1704036710
1704036711
②统一标准。
1704036712
1704036713
统一标准统一了什么？由于泛在网络包含了各种各样的通信设备，这些设备具有各自不同的任务，因此对通信网络的性能有不同的需求。例如，生产网络需要实时监测生产环境，因此对网络的实时性要求较高；业务网络则需要同时处理大量订单，因此要求网络具有高并发性。需求不同，使得工业互联网的各部分子网采用不同的协议标准，从而阻碍了不同部分间的数据和信息交流。统一标准要求工业互联网不同子网在边缘遵守单一、公共的标准，包括统一的基本架构原则、接口和数据格式，以便在各个子网之间能够互通有无。
1704036714
1704036715
③通信协议。
1704036716
1704036717
在工业互联网中，根据不同的需求，应使用不同的网络连接方式。有线网作为工业互联网的骨架，连接了不同区域子网和终端控制中心。无线网则是连接众多智能设备的主要方式。根据应用领域对网络覆盖范围和通信带宽来区分，一般将无线网络分为广域网、局域网和个域网。无线广域网连接信号可以覆盖整个城市甚至国家，主要包括2G、3G和4G网络。无线局域网在一个局部区域内为用户提供可访问互联网等上层网络的无线连接。无线个域网在更小的范围内（约为10m）以自组织模式在用户之间建立用于相互通信的无线连接，典型技术如蓝牙技术和红外传输技术等。
1704036718
1704036719
以数字油田为例，大型油田按功能分为不同区域，包括采油厂、勘探院、集输厂、数据中心、仓库、处理站、生活区等。这些区域的中心设施通过有线骨干网相连，以确保通信速率和通信质量。对于油井区，根据油井分布的疏密、远近程度采用LTE、无线自组织Mesh网络等技术收集数据和分发指令，并通过骨干网络与中央控制室和数据中心相连；对于油井内传感器，可以形成无线传感网，采用ZigBee等协议进行通信；对于移动数据接入、车载设备、视频监控设备等移动性的远程通信设备，视需求情况可以接入LTE网络或者无线自组织Mesh网络等进行通信（图5-8）。
1704036720
1704036721
④网络安全。
1704036722
1704036723
在物联网时代，每个人穿戴多种类型的传感器，连接进多个网络，一举一动都被监测。如何保证敏感信息不被破坏、不被泄露、不被滥用成为物联网面临的重大挑战。而在工业互联网中，接入的设备、流通的数据都更为敏感，网络安全问题也就更为严峻。你也许从来都没有想到，如果工业系统仅仅简单地接入网络，一个高中生黑客就可能通过写几行代码，侵入自来水厂的供水设备，进而影响到你所喝的水的水质。说这话的依据是，2012年，美国水资源部门将其SCADA网络接入互联网，却几乎没有采取保护和隔离措施。
1704036724
1704036725
为了解决工业互联网的安全问题，其具体实现应满足以下两个条件：第一，将安全性作为关键设计原则。在工业互联网中，简单地、滞后地为系统增加安全特性还不够。所有关于系统安全性的事务都要从系统设计之初开始考虑。第二，为了在高度网络化的、开放的、异质的工业互联网中提供高度的机密性、完整性和有效性等安全特性，需要开发和实现专门的信息安全技术、架构和标准。
1704036726
1704036727
1704036728
1704036729
1704036730
图5-8 数字油田网络架构示意图
1704036731
1704036732
（3）门派：大数据
1704036733
1704036734
入派装备：一张高数没有挂科记录的成绩单，一台计算机，一套你喜欢的语言——流行语Python，通用语Java，懒人必备Fortran，或者R（相比于Matlab，Java和C，R是个高富帅）。 门派介绍： 泛在网络将工业设备连接起来，从而获取了丰富的工业数据。大数据的重要性于此不再赘述，这里主要讲讲处理这些数据的三个主要步骤：数据筛选、数据存储和数据分析。
1704036735
1704036736
接入工业互联网的设备制造了大量数据，然而并不是所有的数据都具有潜在的使用价值。大数据又被称为“数字宇宙”，在真实的宇宙中，大部分空间都是虚空。同样，“数字宇宙”中的大部分数据也是没有实际使用价值的。据统计，在2013年全世界产生的数据中，仅有22%的数据具有潜在的分析价值。这一价值稀疏的特性在工业大数据中也存在。面对从成百上千的设备中收集上来的数据，工业公司很容易迷失方向。
1704036737
1704036738
为了从大数据中“挖”出“宝藏”，我们需要问自己五个问题：目标数据是否容易获取？是否能给公司和社会带来改善？是否实时有效？是否能对大量产品用户产生影响？是否对分析其他重要数据有帮助？数据筛选可以在不同阶段完成，在下层，可以选择部署目标相关的传感器；在上层，可以根据实际需要灵活地选取和组合数据。
1704036739
1704036740
数据存储，即对大规模海量数据进行有效的存储。数据库系统以及其后发展起来的各种海量存储技术，包括网络化存储（如数据中心），已广泛应用于IT、金融、电信、商务等行业。面对海量信息，如何有效地组织和查询数据是核心问题。数据仓库是面向大数据的一种存储方式，能够在统一模式下组织多异质数据源，并可以为决策提供支持。在数据仓库中，数据可以以主题的形式分类保存，同时可以从历史的角度提供汇总信息。
1704036741
1704036742
数据分析，这是为工业公司直接产生效益的步骤。对于已收集到的丰富的数据，可以运用计算领域成熟的数据处理和分析技术进行分析，如自然语言处理、运筹学理论、统计分析、机器学习、数据挖掘、专家系统等，最终提炼出有价值的信息。
1704036743
1704036744
补充一点，数据分析的重要性可以用近年来这一岗位的平均薪资水平衡量：根据Robert Half Technology公布的2016 Salary Guide，大数据工程师的平均年薪约为129,500~183,500美元，远超过很多传统高薪行业从业者的平均年薪。
1704036745
1704036746
（4）门派：云计算和云服务
1704036747
1704036748
入派装备：去亚马逊云平台注册一个免费账号，更专业一点的可以选择Spark或OpenStack，自行搭建云计算和存储平台。 门派介绍： 如果说上面介绍的传感器、网络通信和大数据技术是针对单个企业的工业互联网化转型，云计算和云服务技术则是针对整个工业产业的升级改造。众所周知，每个企业的生存都离不开上下游和合作企业，这些企业构成了完整的产业链。在传统工业模式中，产业链内企业互相提供实体产品，从而实现整个链条的运转。相比之下，工业互联网最重要的创新之处在于服务网的建立。“随时随地设计，随时随地制造”理念指导下的工业服务网包括参与厂商、服务架构、商业模型以及服务本身，允许服务供应商通过网络提供服务。服务网将单个工厂连接成完整的增值网络，更有效地组织工业活动。
1704036749
1704036750
工业领域的服务网和信息技术领域的云计算殊途同归。后者的定义为“允许随时、便捷、按需访问共享可配置资源的模型”。这些资源，包括网络、服务器、存储、应用、服务等，可以快速地提供和释放，仅需要极小的管理开销和服务供应商交互。简而言之，主流云计算是在网络这个分布式环境中按需提供高度可靠的计算服务。
1704036751
1704036752
将云计算应用于工业互联网的方法有两种，其一，就是将信息领域的云计算技术直接应用到工业互联网中；其二，发展“云制造”，即云计算在工业领域的对应版本。
1704036753
1704036754
云计算技术的直接应用主要集中在业务流程管理方面，如人力资源、客户关系管理、企业资源计划等。云计算使得这些功能即付即用，并且可以快捷地调整需求，灵活地定制方案。这方面已经存在Saleforce和Model Metrics等著名的平台及服务供应商。
1704036755
1704036756
云制造则源于工业互联网的工业生产背景。在云制造中，分布的资源被封装在云服务中并被集中管理。客户可以根据需求使用云服务，这些服务涵盖了产品设计、制造、测试、管理以及产品生命周期中的所有阶段。云制造服务平台则负责搜索、智能匹配、推荐和执行服务。建立在工业互联网上的云服务系统架构包含三层：虚拟服务层、全局服务层和应用层。这三层面向工业领域中的不同对象，虚拟服务层用于认证、虚拟化以及包装工业资源，面向具有工业资源的供应商；全局服务层用于敏捷动态的组织服务，面向提供服务的企业；应用层则作为终端用户和工业云资源的交互接口，面向终端服务用户。在云制造的背景下，通过灵活地组织各个企业间的服务，我们才能够实现产品的个性化定制。
1704036757
1704036758
传感网、网络通信、大数据、云计算……过去，世界上最大的计算设备仅服务于政府、大型公司和研究实验室，而现在，你只需要一台计算机就可以进入到这个工业帝国，打造属于你自己的那件艺术品。
1704036759