揭秘：工业物联网核心技术体系与产业玩家

来源：智东西

概要：未来10年内，全球物联网将创造10多万亿美元的价值，约占全球经济的1/10，并与城市管理、生产制造、汽车驾驶、能源环保等形成数个千亿级规模以上的细分市场。

物联网进入与传统产业深度融合发展的崭新阶段。未来10年内，全球物联网将创造10多万亿美元的价值，约占全球经济的1/10，并与城市管理、生产制造、汽车驾驶、能源环保等形成数个千亿级规模以上的细分市场。

其中，工业制造领域的转型升级成为工业物联网发展的重要驱动力， 世界各国纷纷发布相关的战略举措，抢占新一轮发展战略机遇。有分析认为，到2020年，工业物联网在整体物联网产业中的占比将达到25%，规模将突破4500亿元。

从政府引领到需求主导

工业物联网的本质和六大典型特征

随着物联网技术的快速发展，中国制造2025、美国先进制造伙伴计划、德国工业4.0等一系列国家战略的提出和实施，在此背景下， 工业物联网应运而生，可以说是智能制造的基石（支撑级技术体系）， 成为全球工业体系智能化变革的重要推手。

中国电子技术标准化研究院指出：工业物联网即通过工业资源的网络互连、数据互通和系统互操作， 实现制造原料的灵活配置、制造过程的按需执行、 制造工艺的合理优化和制造环境的快速适应， 达到资源的高效利用，从而构建服务驱动型的新工业生态体系。

用工业物联网改造传统产业，将对企业的生产、 经营和管理模式带来深刻变革，提高生产制造效率，提升产业的经济附加值，实现节能减排，有力推动我国经济发展方式由生产驱动向创新驱动的转变，促进我国产业结构的调整。

工业物联网参考体系架构

当前我国工业物联网由政府引领转向应用需求为主导，企业开始应用工业物联网解决自身所面临的实际问题， 比如：

1、通过传感器仪器仪表实时监控生产设备、原材料、在制品及工作人员的状态，实现制造过程的智能执行， 提高生产效率和产品质量；

2、通过RFID等识到技术建设智能仓储， 并与生产过程进行联接，提高制造原料的高效配置；

3、耐用性的设备产品通过感知于段获取数据实现预测性预警、远程维护等服务，提高设备产品的附加值。

工业物联网在工业制造领域各环节的深入应用， 有助于改善产能过剩、 成本压力增加等诸多困境。

工业物联网的布局路线

工业物联网实施的四个阶段

工业物联网的实施一般包括四个实施阶段：

1、智能的感知控制阶段

即利用基于末端的智能感知技术（传感器、REID、无线传感网络等）随时、 随地进行工业数据的采集和设备控制的智能化；

2、全面的互联互通阶段

通过多种通信网络互联互通手段（工业网关、短距离无线通信、低功耗广域网和OPC UA等）整合信息化共性技术和行业特征，将采集到的数据实时、安全、高效地传递出去；

3、深度的数据应用阶段

即利用云计算、 大数据等相关技术，对数据进行建模、 分析和优化，实现多源异构数据的深度开发应用，从数据仓库中提取隐藏的预测性信息，挖掘出数据间潜在的关系，快速而准确地找出有价值的信息，有效提高系统的决策支持能力；

4、创新的服务模式阶段

主要利用信息管理、智能终端和平台集成等技术，提供定制服务、增值服务、运维服务、升级服务、培训服务、咨询服务和实施服务等方面，广泛应用于智能工厂、智能交通、工艺流程再造、环境监测、远程维护、设备租赁等物联网应用示范领域，全方位构建工业物联网创新的服务模式生态圈，提升产业价值，优化服务资源。

起底技术体系和发展趋势

工业物联网技术体系

工业物联网技术体系主要以下四块：

1、感知控制技术

主要包括传感器（测量或感知特定物体的状态和变化，并转化为可传输、可处理、可存储的电子信号或其他形式的信息）、射频识别（非接触自动识别技术）、多媒体、工业控制（SCADA系统、DCS和PLC）等， 是工业物联网部署实施的核心；

2、网络通信技术

三大主流技术是工业以太网、短距离无线通信技术、低功耗广域网，核心技术包括时间同步、确定性调度、跳信道、路由和安全技术等，可以使得工业传感器的布线成本大大降低，有利于传感器功能的扩展， 是工业物联网互联互通的基础；

3、信息处理技术

主要包括数据清洗、 数据分析、数据建模和数据存储等，为工业物联网应用的提供支撑；

4、安全管理技术

包括加密认证、防火墙、入侵检测等，是工业物联网部署的关键。

目前，工业物联网的发展趋势为：

1、终端智能化

包括底层传感器设备自身向着微型化和智能化的方向发展，以及工业控制系统的开放逐渐扩大，使得工业控制系统与各种业务系统的协作成为可能；

2、联接泛在化

工业控制通信网络经历了现场总线、工业以太网和工业无线等多种工业通信网络技术，将监控设备与系统， 同生产现场的各种传感器、 变送器、执行器、 伺服驱动器、运动控制器，甚至CNC数控机床、工业机器人和成套生产线等生产装备连接起来；

3、计算边缘化

数据不用再传到遥远的云端，更适合实时的数据分析和智能化处理，具有安全、快捷、易于管理等优势， 能更好地支撑本地业务的实时智能化处理与执行， 满足网络的实时需求；

4、网络扁平化

使信息在真实世界和虚拟空间之间智能化流动，实现对生产制造的实时控制、精确管 理和科学决策进行了大量的研究与探索。

5、服务平台化

提升连接灵活、扩展用户规模、增强数据的安全性、应用开发的简易友好，根据用户实际需求提供设备远程管理、预防性维护和故障诊断等服务。

深扒产业玩家

工业物联网产业地图（援引CB Insights）

传感器：2021年1906亿美元

传感器市场份额（援引华然咨询）

随着工业4.0及智能制造等类似概念的推出， 全球的传感器市场空间再 次被扩宽。据预测， 2016年至2021年，传感器的复合年增长率预计为11%，到2021年市场规模将达到1906亿美元。

目前，全球传感器市场主要由美国、 日本、德国的相关企业占主导， 比如MEAS传感器公司、霍尼韦尔公司、凯勒公司、艾默生电气公司、通用公司等， 不过亚太地区的传感器市场也呈现出快速增长的趋势。

近年来， 我国在传感器相关产业加入投入， 提高国有传感器及仪器仪表的占有率，尤其是高端传感器品种的市场占有率，目前国内的传感器及仪器仪表企业以沈阳仪表科学研究院、深圳清华大学研究院、 河南汉威电子等一定的业绩。为代表目前取得了一定的业绩。

工业控制：美欧日盘踞

工控市场分析（援引安信证券）

工业控制是对工业过程实现检测、控制、优化、调度、管理和决策为目的， 主要是以PLC、DCS等产品形式体现。

目前，PLC市场可以分成美国（A-B公司、通用电气公司、莫迪康公司等）、欧洲（德国的西门子、AEG和法国的TE）、和日韩（日本的三菱、欧姆龙、松下、富士等，以及韩国的三星、LG）等三个流派，占有主要的市场份额。我国的PLC仍以国外产品为主， 国内PLC 生产厂家在产品数量和生产规模的还有待于提高。

DCS生产厂家主要集中在美国、 日本、德国等。国外产品（如Honeywell和横河公司）在我国DCS市场有一定占有率。 不过近年来国产DCS的市场占有份额也在飞速提升，我国涌现出一批DCS产品优秀企业， 如北京和利时、 上海新华、 浙大中控、浙江威盛、航天测控、电科院以及北京康拓集团等。

平台：传统巨头对决IT大佬

工业领域巨头的平台布局十分积极，包括西门子的MindSphere、通用电气的Predix、菲尼克斯电气的ProfiCloud，以及国内三重工的根云、海尔的COSMOPlat、徐工工业云、航天科工的INDICS等。

与此同时，IT巨头也在借助其云平台的优势，通过联合上下游企业，布局工业物联网产业生态。如微软的Azure、亚马逊的AWS、IBM的Watson、SAP的HANA。 国内的百度、阿里、京东和腾讯也都推出面向工业物联网的平台。

除了独立布局，展开优势互补合作，扩展生态圈也是一种主流的平台布局方式。比如2016年GE宣布Predix登陆微软Azure云平台；2017年ABB宣布依托于微软Azure平台提供工业云服务， 与IBM在工业数据计算和分析方面开展合作；西门子也表示MindSphere在云服务方面已跟亚马逊AWS、微软和SAP开展合作。

全球物联网相关标准化组织分布图

技术和产业发展的推动下，国内外巳开展的工业物联网标准化工作，包括传感器及仪器仪表的标准、控制类标准（DCS编程语言和接口方面的标准有待制定）、工业以太网标准（互联互通）、工业无线网络标准（链接泛在化）、信息集成标准、信息安全标准等。

四大用例剖析

基于机床物联网的租赁

租赁应用网络架构

该用例来自智能云科，利用iSESOL平台，定位生产力共享。用户可以通过iSESOL平台、租赁业务后台和租赁客户端APP等工具实时监控设备运行状态、 查看设备历史运行数据以及了解设备费用详情， 同时可以依靠iSESOL平台提供的大数据智能分析工具，帮助企业实现更好的业务决策。

新保险模式

新保险模式总体方案示意图

该项目来自树根五联，以工业物联网平台为基础，实现数据采集接入、数据存储、数据管理、数据清洗、数据挖掘分析、数据服务与数据产品，提供保险大数据解决方，生成设备的综合状态评估，以及设备主及企业的运营状况及信用风险等模型。

无人化磨棍间轧辗流转

无人化磨棍区域工作流程

传统磨辑间标准化工艺流程存在劳动效率低、安全风险高、质量波动大、环保效果差等问题。宝钢通过工业互联网、射频识别、信息交互、智能控制等技术，实现了轧辑自动识别、行车智能吊装、磨床智能磨削、轧辑自动水冷、轧辑自动补油、轧辑智能配辑等生产工艺，大大提高了轧线供辑能力，避免了安全风险，降低了生产成本，提高了环保节能水平。

物流自动化

项目系统框架

通过工业互联网技术的应用，轮胎制造企业能及时掌握原材料采购、库存、销售等信息，通过大数据分析还能预测原材料的价格趋向、供求关系等，有助于完善和优化供应链管理体系， 提高供应链效率， 降低成本，打造全面优化的生产、 物流及服务过程，实现真正的智能制造。

工业物联网背后的逻辑是日趋成熟的传感器技术、数据/信息计算处理技术，以及“执行端”的自动化/机器人技术，这使得功能定向的有确定流程的工业应用能够向智能化转变。而感知控制和互联互通实现之后，数据模型的功能将进一步被挖掘，工业制造领域的覆盖面将进一步拓展，塑造功能和形式更多样的，提供个性化服务的生态，激发产业创新。从产业的角度来看，传感器、工业控制相关企业将直接受益，两块儿国内的家底虽然不厚，却是要抬头。

附：

2017年物联网十大趋势（跨界用例、LPWA、安全优先、服务方案、M&A、AI+、商业服务模型、云计算、雷达）

物联网产业地图（CB Insights）