圖片來源：CEChina

物聯(lián)網(wǎng)給工業(yè)帶來的好處和變革已經(jīng)顯而易見，工業(yè)物聯(lián)網(wǎng)（IIoT）已經(jīng)是每個行業(yè)未來發(fā)展的大勢所趨。那么如何從零開始控制工程網(wǎng)版權(quán)所有，快速搭建面向某一行業(yè)的物聯(lián)網(wǎng)系統(tǒng)架構(gòu)，結(jié)合大量實踐，筆者給出了不依賴某一平臺的通用操作步驟。

和摩爾定律類似，物聯(lián)網(wǎng)連接的設備（Things）數(shù)量也在飛速增長，Gartner預計2020年物聯(lián)網(wǎng)將連接約200億設備，Cisco預計同一時期這一數(shù)字將達到263億（包括手機、電視、電腦、汽車、機械設備等），作為參照，IPv4的地址空間有約43億個地址、全球人口總數(shù)約77億。物聯(lián)網(wǎng)連接的設備橫跨多個行業(yè)，不同的組織和公司對物聯(lián)網(wǎng)應用的行業(yè)劃分略有不同，比如oneM2M和ETSI的劃分是10大行業(yè)應用，IoT Analytics劃分了8大行業(yè)應用，如下圖所示CONTROL ENGINEERING China版權(quán)所有，包含：零售、醫(yī)療、保險、交通、樓宇、城市、自然資源、制造業(yè)，從左至右，其行業(yè)的“工業(yè)”屬性越強，業(yè)內(nèi)也有研究機構(gòu)將其分類為面向需求側(cè)的消費性物聯(lián)網(wǎng)和面向供給側(cè)的生產(chǎn)性物聯(lián)網(wǎng)。

▎圖1 物聯(lián)網(wǎng)與垂直行業(yè)應用

因物聯(lián)網(wǎng)各應用場景是有自身獨立屬性，物聯(lián)網(wǎng)在不同行業(yè)的應用，不光設備類型、通信協(xié)議等不同，其設備建模、分析和優(yōu)化算法亦不盡相同，換言之，和互聯(lián)網(wǎng)領域不同，物聯(lián)網(wǎng)領域不會出現(xiàn)寡頭壟斷的市場格局。隨著智能感知、網(wǎng)絡通信、大數(shù)據(jù)存儲與處理等技術(shù)的日益成熟與成本下降，物聯(lián)網(wǎng)會應用到越來越多的細分行業(yè)，涌現(xiàn)出越來越多的物聯(lián)網(wǎng)平臺公司，比如同樣來自IoT Analytics的調(diào)研數(shù)據(jù)，全球公認的物聯(lián)網(wǎng)平臺數(shù)量就從2015年的260家快速增長到2019年的620家。

從數(shù)據(jù)流向的維度出發(fā)，物聯(lián)網(wǎng)系統(tǒng)要實現(xiàn)的核心任務是數(shù)據(jù)采集（從PLC/傳感器/第三方系統(tǒng)讀取數(shù)據(jù)）、數(shù)據(jù)存儲（統(tǒng)一數(shù)據(jù)模式、數(shù)據(jù)庫的開發(fā)使用）、數(shù)據(jù)分析（設備模型建模、基于特定目標的應用）和數(shù)據(jù)呈現(xiàn)（數(shù)據(jù)呈現(xiàn)圖表、各類展示界面）。如何從零開始，快速搭建面向某一行業(yè)的物聯(lián)網(wǎng)系統(tǒng)架構(gòu)，結(jié)合實踐，筆者的一些步驟如下：

物聯(lián)網(wǎng)的最底層是設備層（IoT Devices），這里也是數(shù)據(jù)來源，沒有詳盡的數(shù)據(jù)，則任何物聯(lián)網(wǎng)平臺都會成為無源之水。搭建物聯(lián)網(wǎng)系統(tǒng)架構(gòu)的第一步就是根據(jù)行業(yè)工藝流程，列出物聯(lián)網(wǎng)連接設備清單，以離散制造為例，根據(jù)產(chǎn)品的生產(chǎn)工藝流程，列出相關的生產(chǎn)設備，比如機床、注塑機；測試設備，比如ICT/AOI/FCT、三坐標測量儀；自動化設備，比如機器人、AGV；傳感器，比如溫濕度傳感器、振動傳感器等。

在列出相關設備類型和型號的基礎上，分析其數(shù)據(jù)傳輸類型，比如數(shù)字量信號（NPN信號、PNP信號等）、模擬量信號（電流信號、電壓信號等）、其他信號（編碼器信號、振動傳感器信號等）、總線信號等www.cechina.cn，對于總線信號，重點列出其物理層和應用層采用的協(xié)議。

▎圖2 行業(yè)工藝與物聯(lián)網(wǎng)設備

另一方面，物聯(lián)網(wǎng)連接的設備不光是實體的機械設備和傳感器，也包括在產(chǎn)品生命周期：設計—>生產(chǎn)—>物流—>銷售—>服務中使用的各類軟件系統(tǒng)，比如產(chǎn)品數(shù)據(jù)管理系統(tǒng)（PDM）、實驗室管理系統(tǒng)（LIMS）、運營管理系統(tǒng)（ERP，SRM）、物流管理系統(tǒng)（WMS，RMS）、人力資源和辦公系統(tǒng)（HR，OA）、安防系統(tǒng)（SPS）等www.cechina.cn，在物聯(lián)網(wǎng)系統(tǒng)架構(gòu)搭建階段，即要考慮到物聯(lián)網(wǎng)系統(tǒng)和相關系統(tǒng)的接口標準和數(shù)據(jù)格式，以便實現(xiàn)物聯(lián)網(wǎng)系統(tǒng)對各個子系統(tǒng)進行統(tǒng)一監(jiān)測和管控，打通各個子系統(tǒng)的數(shù)據(jù)孤島，實現(xiàn)所謂的“設備全連接，數(shù)據(jù)全融合”。

在列出面向某一行業(yè)的物聯(lián)網(wǎng)設備清單的基礎上，我們需要列出每一個物聯(lián)網(wǎng)設備的輸出和輸入數(shù)據(jù)表格，然后初步估算搭建的物聯(lián)網(wǎng)平臺連接的設備數(shù)量。最后，綜合考慮同時連接設備數(shù)量、每秒接收消息數(shù)量、規(guī)則引擎處理消息數(shù)量和數(shù)據(jù)保存周期等因素，選擇合適的部署架構(gòu)（單機部署、集群部署）和服務器規(guī)格，比如如果要搭建一個機器人行業(yè)的物聯(lián)網(wǎng)，其數(shù)據(jù)表格如表1所示；另一方面，我們可以從相關的行業(yè)協(xié)會，比如國際機器人聯(lián)合會（IFR），獲取相關的機器人保有量數(shù)據(jù)。

▎表1 IoT設備（機器人）數(shù)據(jù)表格

▎圖3 根據(jù)行業(yè)協(xié)會數(shù)據(jù)估算物聯(lián)網(wǎng)平臺連接設備數(shù)量

物聯(lián)網(wǎng)參考架構(gòu)的第二層是網(wǎng)絡層，這一層的主要功能是把設備層的各種數(shù)據(jù)，通過輕量化的物聯(lián)網(wǎng)協(xié)議，比如MQTT、CoAP等傳輸?shù)狡脚_層-物聯(lián)網(wǎng)參考架構(gòu)的第三層。我們需要根據(jù)上述的物聯(lián)網(wǎng)設備清單CONTROL ENGINEERING China版權(quán)所有，選擇合適的網(wǎng)絡類產(chǎn)品，比如如果搭建的平臺只是連接機器人本體，獲取機器人本體的各種數(shù)據(jù)，則根據(jù)機器人控制器的總線協(xié)議，選擇合適的邊緣網(wǎng)關產(chǎn)品即可；如果搭建的平臺連接的是機器人應用單元，或者需要在機器人本體上加裝額外的傳感器，比如振動傳感器，從而實現(xiàn)對于機器人的預測性維護功能，則需要網(wǎng)絡產(chǎn)品具有本地處理功能，也即需要選擇合適的邊緣計算產(chǎn)品。另一方面，如果設備清單的總線協(xié)議或者數(shù)據(jù)格式包含用戶自定義協(xié)議/格式，從而市場上沒有現(xiàn)成的網(wǎng)絡類產(chǎn)品可供使用，這種情況下也需要選擇邊緣計算產(chǎn)品并開發(fā)相應的用戶自定義協(xié)議/格式轉(zhuǎn)換程序（第三方連接器）。

▎圖4 根據(jù)物聯(lián)網(wǎng)設備清單選擇網(wǎng)關規(guī)格

在物聯(lián)網(wǎng)平臺層的諸多功能中，數(shù)據(jù)庫是最基本、也是最重要的功能。按照數(shù)據(jù)類型（結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)）和用途（操作型數(shù)據(jù)、分析型數(shù)據(jù)）的不同，數(shù)據(jù)庫一般按照如下維度進行分類：關系型數(shù)據(jù)庫（RDBMS）、非關系型數(shù)據(jù)庫（NoSQL）；分析型數(shù)據(jù)庫（OLAP）、操作型數(shù)據(jù)庫（OLTP），物聯(lián)網(wǎng)的快速普及和數(shù)據(jù)庫，尤其是非關系型數(shù)據(jù)庫技術(shù)的發(fā)展密不可分。根據(jù)上述的物聯(lián)網(wǎng)設備清單CONTROL ENGINEERING China版權(quán)所有，我們可以了解所需獲取的數(shù)據(jù)類型和用途，然后選擇合適的數(shù)據(jù)庫產(chǎn)品。以搭建連接機器人的物聯(lián)網(wǎng)平臺為例，機器人的生產(chǎn)廠家、序列號等數(shù)據(jù)可以存放在關系型數(shù)據(jù)庫中，機器人運行的實時數(shù)據(jù)，比如電機電流信號、溫度信號等www.cechina.cn，可以存放在時序數(shù)據(jù)庫中（非關系型數(shù)據(jù)庫的一種）。

▎圖5 根據(jù)物聯(lián)網(wǎng)設備數(shù)據(jù)表格選擇數(shù)據(jù)庫

根據(jù)步驟1得到的設備數(shù)量，我們也可以估算數(shù)據(jù)庫對于磁盤空間的需求，同樣以搭建連接機器人的物聯(lián)網(wǎng)平臺為例，如果平臺計劃接入20%左右的工業(yè)機器人≈150000設備，每臺機器人每分鐘發(fā)送如下信息到云端 {“Load_Inertia”: 10.111111, “MotorTemperature”: 20.222222, “ActualPosition”: 30.333333, “ActualSpeed”: 40.444444控制工程網(wǎng)版權(quán)所有, “ActualAcceleration”: 50.555555, “DeviceHealthAlarms”: 00}，這種應用背景下需要機器人物聯(lián)網(wǎng)平臺每秒鐘處理2500條消息，每一條消息包含6個數(shù)據(jù)用于后臺系統(tǒng)進行分析和報表呈現(xiàn)。對數(shù)據(jù)庫而言，每秒鐘要進行15000次寫操作，每天進行約13億次寫操作，在該操作下，不同的數(shù)據(jù)庫需要不同的磁盤空間，比如Cassandra需要大約9-18GB用于保存每天的機器人數(shù)據(jù)，PostgreSQL大約需要63-90GB用于保存同樣的數(shù)據(jù)。

設備的勞損或者使用不當會造成各類異?，F(xiàn)象，以設備檢修人員常用的簡易診斷方法為例：

●聽診法-設備正常運轉(zhuǎn)時所發(fā)出的聲響總是具有一定的音律和節(jié)奏的，通過人的聽覺功能就能對比出設備是否出現(xiàn)了重、雜、亂、怪的異常噪聲，從而判斷出設備內(nèi)部所出現(xiàn)的隱患。

●觸測法-用人手的觸覺可以檢測設備的溫度、振動及間隙的變化情況。

就是人腦使用各種觸覺來獲取設備的溫、振、噪等信號，然后憑借經(jīng)驗得到設備的健康狀態(tài)及可能的故障點等推論的過程。

用機器學習的算法可以獲得類似的推論，比如在獲取描述設備正常運行狀況和故障運行狀況的數(shù)據(jù)基礎上，我們可以對數(shù)據(jù)形式進行轉(zhuǎn)換，進而可以從中提取狀態(tài)指示器，這些狀態(tài)指示器用于幫助區(qū)分正常狀態(tài)和故障狀態(tài)的特征，然后可以使用提取的特征來訓練機器學習模型，以便能夠：

●對不同類型的故障進行分類，常用的算法有RNN、DNN、Decision Trees等；

●預估機器的剩余使用壽命（RUL），常用的算法有DNN regression、LSTM等；

●檢測異常 ，常用的算法有AutoEncoder、MASF等。

▎圖6 設備失效模型和設備預測性維護

我們可以根據(jù)所需的算法選擇合適的大數(shù)據(jù)處理平臺，比如Apache Spark 作為新一代輕量級大數(shù)據(jù)快速處理平臺，集成了大數(shù)據(jù)相關的各種能力，其機器學習組件Spark MLlib由一些通用的學習算法及工具組成，其中包括分類、回歸、聚類、協(xié)同過濾、降維等。MATLAB的Predictive Maintenance Toolbox工具箱提供了多個函數(shù)和一個交互式應用程序，通過基于數(shù)據(jù)和基于模型的技術(shù)（包括統(tǒng)計、頻譜和時間序列分析），對特征進行探索、提取和排序；使用頻率和時頻方法從振動數(shù)據(jù)中提取特征，從而監(jiān)控旋轉(zhuǎn)機器的健康狀況；使用基于生存、相似性和趨勢的模型來預測 RUL。

在獲取數(shù)據(jù)和洞察的基礎上，我們需要根據(jù)數(shù)據(jù)間的關系和我們希望突出顯示的要點，來選擇合適的圖表：

●比較-柱狀圖、直條圖、圓形面積圖、折線圖等

●關系-散點圖、氣泡圖等

●分布-列柱狀圖、3D區(qū)域圖等

●組成-堆疊柱狀圖、餅圖等

▎圖7 選擇合適的數(shù)據(jù)呈現(xiàn)圖表

作者簡介

周杰，浙江大學控制系研究生畢業(yè)后在工業(yè)自動化/工業(yè)機器人/工業(yè)互聯(lián)網(wǎng)行業(yè)有十多年工作經(jīng)驗，目前從事智能制造研發(fā)項目管理相關的工作。