★中國汽車(chē)技術(shù)研究中心有限公司/中汽數據（天津）有限公司林錦州，王俊程

★西安交通大學(xué)胥博，李鳴鶴，曹建福

1 引言

近年來(lái)，隨著(zhù)工業(yè)化和信息化的深度融合，傳統汽車(chē)制造業(yè)正朝著(zhù)智能化、網(wǎng)絡(luò )化、定制化、集成化等方向轉型與升級。尤其是5G、工業(yè)物聯(lián)網(wǎng)等新興技術(shù)的迅速崛起，加速了汽車(chē)智能制造領(lǐng)域的全面發(fā)展。實(shí)現汽車(chē)生產(chǎn)制造全生命周期管理的智能制造技術(shù)，成為新一輪汽車(chē)工業(yè)革命的核心。工業(yè)物聯(lián)網(wǎng)作為智能制造領(lǐng)域關(guān)鍵性通用技術(shù)[1-2]，其能夠提升汽車(chē)制造領(lǐng)域的自動(dòng)化與智能化水平，是制造業(yè)領(lǐng)域智能化轉型的重要基礎與支撐。

在國際汽車(chē)制造領(lǐng)域，以美國、德國、日本為代表的主要制造商利用物聯(lián)網(wǎng)技術(shù)實(shí)現了生產(chǎn)過(guò)程的全面信息采集和設備監控以及供應鏈升級改造。例如，美國PTC公司針對汽車(chē)制造要求，推出了物聯(lián)網(wǎng)平臺，在生產(chǎn)制造、售后服務(wù)及運營(yíng)過(guò)程中，構建起一套從數字到物理的完整閉環(huán)鏈路，保證了各個(gè)業(yè)務(wù)環(huán)節的人員獲得正確數據；德國梅賽德斯-奔馳公司在辛德芬根的“56號工廠(chǎng)”通過(guò)智能設備互聯(lián)、子系統接口接入等方式，建立了覆蓋整廠(chǎng)的物聯(lián)網(wǎng)系統，形成了物聯(lián)網(wǎng)大數據；2022年初開(kāi)業(yè)的特斯拉柏林工廠(chǎng)[3]，實(shí)現了從原材料采購到倉儲整車(chē)出貨全流程端到端的信息物聯(lián)網(wǎng)絡(luò )。

隨著(zhù)《中國制造2025》戰略的提出，國內各汽車(chē)制造企業(yè)均開(kāi)展了物聯(lián)網(wǎng)技術(shù)的開(kāi)發(fā)和推廣應用,主流汽車(chē)廠(chǎng)已建成生產(chǎn)制造過(guò)程的設備互聯(lián)和監控系統，包括一汽、東風(fēng)、陜汽、上汽等企業(yè)。東風(fēng)商用車(chē)總裝基于5G和邊緣計算技術(shù)，建立了制造過(guò)程物聯(lián)網(wǎng)系統，實(shí)現了OT域與IT域的數據打通；長(cháng)城汽車(chē)重慶智能工廠(chǎng)在工廠(chǎng)自動(dòng)化程度上，將工業(yè)互聯(lián)網(wǎng)平臺覆蓋整個(gè)廠(chǎng)區，設備的預防性維護已遍布4大工藝車(chē)間，并逐漸從傳統的計劃維護向預防性、預測性維護轉換。

本文闡述了汽車(chē)智能制造與工業(yè)物聯(lián)網(wǎng)的關(guān)系以及汽車(chē)智能制造對工業(yè)物聯(lián)網(wǎng)的要求，介紹了汽車(chē)制造物聯(lián)網(wǎng)中的多協(xié)議解析、異構網(wǎng)絡(luò )互聯(lián)技術(shù)、高速數據存儲與處理、邊緣計算等技術(shù)，并對汽車(chē)制造物聯(lián)網(wǎng)未來(lái)的研究方向做了分析，簡(jiǎn)單介紹了近年來(lái)研究團隊在物聯(lián)網(wǎng)領(lǐng)域的研究成果。

2 汽車(chē)制造中的工業(yè)物聯(lián)網(wǎng)

在汽車(chē)制造中，工業(yè)現場(chǎng)存在的大量信息孤島問(wèn)題亟待解決。面對海量數據的傳輸和越來(lái)越高的服務(wù)需求，工業(yè)網(wǎng)絡(luò )對不同時(shí)延容忍度數據區分服務(wù)能力表現較差，各種現場(chǎng)設備在復雜網(wǎng)絡(luò )下通信質(zhì)量很難保障。與此同時(shí)，基于工業(yè)物聯(lián)網(wǎng)的智能制造成為新一輪工業(yè)革命中智能制造領(lǐng)域的研究重點(diǎn)，如何實(shí)現智能生產(chǎn)系統數據高實(shí)時(shí)、高可靠傳輸，保證生產(chǎn)網(wǎng)絡(luò )的高質(zhì)量通信是工業(yè)物聯(lián)網(wǎng)所面臨的一大挑戰。對此，可以從互聯(lián)互通的設備、邊緣控制和企業(yè)運營(yíng)三個(gè)層級構建貫穿汽車(chē)生產(chǎn)全生命周期的物聯(lián)網(wǎng)架構。

2.1 汽車(chē)智能制造對工業(yè)物聯(lián)網(wǎng)的要求

汽車(chē)制造主要包括沖壓、焊接、涂裝、總裝等過(guò)程，工藝過(guò)程見(jiàn)圖1。以下依次對四大車(chē)間的生產(chǎn)工藝進(jìn)行分析，并從生產(chǎn)特點(diǎn)提出對工業(yè)物聯(lián)網(wǎng)的需求。

圖1 汽車(chē)制造主要工藝圖

沖壓是汽車(chē)整車(chē)廠(chǎng)四大工藝的第一道工藝，其主要任務(wù)是將鋼板材料壓平、剪切，然后將鋼板沖壓成各車(chē)身部件和底盤(pán)部件。隨著(zhù)網(wǎng)聯(lián)網(wǎng)系統中的柔性傳送、模具自動(dòng)識別與提取、工作參數自動(dòng)調整等技術(shù)的應用，大型自動(dòng)沖壓生產(chǎn)線(xiàn)占地面積更小，生產(chǎn)節拍更高，從而使沖壓生產(chǎn)向“個(gè)性化”“按訂單”和“準時(shí)”生產(chǎn)方向發(fā)展。

沖壓成形后的各部件在焊裝車(chē)間被焊接成車(chē)身，車(chē)身生產(chǎn)由分總成生產(chǎn)和總成拼裝組成。分總成包括側圍、前后圍、底板等，將這幾大總成進(jìn)行拼裝，再焊接上車(chē)頂和四門(mén)兩蓋，形成白車(chē)身送往涂裝車(chē)間。確保精準的集合尺寸和焊點(diǎn)質(zhì)量是保證車(chē)身高強度與質(zhì)量的關(guān)鍵，激光焊等新技術(shù)的應用、大量焊接機器人及自動(dòng)化設備與物聯(lián)網(wǎng)絡(luò )系統的高度集成，是實(shí)現車(chē)身高質(zhì)量生產(chǎn)的有力保障。

涂裝車(chē)間是整車(chē)四大工藝中控制最為復雜的車(chē)間，涂裝大致分為以下幾個(gè)過(guò)程：前處理工序，之后轉到電泳工序，再依次經(jīng)過(guò)車(chē)身密封、底漆涂裝、面漆涂裝工序，最后車(chē)身經(jīng)檢驗工序后，轉入涂裝車(chē)身存儲區，最后流轉到總裝車(chē)間。減少三廢排放及涂料損耗、提高涂裝效率與質(zhì)量并降低涂裝成本是涂裝新技術(shù)追求的目標，新材料與新工藝的應用、高壓靜電噴涂及機器人的使用、高效的自動(dòng)化控制及輸送系統、透明的網(wǎng)絡(luò )監控系統及制造執行系統（MES）的應用使不斷提升的目標得以實(shí)現。

總裝是將車(chē)身、發(fā)動(dòng)機、變速器、儀表板、車(chē)燈和車(chē)門(mén)、輪胎等構成整輛車(chē)的各零件裝配起來(lái)生產(chǎn)出整車(chē)的過(guò)程?？傃b車(chē)間設備分散、控制點(diǎn)多且信息采集量大，想將車(chē)間信息管理與生產(chǎn)自動(dòng)化有機結合，需要現場(chǎng)總線(xiàn)技術(shù)及工業(yè)物聯(lián)網(wǎng)的應用以實(shí)現數據打通。

2.2 工業(yè)物聯(lián)網(wǎng)結構

在汽車(chē)制造工廠(chǎng)內部，運營(yíng)管理網(wǎng)和生產(chǎn)控制網(wǎng)是兩大通信設施，二者組成了整廠(chǎng)的工業(yè)物聯(lián)網(wǎng)系統。其中運營(yíng)管理互聯(lián)網(wǎng)連接供應商，并支持生產(chǎn)計劃、財務(wù)和經(jīng)營(yíng)管理相關(guān)的ERP、PLM等系統的信息通信集成；生產(chǎn)控制網(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、配電系統、機器人及PCS等物理單元的信息通信。

如圖2所示，從管理層級上可以將汽車(chē)制造分為三個(gè)層級：現場(chǎng)設備、車(chē)間管理和廠(chǎng)級管理。處于生產(chǎn)制造底端的現場(chǎng)設備和控制系統通過(guò)現場(chǎng)總線(xiàn)網(wǎng)絡(luò )實(shí)現公共環(huán)境的數據感知和控制命令的下發(fā)，同時(shí)通過(guò)有線(xiàn)以太網(wǎng)或者無(wú)線(xiàn)傳感器網(wǎng)絡(luò )與現場(chǎng)各種總線(xiàn)網(wǎng)絡(luò )并存，實(shí)現現場(chǎng)設備和控制系統的完全互聯(lián)互通。該框架的數據服務(wù)器一方面對一些實(shí)時(shí)性較高的控制命令，能夠快速做出決策反饋并保存，另一方面通過(guò)數據庫把來(lái)自底端的數據發(fā)送到應用層，實(shí)現對數據的進(jìn)一步分析，從而支撐諸如ERP、CRM等業(yè)務(wù)運營(yíng)系統。

圖2 典型汽車(chē)制造工業(yè)物聯(lián)網(wǎng)架構

3 汽車(chē)制造物聯(lián)網(wǎng)中的核心技術(shù)研究

3.1 多協(xié)議解析方法

目前汽車(chē)制造物聯(lián)網(wǎng)的發(fā)展面臨的核心問(wèn)題在于接入物聯(lián)網(wǎng)的硬件設備數量日益增多，設備所需的運行環(huán)境和通信協(xié)議各不相同，因此亟需研究工業(yè)物聯(lián)網(wǎng)的多協(xié)議智能解析方法，從而實(shí)現設備互聯(lián)，并提高工業(yè)物聯(lián)網(wǎng)平臺對海量異構設備的統一管理能力。

多協(xié)議解析主要有基于協(xié)議模板庫和基于編譯技術(shù)的方法?；趨f(xié)議模板庫的方法是將協(xié)議幀結構中某些固定字段存入協(xié)議模板庫，通過(guò)字符串匹配算法將數據中的固定字段與協(xié)議庫匹配，從而完成協(xié)議解析。文獻[4]利用面向對象建模的思想，對Modbus等常用工業(yè)協(xié)議進(jìn)行幀結構分析，并抽象出一個(gè)統一模型，從數據中提取固定字段與協(xié)議模板庫匹配，從而解析出正確的協(xié)議類(lèi)型?；诰幾g技術(shù)的協(xié)議解析方法是根據編譯原理，將通信協(xié)議中的特定幀如地址信息、命令碼等抽象為正規表達式，從而解開(kāi)協(xié)議結構描述和協(xié)議解析代碼的耦合關(guān)系。文獻[5]基于上述方法，提出了一種數據幀結構描述語(yǔ)言和自動(dòng)化解析器，開(kāi)發(fā)人員只需要針對協(xié)議中的數據幀結構編寫(xiě)相應的幀協(xié)議描述，自動(dòng)化解析器即可將該協(xié)議描述語(yǔ)言轉化為解析代碼可識別的數據類(lèi)型，進(jìn)而實(shí)現對數據幀協(xié)議的解析，同時(shí)避免了協(xié)議解析代碼的修改。目前的多協(xié)議解析方法的重點(diǎn)在于如何實(shí)現工業(yè)物聯(lián)網(wǎng)的智能化解析，盡可能減少人工的參與，這一問(wèn)題還需要進(jìn)一步的研究。

3.2 異構網(wǎng)絡(luò )互聯(lián)技術(shù)

異構網(wǎng)絡(luò )互聯(lián)主要有兩種方式，分別是通過(guò)網(wǎng)關(guān)設備實(shí)現和通過(guò)應用層實(shí)現。目前基于上述方式的物聯(lián)網(wǎng)、互聯(lián)方案存在通信效率低下、不支持大規模網(wǎng)絡(luò )統一管理和擴展性差等問(wèn)題。

為解決上述問(wèn)題，研究人員提出了以信息為中心的物聯(lián)網(wǎng)網(wǎng)絡(luò )體系架構，并逐漸成為了研究熱點(diǎn)。文獻[6]基于以信息為中心的網(wǎng)絡(luò )架構，提出了MobilitFirst，該架構針對移動(dòng)場(chǎng)景做出了優(yōu)化，在同時(shí)支持動(dòng)態(tài)和靜態(tài)設備組網(wǎng)方面表現出了較高的效率。在工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)研究方面，文獻[7]提出了一種無(wú)線(xiàn)傳感網(wǎng)融合組網(wǎng)的方法，該方法改進(jìn)了NB-IoT-WSN組網(wǎng)方案，在此基礎上設計了一種雙模網(wǎng)關(guān)，實(shí)現了NB-IoT和WSN之間的高效網(wǎng)絡(luò )傳輸。文獻[8]設計了一種異構物聯(lián)網(wǎng)網(wǎng)絡(luò )下的數據通信網(wǎng)關(guān)平臺，該平臺通過(guò)制定一種可交換數據格式標準來(lái)實(shí)現如異構網(wǎng)絡(luò )的協(xié)議轉換等場(chǎng)景，提升了異構網(wǎng)絡(luò )的可融合性。異構網(wǎng)絡(luò )的融合仍需要在提升網(wǎng)絡(luò )通信效率、建立工業(yè)物聯(lián)網(wǎng)統一數據格式等方向做進(jìn)一步深入研究。

3.3 高速數據存儲與處理

物聯(lián)網(wǎng)中智能設備產(chǎn)生的大量數據需要及時(shí)存儲和處理，如何實(shí)現低時(shí)延的數據存儲和處理是目前亟待解決的問(wèn)題。

云計算為數據的計算和存儲提出了解決方案，但云計算中心往往部署在離終端較遠的位置，從而產(chǎn)生了延遲。霧計算方法將計算和存儲從云計算中心擴展到了網(wǎng)絡(luò )邊緣，從而解決了這一問(wèn)題。文獻[9]中提出了一種基于霧計算的數據傳輸體系結構，可以將負載節點(diǎn)無(wú)法完成的計算和存儲任務(wù)卸載到霧服務(wù)器，從而提高了計算和存儲的效率。通過(guò)分布式存儲系統對數據進(jìn)行存儲可有效降低工業(yè)物聯(lián)網(wǎng)數據存儲的壓力，提高了數據處理的效率。分布式數據存儲的核心問(wèn)題是數據如何進(jìn)行分配。文獻[10]提出了一種基于生成函數的數據分配方法，從而簡(jiǎn)化了數據分配算法的復雜性。文獻[11]在基于遺傳算法的數據分配策略的基礎上進(jìn)行了改進(jìn)，拓寬了算法搜索的廣度，提出了一種新的數據分配策略?；谠朴嬎愫挽F計算等技術(shù)的研究，高速數據的分布式存儲和處理已取得一定的成果，針對數據傳輸的體系結構和數據分配策略可能是未來(lái)的研究方向。

3.4 邊緣計算

物聯(lián)網(wǎng)設備的大規模發(fā)展對工業(yè)物聯(lián)網(wǎng)的數據處理能力提出了新的要求，傳統的云計算模型將計算任務(wù)集中在云端處理，這種方案會(huì )給網(wǎng)絡(luò )傳輸帶來(lái)很大壓力，難以實(shí)現高效的數據處理。邊緣計算的提出解決了這一問(wèn)題。

邊緣計算將計算任務(wù)分配到物聯(lián)網(wǎng)邊緣端的網(wǎng)關(guān)設備，在邊緣端對數據進(jìn)行處理和分析，從而實(shí)現工業(yè)物聯(lián)網(wǎng)平臺的靈活調度，提高了數據計算效率。文獻[12]提出了一種基于邊緣計算的工業(yè)物聯(lián)網(wǎng)的能效管控方法，該方法通過(guò)對工業(yè)物聯(lián)網(wǎng)資源分配和不同通信波段的功率消耗進(jìn)行建模，從而實(shí)現降低工業(yè)物聯(lián)網(wǎng)能源消耗的目的。邊緣計算還可應用于物聯(lián)網(wǎng)的任務(wù)調度，任務(wù)調度目標在于如何有效管理大量邊緣計算節點(diǎn)，平滑地分配任務(wù)及合并計算結果，同時(shí)盡量降低能耗、減少傳輸延遲，維持平臺的負載平衡。目前基于邊緣計算的任務(wù)調度研究中，有基于延遲最小化的方案，文獻[13]提出了邊緣節點(diǎn)協(xié)作策略，該策略根據任務(wù)隊列的長(cháng)度和任務(wù)類(lèi)型，在邊緣節點(diǎn)之間共享任務(wù)從而實(shí)現最小化任務(wù)延遲?；谀芰?延遲權衡方案，文獻[14]提出了HyFog框架，該框架應用帶花樹(shù)開(kāi)花算法來(lái)解決最小權重匹配問(wèn)題，實(shí)現了總任務(wù)執行成本（包括能量和延遲）最小化?；谶吘売嬎愕奈锫?lián)網(wǎng)數據處理是目前的研究熱點(diǎn)，主要目標是提高物聯(lián)網(wǎng)的實(shí)時(shí)性和運行效率。

4 未來(lái)研究方向

4.1 設備互聯(lián)互通

目前在汽車(chē)制造產(chǎn)業(yè)中，需要進(jìn)一步推進(jìn)工業(yè)生產(chǎn)現場(chǎng)的設備聯(lián)通，除生產(chǎn)設備外，還包括工人智能穿戴設備、零部件的RFID識別設備、運輸車(chē)輛等等，真正實(shí)現智能工廠(chǎng)的萬(wàn)物互聯(lián)。為實(shí)現這一目標，需要繼續推進(jìn)工業(yè)物聯(lián)網(wǎng)網(wǎng)絡(luò )協(xié)議特征識別技術(shù)和多源異構協(xié)議解析方法的研究。此外，物聯(lián)網(wǎng)協(xié)議數據格式標準化也是重要的研究課題，目前現存物聯(lián)網(wǎng)標準基本都有其主要側重領(lǐng)域，且缺乏用戶(hù)參與，較難滿(mǎn)足目前工業(yè)現場(chǎng)物聯(lián)網(wǎng)設備的市場(chǎng)化需求。因此，需要建立一套適用于工業(yè)物聯(lián)網(wǎng)的數據格式標準，以實(shí)現工業(yè)現場(chǎng)設備的互聯(lián)互通。

4.2 數據卸載和負載平衡

汽車(chē)制造物聯(lián)網(wǎng)系統具有多個(gè)具有分布式計算能力的邊緣設備，當單個(gè)設備或邊緣服務(wù)器的處理能力達到極限時(shí)，就需要將任務(wù)和數據卸載到其他設備或邊緣服務(wù)器，從而避免單個(gè)資源的長(cháng)期過(guò)載。目前汽車(chē)物聯(lián)網(wǎng)中，在考慮大量具備數據處理能力的設備的數據卸載時(shí)，問(wèn)題的復雜度將大大增加，受限于設備計算和存儲的能力，數據卸載的發(fā)生頻率升高，可能導致網(wǎng)絡(luò )的大吞吐量和嚴重帶寬資源占用，從而導致網(wǎng)絡(luò )傳輸延遲的增加。在負載平衡方面，也需要改善現有的平衡算法以適應工業(yè)物聯(lián)網(wǎng)平臺日益增加的調度規模和頻率。

4.3 工業(yè)物聯(lián)網(wǎng)通信安全

圍繞工業(yè)物聯(lián)網(wǎng)通信傳輸過(guò)程中的安全通信問(wèn)題，未來(lái)可能包括多路徑冗余通信、缺失數據預測等研究方向。采用多路徑冗余通信方法，可降低數據被整體捕獲的概率，保證了數據的傳輸安全、隱私安全和通信完整。工業(yè)物聯(lián)網(wǎng)通信缺失數據預測能夠通過(guò)預測恢復缺失的通信數據，保證了工業(yè)物聯(lián)網(wǎng)的通信數據完整性要求?；谏鲜鲅芯糠较?，設計更有效的訪(fǎng)問(wèn)策略和更加全面的入侵檢測與防御系統，可以保證工業(yè)物聯(lián)網(wǎng)的通信安全性，并實(shí)現汽車(chē)制造物聯(lián)網(wǎng)平臺的安全穩定運行。

5 研究團隊在物聯(lián)網(wǎng)方向的研究成果

研究團隊近年來(lái)一直致力于工業(yè)物聯(lián)網(wǎng)和云診斷技術(shù)方面的開(kāi)發(fā)和工程應用，對制造設備互聯(lián)互通、智能組網(wǎng)等問(wèn)題進(jìn)行了深入探討，并開(kāi)發(fā)出了一體化物聯(lián)網(wǎng)平臺，已在生產(chǎn)線(xiàn)監控、大型裝備健康管理等方面得到了具體的應用。

（1）開(kāi)發(fā)了工業(yè)設備物聯(lián)網(wǎng)平臺。開(kāi)發(fā)了多種接入方式與設備智能網(wǎng)關(guān)，可與多種協(xié)議的數控設備、PLC控制器、機器人、儀器儀表等設備進(jìn)行互聯(lián)；結合機器學(xué)習和工業(yè)大數據分析等先進(jìn)技術(shù)和方法，實(shí)現了設備實(shí)時(shí)監控、故障診斷、制造過(guò)程質(zhì)量監控、數據分析展示等功能。

（2）大型裝備監測傳感器網(wǎng)絡(luò )關(guān)鍵技術(shù)與系統開(kāi)發(fā)。對Zigbee傳感器網(wǎng)絡(luò )協(xié)議進(jìn)行了研究，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 )的節點(diǎn)配置問(wèn)題，給出了配置模型和求解方法；對無(wú)線(xiàn)傳感器網(wǎng)絡(luò )路由算法進(jìn)行了研究，提出了一種新的非均勻分簇的無(wú)線(xiàn)傳感器網(wǎng)絡(luò )路由協(xié)議。

（3）大型工程健康監測無(wú)線(xiàn)物聯(lián)網(wǎng)。利用無(wú)線(xiàn)物聯(lián)網(wǎng)技術(shù)研究工程健康監測系統的關(guān)鍵技術(shù)，解決了復雜環(huán)境下的物聯(lián)網(wǎng)動(dòng)態(tài)自組網(wǎng)、節點(diǎn)模塊低功耗設計、工程結構參量采集與數據融合等問(wèn)題，開(kāi)發(fā)出了面向橋梁健康監測的無(wú)線(xiàn)物聯(lián)網(wǎng)系統。

6 結束語(yǔ)

工業(yè)4.0時(shí)代的到來(lái)給汽車(chē)制造業(yè)的進(jìn)一步發(fā)展帶來(lái)了機遇，將工業(yè)物聯(lián)網(wǎng)技術(shù)應用于汽車(chē)制造業(yè)，可以實(shí)現汽車(chē)制造業(yè)向智能化、信息化的方向轉型升級，可以提高汽車(chē)制造業(yè)的生產(chǎn)效率和整體水平。但目前工業(yè)物聯(lián)網(wǎng)技術(shù)還存在許多瓶頸，限制了其在汽車(chē)制造業(yè)中的進(jìn)一步應用。因此，對物聯(lián)網(wǎng)應用中的關(guān)鍵技術(shù)問(wèn)題進(jìn)行重點(diǎn)突破，將推動(dòng)汽車(chē)制造業(yè)的高水平發(fā)展。

作者簡(jiǎn)介：

林錦州（1988-），男，福建泉州人，高級工程師，現就職于中國汽車(chē)技術(shù)研究中心有限公司/中汽數據（天津）有限公司，研究方向為企業(yè)數字化、智能制造。

胥  博（1988-），男，陜西寶雞人，博士生，現就讀于西安交通大學(xué)，研究方向為物聯(lián)網(wǎng)與邊緣計算。

王俊程（1996-），男，河南南陽(yáng)人，工程師，現就職于中國汽車(chē)技術(shù)研究中心有限公司/中汽數據（天津）有限公司，研究方向為企業(yè)數字化、智能制造。

李鳴鶴（1998-），男，河南三門(mén)峽人，碩士生，現就讀于西安交通大學(xué)，研究方向為物聯(lián)網(wǎng)與智能工廠(chǎng)。

曹建福（1963-），男，陜西寶雞人，教授，博士，現就職于西安交通大學(xué)，研究方向為物聯(lián)網(wǎng)與智能工廠(chǎng)、智能機器人。

※林錦州、胥博為共同一作，王俊程為通訊作者。

參考文獻：

[1] 柴安穎. 面向智能生產(chǎn)線(xiàn)的工業(yè)物聯(lián)網(wǎng)通信服務(wù)質(zhì)量關(guān)鍵技術(shù)研究[D]. 沈陽(yáng): 中國科學(xué)院大學(xué)(中國科學(xué)院沈陽(yáng)計算技術(shù)研究所), 2022. DOI:10.27587/d.cnki.gksjs.2022.000004.

[2] 曹建福, 陳樂(lè )瑞. 智能工廠(chǎng)中的工業(yè)物聯(lián)網(wǎng)技術(shù)[J]. 自動(dòng)化博覽, 2018, 294 (05) : 72 - 76.

[3] 王婧. 特斯拉德國工廠(chǎng)啟用德國汽車(chē)市場(chǎng)格局生變[N]. 經(jīng)濟參考報, 2022-03-24 (004). DOI:10.28419/n.cnki.njjck.2022.001510.

[4] 曹啟友. 面向工業(yè)物聯(lián)網(wǎng)的智能數據采集系統設計[D]. 杭州: 浙江大學(xué), 2019.DOI:10.27461/d.cnki.gzjdx.2019.002655.

[5] 鄧偉, 石煒. 基于編譯技術(shù)的協(xié)議自動(dòng)化解析程序的設計[J]. 電子設計工程, 2012, 19 (13) : 33 - 36.

[6] Li S, Zhang Y, Raychaudhuri D, et al. A Comparative Study of MobilityFirst and NDN Based ICN-IoT Architectures[C]. 10th International Conference on Heterogeneous Networking for Quality, Reliability, Security and Robustness. IEEE, 2014 : 158 - 163.

[7] Francesc Gallart, Núria Cid, Jér?me Latron, et al. TREHS: An Open-Access Software Tool for Investigating and Evaluating Temporary River Regimes as a First Step for Their Ecological Status Assessment. 2017, 607- 608 : 519 - 540.

[8] P.P Ray, Nishant Thapa, Dinesh Dash. Implementation and Performance Analysis of Interoperable and Heterogeneous Io T-Edge Gateway for Pervasive Wellness Care[J]. IEEE Transactions on Consumer Electronics, 2019, 65 (4) : 464 - 473.

[9] WANG T, ZHOU J, LIU A, et al. Fog-Based Computing and Storage Offloading for Data Synchronization in LoT[J]. IEEE Internet of Things Journal, 2018, 6 (3) : 4272 - 4282.

[10] 黃震. 大規模分布式存儲系統中數據冗余技術(shù)研究[D]. 長(cháng)沙: 國防科學(xué)技術(shù)大學(xué), 2012.

[11] 張得生. 基于遺傳算法的大型數據庫的數據分配策略算法[J]. 科技通報, 2015 (1) : 162 - 165.

[12] Chen Q, Xu X, Jiang H, et al. An Energy-Aware Approach for Industrial Internet of Things in 5G Pervasive Edge Computing Environment[J]. IEEE Transactions on Industrial Informatics, 2020, PP (99) : 1 - 1.

[13] A.Yousefpour, G. Ishigaki, and J. P. Jue. Fog computing: Towards Minimizing Delay in the Internet of Things. in Proc. IEEE Int. Conf.Edge Comput. (EDGE), Honolulu, HI, USA, 2017, pp. 17 - 24.

[14] B. Flavio, M. Rodolfo, Z. Jiang, and A. Sateesh. Fog Computing and Its Role in the Internet of Things. in Proc. 1st Edition MCC Workshop Mobile Cloud Comput, 2012, pp. 13 - 16.

 摘自《自動(dòng)化博覽》2023年3月刊