了解工业物联网和物联网的异同

工业物联网连接了交通、发电和医疗等行业的机器和设备。潜力很大，风险也很大。

每个人都听说过物联网，智能恒温器、联网冰箱、联网灯泡。但有一个被称为工业物联网的子集，它对商业、安全和生活的日常影响更为显著。

什么是IIoT？

IIoT是指工业物联网（Industrial Internet of Things）。广泛地说，它是将仪表和连接的传感器及其他设备应用于运输、能源和工业领域的机械和车辆。

实际上，这意味着广泛的差异。一个IIoT系统可能就像一个连接的捕鼠器一样简单，在家里发短信说它被激活了，而另一个IIoT系统则可能像一个全自动的大规模生产线一样复杂，它可以通过一个巨大的多层网络跟踪维护、生产效率，甚至订购和运输信息。

工业物联网与物联网

工业物联网（industrial internet of things）也称为the industrial internet（由GE创造的术语）和Internet of Industrial Things。无论您怎么说，IIoT与其他IoT应用程序的不同之处在于，它专注于连接石油和天然气、电力公用事业和医疗保健等行业中的机器和设备。

物联网包括消费者层面的设备，如健身手环或智能设备，以及在出现故障时通常不会产生紧急情况的其他应用程序。

简而言之，IIoT部署面临更多风险，因为系统故障和停机时间可能导致生命危险或高风险情况。

IIoT将计算机从IT带到操作技术，为仪器仪表提供了巨大的可能性，为几乎所有的工业操作带来了巨大的效率和生产率提升。

是什么让IIoT与众不同？

从技术上讲，IIoT的原理与任何其他IoT技术都类似，将自动化仪器和报告应用到以前没有这些功能的东西上。它的规模与简单系统大不相同，IIoT部署中可以存在成百上千个，甚至成千上万个独立的端点。

物联网应用

生产线的仪器可以让公司在非常精细的层次上跟踪和分析他们的流程，资产跟踪可以提供对大量材料的快速，可访问的概览，而且预测性维护可以有机会在变得严重之前解决问题，从而为公司节省大笔资金。潜在用例的数量是巨大的，并且与日俱增。

工业物联网协会（Industrial IoT Consortium）列出了IIoT的以下15种可能用途：

智能工厂仓储应用

预测性和远程维护

货运，货物和运输监控

互联物流

智能计量和智能电网

智慧城市应用

智能农业和牲畜监测

工业安全系统

能耗优化

工业供暖，通风和空调

生产设备监控

资产跟踪和智能物流

工业环境中的臭氧、气体和温度监测

对工人的安全和健康条件监测

资产绩效管理

物联网挑战

因为IIoT设备的使用寿命比消费类产品长得多（Canonical IoT和设备执行副总裁Mike Bell估计平均寿命为7到10年），因此任何实施都必须持久。

甚至超出原始的规模和寿命，实施过程也可能会很复杂，充分利用从仪表收集的数据所必需的后端本身就是一项相当大的任务，必须与企业其他部门密切协调。它需要一种专门的策略来从端点收集数据，将其以可访问的格式存储（无论是在数据中心还是在云中），然后将其提供给分析引擎，并具有将分析中的见解转化为可行且及时的信息的方法。

有很多不同的格式和技术可以满足连接设备之间机器对机器通信的不同需求。物理层技术，如Sigfox和Zigbee，软件层，如Weave和IoTivity，所有这些对于完整运行的IIoT环境都是必不可少的，并且它们必须具有互操作性。

IIoT安全问题

就像消费物联网一样，工业物联网也存在很多安全问题。回想一下Mirai僵尸网络，该僵尸网络利用安全性差的安全摄像头和其他小工具构成了巨大的DDoS武器。

除了可能使用受损的IIoT设备来创建大规模僵尸网络之外，还存在一个问题，即可以利用漏洞来窃取网络上已有的宝贵数据，这是另一种攻击媒介。

有一件事可能有助于保证IIoT的安全，那就是从物联网的消费者端借用越来越普遍的自动下载补丁的做法。有些公司不喜欢这样，他们更喜欢完全控制运行在他们机器上的软件，但从安全的角度来看，这可能会有很大帮助。

IT领导者担心的其他因素还包括：

缺乏标准化。为了将较新的技术移植到旧技术上，从传输协议到摄取格式的各种内容都有各种各样的设计和标准。简而言之，如果发送有关高炉温度的操作信息的控件不是由制造网络或数据摄取引擎的同一家公司制造的，则它们可能无法一起工作。

与传统技术的集成。许多旧设备的设计目的并不是以现代IIoT技术可以识别的格式提供数据，因此要让拥有数十年历史的电站控制器与复杂的IIoT基础设施进行对话可能需要进行一些转换。

钱。正如以上两点所强调的那样，全面拥抱IIoT需要新的硬件，新的软件和新的技术思维方式。这个想法是为了赚钱，但是可以理解的是，很多人对前期成本感到担忧。

人。充分利用IIoT通常需要机器学习、实时分析和数据科学方面的专业知识，更不用说网络技术的前沿知识了。