摘要：智能工厂的特点是互联互通，物联网是实现智能工厂的核心技术。本文阐述了工业物联网在工业4.0中的作用，研究了智能制造对工业物联网的需求、物联网结构体系和关键技术，最后对工业物联网的研究方向做了探讨。

关键词：智能制造；智能工厂；物联网；云计算

Abstract: Interconnection is one of the biggest characteristic of intelligent factory, and the Internet of Things is the core technology for the realization of the intelligent factory. This paper first explores the effect of Industrial Internet of Things in industry 4.0. Then the industrial networking requirements, system structure and key technology of Industrial Internet of Things are thoroughly analyzed. Finally, the future research direction of the Industrial Internet of Things is discussed.

Key words: Intelligent manufacturing; Intelligent factory; Internet of things; Cloud computing

1　引言

2013年在汉诺威工业博览会上德国推出了“工业4.0”项目，该计划的目的是推动制造业向智能化转型升级，为德国的先进制造业领先地位奠定了基础，工业4.0的核心内容是智慧工厂、智能制造。美国通用电气公司（GE）提出了工业互联网概念，这是美国“先进制造伙伴计划”的主要任务之一。2015年中国政府在工作报告上正式提出《中国制造2025》，未来10年通过信息化和工业化两化深度融合来引领和带动整个装备制造业的发展，实现中国从制造业大国向制造业强国的转变  。

从德国工业4.0、美国工业互联网及日本M2M可以看出，其共同特征都是利用物理系统和信息系统的融合来实现人与人、人与物和物与物的互联互通。与传统制造系统不同的是，面向智能工厂建立了一种集可靠感知、实时传输、精确控制、可信服务为一体的的复杂过程制造网络体系架构，通过有形的实体空间和无形的虚拟网络空间相互指导和映射，实现整个生产制造过程的智能化。由于制造过程的复杂性、随机性和不确定性，因此要求与之融合的物联网在多源对象自动获取、异构多跳网络传输、海量信息智能处理等方面必须满足智能制造的需要。

本文阐述了智能制造与工业物联网的关系以及智能工厂对工业物联网的要求，论述了国内外工业物联网在互联互通，无线通信，数据共享，通信安全等方面的研究现状，文章的最后介绍了作者团队在物联网方面的研究成果并对工业物联网未来的研究方向做了深入的探索。

2　智能工厂中的工业物联网

通常情况下，可从制造智能化、产品智能化、管理智能化来描述智慧工厂的三个维度，如果这些描述和表达能够得到实时数据支持，实时下达指令，并且能在这三个维度之间进行交互，这就是所谓的智慧工厂，其具体框架如图1所示。

在智慧工厂内部，物联网和服务互联网是两大通信设施，服务互联网连接供应商，并支持生产计划、物流、能源和经营管理相关的ERP、PLM等系统的信息通信集成；工业物联网支持制造过程的设备、操作者与产品的互联，实现MES、数控机床、机器人等物理单元的信息通信，还通过CPS手段实现与信息空间的集成。

2.1　工业物联网的体系结构

如图2所示，处于智能工厂底端的现场设备（各种传感器、机床、AGV）和控制设备（PLC控制器等），通过现场总线控制网络（CAN总线、PROFIBUS等）实现工业环境的数据感知和控制命令的下发，同时，工业无线传感器网络（WISN）以其灵活组网、可靠通信的优势与现有总线网络并存，在工业控制领域发挥巨大作用；与传统物联网框架不同的是，该框架加入了由工业数据服务器、文件服务器、实时服务器构成的SCADA系统，一方面对一些实时性较高的控制命令，能够快速响应及时做出决策，另一方面通过数据据库服务器把来自工厂底端的数据发布到顶端应用层，实现对数据的进一步分析和处理；数据分析和处理的结果通过以太网或Internet网络随时随地进行传送，另外，窄带物联网（NB-IoT）作为低功耗广覆盖（LPWA）技术一种，支持独立部署、保护带部署、带内部署三种部署场景，通过改造现有EPC核心网或者新建独立NB-IoT基站与现有2G/3G/4G兼容，实现NB-IoT业务的接入，完全可以作为一种新的无线通信网络在工业物联网中普及；

处于体系结构顶端的各种应用是工业物联网的价值所在，通过对生产流程的监控和生产设备运行状况的跟踪，利用ERP、MES实现资源的最佳配置和生产流程的优化，以此降低能源消耗、提高生产效率。

2.2　智能制造对物联网的要求

（1）自组织网路

在智能工厂中，大量终端例如移动机器人、手持PDA等设备都是随机移动的，即使是固定设备也会在一个时段内表现不同的加工状态（如电机的旋转或者停止），这些联网设备的网络的拓扑、信道的环境、业务模式都是随着这些节点状态动态改变的，因此面向复杂制造环境建立一个节点能够动态地、随意地、频繁地进入和离开网络的多跳自组织网络十分必要。

（2）工业物联网的实时性

智能工厂中部署的大量传感器节点，搜集不同的参数，这些信息根据重要性，被划分不同的传输优先级。工业过程数据传输的时效一般在0.001~0.5s之间，需要很高的实时性和可靠性，但是现场设备检测数据时效性则长达1s以上。因此，工业过程数据传输比设备环境检测数据具有更高的优先级，如何满足智能工厂多优先级异构数据收集和传输对工业联网实时性提出了更高的挑战。

（3）工业物联网智能信息处理

智能工厂感知层中成千上万的传感器时刻产生海量的数据，而物联网智能信息处理的目标就是把这些信息收集起来，通过数据挖掘等技术从原始数据中提取有用信息，为MES层提供数据支持。信息处理的流程一般分为信息获取、表达、量化、提取和推理阶段，每个阶段的数据处理的好坏都关系着物联网技术能否得到大规模的应用。

（4）与设备智能互联

智能工厂中的设备来自不同厂家，出于利益原因他们会采用不同标准和协议，这种不统一阻碍了物联网的发展。鉴于目前业内多总线体系已经形成，更换设备至统一标准不现实，因此找到一个多协议、多接口的中间平台对不同通信协议数据进行标准化处理实现不同设备之间互联互通是关键。

3　智能制造环境下物联网研究的核心问题

3.1　全互联制造网络

工业物联网的最终目标是实现“广泛互联互通、透彻信息融合、综合智慧服务”  。因此智能制造背景下的网络必须要实现不同设备之间互联和异构传输网络之间的互通。但是目前由于缺乏标准化的可互操作的信息交换协议，物联网中采集的信息往往是封闭的、孤立的，这严重阻碍物联网的大规模应用。因此需要研究出一套能够解决多源异构信息的融合方法。初期，信息融合主要针对多传感器数据，主要解决异构传感器之间的互联互通问题，因此又被称为多传感器数据融合 ；

1991年美国实验室理事联合会JDL提出了广泛认可的信息融合定义，将其定义为一种多层次、多方面的处理过程，包括对多源数据进行检测、组合和估计，从而提高状态和特征估计的准确度  ，这被认为是数据融合的开端。目前关于物联网信息融合的研究，从融合方向角度可分为水平方向融合和垂直方向融合。其中水平方向融合，如文献提出利用MANET边界路由协同MANET的SMF区域与IP网的PIM-SM区域的工作，使多播数据包能顺利在两种不同的网络中转发并且实现了动态的切换；文献[6]设计出了一种基于POWERLINK、EnOcean和6LoWPAN三种无线通信技术和Internet的智能工厂复合网关，对各种通信网络的融合具有很好的借鉴意义；垂直方向融合，如文献将XLM和JMS技术结合来，提出基于XLM-JMS混合集成方法来解决ERP与MES之间相互通信和数据互换的难题；文献等提出了一种基于WebService技术来实现静态数据实时更新和动态数据同步更新的中间件设计方案，实现ERP与MES交互。

3.2　工业无线通信

工业无线通信技术是继现场总线和工业以太网之后又一新的通信技术，具有部署灵活、成本低、方便维护等优势，为各种智能设备、AGV和自动化设备之间的通信提供高带宽的无线通信链路和灵活的网络拓扑结构，特殊环境下有效弥补有线网络的不足。近几年，蓝牙、Wi-Fi、ZigBee、WirelessHART等短距离工业无线通信技术的研究和应用得到迅猛发展，引起了业界和学术界的关注。文献[9]针对传统蓝牙技术微微网中点对多点资源有效调度的业界难题，基于实现策略建立蓝牙4.0协议架构，设计了一种根据链路负载动态调度算法，改善了通信的质量；文献[10]针对板坯制造过程中误差大问题，提出了基于Wi-Fi的板坯连铸结晶器振动形态检测技术，通过Wi-Fi技术实现无线传感器和数据分析终端的实时连接，提高了板坯的制造精度；文献利用ZigBee网络低速率、低成本、低功耗、网络容量大特点，建立自组织无线传感器网络，对工业生产线上的视频监控数据进行实时，保证了传输质量。

传统无线通信技术在一定程度和一定时期满足了工业信息传输的要求，但是随着物联网时代的到来，上述无线通信技术已经不能满足物联网大连接、宽覆盖、高速率要求，基于此窄带物联网（NB-IOT）技术的宽覆盖、大连接、低功耗、低成本的特点，以及可直接部署于GSM网络、LTE网络，降低部署成本，实现平滑升级的优势是传统蓝牙、Wi-Fi、Zigbee所无法比拟的，也引起学术界和业界的关注 [12~14] 。

3.3　物联网中的数据处理

智慧工厂里底端设备层是数据的来源，时刻产生GB甚至TB级的海量感知数据，这些数据除了海量性以外，还表现为来自不同设备产生的数据异构性、网络传输和控制的实时性以及现实环境下受工艺、硬件资源限制导致的数据不确定性。因此，对不同特征的数据进行高效处理、分析，提炼对工业生产有指导性的信息，是工业物联网信息处理的核心所在。

目前对物联网中数据处理的研究方法很多，有从数据融合和数据压缩方面进行设计，如文献[15]提出E-Span和LPT算法，让感知节点根据自身剩余能量动态选择子节点和父节点，通过适当节点的最佳配置，实现数据有效融合；文献[16]建立虚拟网格的链模型，选择小波系数存放的最佳位置，提出基于分布式小波数据压缩算法对海量数据进行压缩。有的研究专注于云储存和云计算角度，如Apache开发的Hadoop开源云计算框架，采用主从式结构将网格计算、并行处理、分布式储存进行整合，对数据高效地处理。值得注意的是，近些年来通过中间件技术对数据进行处理是一研究热点。

文献[17]针对现有数据处理存在的缺陷，提出基于面向服务的体系结构（SOA），利用物联网服务中间件技术，将数据感知和处理抽象为实体服务和云服务，从结构的两端进行虚拟化处理；针对传统中间件数据处理的局限性，文献[18]提出的嵌入式智能中间件是基于消息驱动的嵌入式信息处理系统，在资源环境受限的情况下仍然具备数据采集、适配、过滤和分发功能，解决一体化网络的互操作问题，对解决大规模数据处理具有指导意义。

3.4　工业网络安全性

物联网的信息安全涉及到感知层、传输层和应用层。感知层是数据的来源，其安全性也是围绕如何保证数据收集完整性和机密性展开的，针对硬件高危漏洞现象，文献 [19，20] 在嵌入式系统中建立轻量级可信执行环境，设计一个最小化TCP系统框架，将对安全敏感的代码放入虚拟可信环境中执行，确保安全敏感代码的隐秘性。

传输层中海量的信息面临网络拥塞、异构网络跨网认证、DoS攻击、异步攻击等诸多问题，基于此很多研究学者从身份认证、密钥协议、数据机密性等方面展开研究，但是适用性和安全性有待进一步提高。文献[21]从密码学算法与协议进行轻量化处理和经典密码学算法进行优化生成新的密钥生成协议两方面来抵御对网络的攻击。

应用层收集和分析大量隐私数据，在处理和应用过程都需要对其进行安全保护。同态加密技术是目前学术界研究的一个方向，对数据进行同态加密可有有效避免用户隐私信息的泄露 [22] ；另外，Thomas和Ned利用区块链技术实现物联网设备匿名共享的方法值得学习与借鉴 [23] 。

4　未来研究方向

结合工业物联网自身存在的问题和目前研究的现状，本文认为未来工业物联网的研究方向应该在以下几个方面展开：

（1）物理空间与信息空间互联模型。智能工厂的物联网中各层分工和各层的业务实现流程虽然明确，而对物理空间和信息空间的耦合关联问题目前的研究还不深入。物联网要实现这两大空间的感知互动，需要建立物理空间和信息空间的耦合模型。但是连续的时空属性的物理空间与离散的无时空属性的信息空间之间存在的差异性较大，在描述两者耦合关系时比较困难。

（2）异构网络融合。工业物联网中往往是多种类型网络共同存在，不同网络之间形成很多信息孤岛，要实现互联互通，必须让不同网络之间能够建立联系。目前的研究无论是基于设计统一网关的思路，还是基于认知网络的理念都是少数几种网络融合，远远不能满足实际需要。未来研究中，针对物联网络异构性、承载业务量大特点，开发统一的物理及MAC底层及其协议促进多种网络融合是发展趋势。

（3）海量信息处理。目前国内外研究机构提出的海量信息处理的若干种技术，在一定程度上对数据做了有效的处理，但是这些技术大多是基于上层的数据处理，在实际应用中数据的实时性保证不够好，因此未来对数据处理的研究重点由上层转移到下层，在感知层中找到数据处理方法是一种新思路。

（4）工业物联网安全。工业物联网框架中各层次的安全不是相互独立的，而是相互依赖的，针对每一层单独设计的安全保护策略是不全面的，适用范围有限，再加上不同应用场景对安全要求侧重点也不一样，因此设计适用范围更广的入侵检测与防御系统、设计更有效的访问策略、制定有效的移动设备跨域认证方法将是未来物联网安全的研究热点。

5　取得的成果

面向工业4.0和国家装备制造业发展需要，我们课题组基于最新工业物联网技术、系统优化调度方法和先进制造思想，解决了制造设备之间的互联互通、无线传感智能组网等一系列问题。开发出一体化计划调度、生产建模与物料跟踪、设备数据采集、质量控制与统计等新技术，这些技术在大型装备监测、工程健康监测等方面得到了具体的应用。

第一，在大型装备监测方面，先后承担了西安市科技项目：工业监控传感器网络系统关键技术及产品化开发和无线传感器网络节点软件及系统应用研究。在Zigbee传感器网络协议研究方面，建立了复杂工厂环境的电磁干扰模型，提出了新的实时可靠路由算法和多信道MAC层协议，针对大规模网络节点配置问题，给出了配置模型和求解算法。同时开发出了多种机电装备监控无线传感器网络，能够在200m范围内的机电设备的各轴位置，速度，温度，振动量和声音等方面数据进行准确采集，具有自组织性和较强的容错能力。

第二，在大型工程健康监测方面，承担了陕西省科技项目：大型工程健康监测无线物联网关键技术及应用研究。主要完成了桥梁倾斜，下沉，扰度，振动等机构参量的检测方法和节点模块设计；簇间多路径分簇路由算法设计；大型高铁桥梁健康监测的无线物联网的组建。

6　结语

随着工业4.0时代的到来，智慧工厂、智能制造将全面替代传统工厂和传统制造，物联网和智能制造的融合更加速了第四次工业革命的到来。但是应该看到目前的工业物联网发展水平不高，存在的问题也很多，因此立足当前，着眼未来，加强工业物联网重点技术研究，对其存在关键问题进行突破，促使工业物联网形成产业化和规模化，推动智能制造向更高水平发展。

参考文献：

[1] Wang S, Wan J, Li D, et al. Implementing smart factory of industrie 4.0: an outlook[J]. International Journal of Distributed Sensor Networks, 2016, 12 (1) : 3159805.

[2] 周津. 物联网环境下信息融合基础理论与关键技术研究[D]. 吉林大学, 2014.

[3] 韩崇昭, 朱洪艳. 多传感信息融合与自动化[J]. 自动化学报, 2002, 28 (s1) : 117 - 124.

[4] Perera C, Zaslavsky A, Christen P, et al. Context Aware Computing for The Internet of Things: A Survey[J]. IEEE Communications Surveys & Tutorials, 2014, 16 (1) : 414 - 454.

[5] 胡雅菲, 李方敏, 刘新华. CPS网络体系结构及关键技术[J]. 计算机研究与发展, 2010, 47 (S2) : 304 - 311.

[6] Telmanov Mikhail.智能工厂环境下的混合生产线调度优化方法研究[D]. 哈尔滨工业大学, 2017.

[7] Zhu H, Liu D, Bayley I, et al. Quality model and metrics of ontology for semantic descriptions of web services[J]. Tsinghua Science and Technology, 2017, 22 (3) : 254 - 272.

[8] 蓝萌, 徐汀荣, 黄斐. 基于JSM的制造企型业ERP - MES集成方法实现[J]. 计算机技术与发展, 2009, 19（6）: 246 - 249.

[9] 徐金苟. 蓝牙4.0底层核心技术协议研究与实现[D]. 上海交通大学, 2012.

[10] 夏军. 基于WiFi的板坯连铸结晶器振动形态检测技术研究[D]. 浙江大学, 2013.

[11] 李嘉源. 基于ZIGBEE协议的工业视频监测技术研究[D]. 吉林大学, 2015.

[12] Kim T, Dong M K, Pratas N, et al. An Enhanced Access Reservation Protocol with a Partial Preamble Transmission Mechanism in NB - IoT Systems[J]. IEEE Communications Letters, 2017, PP (99) : 1 - 1.

[13] Liu S, Yang F, Song J, et al. Block Sparse Bayesian Learning Based NB - IoT Interference Elimination in LTE - Advanced Systems[J]. IEEE Transactions on Communications, 2017, PP (99) : 1 - 1.

[14] Ali A, Hamouda W. On the Cell Search and Initial Synchronization for NB - IoT LTE Systems[J]. IEEE Communications Letters, 2017, PP (99) : 1 - 1.

[15] Lee W M，Wong V S W. E - Span and LPT for data aggregation in wireless sensor networks[J]Computer Communications.2006.29 (13 - 14) : 2506 - 2520.

[16] Ciancio A, Ortega A. A dynamic programming approach to distortion - energy optimization for distributed wavelet compression with applications to data gathering inwireless sensor networks[C]//Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings. 2006 IEEE International Conference on. IEEE, 2006, 4: IV - IV.

[17] 陈海明, 石海龙, 李勐, 等. 物联网服务中间件:挑战与研究进展[J]. 计算机学报, 2017, 40 (8) : 1725 - 1749.

[18] 刘博洋, 马连博, 朱云龙, 等. 基于多层数据处理的嵌入式RFID中间件系统开发[J]. 计算机科学, 2015, 42 (s2) : 231 - 235.

[19] Azab A M,SwidowskiK,Bhutkar J M,etal.Skee:A lightweight secure kernel - level execution environment for arm [C]// Proc of the 23th Network and Distributed System Security Symp. Reston,VA:ISOC, 2016

[20] Sachidananda V,Toh J,Siboni S,et al.POSTER:Towards exposing Internet of things:A roadmap [C]//Proc of the 23rd ACM SIGSAC Conf on Computer and Communications Security. New York:ACM, 2016 : 1820 - 1822

[21] Szalachowski P, Perring A. Lightweight protection of group content distribution [C]//Proc of the 1st ACM Workshop on IOT Privacy,Trust, and Security. New York:ACM,2015 : 35 - 42.

[22] Chakravorty A, Wlodarczyk T, Rong C. Privacy preserving data analytics for smart homes[J] IEEE Computer Society Security &Privacy Workshops, 2013, 42 (6) : 23 - 27.

[23] Hardjono T, Smith N.Cloud - based commissioning of constrained devices using permissioned blockchains[C]//Proc of the 2nd ACM InT Workshop on IoT Privacy, Trust, and Security. New York:ACM, 2016 : 29 - 36.

作者简介：

曹建福（1963-），男，陕西宝鸡人，教授/博士生导师，现就职于西安交通大学，研究方向是物联网与智能工厂。

陈乐瑞（1985-），男，河南郑州人，博士生，现就读于西安交通大学，研究方向是物联网与智能工厂。

摘自《自动化博览》2018年5月刊