如何选择一个成功的 IIoT 平台

随着制造商集成信息技术 （IT） 和运营技术 （OT），他们依靠专用于智能制造的工业物联网 （IIoT） 平台来管理其设备、连接性、基础设施和数据。这些 IIoT 平台还可以帮助制造商实施应用程序、获得洞察力并将这些洞察力传递给正确的利益相关者。到 2030 年，每年将在这些解决方案上花费超过 750 亿美元。

IIoT 设备和应用平台收入（图片：全球数字工厂数据，ABI Research）

对于市场上提供不同功能的各种平台，为项目选择合适的 IIoT 平台可能是一项挑战。但是，在做出决定时需要考虑几个属性，从协议适应性和连接性到机器人集成。

什么是 IIoT 平台？ 似乎几乎每家为数字行业开发了软件的公司都称自己为“平台”。因此，IIoT 平台有多种形式来满足各种需求。然而，最合适的定义是应用支持平台 （AEP）。

AEP 提供了导入数据的解决方案，但它们通常需要合作伙伴提供网关。一些 AEP，例如 Siemens MindSphere、Emerson Plantweb 和 PTC ThingWorx，提供了一个“一站式商店”，可以从设备中获取数据并像带有应用商店的操作系统一样工作。如果应用程序开发保持开放，则应用程序可以由 AEP 提供商、合作伙伴（也可以称为平台）、最终用户或独立开发人员构建，就像智能手机应用程序商店一样。

一些一站式商店更侧重于数据提取和将数据传输到云端，而另一些则更侧重于将数据交付给其他制造和企业系统。

还有一些 IIoT 平台专门用于特定的应用程序支持或微服务，例如在边缘调整协议和处理原始传感器数据。这样做的平台包括 Litmus Automation 的智能边缘计算平台和 Foghorn 的 Lightning Edge AI 平台。

关键标准是什么？ 根据项目的需求，需求差异很大，但以下标准是区分平台完整性和位置的良好起点：

协议适应性和连接性。能够使用来自多个制造商的协议连接到设备和设备；通用架构，例如 OPC 统一架构 （UA）；和其他形式的连接，例如蜂窝。

边缘智能。支持复杂事件处理 （CEP）、机器学习 （ML） 和高性能流处理，将可操作的分析发送到靠近数据源的计算设备。这些功能很重要，因为计算越来越多地向边缘移动以支持对延迟敏感的无线应用，例如机器人自动化、实时视频流和无线远程控制。

数字双胞胎。能够为产品开发、生产计划、产品即服务、资产监控、人工智能 （AI） 性能优化、模拟和实时 3D 资产可视化创建、管理和支持数字孪生。最终，这些信息被用来建立一个数字线程，这是一个记录的数字历史，跨越产品的开始到其使用寿命结束。

增强现实（AR）/混合现实（MR）。易于部署和扩展连接到平台上设备的灵活 AR/MR 体验和应用程序。这些经验可用于远程故障排除和支持、流程改进以及减少人为错误。

机器人集成。能够连接到来自多个制造商的工业和协作机器人以提取数据。

支持其他变革性技术。包括人工智能、区块链和低代码、无代码应用程序开发。

没有一家公司可以满足所有客户的需求，因此大多数 IIoT 供应商都有合作伙伴生态系统。这包括从 Cradlepoint、MultiTech 和戴尔等工业网关供应商到西门子、罗克韦尔自动化、ABB 和博世等主要工业巨头的所有人。较新的进入者是超大规模企业。

云观点 大多数 AEP 将云基础设施视为亚马逊和微软分别以亚马逊网络服务 （AWS） 和 Azure 为主导的商品，但越来越多的是，这两家公司正在蚕食他们的领土。

例如，AWS 正在与大众汽车 （VW） 合作，整合其 122 家制造厂的数据，以更好地跟踪零部件到货、车辆组装以及组装设备的整体效率。大众将使用 AWS IoT Greengrass、AWS IoT Core、AWS IoT Analytics 和 AWS IoT SiteWise 来收集、吸收和分析来自植物的数据。收集的数据将支持提供预测性维护和优化操作的 ML 模型。

就微软而言，它与 Hitachi 建立了战略合作关系，并且最近扩大了与 PTC 和罗克韦尔自动化的合作伙伴关系，以提供 Factory Insights as a Service，这是一种基于云的解决方案，以模块化、用例为基础进行销售。Factory Insights as a Service 将 PTC（ThingWorx、Kepware、Vuforia）和罗克韦尔自动化的 FactoryTalk InnovationSuite 的许多关键产品组件与 Microsoft 的 Azure IoT Hub 和 Azure IoT Edge 相结合，因此制造商可以更轻松地跨站点标准化和扩展应用程序。

云允许轻松快速地共享信息，提高合规性，并使复制和扩展制造优化变得更加容易。

AEP 提供商很少专注于云基础设施，而那些很少专注于工业数据提取的提供商。长期以来，这并不重要，因为制造商通常倾向于将数据保存在现场。现在，随着对远程可见性和全系统数字化的需求日益增加，云变得至关重要。

下一步是什么 许多制造商都在寻求能够以最快的投资回报率 （ROI） 解决特定业务挑战的预构建应用程序。这就是西门子开发其 Xcelerator 产品组合、艾默生提供 Plantweb“模板”以及 GE Digital 看到客户购买 GE Predix 平台支持的工业应用程序而不是仅购买该平台并构建自己的解决方案的原因。

普遍的期望是，在采用实用的应用程序和用例来推动核心可靠性和成本因素之后，制造商会将其物联网范围扩展到额外的设备和流程以优化性能。

在食品、饮料和制药等行业，超过 80% 的问题是已知问题，因此有很多容易实现的目标，例如阀门、管道和储罐监控。例如，在汽车等复杂但高度自动化的行业中，有机会与其他平台集成以改进统计过程控制 （SPC）。

IIoT 供应商未来成功的决定因素归结为生态系统的开放性、低代码/无代码应用程序开发、云集成和“即服务化”。随着更广泛的 IIoT 生态系统从监控到监控式应用程序毕业，这些原则将变得更加明显，但就目前而言，它们仍然是区分领导者与追随者和落后者的重要区别。

Ryan Martin 涵盖了新兴的变革性技术，包括增强现实、分析和物联网。他目前领导公司的制造、工业和企业物联网研究。　　

      审核编辑：彭静