隨著制造商集成信息技術(shù) （IT） 和運營技術(shù) （OT），他們依靠專用于智能制造的工業(yè)物聯(lián)網(wǎng) （IIoT） 平臺來管理其設備、連接性、基礎設施和數(shù)據(jù)。這些 IIoT 平臺還可以幫助制造商實施應用程序、獲得洞察力并將這些洞察力傳遞給正確的利益相關(guān)者。到 2030 年，每年將在這些解決方案上花費超過 750 億美元。

IIoT 設備和應用平臺收入（圖片：全球數(shù)字工廠數(shù)據(jù)，ABI Research）

對于市場上提供不同功能的各種平臺，為項目選擇合適的 IIoT 平臺可能是一項挑戰(zhàn)。但是，在做出決定時需要考慮幾個屬性，從協(xié)議適應性和連接性到機器人集成。

什么是 IIoT 平臺？ 似乎幾乎每家為數(shù)字行業(yè)開發(fā)了軟件的公司都稱自己為“平臺”。因此，IIoT 平臺有多種形式來滿足各種需求。然而，最合適的定義是應用支持平臺 （AEP）。

AEP 提供了導入數(shù)據(jù)的解決方案，但它們通常需要合作伙伴提供網(wǎng)關(guān)。一些 AEP，例如 Siemens MindSphere、Emerson Plantweb 和 PTC ThingWorx，提供了一個“一站式商店”，可以從設備中獲取數(shù)據(jù)并像帶有應用商店的操作系統(tǒng)一樣工作。如果應用程序開發(fā)保持開放，則應用程序可以由 AEP 提供商、合作伙伴（也可以稱為平臺）、最終用戶或獨立開發(fā)人員構(gòu)建，就像智能手機應用程序商店一樣。

一些一站式商店更側(cè)重于數(shù)據(jù)提取和將數(shù)據(jù)傳輸?shù)皆贫?，而另一些則更側(cè)重于將數(shù)據(jù)交付給其他制造和企業(yè)系統(tǒng)。

還有一些 IIoT 平臺專門用于特定的應用程序支持或微服務，例如在邊緣調(diào)整協(xié)議和處理原始傳感器數(shù)據(jù)。這樣做的平臺包括 Litmus Automation 的智能邊緣計算平臺和 Foghorn 的 Lightning Edge AI 平臺。

關(guān)鍵標準是什么？ 根據(jù)項目的需求，需求差異很大，但以下標準是區(qū)分平臺完整性和位置的良好起點：

協(xié)議適應性和連接性。能夠使用來自多個制造商的協(xié)議連接到設備和設備；通用架構(gòu)，例如 OPC 統(tǒng)一架構(gòu) （UA）；和其他形式的連接，例如蜂窩。

邊緣智能。支持復雜事件處理 （CEP）、機器學習 （ML） 和高性能流處理，將可操作的分析發(fā)送到靠近數(shù)據(jù)源的計算設備。這些功能很重要，因為計算越來越多地向邊緣移動以支持對延遲敏感的無線應用，例如機器人自動化、實時視頻流和無線遠程控制。

數(shù)字雙胞胎。能夠為產(chǎn)品開發(fā)、生產(chǎn)計劃、產(chǎn)品即服務、資產(chǎn)監(jiān)控、人工智能 （AI） 性能優(yōu)化、模擬和實時 3D 資產(chǎn)可視化創(chuàng)建、管理和支持數(shù)字孿生。最終，這些信息被用來建立一個數(shù)字線程，這是一個記錄的數(shù)字歷史，跨越產(chǎn)品的開始到其使用壽命結(jié)束。

增強現(xiàn)實（AR）/混合現(xiàn)實（MR）。易于部署和擴展連接到平臺上設備的靈活 AR/MR 體驗和應用程序。這些經(jīng)驗可用于遠程故障排除和支持、流程改進以及減少人為錯誤。

機器人集成。能夠連接到來自多個制造商的工業(yè)和協(xié)作機器人以提取數(shù)據(jù)。

支持其他變革性技術(shù)。包括人工智能、區(qū)塊鏈和低代碼、無代碼應用程序開發(fā)。

沒有一家公司可以滿足所有客戶的需求，因此大多數(shù) IIoT 供應商都有合作伙伴生態(tài)系統(tǒng)。這包括從 Cradlepoint、MultiTech 和戴爾等工業(yè)網(wǎng)關(guān)供應商到西門子、羅克韋爾自動化、ABB 和博世等主要工業(yè)巨頭的所有人。較新的進入者是超大規(guī)模企業(yè)。

云觀點 大多數(shù) AEP 將云基礎設施視為亞馬遜和微軟分別以亞馬遜網(wǎng)絡服務 （AWS） 和 Azure 為主導的商品，但越來越多的是，這兩家公司正在蠶食他們的領(lǐng)土。

例如，AWS 正在與大眾汽車 （VW） 合作，整合其 122 家制造廠的數(shù)據(jù)，以更好地跟蹤零部件到貨、車輛組裝以及組裝設備的整體效率。大眾將使用 AWS IoT Greengrass、AWS IoT Core、AWS IoT Analytics 和 AWS IoT SiteWise 來收集、吸收和分析來自植物的數(shù)據(jù)。收集的數(shù)據(jù)將支持提供預測性維護和優(yōu)化操作的 ML 模型。

就微軟而言，它與 Hitachi 建立了戰(zhàn)略合作關(guān)系，并且最近擴大了與 PTC 和羅克韋爾自動化的合作伙伴關(guān)系，以提供 Factory Insights as a Service，這是一種基于云的解決方案，以模塊化、用例為基礎進行銷售。Factory Insights as a Service 將 PTC（ThingWorx、Kepware、Vuforia）和羅克韋爾自動化的 FactoryTalk InnovationSuite 的許多關(guān)鍵產(chǎn)品組件與 Microsoft 的 Azure IoT Hub 和 Azure IoT Edge 相結(jié)合，因此制造商可以更輕松地跨站點標準化和擴展應用程序。

云允許輕松快速地共享信息，提高合規(guī)性，并使復制和擴展制造優(yōu)化變得更加容易。

AEP 提供商很少專注于云基礎設施，而那些很少專注于工業(yè)數(shù)據(jù)提取的提供商。長期以來，這并不重要，因為制造商通常傾向于將數(shù)據(jù)保存在現(xiàn)場?，F(xiàn)在，隨著對遠程可見性和全系統(tǒng)數(shù)字化的需求日益增加，云變得至關(guān)重要。

下一步是什么 許多制造商都在尋求能夠以最快的投資回報率 （ROI） 解決特定業(yè)務挑戰(zhàn)的預構(gòu)建應用程序。這就是西門子開發(fā)其 Xcelerator 產(chǎn)品組合、艾默生提供 Plantweb“模板”以及 GE Digital 看到客戶購買 GE Predix 平臺支持的工業(yè)應用程序而不是僅購買該平臺并構(gòu)建自己的解決方案的原因。

普遍的期望是，在采用實用的應用程序和用例來推動核心可靠性和成本因素之后，制造商會將其物聯(lián)網(wǎng)范圍擴展到額外的設備和流程以優(yōu)化性能。

在食品、飲料和制藥等行業(yè)，超過 80% 的問題是已知問題，因此有很多容易實現(xiàn)的目標，例如閥門、管道和儲罐監(jiān)控。例如，在汽車等復雜但高度自動化的行業(yè)中，有機會與其他平臺集成以改進統(tǒng)計過程控制 （SPC）。

IIoT 供應商未來成功的決定因素歸結(jié)為生態(tài)系統(tǒng)的開放性、低代碼/無代碼應用程序開發(fā)、云集成和“即服務化”。隨著更廣泛的 IIoT 生態(tài)系統(tǒng)從監(jiān)控到監(jiān)控式應用程序畢業(yè)，這些原則將變得更加明顯，但就目前而言，它們?nèi)匀皇菂^(qū)分領(lǐng)導者與追隨者和落后者的重要區(qū)別。

Ryan Martin 涵蓋了新興的變革性技術(shù)，包括增強現(xiàn)實、分析和物聯(lián)網(wǎng)。他目前領(lǐng)導公司的制造、工業(yè)和企業(yè)物聯(lián)網(wǎng)研究?！　?/p>