刍议物联网在制造业信息化中的作用

工业目前仍旧是我国国民经济的支柱,而制造业在我国的工业中又占据着重要位置,为了更好地促进制造业的发展,就需要利用物联网技术,将物联网技术和制造业结合,这样才能更好地使我国的制造业得到优化。本文主要对物联网进行了简要介绍,在此基础上进一步分析制造业信息化与物联网的关系,在此基础上分析了物联网在制造业信息化中的作用,以期更好地促进制造业信息化的长远发展。     

汽车智能制造中的工业物联网技术

在工业4.0的背景下,汽车制造业正向着网络化、智能化的方向转型和发展,工业物联网是实现汽车智能制造的核心技术。本文阐述了汽车智能制造对工业物联网的要求,介绍了工业物联网的主要网络结构,研究了汽车制造物联网中的核心技术,并对今后的研究方向做了深入的探讨。     

响应“十二五”规划 昆仑海岸引领本土传感器发展

2012年2月14日,工业和信息化部《物联网"十二五"发展规划》的出台,文件中指出:"重点发展物联网感知制造业,重点发展与物联网感知功能密切相关的制造业,推动传感器/节点/网关、RFID、二维条码等核心制造业高端化发展,面向经济社会发展的重     

工业物联网,开启智能制造新篇章

引言 不论在传统产业,还是新兴领域,都涌起了一股工业物联网建设和应用的热潮.其实早在2015年政府就已经提出,推动互联网与制造业融合,提升制造业的数字化、网络化、智能化水平.发展工业物联网,对于我国打造制造强国,推动经济高质量发展,都具有十分重要的意义.     

基于物联网的汽车智能制造控制与质量管理

随着物联网信息技术的发展,传统汽车制造业也在向自动化、智能化和物联化发展,基于物联网的需求日益迫切,给出基于物联网的智能制造控制和质量管理方案,从汽车工业的基础信息化到智能化的角度出发,提出利用时下最新的物联网和云计算技术,带动汽车制造业产能提升和质量提升,为汽车制造业提供智能控制、精细控制、质量监测和大数据汇集的解决方案。     

物联网接入制造业打造智慧工厂

在信息时代,我们的工业发展将更多进入到信息时代,通过自动化的控制技术,来引领新的制造业时代。据智能视觉物联网联盟了解,制作业的信息化发展已经开始引入了物联网运营模式,着力打造智慧工厂。     

2021年在工业物联网能看到什么

2020年是极具颠覆性和变革性的一年.虽然工业和制造业组织可能发现其业务不如基于服务的行业那么容易被颠覆,然而也必须适应完全不同的工作实践. 那么,在接下来的几个月里,我们可以期待在这些工业环境中部署的物联网基础设施和生态系统(工业物联网)中看到什么呢?以下是2021年的主要工业物联网趋势.     

一种基于物联网技术的无缝针织企业MES系统

工业物联网作为国家"两化深度融合、机器换人"重大发展战略的主要切入点,对传统制造业转型升级具有重要的意义。基于物联网技术设计开发了一种针对无缝针织行业的生产制造执行系统(MES)。通过采用SOA和Web Service软件架构设计、智能工序数据实时采集系统开发、机联网与企业生产管理系统数据深度融合,实现了一种覆盖无缝针织企业生产制造全流程的工业物联网系统。企业实地应用表明,该系统对提升企业信息化管理水平、提高生产效率及降低人工成本具有明显的促进作用。     

基于 IPv6 的工业互联网创新应用探讨

随着新一轮科技革命和产业变革的兴起,促进互联网和先进制造业融合发展具有重要作用,加速发展工业互联网平台,已经成为主要国家抢占全球产业竞争新制高点、重塑工业体系的共同选择。加速推进工业互联网的建设、发展和应用,迫切需要提升以 IPv6 为核心的下一代互联网等技术工业适配能力,以 IPv6 建设应用作为工业网络化的新动力,大幅度推动制造业提质升级,实现转型升级,实现数字化、网络化、智能化的制造业。     

装备工业的信息化榜样

装备制造业又称装备工业,主要是指资本品制造业,是为满足国民经济各部门发展和国家安全需要而制造各种技术装备的产业总称。一般来讲,装备制造业主要包含三个方面:一是重大先进的基础机械,即制造装备的装备——工业"母机",包括数控机床(NC)、柔性制造单元(FMC)、柔性制造系统(FMS)、计算机集成制造系统(CIMS)、工业机器人、大规模集成电路及电子制造设备等;二是重要的机械、电子基础件,主要是先进的液压、气动、轴承、密封、模具、     

云智慧技术引领高端制造业革命——第三次工业革命正在到来

指出了云智慧技术是第三次工业革命的核心发动机。云智慧技术由VI技术+互联网（物联网）+云计算+软件制造组成,将引领高端制造业的革命。论述了云智慧技术、云智慧仪器与软件制造的概念;云智慧技术概念发展的里程碑;云智慧技术与科学技术的关系;云智慧技术与工农业生产及家庭的关系;云智慧技术引领制造业革命。最后给出了云智慧技术的架构图和COINV实现云智慧仪器和应用实例。指出了第三次工业革命正在到来。     

基于分布式思想构筑面向化工行业的工业互联网安全堡垒

伴随工业互联网的提出和推进,我国化工行业已开始将工业互联网广泛应用到工业生产的各个环节,并成为企业经营管理的常规手段,以优化现有生产流程、提升企业与市场的沟通能力、促进企业可持续性发展,使得工业互联网技术和工业生产不再相互独立进行、不再是单方的带动和促进关系,而是两者在技术、产品、管理等各个层面相互交融、彼此不可分割。然而,化工行业的各个生产、销售环节较为分散,设备、系统等存在的安全隐患无法及时收集、全面汇总、统一分析,造成潜在的网络安全风险长期存在于化工行业生产中,给企业安全生产带来影响。将基于分布式思想探讨化工行业的工业互联网安全防御体系。     

System construction for comprehensive industrial ecosystem oriented networked collaborative manufacturing platform (NCMP) based on three chains

In industrial manufacturing, with the deep integration and development of advanced digital technologies such as industrial big data, industrial Internet and industrial artificial intelligence with manufacturing industry, the manufacturing model is gradually developing and evolving from the direction of networking, platform, integration, collaboration and ecology. Therefore, for industrial manufacturing process, the research of construction of comprehensive industrial ecosystem oriented Networked Collaborative Manufacturing Platform (NCMP) system is great industrial application value by integrating network characteristics, platform elements, integrated mechanism, collaborative model and ecological format. In this paper, the system model of NCMP is constructed from four perspectives, including network perspective, collaborative manufacturing perspective, platform perspective, and industrial ecosystem perspective. Then, a system framework of NCMP based on three chains (manufacturing chain, value chain, and industrial chain) is proposed. Three collaborative subsystems of NCMP (vertical collaboration subsystem from multi perspective, horizontal collaboration subsystem from multi process, end to end collaboration subsystem from multi operator) are constructed. At last, a comprehensive system construction for NCMP in automobile industry is giving. The research results show that the most important elements to construct NCMP are purchasing department collaboration, demand department collaboration, design collaboration, data integration between enterprises and factories, etc.     

基于TSN+OPCUA架构的计算机智能控制应用研究

随着全球工业领域与制造业的信息化与智能化发展,迫切需要实现对工业领域制造业设备的智能化联网与控制,目前没有统一的协议标准来实现工业互联网的全网连通与设备管理。基于上述背景,开展时间敏感型网络TSN和统一软件架构跨平台模型应用OPCUA的联合研究,研究两者实现工业互联网与以太网上层的互联互通和相关信息模型架构的标准规范,以及对计算机智能控制的PLC应用,对工业领域智能化信息化产业发展提供一些借鉴。     

工业互联网智能制造边缘计算 模型与验证方法

智能制造是先进制造过程、系统与模式的总称,边缘计算是横跨通信、计算机、自动控制等多领域的综合性技术,可以满足智能制造在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。文章首先介绍了工业互联网智能制造的基本状况,其次介绍了边缘计算的发展现状,之后详细描述了工业互联网智能制造边缘计算模型,最后给出了工业互联网智能制造边缘计算模型的测试方法。     

时间敏感型网络技术综述

时间敏感型网络(TSN)是目前国际产业界正在积极推动的工业通信技术。阐述了TSN技术产生的背景、工业物联网以及新制造转型中对于工业通信的需求,并从技术角度对TSN进行了全面的介绍。通过对当前国际上重要的TSN标准组织、企业、大学与研究机构的TSN实践进行分析,全面梳理了其发展简要历程、相关国际标准、实现架构与方法、开发、测试与验证、应用前景等。通过这些分析,以全局视角分析该技术对于产业的推动作用,以及未来发展趋势和在智能制造、工业互联网领域的前景,并希望国内的产业、标准化组织、大学等能够积极加强对其更为深入的研发、测试,以获得市场的先机。     

基于区块链的边缘计算IIoT架构研究

在智能制造系统中,工业物联网通过先进的管理技术将制造设备互连,实现了信息的实时传输、设备的范在化感知和数据的快速分析处理。但是由于制造设备的异构性、物联网网关（IoT网关）数据分析能力的有限性、制造设备的存储力低下,设备和数据的低安全性等缺陷严重阻碍了智能制造的发展。BEIIoT架构从制造企业的实际生产过程与应用角度出发,将区块链技术与边缘计算相结合,通过对服务器进行P2P组网以实现对设备去中心化管理;通过对边缘设备进行服务化封装,增强设备的安全性与实时分析能力,降低设备的异构性;使用DAG双链式数据存储结构,提高数据的冗余度与安全性,实现生产线数据的异步并发备份存储。BEIIoT架构为智能制造的实施提供了体系支持。     

IoT edge computing-enabled collaborative tracking system for manufacturing resources in industrial park

In manufacturing industry, the movement of manufacturing resources in production logistics often affects the overall efficiency. This research is motivated by a world-leading air-conditioner manufacturer. In order to provide the right manufacturing resources for subsequent production steps, excessive time and human effort has been consumed in locating the manufacturing resources in a huge industrial park. The development of Internet of Things (IoT) has made a profound impact on establish smart manufacturing workshop and tracking applications, however a growing trend of data quantity that generated from massive, heterogeneous and bottomed manufacturing resources objects pose challenge to centralized decision. In this study, the concept of edge-computing deeply integrated in collaborative tracking purpose in virtue of IoT technology. An IoT edge computing enabled collaborative tracking architecture is developed to offload the computation pressure and realize distributed decision making. A supervised learning of genetic tracking method is innovatively presented to ensure tracking accuracy and effectiveness. Finally, the research output is developed and implemented in a real-life industrial park for verification. The results show that the proposed tracking method not only performs constant improving accuracy up to 96.14% after learning compared to other tracking method, but also ensure quick responsiveness and scalability.     

Data science skills and domain knowledge requirements in the manufacturing industry: A gap analysis

Manufacturing has adopted technologies such as automation, robotics, industrial Internet of Things (IoT), and big data analytics to improve productivity, efficiency, and capabilities in the production environment. Modern manufacturing workers not only need to be adept at the traditional manufacturing technologies but also ought to be trained in the advanced data-rich computer-automated technologies. This study analyzes the data science and analytics (DSA) skills gap in today's manufacturing workforce to identify the critical technical skills and domain knowledge required for data science and intelligent manufacturing-related jobs that are highly in-demand in today's manufacturing industry. The gap analysis conducted in this paper on Emsi job posting and profile data provides insights into the trends in manufacturing jobs that leverage data science, automation, cyber, and sensor technologies. These insights will be helpful for educators and industry to train the next generation manufacturing workforce. The main contribution of this paper includes (1) presenting the overall trend in manufacturing job postings in the U.S., (2) summarizing the critical skills and domain knowledge in demand in the manufacturing sector, (3) summarizing skills and domain knowledge reported by manufacturing job seekers, (4) identifying the gaps between demand and supply of skills and domain knowledge, and (5) recognize opportunities for training and upskilling workforce to address the widening skills and knowledge gap.