭解我們身處的這個三維世界。
視覺辨識系統通常來說，可以包括一個或兩個攝影機。單一的照片只具有二維資訊，猶如 2D 電影，並無直接的空間感，只有靠我們自己依靠「物體遮擋、近大遠小」等生活經驗腦補。
故單一的攝影機獲取到的資訊及其有限，並不能直接得到我們想要的效果（當然能夠通過一些其他手段，輔助獲取，但是此項還不成熟，並沒有大規模驗證）。類比到機器視覺中，單個攝影機的圖片資訊，無法獲取到場景中，每個物體與鏡頭的距離關係，即缺少第三個維度。
如下圖所示，單一的圖片具有很強的迷惑性和不確定性
雙目立體視覺猶如 3D 電影（左右眼看到的場景略有差異），能夠直接給人帶來，強烈的空間臨場感。類比機器視覺，從單個攝影機，升級到兩個攝影機，即立體視覺（Stereo Vision）能夠直接提供第三個維度的資訊，即景深（depth），能夠更為簡單的獲取到三維資訊。
雙目視覺最常見的例子，就是我們的雙眼：我們之所以能夠準確的拿起面前的杯子、判斷汽車的遠近，都是因為雙眼的雙目立體視覺，而 3D 電影、VR眼鏡的發明，也都是雙目視覺的應用。
雙目視覺的基本原理，是利用兩個平行的攝影機進行拍攝，然後根據兩幅圖像之間的差異（視差），利用一系列複雜的算法，計算出特定點的距離，當數據足夠時還能生成深度圖。
其實，各個避障技術在無人機上都有用武之地，只是應用場景有所不同，特別對於前視避障而言，有些技術就不適用了。
紅外線和超音波技術，因為都需要主動發射光線、聲波，所以對於反射的物體有要求，比如：紅外線會被黑色物體吸收，會穿透透明物體，還會被其他紅外線干擾；而超音波會被海綿等物體吸收，也容易被槳葉氣流干擾。
而且，主動式測距還會產生兩台機器相互干擾的問題。相比之下，雖然雙目視覺也對光線有要求，但是對於反射物的要求要低很多，兩台機器同時使用也不會互相干擾，普適性更強。
最重要的是，常見的紅外線和超音波目前都是單點測距，只能獲得特定方向上的距離數據，而雙目視覺可以在小體積、低功耗的前提下，獲得眼前場景的比較高分辨率的深度圖，這就讓避障功能有了更多的發展空間，比如避障之後的智慧飛行、路徑規劃等。
雷射技術雖然也能實現類似雙目視覺的功能，但是受限於技術發展，目前的雷射元件普遍價格貴、體積大、功耗高，應用在消費級無人機上，既不經濟也不實用。
無人機避障實現的難點
避障功能從構思到實現，走的每一步幾乎都便隨著無數的難題。僅僅是寫出有效的視覺辨識，或者地圖重構的算法還只是第一步，能讓它在無人機這樣一個計算能力和功耗，都有限制的平台上流暢穩定的跑起來，才是真正困難的地方。
此外，如何處理功能的邊界也是一個問題，比如雙目視覺，在視線良好的情況下可以工作，那麼當有灰塵遮擋的情況下呢？這就需要不斷的實驗和試錯，並且持續的優化算法，保證各項功能在各類場景下，都能正常工作，不會給出錯誤的指令。
避障功能作為近年來無人機產品的大趨勢，帶來的最直接的好處就是，以往一些人為疏忽造成的撞擊，現在都能經由避障功能去避免，既保障了無人機飛行安全的同時，也避免了對周圍人員財產的損害，讓飛無人機的門檻進一步得到了降低。
而長遠來看，無人機想要普及到農業、建築、運輸、媒體等領域，「智慧化」肯定是必經之路。
畢竟只有在飛行功能上做到智慧控制，才有餘量去滿足不同行業的需求。如今由「避障功能」而衍生出的一系列「智慧飛行」功能，無疑就是「無人機智慧化」的階段性體現之一。
· IT 和 OT 融合 —— 工業物聯網融合的兩個世界
面向 IT/OT 融合的智慧建築
在 2011 年，Gartner 就建議 (IT) 領導者，為他們的組織轉移到 IT 和 OT 環境的融合、調合和整合做好準備。
今天，它是工業 4.0、工業網路、資訊實體系統，以及建築管理系統、智慧計量和關鍵電力等領域和市場發展的基石。
事實上，它是 IoT 的精髓之一（儘管 IT 和 OT 的融合可以追溯到更早的時候，當然是在剛才提到的一些領域）。然而，隨著物聯網的發展比以前更快、規模更廣，Gartner 的話變得比以往任何時候都更加真實。
隨著 IT 和 OT 的融合，CIO 權限的範圍可能會滿足規劃和協調新一代營運技術，以及現有的以資訊和管理為中心的 IT 系統的需求(Gartner)
如果你不熟悉 - 到目前為止 - '古老的' IT 與 OT 辯論：IT 就是你認為的那樣。由 CIO 領導的資訊技術或企業 IT 團隊。正如我們將看到的，OT 是一種營運技術，但有趣的事情發生在兩者的混合中。例如，在前面提到的市場中，IT 和 OT 的整合，是物聯網時代建築管理的關鍵。
你可能知道 IT 和 CIO 的角色，已經改變了很多年（討論了多種形式的 IT，例如 Gartner 所稱的雙模式 IT 和 IT 主管的業務角色），其中包括 IT 本身以外的部門，對 IT 支出的著名成長。
IT 和 OT：逐漸減少的區別
OT 與所有這些無關，但它確實增加了關於 CIO 和 IT （未來）角色的討論。OT 代表營運技術，正如這個詞所說，它是你用來運行業務營運方面的所有技術，傳統上幾乎沒有 IT 參與。在實踐中，我們主要談論工業物聯網、工業 4.0，以及公用事業、製造等行業中 IT 和 OT 的融合。
想想工廠生產線的所有高科技機器、卡車車隊，以及任何有四個或更多輪子，並用於高技術目的的東西、鑽機、工業機器人（IT 和 OT 的整合是網路的關鍵機器人事物），任何適合你（營運）業務和工業活動和資產的環境。
物聯網中 IT 和 OT 的融合已經持續了一段時間，在現實世界中它們之間，並沒有嚴格的劃分。
在許多擁有大量重型機械，或其他形式的 OT 的企業中，CIO 和 IT 部門通常會密切參與，因為所有這些技術、事實上的技術融合和整合的關鍵作用（當許多這些工業資產開始被視為不像以前那樣獨立），以及在安全等方面與 IT 相同的觀點看待 OT 的方式。
儘管如此，在某些領域，區別還是很明顯的。你不會很快看到一名 IT 員工修理高科技石油鑽機，反過來，你也不會看到一名工程師負責組裝汽車的技術，參加關於使用預測分析，來保護企業網路免受網路威脅。但是，如前所述，兩者之間的界限確實模糊不清，物聯網對這種演變並不陌生。
物聯網如何將 IT 和 OT 結合在一起
你現在可以想像為什麼關於「IT 與 OT」或更準確地說是 IT 和 OT 融合的整個爭論，主要集中在特定的行業和業務功能中，其中工業網路（或工業 4.0）參與度最高。
我們已經提到了一些行業（製造、公用事業以及智慧電網等），但也提到了物流、智慧建築和採礦等。
在尋找圖像並做為案例時，我們發現了西門子在公用事業領域的這篇 2014 年部落格報導、資訊圖和研究，其中西門子確定成本和互操作性，是 IT 和 OT 融合的最大挑戰，但需要在哪裡獲得 IT 和 OT，擺脫了各自獨立的傳統孤島，以便從先進的計量和智慧電網系統中獲益。
現在，物聯網是如何出現的？在一篇報導中，關於 DX 經濟的到來，我們研究了 IDC 對 2016 年及以後的一些預測（除了 DX 或數位轉型經濟）。
正如 IDC 所說，「DX 最肥沃的領域」將是物聯網。這可能不足為奇。如前所述，今天的物聯網事實上主要是「發生」在工業物聯網 (IIoT) 的工業環境中。
正是在這些行業中，IDC 還預計大多數物聯網發展將發生，至少在未來幾年內，即使物聯網設備和解決方案，我們引用，「有可能重新定義幾乎每個行業的競爭優勢」。
物聯網與 IT 和 OT 辯論之間的聯繫是明確的。畢竟，物聯網主要是關於，使用能夠收集、接收，和發送資訊的連接設備，實現流程自動化，將智慧和連接嵌入到設備中，並設置流程和各種應用，透過適當的分析工具開闢新的可能性領域數據、自動化和「編寫」應用並開發 API，使這些設備發揮作用。
公用事業公司意識到，要充分利用先進計量和智慧電網系統的優勢，IT 和 OT 必須協同工作（Lisa Caswell，西門子）
在物聯網推動轉型時管理 IT 和 OT 的利用
當我們談論資訊、網路、連接、數據、生態系統和應用時，我們正在談論 IT，尤其是所有這些連接，當然，數據和資訊（IT 仍然代表資訊技術）需要被管理、保護、儲存、處理、路由、槓桿等。
在「工業」背景下，它並沒有什麼不同。在這個環境中，軟體和開發人員也找到了肥沃的土壤（想想聯網汽車及其軟體更新），擁有代碼知識的 IT 專家也是如此（根據 IDC 的說法，這是向 DX 經濟發展的另一個重要因素），當然還有典型的 IT 領域，例如安全性，這是物聯網環境中的一個主要問題。
由於我們在整個 IoT 演進中，仍處於相對早期，但演進速度很快，IT 和 OT 融合的呼聲越來越高。在許多行業中，IT 和 OT 融合已經發生了很長一段時間（石油和天然氣只是眾多行業中的一種，除了前面提到的行業），但實際上它仍然是 IIoT 發展的挑戰。
因此，IDC 強調 IT 和 OT 在技術、流程、安全和組織層面的整合，是關鍵成功因素和關鍵演變/預測，這並非巧合。
與此同時，這裡引用了 Gartner 提到的 2011 年關於 IT 和 OT 融合的新聞稿：「隨著 IT 和 OT 的融合，CIO 權限的範圍可能會滿足規劃，和協調新一代營運技術，以及現有技術的需求。以資訊和管理為中心的 IT 系統」。
Gartner 還強調了 CIO 的關鍵變化，可能是他們的角色從領導 IT 交付組織，轉變為領導利用企業中所有技術（IT 或 OT，無論是交付還是支持）的流程、資訊和關係的業務資產，或由正式的 IT 組織或其他地方管理。
IT 和 OT 的融合，以及它所暗示的所有挑戰和功能問題，在 IIoT 中是必不可少的。
下圖來自《工業乙太網》一書，顯示了 IT 和 OT 的各種組件。
正如作者所說，這種融合（挑戰）不僅是一種技術，也是一種新的思維方式，當兩個不同的世界分開工作，並使用完全不同的系統、技術和供應商時，這往往是一個挑戰， （必須）在 IIoT 和工業網路的背景下發生衝突。
所有圖片均歸上述公司和/或網站所有，僅供參考。
 |
· 前 10 名工業軟體公司
以.gif 檔案下載圖表 | 以.png 檔案的形式下載沒有動畫的圖表
簡而言之
- 根據物聯網分析關於該主題的最新研究，微軟在 2021 年超過了 SAP，成為最大的工業軟體供應商。
- 在分析的 14 個主要軟體類別中，工業軟體的總體市場估計，在未來五年內將以 +18% 的 CAGR 成長。
為什麼這很重要
- 未來，軟體將對製造商發揮更大的作用。對該領域的任何製造商或供應商來說，瞭解和反思工業軟體公司的定位，都是一項有用的練習。
簡介
2022 年將是製造商的一個轉捩點。根據物聯網分析題為《2022-2027 年工業軟體景觀》的最新行業報告，普通製造商在工業軟體上的支出，將首次高於工業自動化硬體（OT 硬體）。就在五年前，2017 年，工業軟體市場比以硬體為中心的 OT 市場小了約 40%，但情況正在迅速變化。在 2011 年馬克·安德森宣佈「軟體正在吞噬世界」10 年後，製造業正在成為基於軟體的。據估計，五年後，工業軟體市場將是 OT 硬體市場的兩倍。（2021 年的總市場規模為 1090 億美元；2027 年的估計為 2880 億美元）。
推動工業軟體市場的因素
工業軟體採用有許多驅動因素，包括：
- 資訊流和資料的數位化 —— 仍然有很多以前未連線的資產上線，工人指令正在數位化，或流程（如 KPI 測量）正在自動化。
- 硬體的軟化/虛擬化 —— 硬體預算正在成為軟體預算（例如，公司在公有雲軟體上花費，而不是擁有本地伺服器）。
- 系統和流程的整合 —— 無論是傳統 ISA-95 金字塔的層還是任何軟體，都在建構更多的API、介面和聯結器，與供應商或客戶聯絡起來。
- 交付的軟體具有更高的功能和效率 —— 許多軟體應用程式正在變得更加高效和強大。想想 20 年前 CAD 工具的侷限性，以及當今即時 3D 模擬和其他工具的功能。一些軟體開始能夠在特定任務中取代人類（或至少提供大量支援）。
- 系統和資料需要更有效的保護 —— 隨著系統複雜性的增加，網路威脅正在推動對更多保護（和檢測）能力的需求。
- 製造商對短期變化和新要求做出反應 —— 市場需求正在發生變化，透明度、靈活性和快速反應正變得越來越重要。軟體通常可以做到這一點（例如，供應鏈透明度和在供應中斷的情況下最佳化軟體）。軟體還使製造商能夠監控新的關鍵績效指標，例如跟蹤二氧化碳排放。
前 10 家工業軟體公司
這些是前 10 家工業軟體公司（按 2021 年市場佔有率區分）：
2021 年，微軟超越 SAP，成為全球排名第一的工業軟體公司（總收入）。 在過去的幾年裡，微軟在工業領域獲得了巨大的市場佔有率，這要歸功於對製造商的專門關注和價值主張，特別是透過其 Microsoft Dynamics 和 Azure 產品。在分析的 14 個工業軟體類別中，微軟是以下六個類別的市場主管者（前五名）：
- 雲基礎設施和服務
- 網路安全
- 資料和分析
- 現場服務
- IIoT 平台
- 虛擬化
隨著每個類別的週期性順風，微軟有望在未來幾年繼續獲得市場佔有率。
2. SAP
多年來，SAP 一直是 ERP 系統的無可爭議的市場主管者，如今，大多數製造商的一些營運都依賴 SAP 的 ERP 元件（如 EAM）。SAP 正在利用這一主管地位，將 SAP 的 ERP、SCM、HR 和 CRM 功能整合到一個單一的智慧企業產品中，目地在在其客戶的功能團隊之間交叉銷售 SAP 的軟體，並消除投資組合重疊。
在分析的 14 個工業軟體類別中，SAP 是以下五個類別的市場主管者（前五名）：
- 供應鏈管理
- 企業資產管理
- 產品生命週期管理
- 製造業營運管理
- 現場服務
3. 西門子
對於許多人來說，西門子是工業自動化硬體的市場主管者。然而，該公司正在轉換到更多地成為一家工業軟體公司。2007 年收購 UGS 標誌著西門子開始執行「數位企業」的願景，這一策略和概念，專注於增加軟體和數位產品和服務的銷售。從那以後，西門子成功地堅持了這一策略。然而，西門子的工業軟體收入成長最近放緩了，因為該公司正在將其報價轉向軟體即服務（SaaS），這通常會導致短期收入減少，從長遠來看，收入將增加。
西門子在分析的 14 個工業軟體類別中的，以下六個類別中處於市場領先地位（前五）：
- 電子設計自動化
- 電腦輔助設計
- 機器控制
- 產品生命週期管理
- 製造業營運管理
- IIoT 平台
4. 亞馬遜（AWS）
AWS 與微軟一樣，由於其在公有雲市場的領先地位，以及透過各種服務及其 AWS B2B Marketplace 獲得的收入，正在工業軟體市場的市場佔有率。 亞馬遜還針對工業製造商推出了用於工業軟體組合的 AWS。
5. 甲骨文
甲骨文與其主要競爭對手 SAP 一起，透過其甲骨文 NetSuite 和甲骨文融合產品，在 ERP 和 SCM 市場處於市場的主管者。該公司還提供雲基礎設施和相關服務，儘管它不是這個空間的前五大供應商。甲骨文的成功與其早期向 SaaS 商業模式的轉變相關。早在 2014 年，該公司就認為自己是全球第二大雲 SaaS 公司。與傳統永久許可證相比，這一轉變使甲骨文客戶能夠更靈活地採購甲骨文軟體。今天，客戶仍然欣賞根據他們的需求客製化甲骨文軟體和功能的能力。
6. 達索系統
總部位於法國的達索系統透過一套產品，最引人注目的是達索 Catia 和達索 SolidWorks，是 CAD 和 PLM 軟體的市場主管者。近年來，這家工業軟體公司宣佈與其他領先的工業軟體公司建立一些關鍵合作伙伴關係，為關鍵行業垂直領域提供端到端解決方案。2019 年，達索宣佈與 ABB 合作，提供端到端的 CAD、SCM 和 MOM 解決方案，專門用於機器人。2022 年 2 月，該公司還宣佈與 Cadence Design Systems 合作。這種合作關係將使兩家公司能夠對晶片製造商的製造流程進行跨職能理解，並在供應鏈和製造營運管理軟體，以及電子設計自動化（EDA）和 CAD 軟體方面具有互聯的軟體功能。
7. Synopsys
總部位於美國的 Synopsys 是 EDA 領域的全球市場主管者，EDA 領域正在佔據全球晶片行業的勢頭（因此也是高成長）。該公司專注於人工智慧、汽車、雲和物聯網領域的晶片組設計，和半導體智慧財產權許可。Synopsys 還提供應用程式安全測試的專用服務，並將因其 DevSecOps 產品而繼續受益於網路安全空間的高成長。
8. IBM/Kyndryl
IBM 曾經是世界第二大有價值的品牌，最近將其業務分成兩家公司。新公司 Kyndryl 專注於 IBM 的基礎設施業務，而 IBM 的其餘部分將專注於雲服務和人工智慧。儘管 IBM 近年來一直在努力有意義地發展業務，但它繼續提供強大的工業軟體組合，包括 IBM Maximo 企業資產管理、IBM 混合雲、IBM WebSphere 或 IBM 安全等產品。
9. Cadence 設計系統
就像 Synopsys 一樣，Cadence 是 EDA 軟體市場的主管者。Cadence 最初是一個純粹的 EDA 軟體供應商，但已擴充套件到其他產品，如 IC 軟體包設計和分析，以及用於設計晶片的智慧財產權。
10. ABB
總部位於瑞士的 ABB 在工業過程自動化、機器人、驅動和電機，以及電氣化基礎設施方面處於市場領先地位。ABB 的關鍵軟體價值主張包括其機器人模擬和寫程式軟體，以及 MOM、SCADA 和 PLC 寫程式軟體。近年來，ABB 在 IIoT 和工業 AI/A Analytics 空間中釋出了軟體，該軟體建立在 ABB Ability 的基礎上，最新的是 ABB Ability Genix Industrial Analytics 和 AI Suite，這是一個模組化工業 AI 和物聯網平台。
與 ABB 的大多數競爭對手相比，該公司在 2019 年決定採取分散的組織策略，由 4 個 ABB 業務領域中的每個領域管理自己的軟體組合，一些解決方案貫穿整個組織。
結論和展望
軟體對全球製造商的作用越來越大。頂級工業軟體公司的市場相對分散，有一些高增長類別，如雲基礎設施和服務、網路安全和資料分析。
隨著越來越多的公司將其軟體設定數位化和現代化，那些在上述細分市場中，暴露在這些領域的風險敞口大的公司，將繼續獲得工業軟體總支出的更大比例。
前 10 家工業軟體公司的成長率差異很大。五年內排名前十的工業軟體公司幾乎肯定不會與今天的前 10 名相同。市場定位在決定明天的贏家方面發揮著巨大作用。但決定這些供應商未來成功的因素也包括：
- 在新的邊緣到雲設定中進行區分的能力
- 成功轉換到 SaaS 的能力
- 與人工智慧或低程式等新功能區分的能力
為了最大限度地增加機會，該市場的任何供應商都應根據，市場報告中提到的這些趨勢和其他趨勢，來檢查他們的策略。
免責宣告：此資料集是根據公開可用的投資者關係收入資料，以及一些代理和調查資料開發的。供應商沒有影響計算。請注意，物聯網分析與本研究的一部分，分析的一些公司有商業關係。
|工業軟體市場
| 定義
物聯網分析對工業軟體市場的定義如下：工業軟體是用於建立或管理與工業製造價值流相關的資訊的工具。該定義包括支援從產品設計，到產品維護的製造價值流的關鍵軟體類別。不包括支援軟體工具，如銷售和行銷、人力資源、財務和法律軟體。
該報告包括用於工業製造終端使用者核心價值鏈活動的軟體，該軟體根據離散、流程、混合製造和物流服務提供商定義。這些行業的例子有 ISIC C 27 —— 電氣裝置製造、ISIC C 20 —— 化學品製造、ISIC C 24 —— 基本金屬製造和 ISIC H 52 —— 運輸倉儲和支援活動。
14 個主要軟體類別構成了市場
- 電腦輔助設計（CAD）
- 電子設計自動化（EDA）
- 產品生命週期管理（PLM）
- 機器控制
- 製造業營運管理（MOM）
- IIoT 平台
- 供應鏈管理（SCM）
- 現場服務
- 企業資產管理（EAM）
- 雲基礎設施和服務
- 網路安全
- 虛擬化
- 遠端訪問
- 資料和分析
更多資訊和進一步閱讀
你有興趣瞭解更多關於工業軟體格局的資訊嗎？
2022-2027 年工業軟體格局是一份 65 頁的報告和資料庫，詳細介紹了工業軟體格局。這是物聯網分析持續覆蓋工業物聯網的一部分。
該報告包括一個全球工業軟體供應商資料庫，其中有 14 個不同軟體類別、市場規模和預測、競爭格局、趨勢、深度潛水等 150 多家公司分類。
報告樣本為你提供了可用分析（大綱、關鍵幻燈片）的整體概述。 樣本還提供了有關該主題的額外上下文，並描述了分析方法。你可以在此處下載樣本：
相關文章
你可能還對以下報導感興趣：
- 軟 PLC：重溫工業創新者的困境
- 工業人工智慧和 AIoT 的崛起：推動技術採用的 4 個趨勢
- Cloud MES：製造軟體如何遷移到雲端
- 物聯網雲：Microsoft Azure vs. AWS vs. 谷歌云
- 2 萬億美元可尋址公有雲市場的理由
訂閱我們的時事通訊，並在 LinkedIn 和 Twitter 上關注我們，以瞭解影響物聯網市場的最新趨勢。要獲得完整的企業物聯網覆蓋範圍，並訪問物聯網分析的所有付費內容和報告，包括專用分析師時間，請檢視企業訂閱。