工业物联组态真正能提供的价值有多少？

边缘计算和云计算协同合作更能满足工业物联网的需求

云计算处于数据中心的核心网络中，通过层层网络设备搜集终端的数据，凭借强大的存储和计算能力进行大数据分析。边缘计算是指在贴近数据源的设备中的计算能力，进行实时、短周期数据的分析，能更高效地对本地数据进行实时智能化处理和执行，同时能够缓解网络中的数据流量和云端的工作量。

当海量的数据需要存储、分析时，云计算更合适。比如需要大量数据输入的人工智能离线训练，这些数据要通过合适的训练方法，验证和完善人工智能算法模型。

边缘计算可以说是对云计算的一种补充和优化。很多工业现场条件恶劣，设备分散，很难实时传送大量数据，这个时候边缘计算就更为适用。以风电场为例，具有边缘计算能力的现场设备能够实时地采集和分析数据，并能及时做出判断，调整风机以收集更多的能量。因为整个过程都在本地完成，处理速度比采用云计算提升很多。

图扑

工业移动应用会更加广泛

移动终端设备在工业物联网中的参与度逐渐提高，越来越多的厂商推出移动应用方案，进一步提升工作效率和效力。移动终端主要的应用方式有以下几种：

(1) 远程监控：使用 HMI 的移动应用，工作人员可以在任何时间和地点检查现场设备和产线的运行状态，并及时进行诊断和维护工作。当监控点离设备操作点较远，或设备位于危险区的时候，移动应用提高工作安全性和效率的优势更为明显。

图扑

在多台设备都在运行同一套工序的情况下，工作人员在移动终端上就可以查看每台设备的状况，比跑到每台设备前逐一查看更方便和高效。很多人认为个人移动设备不适合在工业环境下使用，所以，在 2017 年，除了推出了更多基于个人移动终端的应用，我们看到少数企业也推出了专门用于工业环境下的基于web的平板电脑，仅用来查看数据和信息。

(2)自动采集现场信息：工作人员可以将移动设备作为现场信息采集工具，通过专用的应用程序，直接扫描并上传数据到后台系统，这样可以避免工作人员自己读取和手工输入信息过程中造成的错误。

图扑

(3)信息发布和分享：将现场的人工流程在移动终端上数字化，信息的发布和分享将会极大简化。比如工厂的管理员可以将发现的问题同时发布给所有相关人员，而不必逐一沟通。进而减少停机和维修的时间，最大化地降低损失。

如上文所述，工业物联网的实践对生产设备、软件平台、人员配备、以及资源都提出了很多新要求，工业自动化设备也要为此做好准备。以下是 IHS Markit 所观察到的自动化设备层面已经发生或正在发生的变化：

数据采集能力：传统工厂里使用的传感器和执行器都是独立工作的，现在越来越多的设备安装了嵌入式的传感器，比如泵、流量表、马达、轴承等。

通信能力：越来越多的 PLC 和 HMI 产品都配置了通信接口，过去属于高端产品的配置，现在已成为中端产品的标准配置。一些 I/O 模块产品配置了无线通信能力。

数据处理能力：PLC 的数据处理能力进一步提升，能对现场设备中的数据进行筛选和简单的处理，减少服务器和云端的负荷。智能 I/O 模块具有简单的数据处理和逻辑判断能力。过去两年，也推出了很多具有数据存储和处理能力的物联网网关。

图扑

工业级移动设备：少数厂商推出了针对工业环境下使用的移动设备，比如基于 web 的平板电脑，仅能浏览网页，用来查看现场产线状态和信息。

控制系统结构扁平化：一些高端 PLC 产品和智能 I/O 模块添加了物联网网关的功能，可以直接将数据传送到服务器或云端。智能传感器也可以不通过 PLC ，直接通过物联网网关将数据传送到上层。新产品的这些功能将会加速工业控制系统构架的扁平化。

人工智能算法模块：Rockwell 和 Omron 都在其 PLC 控制器中加入了人工智能算法模块，通过对控制器中的数据流进行分析学习，人工智能算法模块会快速建立模型，之后会持续监控运行数据发现异常，并报警。

设备本地化与云端结合：会有更多基于云的方案推出，HMI 和控制器等设备的部分非实时的功能将会被转移到云端进行，这也更符合分布系统式构架的理念。

图扑

工业

物联网带来的变化是指日可待的，所有的蜕变都需要一个阵痛期，科技的前沿尤其需要用最高的思维力来减轻这一阵痛，蒂蒙技术作为工业物联网的见证者及协助者，始终保持创新，力求用最高端的思维及技术方案，减少工业物联网过程中数据分布、协议处理、用户体验等问题。