當80%的設備真正實現聯網的時候，你才能看到真正的物聯網應用的威力。那時候被深度學習訓練的機器會變得無比聰明，中國南部和和美國西海岸的草皮都會變成數據，機器會幫助人選擇最優(yōu)化的方案進行切割。——Brett Buger

美國國家儀器狀態(tài)監(jiān)測解決方案經理Brett Buger

　　應用廣泛的IIOT

　　很多接觸到IIOT的人都在問，如何去定義IIOT，到底設備聯網后能為企業(yè)帶來哪些利益?其實如果返回頭去看過去的五年的話，每個國家都提出了不同的理論和想法，很多不同的見解。都屬于探索階段，概念很模糊。

　　但現在工廠自動化(FA)領域的設備組裝的管控，流程領域(PA)里的暖通，化工合成，廢氣處理等24小時運轉設備的狀態(tài)監(jiān)測，軌道交通，橋梁和重工業(yè)大型設備方面的預維護。甚至包括NI推出的測試機臺，ATE等都可以借助NI儀器的IIOT技術進行產品以及設備性能方面的提升，優(yōu)化空間也都非常大。

　　狀態(tài)監(jiān)測與預維護應用

　　CNC機床在進行切削加工的時候，刀具如何作為消耗品如何維持一個較長的壽命。刀軌的路徑有些時候難以控制，這時候就需要在切削的刀軌上做預測性維護。NI在這方面有一些儀器可以預防抖刀的發(fā)生，借助狀態(tài)監(jiān)控工具，可以增加刀頭的壽命，優(yōu)化切割效率，提高刀軌紋理，電機的壽命也會得到相應提高。

　　在中國上銀科技HIWIN也做過類似的送料軸監(jiān)測實現了預維護方面的優(yōu)化，用到了labVIEW和compactRIO，這樣就可以在最佳的時間點進行配件的替換，非常方便也降低了維護的成本。

　　晶元被切割后會被機器手臂快速將其進行擺放，但這時也是晶元非常脆弱的時期，NI在外部安裝了震動傳感器，和數據采集設備來監(jiān)控這臺設備的健康情況，這樣除了保證設備的健康外，降低晶元損耗也是關鍵。

　　在倫敦地鐵，NI分布的安裝大概30幾個compactRIO，和300多個傳感器來檢測鐵軌本身的壽命，還可以計算哪些時間里和哪些鐵軌最容易被損壞，這樣的主動預防的技術，可以降低很大的運營成本。因為在實際使用中很多鐵軌是不用更換的，但是如果能夠檢測需要更換的那根鐵軌，會給維護帶來很大的效率提升。這樣就可以去安排最佳的維護時間，和最優(yōu)化的維護方式。

　　以前割草機以人工為主，現在可以采用半人工，控制器方面采用compactRIO，除了能夠控制馬達外，cRIO可以連到外部的3g或4g的移動網絡，讓數據中心或指揮中心的專家給出前端操作人員建議。這其實也是典型的IT與OT的融合，系統是由Firefly來進行運營，NI則作為技術類專家進行支持。

　　IIOT的神經——TSN網絡

　　在IIOT的網絡實施方面，NI積極的推動TSN網絡協議技術的普及，支持TSN的設備也在不斷被開發(fā)出來，其實TSN并不是屬于NI一家，是業(yè)界開放的協議。TSN也經常被用來和其他網絡協議對比，其實沒有必要說推動一個總線或者協議去代替另外一個，或者非要去強調哪一個更好。

　　NI只關注技術本身，希望在TSN方面取得成功?，F在已經有很多總線和以太網技術存在，也能做一些低延遲的控制，但是在控制網絡中，可以想象一下，智能設備和控制系統，運動控制和機器人等，所有這些，在同一個分布式網絡當中，可以同步所有的網絡和設備，但是卻不是影響整體的控制性能。不會讓非控制命令影響控制命令的執(zhí)行。再加上開放式的標準和低于100納秒的延遲，這不是其他網絡能夠提供的，因此NI對這項技術非常激動。

　　電機類的控制可以繼續(xù)用EtherCAT，但是相機和控制器之間的網絡就必要用到TSN，因為這是一個需要快速反應的橋接。TSN在新的機械設備和新的工廠的建設方面，是一個比較好的切入口。

　　新型的工廠，新型的制造流程，這時TSN可以作為基礎設施產品，為機器來提供更高速更良好的網絡服務。

　　邊緣計算與IIOT應用的未來

　　現在大部分的數據分析應用還是在云端，原因就是我們必須收納這樣的海量的數據才能建立出比較準確的模型，未來的話，這些模型和數據很可能再回邊緣去計算，以提高整個系統的響應速度，也就會遇到邊緣計算能力提升的問題。

　　而NI對于邊緣計算的看法分為硬件和軟件兩個方面。硬件方面需要一個高效能的處理裝置，compactRIO就是這樣的一個強有力的平臺，NI也會對這個平臺不斷進行升級，當云端數據推向compactRIO的時候，它可以滿足邊緣運算的需要。軟件方面除了labVIEW，NI還和PTC等公司進行不同的合作，來實現IIOT時代不同情況下具有想象力的應用。這所有的目的就是讓復雜的任務更加簡化。這也是NI對未來的邊緣計算的一個看法。

　　NI在應用方面現在展現的以狀態(tài)監(jiān)測和預維護為主，但其實這只是IIOT應用的一部分。傳感器的融合就可以帶來更加智能化的設備，當接入到遠程服務后，就會展現出人工智能的能力，當80%的設備被聯網的時候可能才會體會到物聯網和AI結合的威力，屆時大量采集的數據會觸發(fā)的機器深度學習，機器學習可以幫助優(yōu)化人的決策。

　　比如在美國西海岸和中國南部的草的種類肯定不會一樣，因為天氣環(huán)境濕度這些生長因素也不一樣?？刂葡到y在不知不覺得學會了辨識，自動選擇采用不同的解決方案，選擇最適合環(huán)境的工作方式，這背后的主旋律其實就是算法的支持。一旦數據資料互通，IIOT的各種應用也會進入爆發(fā)期。NI也在朝著這個方向不停努力。

（轉載）