从信号处理的角度看工业物联网的机会
解决涉及许多数据生成设备的实时信号交换的挑战。
未来，流程生产和离散制造行业将越来越多地依赖工业物联网(IIoT)来改善其运营。虽然工业物联网有很多定义，但更常见的定义之一是“智能传感器的分布式网络，能够在任意距离上精确控制和监控复杂过程。”
普华永道(PwC) 2016年的一项调查显示，目前数字化水平较高的领先工业和制造业公司中，有33%预计到2020年将把数字化力度提高到72%。对来自26个国家的2000多名参与者的调查显示，主要投资领域包括垂直价值链整合(72%)、产品开发和工程(71%)以及客户准入，包括销售渠道和营销工作(68%)。近72%的受访制造企业预测，他们使用数据分析将改善客户关系，35%的采用欧洲工业物联网(工业4.0)的公司预计，未来五年收入增长将超过20%。这些结果表明，人们越来越期待工业物联网将成为第三次工业创新浪潮的驱动力。
但是从信号处理的角度来看，工业物联网意味着什么?
信号处理的作用
工业物联网概念包括物联网计算范式的所有主要特征，包括无处不在的传感、数据交互、收集和数据分析。这些功能是由机器在完成任务时相互交谈实现的，这种方式比人类单独行动更智能、更有效。机器对机器通信支持设备之间的自主通信。它实现了机器之间的协作自动化和工业流程的智能优化。由工业物联网实现的自主机器功能在网络物理生产系统(CPPS)中达到顶峰。换句话说，物理和数字之间的界限变得越来越难以区分的系统。
信号处理作为工业物联网的推动者发挥着至关重要的作用，尽管它被工业物联网的其他方面所掩盖，包括所涉及的通信架构、传感技术和电源管理。先进的机器学习方法将通过连接来自智能传感器、设备和其他资产的先前滞留数据，支持预测和规范性分析解决方案。这有助于实现状态监控、故障诊断、提高效率和减少停机时间。通过预测故障，这些方法有助于在设计和制造层面上进行持续改进。
IEEE信号处理学会(SPS)物联网特别兴趣小组(SIG)促进信号和信息处理技术的开发、标准化和应用，以应对新兴工业物联网场景的独特挑战。这些挑战包括:分析、总结和保护由大量数据生成设备(包括传感器、机器和机器人)及其相应的数据处理节点交换的实时信号和信息。
专注于工业
受工业物联网影响的重要工业部门包括流程生产、离散制造业、公用事业和石油天然气。然而，这些“工业”应用也与“智慧城市”或“智慧农业”领域相关。这些行业的共同基础依赖于由工业物联网实现的信息技术(IT)和运营技术(OT)之间的基本集成。
据估计，到2021年，工业物联网市场将达到近1240亿美元。据Ovum称，目前更引人注目的投资发生在制造业、运输业和公用事业等工业领域。汽车和消费物联网，以及特殊物联网智能城市项目正在兴起。典型的跨行业物联网用例包括城市智能照明和智能交通解决方案、智能机器应用、状态监测、智能农业和医疗保健。这些案例正在上升，预计在工业物联网的保护伞下，2017年将进一步增长。
随着IT和OT的融合，工业物联网技术为客户拓展提供了更创新的、按需的方法。因此，出现了新的(有时出乎意料的)收入和商业模式。
然而，尽管创新和对工业物联网机会的认识不断提高，但工业部门在完全接受物联网方面却落后于以下原因:
- 由于长生命周期的传统现场设备不会很快升级，为了实现无处不在的工业物联网，解决方案必须是在役产品的“附件”。
- 垂直工业物联网解决方案的扩展带来了挑战。
- 工程经理拒绝部署未经验证的技术。
能源消耗
即使在早期阶段，工业物联网也已被用于减少工业系统的资源消耗和碳排放。然而，工业物联网系统(包括具有传感、处理和通信功能的各种设备)消耗大量能源，这可能导致更大的碳足迹。另一方面，工业物联网系统通常由电池支持的低功耗设备组成，这限制了工业物联网系统的持续运行。
在工业物联网领域，数据收集严重依赖于大量的传感器节点和智能设备。因此，优化的工业物联网传感、处理和通信可以有效降低能源消耗。无线传感器网络作为工业物联网系统的骨干，是能源消耗的主要来源。因此，以更有效的无线电传输、通信协议和使用共享无线电资源为目标的信号处理技术变得至关重要并具有实际影响。同样，为电池供电的系统和节点设计高效的电源管理算法对于确保工业基础设施的长寿命至关重要。
即使是多媒体信号处理也有助于工业物联网的发展，尽管这似乎是一项离这一领域相当遥远的技术。多媒体信号处理利用新技术，包括游戏、增强现实和虚拟现实、3d显示器和可穿戴设备，为必须接受培训的新工人或已经在生产工厂工作的工人提供服务。基于高保真模拟的应用程序用于培训，或用于工厂及其资产的实际操作，需要极其高效的算法来处理多媒体信号。
由于实时操作的限制，它们必须高速运行;在将用户综合定位到再现植物的虚拟场景方面具有很高的精度;并且具有高响应性，因为用户在虚拟域中执行的操作与其对真实物理设备的影响之间的延迟非常短。运行这些身临其境的模拟可以提高学习，并有助于培养应对意外植物情况的技能。工人们在执行分配给他们的工作职能和处理紧急情况方面增加了信心。其他模拟应用程序包括测试和验证新软件以及支持系统迁移。
来自传感器和终端节点的原始和实时数据，以及来自中间系统和设备等信息源的汇总数据，可以通过内置功能进行查询，推动了能够采取特定行动的机器人的发展。工业物联网成为自主决策设备的驱动程序。这样的“机器人事物”互联网已经在大型仓库中到位，需要开发极端的机器学习算法来支持能够自我分配任务和操作并做出决策的智能机器人。
在更广泛的背景下，工业物联网的使用最终将导致包括供应链、工厂等在内的互联生态系统，从而赋予扩展企业概念新的含义。
信号处理的角度
物联网生态系统产生了独特的信号处理需求。这些包括:使用大量连接传感器和分布式信号处理的复杂和不利环境的鲁棒信息传感;低功耗态势感知数据传输和处理;以及保护信息的隐私处理，这些信息是由连接的事物共享的。
在工业物联网系统中，机器之间的数据传输及其共享对整个系统的性能至关重要。因此，随着新的机器对机器标准和协议的出现，结合价格合理的传感和通信模块，这一领域的研究和调查越来越受到关注。然而，由于系统结构复杂，软硬件平台异构，机器生成数据的无所不在访问和互操作共享仍然是悬而未决的问题。底层的标准消息传递机制(基于跨平台技术以支持机器之间的通信)是自治工业系统成功确保收集到的数据和信息的适当质量的重要问题。
2016年4月，摩根士丹利发布了一项调查结果，其中数据安全和网络安全成为依赖通用连接的组织日益关注的问题，工业物联网实现的工业应用也是如此。这些环境通常具有混合和混合连接解决方案，从蜂窝和低功耗广域网到工业连接解决方案，这些解决方案需要创新的数据和通信安全方法，远远超出传统网络基础设施中使用的基于防火墙的传统解决方案。在这种情况下，信号处理可以帮助公司设计与iiot兼容的新型安全工具，这些工具基于区块链基础上的分布式账本概念，或者利用高效而健壮的数学原语，如椭圆曲线。
工业物联网的信号处理方面将在2017年及以后得到越来越多的采用。这些新的表现可能包括能够与人类合作执行复杂任务的移动机器人;用于工业环境的可穿戴计算平台;加法制造;工业物联网技术提高了供应链的可见性。反过来，工业物联网解决方案将支持一系列蓬勃发展的领域，如资产监控和跟踪、智能电网、数字油田和智能建筑，最初的重点是能源管理。
边缘器件演化
边缘设备或智能网关也在不断增长的工业物联网基础设施中发挥着突出作用，这些网络设备将用于收集、聚合、过滤和中继靠近工业流程或生产资产的数据。通过运行分析和先进的机器学习算法，他们可以实时检测异常情况，并与操作员通信。因此，新兴的趋势是将智能移动到网络边缘，更接近数据源。当在云平台上运行分析不可行或基于云的解决方案不可用时，这也是一个可行的选择。
在工业物联网中，网络的边缘正在被设备填充，包括嵌入式系统，以及从以太网连接到无线和蜂窝网关的异构通信技术。协议转换网关可以在新兴的设备到云集成趋势的框架中连接不同的网络。雾计算和流数据分析将利用工业物联网为任何类型的人工智能应用提供支持。
未来几年，工业物联网将主导制造业和工业的演变。物理世界和数字世界之间的界限日益消失，这将推动它的发展。新的方法将解决许多挑战和机遇:从数据管理和处理，到先进高效的通信技术，再到极端的机器学习算法。现在，对于工程界来说，通过支持强调信号处理在工业环境中提高生产力的重要性的行动，促进这一令人兴奋领域的研究和创新是很重要的。
IEEE信号处理学会的作用
IEEE信号处理学会(SPS)是世界上信号处理工程师和行业专业人士的主要协会。世界各地的工程师都从该学会获得有关信号处理领域最新发展的信息。
- 该协会根深蒂固的历史跨越近70年，拥有超过19,000名参与信号处理工程师、学者、行业专业人士和学生的会员基础。
- SPS物联网特别兴趣小组的目的是促进信号和信息处理技术的开发、标准化和应用，以应对来自新兴物联网场景的独特挑战，这些场景需要分析、汇总和保护由传感器、机器、机器人、汽车等大规模数据生成设备及其相应的数据处理节点交换或共享的实时信号和信息。
- 来自物联网的独特信号处理挑战的例子包括:使用大量连接的传感器和分布式信号处理，来自复杂和不利环境的强大信息传感，低功耗的态势感知数据传输和处理，以及对连接的事物共享的信息进行隐私保护的处理。
苏珊娜·斯宾桑特博士他是IEEE的高级成员，也是信号处理学会物联网特别兴趣小组的成员。她也是意大利安科纳市Università马尔凯理工学院的RTDA(临时研究员)。你可以在这里找到苏珊娜s.spinsante@univpm.it．
插图的编号
即使是多媒体信号处理也有助于工业物联网的发展，尽管这似乎是一项离这一领域相当遥远的技术。
为电池供电的系统和节点设计高效的电源管理算法至关重要。
机器对机器通信支持设备之间的自主通信。
-请参阅下面补充的其他文章。
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。
