摘要：智能工廠(chǎng)的特點(diǎn)是互聯(lián)互通，物聯(lián)網(wǎng)是實(shí)現智能工廠(chǎng)的核心技術(shù)。本文闡述了工業(yè)物聯(lián)網(wǎng)在工業(yè)4.0中的作用，研究了智能制造對工業(yè)物聯(lián)網(wǎng)的需求、物聯(lián)網(wǎng)結構體系和關(guān)鍵技術(shù)，最后對工業(yè)物聯(lián)網(wǎng)的研究方向做了探討。

關(guān)鍵詞：智能制造；智能工廠(chǎng)；物聯(lián)網(wǎng)；云計算

Abstract: Interconnection is one of the biggest characteristic of intelligent factory, and the Internet of Things is the core technology for the realization of the intelligent factory. This paper first explores the effect of Industrial Internet of Things in industry 4.0. Then the industrial networking requirements, system structure and key technology of Industrial Internet of Things are thoroughly analyzed. Finally, the future research direction of the Industrial Internet of Things is discussed.

Key words: Intelligent manufacturing; Intelligent factory; Internet of things; Cloud computing

1　引言

2013年在漢諾威工業(yè)博覽會(huì )上德國推出了“工業(yè)4.0”項目，該計劃的目的是推動(dòng)制造業(yè)向智能化轉型升級，為德國的先進(jìn)制造業(yè)領(lǐng)先地位奠定了基礎，工業(yè)4.0的核心內容是智慧工廠(chǎng)、智能制造。美國通用電氣公司（GE）提出了工業(yè)互聯(lián)網(wǎng)概念，這是美國“先進(jìn)制造伙伴計劃”的主要任務(wù)之一。2015年中國政府在工作報告上正式提出《中國制造2025》，未來(lái)10年通過(guò)信息化和工業(yè)化兩化深度融合來(lái)引領(lǐng)和帶動(dòng)整個(gè)裝備制造業(yè)的發(fā)展，實(shí)現中國從制造業(yè)大國向制造業(yè)強國的轉變  。

從德國工業(yè)4.0、美國工業(yè)互聯(lián)網(wǎng)及日本M2M可以看出，其共同特征都是利用物理系統和信息系統的融合來(lái)實(shí)現人與人、人與物和物與物的互聯(lián)互通。與傳統制造系統不同的是，面向智能工廠(chǎng)建立了一種集可靠感知、實(shí)時(shí)傳輸、精確控制、可信服務(wù)為一體的的復雜過(guò)程制造網(wǎng)絡(luò )體系架構，通過(guò)有形的實(shí)體空間和無(wú)形的虛擬網(wǎng)絡(luò )空間相互指導和映射，實(shí)現整個(gè)生產(chǎn)制造過(guò)程的智能化。由于制造過(guò)程的復雜性、隨機性和不確定性，因此要求與之融合的物聯(lián)網(wǎng)在多源對象自動(dòng)獲取、異構多跳網(wǎng)絡(luò )傳輸、海量信息智能處理等方面必須滿(mǎn)足智能制造的需要。

本文闡述了智能制造與工業(yè)物聯(lián)網(wǎng)的關(guān)系以及智能工廠(chǎng)對工業(yè)物聯(lián)網(wǎng)的要求，論述了國內外工業(yè)物聯(lián)網(wǎng)在互聯(lián)互通，無(wú)線(xiàn)通信，數據共享，通信安全等方面的研究現狀，文章的最后介紹了作者團隊在物聯(lián)網(wǎng)方面的研究成果并對工業(yè)物聯(lián)網(wǎng)未來(lái)的研究方向做了深入的探索。

2　智能工廠(chǎng)中的工業(yè)物聯(lián)網(wǎng)

通常情況下，可從制造智能化、產(chǎn)品智能化、管理智能化來(lái)描述智慧工廠(chǎng)的三個(gè)維度，如果這些描述和表達能夠得到實(shí)時(shí)數據支持，實(shí)時(shí)下達指令，并且能在這三個(gè)維度之間進(jìn)行交互，這就是所謂的智慧工廠(chǎng)，其具體框架如圖1所示。

在智慧工廠(chǎng)內部，物聯(lián)網(wǎng)和服務(wù)互聯(lián)網(wǎng)是兩大通信設施，服務(wù)互聯(lián)網(wǎng)連接供應商，并支持生產(chǎn)計劃、物流、能源和經(jīng)營(yíng)管理相關(guān)的ERP、PLM等系統的信息通信集成；工業(yè)物聯(lián)網(wǎng)支持制造過(guò)程的設備、操作者與產(chǎn)品的互聯(lián)，實(shí)現MES、數控機床、機器人等物理單元的信息通信，還通過(guò)CPS手段實(shí)現與信息空間的集成。

2.1　工業(yè)物聯(lián)網(wǎng)的體系結構

如圖2所示，處于智能工廠(chǎng)底端的現場(chǎng)設備（各種傳感器、機床、AGV）和控制設備（PLC控制器等），通過(guò)現場(chǎng)總線(xiàn)控制網(wǎng)絡(luò )（CAN總線(xiàn)、PROFIBUS等）實(shí)現工業(yè)環(huán)境的數據感知和控制命令的下發(fā)，同時(shí)，工業(yè)無(wú)線(xiàn)傳感器網(wǎng)絡(luò )（WISN）以其靈活組網(wǎng)、可靠通信的優(yōu)勢與現有總線(xiàn)網(wǎng)絡(luò )并存，在工業(yè)控制領(lǐng)域發(fā)揮巨大作用；與傳統物聯(lián)網(wǎng)框架不同的是，該框架加入了由工業(yè)數據服務(wù)器、文件服務(wù)器、實(shí)時(shí)服務(wù)器構成的SCADA系統，一方面對一些實(shí)時(shí)性較高的控制命令，能夠快速響應及時(shí)做出決策，另一方面通過(guò)數據據庫服務(wù)器把來(lái)自工廠(chǎng)底端的數據發(fā)布到頂端應用層，實(shí)現對數據的進(jìn)一步分析和處理；數據分析和處理的結果通過(guò)以太網(wǎng)或Internet網(wǎng)絡(luò )隨時(shí)隨地進(jìn)行傳送，另外，窄帶物聯(lián)網(wǎng)（NB-IoT）作為低功耗廣覆蓋（LPWA）技術(shù)一種，支持獨立部署、保護帶部署、帶內部署三種部署場(chǎng)景，通過(guò)改造現有EPC核心網(wǎng)或者新建獨立NB-IoT基站與現有2G/3G/4G兼容，實(shí)現NB-IoT業(yè)務(wù)的接入，完全可以作為一種新的無(wú)線(xiàn)通信網(wǎng)絡(luò )在工業(yè)物聯(lián)網(wǎng)中普及；

處于體系結構頂端的各種應用是工業(yè)物聯(lián)網(wǎng)的價(jià)值所在，通過(guò)對生產(chǎn)流程的監控和生產(chǎn)設備運行狀況的跟蹤，利用ERP、MES實(shí)現資源的最佳配置和生產(chǎn)流程的優(yōu)化，以此降低能源消耗、提高生產(chǎn)效率。

2.2　智能制造對物聯(lián)網(wǎng)的要求

（1）自組織網(wǎng)路

在智能工廠(chǎng)中，大量終端例如移動(dòng)機器人、手持PDA等設備都是隨機移動(dòng)的，即使是固定設備也會(huì )在一個(gè)時(shí)段內表現不同的加工狀態(tài)（如電機的旋轉或者停止），這些聯(lián)網(wǎng)設備的網(wǎng)絡(luò )的拓撲、信道的環(huán)境、業(yè)務(wù)模式都是隨著(zhù)這些節點(diǎn)狀態(tài)動(dòng)態(tài)改變的，因此面向復雜制造環(huán)境建立一個(gè)節點(diǎn)能夠動(dòng)態(tài)地、隨意地、頻繁地進(jìn)入和離開(kāi)網(wǎng)絡(luò )的多跳自組織網(wǎng)絡(luò )十分必要。

（2）工業(yè)物聯(lián)網(wǎng)的實(shí)時(shí)性

智能工廠(chǎng)中部署的大量傳感器節點(diǎn)，搜集不同的參數，這些信息根據重要性，被劃分不同的傳輸優(yōu)先級。工業(yè)過(guò)程數據傳輸的時(shí)效一般在0.001~0.5s之間，需要很高的實(shí)時(shí)性和可靠性，但是現場(chǎng)設備檢測數據時(shí)效性則長(cháng)達1s以上。因此，工業(yè)過(guò)程數據傳輸比設備環(huán)境檢測數據具有更高的優(yōu)先級，如何滿(mǎn)足智能工廠(chǎng)多優(yōu)先級異構數據收集和傳輸對工業(yè)聯(lián)網(wǎng)實(shí)時(shí)性提出了更高的挑戰。

（3）工業(yè)物聯(lián)網(wǎng)智能信息處理

智能工廠(chǎng)感知層中成千上萬(wàn)的傳感器時(shí)刻產(chǎn)生海量的數據，而物聯(lián)網(wǎng)智能信息處理的目標就是把這些信息收集起來(lái)，通過(guò)數據挖掘等技術(shù)從原始數據中提取有用信息，為MES層提供數據支持。信息處理的流程一般分為信息獲取、表達、量化、提取和推理階段，每個(gè)階段的數據處理的好壞都關(guān)系著(zhù)物聯(lián)網(wǎng)技術(shù)能否得到大規模的應用。

（4）與設備智能互聯(lián)

智能工廠(chǎng)中的設備來(lái)自不同廠(chǎng)家，出于利益原因他們會(huì )采用不同標準和協(xié)議，這種不統一阻礙了物聯(lián)網(wǎng)的發(fā)展。鑒于目前業(yè)內多總線(xiàn)體系已經(jīng)形成，更換設備至統一標準不現實(shí)，因此找到一個(gè)多協(xié)議、多接口的中間平臺對不同通信協(xié)議數據進(jìn)行標準化處理實(shí)現不同設備之間互聯(lián)互通是關(guān)鍵。

3　智能制造環(huán)境下物聯(lián)網(wǎng)研究的核心問(wèn)題

3.1　全互聯(lián)制造網(wǎng)絡(luò )

工業(yè)物聯(lián)網(wǎng)的最終目標是實(shí)現“廣泛互聯(lián)互通、透徹信息融合、綜合智慧服務(wù)”  。因此智能制造背景下的網(wǎng)絡(luò )必須要實(shí)現不同設備之間互聯(lián)和異構傳輸網(wǎng)絡(luò )之間的互通。但是目前由于缺乏標準化的可互操作的信息交換協(xié)議，物聯(lián)網(wǎng)中采集的信息往往是封閉的、孤立的，這嚴重阻礙物聯(lián)網(wǎng)的大規模應用。因此需要研究出一套能夠解決多源異構信息的融合方法。初期，信息融合主要針對多傳感器數據，主要解決異構傳感器之間的互聯(lián)互通問(wèn)題，因此又被稱(chēng)為多傳感器數據融合 ；

1991年美國實(shí)驗室理事聯(lián)合會(huì )JDL提出了廣泛認可的信息融合定義，將其定義為一種多層次、多方面的處理過(guò)程，包括對多源數據進(jìn)行檢測、組合和估計，從而提高狀態(tài)和特征估計的準確度  ，這被認為是數據融合的開(kāi)端。目前關(guān)于物聯(lián)網(wǎng)信息融合的研究，從融合方向角度可分為水平方向融合和垂直方向融合。其中水平方向融合，如文獻提出利用MANET邊界路由協(xié)同MANET的SMF區域與IP網(wǎng)的PIM-SM區域的工作，使多播數據包能順利在兩種不同的網(wǎng)絡(luò )中轉發(fā)并且實(shí)現了動(dòng)態(tài)的切換；文獻[6]設計出了一種基于POWERLINK、EnOcean和6LoWPAN三種無(wú)線(xiàn)通信技術(shù)和Internet的智能工廠(chǎng)復合網(wǎng)關(guān)，對各種通信網(wǎng)絡(luò )的融合具有很好的借鑒意義；垂直方向融合，如文獻將XLM和JMS技術(shù)結合來(lái)，提出基于XLM-JMS混合集成方法來(lái)解決ERP與MES之間相互通信和數據互換的難題；文獻等提出了一種基于WebService技術(shù)來(lái)實(shí)現靜態(tài)數據實(shí)時(shí)更新和動(dòng)態(tài)數據同步更新的中間件設計方案，實(shí)現ERP與MES交互。

3.2　工業(yè)無(wú)線(xiàn)通信

工業(yè)無(wú)線(xiàn)通信技術(shù)是繼現場(chǎng)總線(xiàn)和工業(yè)以太網(wǎng)之后又一新的通信技術(shù)，具有部署靈活、成本低、方便維護等優(yōu)勢，為各種智能設備、AGV和自動(dòng)化設備之間的通信提供高帶寬的無(wú)線(xiàn)通信鏈路和靈活的網(wǎng)絡(luò )拓撲結構，特殊環(huán)境下有效彌補有線(xiàn)網(wǎng)絡(luò )的不足。近幾年，藍牙、Wi-Fi、ZigBee、WirelessHART等短距離工業(yè)無(wú)線(xiàn)通信技術(shù)的研究和應用得到迅猛發(fā)展，引起了業(yè)界和學(xué)術(shù)界的關(guān)注。文獻[9]針對傳統藍牙技術(shù)微微網(wǎng)中點(diǎn)對多點(diǎn)資源有效調度的業(yè)界難題，基于實(shí)現策略建立藍牙4.0協(xié)議架構，設計了一種根據鏈路負載動(dòng)態(tài)調度算法，改善了通信的質(zhì)量；文獻[10]針對板坯制造過(guò)程中誤差大問(wèn)題，提出了基于Wi-Fi的板坯連鑄結晶器振動(dòng)形態(tài)檢測技術(shù)，通過(guò)Wi-Fi技術(shù)實(shí)現無(wú)線(xiàn)傳感器和數據分析終端的實(shí)時(shí)連接，提高了板坯的制造精度；文獻利用ZigBee網(wǎng)絡(luò )低速率、低成本、低功耗、網(wǎng)絡(luò )容量大特點(diǎn)，建立自組織無(wú)線(xiàn)傳感器網(wǎng)絡(luò )，對工業(yè)生產(chǎn)線(xiàn)上的視頻監控數據進(jìn)行實(shí)時(shí)，保證了傳輸質(zhì)量。

傳統無(wú)線(xiàn)通信技術(shù)在一定程度和一定時(shí)期滿(mǎn)足了工業(yè)信息傳輸的要求，但是隨著(zhù)物聯(lián)網(wǎng)時(shí)代的到來(lái)，上述無(wú)線(xiàn)通信技術(shù)已經(jīng)不能滿(mǎn)足物聯(lián)網(wǎng)大連接、寬覆蓋、高速率要求，基于此窄帶物聯(lián)網(wǎng)（NB-IOT）技術(shù)的寬覆蓋、大連接、低功耗、低成本的特點(diǎn)，以及可直接部署于GSM網(wǎng)絡(luò )、LTE網(wǎng)絡(luò )，降低部署成本，實(shí)現平滑升級的優(yōu)勢是傳統藍牙、Wi-Fi、Zigbee所無(wú)法比擬的，也引起學(xué)術(shù)界和業(yè)界的關(guān)注 [12~14] 。

3.3　物聯(lián)網(wǎng)中的數據處理

智慧工廠(chǎng)里底端設備層是數據的來(lái)源，時(shí)刻產(chǎn)生GB甚至TB級的海量感知數據，這些數據除了海量性以外，還表現為來(lái)自不同設備產(chǎn)生的數據異構性、網(wǎng)絡(luò )傳輸和控制的實(shí)時(shí)性以及現實(shí)環(huán)境下受工藝、硬件資源限制導致的數據不確定性。因此，對不同特征的數據進(jìn)行高效處理、分析，提煉對工業(yè)生產(chǎn)有指導性的信息，是工業(yè)物聯(lián)網(wǎng)信息處理的核心所在。

目前對物聯(lián)網(wǎng)中數據處理的研究方法很多，有從數據融合和數據壓縮方面進(jìn)行設計，如文獻[15]提出E-Span和LPT算法，讓感知節點(diǎn)根據自身剩余能量動(dòng)態(tài)選擇子節點(diǎn)和父節點(diǎn)，通過(guò)適當節點(diǎn)的最佳配置，實(shí)現數據有效融合；文獻[16]建立虛擬網(wǎng)格的鏈模型，選擇小波系數存放的最佳位置，提出基于分布式小波數據壓縮算法對海量數據進(jìn)行壓縮。有的研究專(zhuān)注于云儲存和云計算角度，如Apache開(kāi)發(fā)的Hadoop開(kāi)源云計算框架，采用主從式結構將網(wǎng)格計算、并行處理、分布式儲存進(jìn)行整合，對數據高效地處理。值得注意的是，近些年來(lái)通過(guò)中間件技術(shù)對數據進(jìn)行處理是一研究熱點(diǎn)。

文獻[17]針對現有數據處理存在的缺陷，提出基于面向服務(wù)的體系結構（SOA），利用物聯(lián)網(wǎng)服務(wù)中間件技術(shù)，將數據感知和處理抽象為實(shí)體服務(wù)和云服務(wù)，從結構的兩端進(jìn)行虛擬化處理；針對傳統中間件數據處理的局限性，文獻[18]提出的嵌入式智能中間件是基于消息驅動(dòng)的嵌入式信息處理系統，在資源環(huán)境受限的情況下仍然具備數據采集、適配、過(guò)濾和分發(fā)功能，解決一體化網(wǎng)絡(luò )的互操作問(wèn)題，對解決大規模數據處理具有指導意義。

3.4　工業(yè)網(wǎng)絡(luò )安全性

物聯(lián)網(wǎng)的信息安全涉及到感知層、傳輸層和應用層。感知層是數據的來(lái)源，其安全性也是圍繞如何保證數據收集完整性和機密性展開(kāi)的，針對硬件高危漏洞現象，文獻 [19，20] 在嵌入式系統中建立輕量級可信執行環(huán)境，設計一個(gè)最小化TCP系統框架，將對安全敏感的代碼放入虛擬可信環(huán)境中執行，確保安全敏感代碼的隱秘性。

傳輸層中海量的信息面臨網(wǎng)絡(luò )擁塞、異構網(wǎng)絡(luò )跨網(wǎng)認證、DoS攻擊、異步攻擊等諸多問(wèn)題，基于此很多研究學(xué)者從身份認證、密鑰協(xié)議、數據機密性等方面展開(kāi)研究，但是適用性和安全性有待進(jìn)一步提高。文獻[21]從密碼學(xué)算法與協(xié)議進(jìn)行輕量化處理和經(jīng)典密碼學(xué)算法進(jìn)行優(yōu)化生成新的密鑰生成協(xié)議兩方面來(lái)抵御對網(wǎng)絡(luò )的攻擊。

應用層收集和分析大量隱私數據，在處理和應用過(guò)程都需要對其進(jìn)行安全保護。同態(tài)加密技術(shù)是目前學(xué)術(shù)界研究的一個(gè)方向，對數據進(jìn)行同態(tài)加密可有有效避免用戶(hù)隱私信息的泄露 [22] ；另外，Thomas和Ned利用區塊鏈技術(shù)實(shí)現物聯(lián)網(wǎng)設備匿名共享的方法值得學(xué)習與借鑒 [23] 。

4　未來(lái)研究方向

結合工業(yè)物聯(lián)網(wǎng)自身存在的問(wèn)題和目前研究的現狀，本文認為未來(lái)工業(yè)物聯(lián)網(wǎng)的研究方向應該在以下幾個(gè)方面展開(kāi)：

（1）物理空間與信息空間互聯(lián)模型。智能工廠(chǎng)的物聯(lián)網(wǎng)中各層分工和各層的業(yè)務(wù)實(shí)現流程雖然明確，而對物理空間和信息空間的耦合關(guān)聯(lián)問(wèn)題目前的研究還不深入。物聯(lián)網(wǎng)要實(shí)現這兩大空間的感知互動(dòng)，需要建立物理空間和信息空間的耦合模型。但是連續的時(shí)空屬性的物理空間與離散的無(wú)時(shí)空屬性的信息空間之間存在的差異性較大，在描述兩者耦合關(guān)系時(shí)比較困難。

（2）異構網(wǎng)絡(luò )融合。工業(yè)物聯(lián)網(wǎng)中往往是多種類(lèi)型網(wǎng)絡(luò )共同存在，不同網(wǎng)絡(luò )之間形成很多信息孤島，要實(shí)現互聯(lián)互通，必須讓不同網(wǎng)絡(luò )之間能夠建立聯(lián)系。目前的研究無(wú)論是基于設計統一網(wǎng)關(guān)的思路，還是基于認知網(wǎng)絡(luò )的理念都是少數幾種網(wǎng)絡(luò )融合，遠遠不能滿(mǎn)足實(shí)際需要。未來(lái)研究中，針對物聯(lián)網(wǎng)絡(luò )異構性、承載業(yè)務(wù)量大特點(diǎn)，開(kāi)發(fā)統一的物理及MAC底層及其協(xié)議促進(jìn)多種網(wǎng)絡(luò )融合是發(fā)展趨勢。

（3）海量信息處理。目前國內外研究機構提出的海量信息處理的若干種技術(shù)，在一定程度上對數據做了有效的處理，但是這些技術(shù)大多是基于上層的數據處理，在實(shí)際應用中數據的實(shí)時(shí)性保證不夠好，因此未來(lái)對數據處理的研究重點(diǎn)由上層轉移到下層，在感知層中找到數據處理方法是一種新思路。

（4）工業(yè)物聯(lián)網(wǎng)安全。工業(yè)物聯(lián)網(wǎng)框架中各層次的安全不是相互獨立的，而是相互依賴(lài)的，針對每一層單獨設計的安全保護策略是不全面的，適用范圍有限，再加上不同應用場(chǎng)景對安全要求側重點(diǎn)也不一樣，因此設計適用范圍更廣的入侵檢測與防御系統、設計更有效的訪(fǎng)問(wèn)策略、制定有效的移動(dòng)設備跨域認證方法將是未來(lái)物聯(lián)網(wǎng)安全的研究熱點(diǎn)。

5　取得的成果

面向工業(yè)4.0和國家裝備制造業(yè)發(fā)展需要，我們課題組基于最新工業(yè)物聯(lián)網(wǎng)技術(shù)、系統優(yōu)化調度方法和先進(jìn)制造思想，解決了制造設備之間的互聯(lián)互通、無(wú)線(xiàn)傳感智能組網(wǎng)等一系列問(wèn)題。開(kāi)發(fā)出一體化計劃調度、生產(chǎn)建模與物料跟蹤、設備數據采集、質(zhì)量控制與統計等新技術(shù)，這些技術(shù)在大型裝備監測、工程健康監測等方面得到了具體的應用。

第一，在大型裝備監測方面，先后承擔了西安市科技項目：工業(yè)監控傳感器網(wǎng)絡(luò )系統關(guān)鍵技術(shù)及產(chǎn)品化開(kāi)發(fā)和無(wú)線(xiàn)傳感器網(wǎng)絡(luò )節點(diǎn)軟件及系統應用研究。在Zigbee傳感器網(wǎng)絡(luò )協(xié)議研究方面，建立了復雜工廠(chǎng)環(huán)境的電磁干擾模型，提出了新的實(shí)時(shí)可靠路由算法和多信道MAC層協(xié)議，針對大規模網(wǎng)絡(luò )節點(diǎn)配置問(wèn)題，給出了配置模型和求解算法。同時(shí)開(kāi)發(fā)出了多種機電裝備監控無(wú)線(xiàn)傳感器網(wǎng)絡(luò )，能夠在200m范圍內的機電設備的各軸位置，速度，溫度，振動(dòng)量和聲音等方面數據進(jìn)行準確采集，具有自組織性和較強的容錯能力。

第二，在大型工程健康監測方面，承擔了陜西省科技項目：大型工程健康監測無(wú)線(xiàn)物聯(lián)網(wǎng)關(guān)鍵技術(shù)及應用研究。主要完成了橋梁傾斜，下沉，擾度，振動(dòng)等機構參量的檢測方法和節點(diǎn)模塊設計；簇間多路徑分簇路由算法設計；大型高鐵橋梁健康監測的無(wú)線(xiàn)物聯(lián)網(wǎng)的組建。

6　結語(yǔ)

隨著(zhù)工業(yè)4.0時(shí)代的到來(lái)，智慧工廠(chǎng)、智能制造將全面替代傳統工廠(chǎng)和傳統制造，物聯(lián)網(wǎng)和智能制造的融合更加速了第四次工業(yè)革命的到來(lái)。但是應該看到目前的工業(yè)物聯(lián)網(wǎng)發(fā)展水平不高，存在的問(wèn)題也很多，因此立足當前，著(zhù)眼未來(lái)，加強工業(yè)物聯(lián)網(wǎng)重點(diǎn)技術(shù)研究，對其存在關(guān)鍵問(wèn)題進(jìn)行突破，促使工業(yè)物聯(lián)網(wǎng)形成產(chǎn)業(yè)化和規?；?，推動(dòng)智能制造向更高水平發(fā)展。

參考文獻：

[1] Wang S, Wan J, Li D, et al. Implementing smart factory of industrie 4.0: an outlook[J]. International Journal of Distributed Sensor Networks, 2016, 12 (1) : 3159805.

[2] 周津. 物聯(lián)網(wǎng)環(huán)境下信息融合基礎理論與關(guān)鍵技術(shù)研究[D]. 吉林大學(xué), 2014.

[3] 韓崇昭, 朱洪艷. 多傳感信息融合與自動(dòng)化[J]. 自動(dòng)化學(xué)報, 2002, 28 (s1) : 117 - 124.

[4] Perera C, Zaslavsky A, Christen P, et al. Context Aware Computing for The Internet of Things: A Survey[J]. IEEE Communications Surveys & Tutorials, 2014, 16 (1) : 414 - 454.

[5] 胡雅菲, 李方敏, 劉新華. CPS網(wǎng)絡(luò )體系結構及關(guān)鍵技術(shù)[J]. 計算機研究與發(fā)展, 2010, 47 (S2) : 304 - 311.

[6] Telmanov Mikhail.智能工廠(chǎng)環(huán)境下的混合生產(chǎn)線(xiàn)調度優(yōu)化方法研究[D]. 哈爾濱工業(yè)大學(xué), 2017.

[7] Zhu H, Liu D, Bayley I, et al. Quality model and metrics of ontology for semantic descriptions of web services[J]. Tsinghua Science and Technology, 2017, 22 (3) : 254 - 272.

[8] 藍萌, 徐汀榮, 黃斐. 基于JSM的制造企型業(yè)ERP - MES集成方法實(shí)現[J]. 計算機技術(shù)與發(fā)展, 2009, 19（6）: 246 - 249.

[9] 徐金茍. 藍牙4.0底層核心技術(shù)協(xié)議研究與實(shí)現[D]. 上海交通大學(xué), 2012.

[10] 夏軍. 基于WiFi的板坯連鑄結晶器振動(dòng)形態(tài)檢測技術(shù)研究[D]. 浙江大學(xué), 2013.

[11] 李嘉源. 基于ZIGBEE協(xié)議的工業(yè)視頻監測技術(shù)研究[D]. 吉林大學(xué), 2015.

[12] Kim T, Dong M K, Pratas N, et al. An Enhanced Access Reservation Protocol with a Partial Preamble Transmission Mechanism in NB - IoT Systems[J]. IEEE Communications Letters, 2017, PP (99) : 1 - 1.

[13] Liu S, Yang F, Song J, et al. Block Sparse Bayesian Learning Based NB - IoT Interference Elimination in LTE - Advanced Systems[J]. IEEE Transactions on Communications, 2017, PP (99) : 1 - 1.

[14] Ali A, Hamouda W. On the Cell Search and Initial Synchronization for NB - IoT LTE Systems[J]. IEEE Communications Letters, 2017, PP (99) : 1 - 1.

[15] Lee W M，Wong V S W. E - Span and LPT for data aggregation in wireless sensor networks[J]Computer Communications.2006.29 (13 - 14) : 2506 - 2520.

[16] Ciancio A, Ortega A. A dynamic programming approach to distortion - energy optimization for distributed wavelet compression with applications to data gathering inwireless sensor networks[C]//Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings. 2006 IEEE International Conference on. IEEE, 2006, 4: IV - IV.

[17] 陳海明, 石海龍, 李勐, 等. 物聯(lián)網(wǎng)服務(wù)中間件:挑戰與研究進(jìn)展[J]. 計算機學(xué)報, 2017, 40 (8) : 1725 - 1749.

[18] 劉博洋, 馬連博, 朱云龍, 等. 基于多層數據處理的嵌入式RFID中間件系統開(kāi)發(fā)[J]. 計算機科學(xué), 2015, 42 (s2) : 231 - 235.

[19] Azab A M,SwidowskiK,Bhutkar J M,etal.Skee:A lightweight secure kernel - level execution environment for arm [C]// Proc of the 23th Network and Distributed System Security Symp. Reston,VA:ISOC, 2016

[20] Sachidananda V,Toh J,Siboni S,et al.POSTER:Towards exposing Internet of things:A roadmap [C]//Proc of the 23rd ACM SIGSAC Conf on Computer and Communications Security. New York:ACM, 2016 : 1820 - 1822

[21] Szalachowski P, Perring A. Lightweight protection of group content distribution [C]//Proc of the 1st ACM Workshop on IOT Privacy,Trust, and Security. New York:ACM,2015 : 35 - 42.

[22] Chakravorty A, Wlodarczyk T, Rong C. Privacy preserving data analytics for smart homes[J] IEEE Computer Society Security &Privacy Workshops, 2013, 42 (6) : 23 - 27.

[23] Hardjono T, Smith N.Cloud - based commissioning of constrained devices using permissioned blockchains[C]//Proc of the 2nd ACM InT Workshop on IoT Privacy, Trust, and Security. New York:ACM, 2016 : 29 - 36.

作者簡(jiǎn)介：

曹建福（1963-），男，陜西寶雞人，教授/博士生導師，現就職于西安交通大學(xué)，研究方向是物聯(lián)網(wǎng)與智能工廠(chǎng)。

陳樂(lè )瑞（1985-），男，河南鄭州人，博士生，現就讀于西安交通大學(xué)，研究方向是物聯(lián)網(wǎng)與智能工廠(chǎng)。

摘自《自動(dòng)化博覽》2018年5月刊