摘要：现阶段制造业产业升级亟待解决的问题涉及工艺、生产效率、能耗、原材料和服务等多个方面。而制造业物联网在这样的形势下逐渐兴起，目前，国际上许多制造业厂商和行业旗舰品牌在制造业物联网上也进行了诸多努力。

作为服务、物流、零售业的源头，世界制造业自诞生以来经历了手工操作、部分自动化、全自动化等发展阶段，最终实现了现在制造业智能集成网络化生产，并在部分发达国家成功实现了规模化。而大量低端、高能耗、劳动力密集型制造产业渐渐向发展中国家倾斜和转移。

目前，国际上大量高能耗、低效率、高排放的制造业产业在国内建厂。我国制造业企业能源消耗量大，环境污染严重。以广东为例，其是全球制造业基地，2011年销售收入占全国15.48%，制造业GDP占全省比重为46.3%，制造业能耗占全省近65%，单位GDP能耗是世界平均水平的2.2倍。据广东省与国家统计部门2011年的统计报告，我国的劳动生产效率仅为美国的1/5、日本的1/6，我国制造业能源利用率仅为33%，比发达国家低了10个百分点，但工业污染排放量却是发达国家的10倍，而最终的服务收入也仅为日美的1/3。

在如今国际制造业发展逐渐向智能制造、服务制造和绿色制造靠拢的趋势下，珠江三角洲地区在《改革发展规划纲要（2008-2020年）》中强调：加强制造业转型与产业升级，领域涉及汽车、纺织服装、建筑材料、生物医药、电子电器和高端装备等多个行业。

现阶段制造业产业升级亟待解决的问题涉及工艺、生产效率、能耗、原材料和服务等多个方面。而制造业物联网在这样的形势下逐渐兴起，目前，国际上许多制造业厂商和行业旗舰品牌在制造业物联网上也进行了诸多努力。

制造业物联网国外研究进展

在列车制造方面，2009年，摩托罗拉和Freightliner进行了以提高列车装备效率为目标的组装过程零部件配送的项目研究；在飞机制造方面，2010年，空客与Tego/MAINtag为了降低零部件库存量、提高维修服务水平，对零部件进行了仓储管理与跟踪维护；在汽车制造方面，西门子与奥迪公司Neckarsulm工厂为了能够更高效地存储质量数据，同时提高质量管理水平，进行了汽车生产装配质量管理的项目研究；石油加工方面，壳牌Texas Univ.和艾默生在2011年为了提高生产效率，对企业的生产设备进行了故障监测。

智能制造业物联网遇到的挑战

在多年的发展过程中，智能制造业物联网遇到了诸多挑战。在制造业各生产工艺过程数据感知方面，制造环境强电磁干扰、金属介质、多障碍等多元干扰环境，以及动态存在的“人、物料、设备、生产过程、产品”等众多对象，实现系统复杂运行状态的可靠感知具有较大困难；在制造环境下网络数据传输方面，资源受限、动态拓扑与苛刻环境条件、混杂网络融合等限制，其数据传输的实时性、可靠性与准确性也受到严重影响；在制造物联网数据处理方面，制造物联网中产生海量级数据，有限的计算资源已不足以支撑数据的完全处理。为实现制造过程的精准控制，要解决的关键问题是实现制造物联网的可靠感知、实时传输、海量数据智能处理。

物联网的环境具有强电磁干扰、金属介质、多障碍物、高温、高湿、强震动等特征，这会造成物联网的多元干扰的特点；涉及人、物料、设备、生产过程、产品、服务等众多对象构成了物联网的繁杂对象；生产环境动态变化、制造资源快速流动等特征共同导致了物联网的复杂多变。上述特点最终导致感知节点不可用、感知对象不可达、动态对象不可跟，形成了混杂动态与多源干扰环境下可靠感知问题，即感知困难。这就需要部署优化与协同感知来解决。

物联网的网络特征包括网络覆盖制造业全流程，有线、无线网络并存，各类传感、驱动、执行节点并存，感知节点随部署对象动态移动、信道可用性动态变化等特征，上述特征分别让物联网具有了大尺度多跳、高度异构和动态拓扑的特点，最终导致端到端延迟难以预测、异构网络难以协同、网络实时状态难以认知等问题，形成了大尺度异构动态网络环境下海量数据实时传输问题，即传输困难。这就需要业务感知路由与实时可靠链路调度来缓解和解决。

物联网的数据特征有RFID、传感器等快速自动产生的数据流，移动对象连续感知、不同对象相互关联，外部干扰导致误感、漏感、丢包等，上除特征使得物联网具有了海量多源、高时空关联、高不确定性等特点，最终导致海量动态数据流难以及时处理、多样性业务数据难以智能区分、数据关联特性难以准确描述、不确定数据难以直接使用，形成了多源头动态海量数据流的智能处理问题，即数据处理困难。需要复合事件实时智能匹配与海量数据流事件检测来处理和解决。

制造业物联网相关研究工作

制造业物联网体系结构分为数据感知、数据传输、海量信息处理和智能服务四个部分。我们可以使用制造业场景建模，采用系统仿真与虚拟现实技术实现场景模拟，包括应用场景各设备实物、地图、工序流程等均建相应的图形化组件。影响传感系统性能的因素主要分为设备部署和环境因素。通过模拟制造业实际应用环境，对制造过程中影响RFID、传感器等设备的性能的各种因素进行综合测试。

制造业物联网异构混杂系统模型分网络场景模型、感知模型、业务模型、能量模型、链路模型等五种模型，感知节点时空配置优化数学建模，使用感知节点配置智能寻优与动态演进算法来进行分析研究。还可以通过感知节点资源描述与可用性评价、感知节点空间关联模型、非确定性过程描述建模与协同感知优化规划模型和多节点选择智能优化与协同算法进行研究。此外，在实时传输、海量数据智能处理方面，我们也进行了诸多研究工作。

信息物理融合系统带来的变革

长期以来，我国工业生产效率低、能源利用率低，电力传输调度效率低、损耗大，物流成本高昂，达到了发达国家的两倍，交通拥堵、出行困难，环境污染难以检测、控制，自然灾害预警困难、灾难频发，诸多不利因素让信息世界与物理世界渐渐相互割裂。而信息与物理融合带来的变革又让我们看到了新的可能和希望，尽管我们面临着诸如可靠感知、实时传输、普适计算、精确控制和可信服务等问题，只要我们能够协调并优化复杂过程，有效调节物理进程从而提高资源利用率，就可达到节能减排、改善环境的目的。

目前，在高端装备制造、建材生产等工业制造领域，水利、水资源、环境监测领域以及电网智能监控与智能医疗服务领域，信息物理融合系统已经形成了产业化的推广。