摘要：現階段制造業產業升級亟待解決的問題涉及工藝、生產效率、能耗、原材料和服務等多個方面。而制造業物聯網在這樣的形勢下逐漸興起，目前，國際上許多制造業廠商和行業旗艦品牌在制造業物聯網上也進行了諸多努力。

作為服務、物流、零售業的源頭，世界制造業自誕生以來經歷了手工操作、部分自動化、全自動化等發展階段，最終實現了現在制造業智能集成網絡化生產，并在部分發達國家成功實現了規�；�。而大量低端、高能耗、勞動力密集型制造產業漸漸向發展中國家傾斜和轉移。

目前，國際上大量高能耗、低效率、高排放的制造業產業在國內建廠。我國制造業企業能源消耗量大，環境污染嚴重。以廣東為例，其是全球制造業基地，2011年銷售收入占全國15.48%，制造業GDP占全省比重為46.3%，制造業能耗占全省近65%，單位GDP能耗是世界平均水平的2.2倍。據廣東省與國家統計部門2011年的統計報告，我國的勞動生產效率僅為美國的1/5、日本的1/6，我國制造業能源利用率僅為33%，比發達國家低了10個百分點，但工業污染排放量卻是發達國家的10倍，而最終的服務收入也僅為日美的1/3。

在如今國際制造業發展逐漸向智能制造、服務制造和綠色制造靠攏的趨勢下，珠江三角洲地區在《改革發展規劃綱要（2008-2020年）》中強調：加強制造業轉型與產業升級，領域涉及汽車、紡織服裝、建筑材料、生物醫藥、電子電器和高端裝備等多個行業。

現階段制造業產業升級亟待解決的問題涉及工藝、生產效率、能耗、原材料和服務等多個方面。而制造業物聯網在這樣的形勢下逐漸興起，目前，國際上許多制造業廠商和行業旗艦品牌在制造業物聯網上也進行了諸多努力。

制造業物聯網國外研究進展

在列車制造方面，2009年，摩托羅拉和Freightliner進行了以提高列車裝備效率為目標的組裝過程零部件配送的項目研究；在飛機制造方面，2010年，空客與Tego/MAINtag為了降低零部件庫存量、提高維修服務水平，對零部件進行了倉儲管理與跟蹤維護；在汽車制造方面，西門子與奧迪公司Neckarsulm工廠為了能夠更高效地存儲質量數據，同時提高質量管理水平，進行了汽車生產裝配質量管理的項目研究；石油加工方面，殼牌Texas Univ.和艾默生在2011年為了提高生產效率，對企業的生產設備進行了故障監測。

智能制造業物聯網遇到的挑戰

在多年的發展過程中，智能制造業物聯網遇到了諸多挑戰。在制造業各生產工藝過程數據感知方面，制造環境強電磁干擾、金屬介質、多障礙等多元干擾環境，以及動態存在的“人、物料、設備、生產過程、產品”等眾多對象，實現系統復雜運行狀態的可靠感知具有較大困難；在制造環境下網絡數據傳輸方面，資源受限、動態拓撲與苛刻環境條件、混雜網絡融合等限制，其數據傳輸的實時性、可靠性與準確性也受到嚴重影響；在制造物聯網數據處理方面，制造物聯網中產生海量級數據，有限的計算資源已不足以支撐數據的完全處理。為實現制造過程的精準控制，要解決的關鍵問題是實現制造物聯網的可靠感知、實時傳輸、海量數據智能處理。

物聯網的環境具有強電磁干擾、金屬介質、多障礙物、高溫、高濕、強震動等特征，這會造成物聯網的多元干擾的特點；涉及人、物料、設備、生產過程、產品、服務等眾多對象構成了物聯網的繁雜對象；生產環境動態變化、制造資源快速流動等特征共同導致了物聯網的復雜多變。上述特點最終導致感知節點不可用、感知對象不可達、動態對象不可跟，形成了混雜動態與多源干擾環境下可靠感知問題，即感知困難。這就需要部署優化與協同感知來解決。

物聯網的網絡特征包括網絡覆蓋制造業全流程，有線、無線網絡并存，各類傳感、驅動、執行節點并存，感知節點隨部署對象動態移動、信道可用性動態變化等特征，上述特征分別讓物聯網具有了大尺度多跳、高度異構和動態拓撲的特點，最終導致端到端延遲難以預測、異構網絡難以協同、網絡實時狀態難以認知等問題，形成了大尺度異構動態網絡環境下海量數據實時傳輸問題，即傳輸困難。這就需要業務感知路由與實時可靠鏈路調度來緩解和解決。

物聯網的數據特征有RFID、傳感器等快速自動產生的數據流，移動對象連續感知、不同對象相互關聯，外部干擾導致誤感、漏感、丟包等，上除特征使得物聯網具有了海量多源、高時空關聯、高不確定性等特點，最終導致海量動態數據流難以及時處理、多樣性業務數據難以智能區分、數據關聯特性難以準確描述、不確定數據難以直接使用，形成了多源頭動態海量數據流的智能處理問題，即數據處理困難。需要復合事件實時智能匹配與海量數據流事件檢測來處理和解決。

制造業物聯網相關研究工作

制造業物聯網體系結構分為數據感知、數據傳輸、海量信息處理和智能服務四個部分。我們可以使用制造業場景建模，采用系統仿真與虛擬現實技術實現場景模擬，包括應用場景各設備實物、地圖、工序流程等均建相應的圖形化組件。影響傳感系統性能的因素主要分為設備部署和環境因素。通過模擬制造業實際應用環境，對制造過程中影響RFID、傳感器等設備的性能的各種因素進行綜合測試。

制造業物聯網異構混雜系統模型分網絡場景模型、感知模型、業務模型、能量模型、鏈路模型等五種模型，感知節點時空配置優化數學建模，使用感知節點配置智能尋優與動態演進算法來進行分析研究。還可以通過感知節點資源描述與可用性評價、感知節點空間關聯模型、非確定性過程描述建模與協同感知優化規劃模型和多節點選擇智能優化與協同算法進行研究。此外，在實時傳輸、海量數據智能處理方面，我們也進行了諸多研究工作。

信息物理融合系統帶來的變革

長期以來，我國工業生產效率低、能源利用率低，電力傳輸調度效率低、損耗大，物流成本高昂，達到了發達國家的兩倍，交通擁堵、出行困難，環境污染難以檢測、控制，自然災害預警困難、災難頻發，諸多不利因素讓信息世界與物理世界漸漸相互割裂。而信息與物理融合帶來的變革又讓我們看到了新的可能和希望，盡管我們面臨著諸如可靠感知、實時傳輸、普適計算、精確控制和可信服務等問題，只要我們能夠協調并優化復雜過程，有效調節物理進程從而提高資源利用率，就可達到節能減排、改善環境的目的。

目前，在高端裝備制造、建材生產等工業制造領域，水利、水資源、環境監測領域以及電網智能監控與智能醫療服務領域，信息物理融合系統已經形成了產業化的推廣。