物联网知识领域创建利益相关者一致性和通用语言

传感器、云计算、人工智能(AI)和机器学习——物联网(IoT)即将进入您的工厂或现场!物联网有望彻底改变你的工作方式。你可能对物联网的潜力寄予厚望，但你也可能担心物联网将带来的数据量、速度、多样性和准确性，以及你究竟将如何管理它。安全性、恶意软件的威胁和数据完整性也可能会让你感到不安。因此，为了在物联网支持的组织中取得成功，您需要一个数字化战略、计划和框架。

通用语言方法

如今，在Reliabilityweb.com于2013年12月发布的Uptime®Elements中，组织已经拥有了坚实的可靠性和资产管理框架。bob综合体育网页版该框架有助于为那些了解可靠性是跨功能的并且需要企业方法的组织实现一种通用语言和系统。

图1:用于可靠性和资产管理的正常运行时间元素框架。

在互联网时代，2013年12月似乎是上辈子以前的事了，尽管物联网和数字化战略诞生了，但它们并不是主流。今天，它们像子弹头列车一样前进，现在在所有行业都无处不在。

一年前，一小群同样拥有丰富知识和经验的Uptime Elements爱好者开始了一个项目，将原始的Uptime框架扩展到数字化领域。

浅谈数字化与数字化

词语很重要，这就是为什么在本文中，我们谨慎地选择了“数字化”这个词，而不是“数字化”，因为很明显，全新的商业模式正在从这种背景下出现。

根据Gartner的IT术语表，“数字化是从模拟形式转变为数字形式的过程。数字化是指利用数字技术改变商业模式，提供新的收入和创造价值的机会。这是向数字化业务转变的过程。数字商业是通过模糊数字世界和物理世界来创造新的商业设计。”

随着组织开始实施物联网和数字化，人们的工作将会发生变化。想象一下，工厂工人将传统的手持振动分析仪、便携式检漏仪和润滑脂枪换成了机器学习算法、知情的仪表板和编程的协作机器人(cobots)。

数字化的司机

根据Reliabilityweb.com在2017年和201bob综合体育网页版8年进行的一项研究，可靠性和资产经理在实施数字化战略时寻求的三大结果是:

1.提高可靠性;

2.做出更好的决定;

3.降低成本。

虽然这些都是积极的驱动因素，但研究还表明，在可靠性领域，数字化扩散的速度正在显著提高。大多数组织缺乏正式的政策、战略和计划，以使这些实现与组织的目标或目的相一致。同样，对于数字化的定义以及它如何应用于组织的解释存在冲突，这使得企业难以规划从哪里开始以及如何开始。虽然一些公司在应对数字化方面犹豫不决，但另一些公司在不了解如何传递价值的情况下就全力以赴。这些公司可能会发现，他们获得的唯一商业胜利就是吹嘘他们已经实施了一系列广泛的科学项目。

因此，围绕数字化需要一个统一的框架，一个给出通用术语和对挑战领域的理解的框架，这样它们就可以跨组织和行业进行沟通，从而揭开这个主题的神秘面纱。毫无疑问，您的企业将有不同的操作需求和IT体系结构。您将需要评估框架的哪些领域和指导为您提供了价值。这不是一个强制要求，而是一个通用术语、良好实践和指导的基线，以帮助希望实现数字化之旅的组织。

数字化战略框架

正常运行时间要素物联网知识域是一个数字化战略框架，可指导您的可靠性和资产管理之旅。它包括工业物联网(IIoT)、云计算等。工业4.0，正如它被命名的那样，现在必须包含在你的路线图中，所以这个框架包含了你应该向你的组织提出的问题，并提供了常见问题的答案，以澄清你在实施物联网时需要考虑什么。

物联网知识领域的要素包括:

• SOURCE -生成或作为数据源的项;
• CONNECT -交换数据的方法;
• 收集-准备和存储数据;
• 分析——将数据转化为见解;
• DO——从洞察中采取行动。

图2:bob综合体育网页版Reliabilityweb.com资产经理关于物联网的调查，2017-2018年结果

图3:正常运行时间要素物联网知识领域和数字化战略框架

不管你要实现哪个元素，你都需要考虑:

• 数字双胞胎的作用，以及您的自动化和业务系统在物联网环境中的作用:可以想象，您未来的状态将是从资产的数字双胞胎中进行工作，以便在精确详细的数字模型中更好地可视化和理解上下文中的信息。
• 数据和系统的可信度:识别和减轻来自安全漏洞和恶意软件的风险，并解决隐私、可靠性、弹性和安全性问题。
• 标准和治理:学习物联网数据治理指南和配置管理原则，以确保数据是可信的。

让我们更详细地了解物联网知识领域中的每个元素。

年代唯一(Sc)

它生成数据或作为数据来源的Ems

简单地说，数据源是用于告知人、地点或事物的情景条件的信息的起始点。来源可能来自于连接在他们监控的物体上的物理传感器。来源也可以来自其他外部系统，如社交媒体、内部业务系统(例如，企业资产管理系统、制造执行系统或企业资源规划系统)，以及以常见名称命名的档案，如数据湖。

常见的物理传感器类型包括监测温度、接近度、压力、水质、化学成分、气体(存在与否)、烟雾、红外、液位、图像(例如光学、热、红外)、运动检测、加速度计、陀螺仪和湿度等设备。

关于在哪种情况下使用哪种传感器，需要做出许多决定。例如，制造过程的差异(如过程、离散过程、批处理过程等)有其独特的生产类型的特征和感知组合。关于用于传感的设备类型的其他决策由为解决方案定义的需求驱动。传感设备的阵列与它们所服务的应用一样广泛。

连续过程监控与离散过程有不同的要求。结合来自多个来源的数据信息，通常是创建性能评估的完整图景所必需的。

要问的关键问题是:

• 如何配置传感器以收集正确的数据?
• 什么维度的读数是多少?
• 这种传感器将生活在什么样的环境中?

你为什么要关心来源?

随着物联网的世界扩展到更广泛的应用，它的阴暗面也越来越暴露出来。当您通过传感器将资产连接到内部网时，您就增加了该资产的脆弱性。因此，传感器和设备需要管理，就像任何其他IT设备一样。管理这些设备意味着安装和配置遵循企业定义的供应治理指南。随着您的物联网实施逐步全面部署，与规模、安全性和连接性相关的挑战可能会迅速加剧，这反过来又会推高成本并延迟进度。因此，物联网部署计划必须包括易于供应、配置、监控、更新和退役的策略——应用于设备的全生命周期规划。

由于源设备对所监控的资产及其与工厂控制系统的连接有影响，因此源设备需要将安全管理作为安全操作指南的一个活跃部分。需要缓解的漏洞包括未签名的固件、默认凭据、传输中的不安全数据、不安全的密钥存储以及遗漏的固件/软件更新。记住，飞行员和概念验证是很好的学习练习。注意这里的关键需求可以节省以后的时间和金钱。

连接(有限公司)

数据交换方法

当然，一旦您开始访问设备，就有必要建立到企业网络的连接。通信链路或信道是用于在源和接收机之间传输模拟或数字信息的单一传输介质。Connect的重点是构建一个通信架构，实现从可靠的机器操作到实时分析的所有事情。把它比作机器、工厂、公司的神经系统，把世界联系起来。支持通信的常用传输路径包括引导媒体(如铜线和光纤)和非引导媒体(如无线电、微波和激光)。一个健全的设计包括通信技术的选择，提供安全可靠的性能，使源设备的选择自由和机器专家的高效应用。

目前在工厂中广泛使用的有线网络包括PROFIBUS, PROFINET, Sercos, HART, CAN和以太网。然而，在有线网络上运行有线是昂贵的，而且很难到达一些地方。电缆可能需要重新布线，如果工厂重新配置，它是不实际的设备移动。

无线技术解决了连接移动设备的问题，可用于适应灵活的工厂车间。如果性能和特性与期望的结果一致，它们在大多数应用程序中都能很好地工作。

为什么要关注网络连接?

在无线通信中有几个需要考虑的挑战:

• 可靠性:满足99.999%的可靠性;
• 坚固性:在极端温度和振动的射频工厂环境中工作;
• 确定性:当只有一个动作可以执行时，给定当前输入和状态的毫秒精度;
• 延迟:处理控制器和源设备之间的毫秒延迟;
• 安全;
• 在工厂环境中的耐久性;
• 蜂窝计划收费:蜂窝和5G需要付费服务提供商。

为了解决这些挑战，可以使用几种类型的无线应用程序，这些应用程序可能更适用于您正在尝试解决的用例。Zigbee Pro，蓝牙®，以太网，蜂窝和LoRa®都是可以考虑的选择，每个都提供独特的特性来回答各种各样的应用。

无线技术的引入，无论是在智能电网中，还是作为企业、控制中心或远程站点基础设施的一部分，都会带来严重的安全问题。网络健康和网络安全是新兴的故障模式，可能非常重要。无线连接的进步提高了灵活性和敏捷性，但也提高了对安全协议的认识。无线网络应通过防火墙与其他网络隔离，并实现强加密和认证。

美国国土安全部记录了通过各种安全策略缓解的攻击数量。作为一组实践，它们可以有效地防止大多数入侵。

图4:有效防御工业控制系统的七个步骤(来源:国家网络安全和通信集成中心报告，3/24/18)

收集(Cl)

数据的准备和存储

收集数据的主要原因是使其可以在上下文中进行分析。收集和存储数据并不是什么新鲜事，但当你开始将数据视为数字化商业模式运行的燃料时，收集就有了全新的意义。为了进行诊断和后见分析，通常由人类专家执行，传统的历史学家和由时间序列数据提供的数据库是有目的的。用于数字化的多变量、多上下文、分析就绪数据的数量和速度不断增长，需要新的方法来实时处理、存储和准备这些数据。

为什么要关心如何收集数据?

几乎每天都有更多的存储选项和技术被开发出来，以处理制造数据的复杂性、数量和动态性。数据分析不再局限于人的分析。可能在云端或边缘运行的机器学习算法可能需要访问组织中其他任何地方收集的数据。应该在哪里收集和存储数据?当数据在不同的使用应用程序中移动时，如何保持数据中的原始真相?它将如何影响定义资产生命周期的数字双胞胎的完整性?通过不同的分析应用程序按需检索这些数据的成本影响是什么?所有这些影响，以及数据作为资产的价值不断增加，都需要一种更加谨慎和一致的数据收集方法。

分析(一)

将数据转化为见解

你从数据中寻求洞察，以便采取行动。一个很自然的问题是:“我以前一直在分析数据以获得知识和见解，那么在物联网世界中分析有什么新的地方吗?”迄今为止，大多数分析都是由人类专家进行的。这限制了资产所有者分析所有数据的能力，洞察(即结论)的有效性取决于专家的专业知识和经验水平。此外，结论可以是主观的。大多数分析都集中在事后诸葛和诊断上。即使是为了预测(即预测)而进行的分析，也是作为一个离散事件进行的。

在数字化的背景下，有了更强大的计算能力和数据分析技术，就有可能分析更多的数据，创造以前不可能实现的见解，并创建可操作的预测和远见。可以训练算法自动执行分析，并且随着新数据流的到来，分析可以持续进行。这种由机器学习和人工智能执行的自动化分析是在数字化背景下分析的关键区别。

为什么你应该关心分析物联网数据?

在过去的几十年里，您的资产生成的数据量显著增加。随着配备了更多传感器的新资产进入企业，数据量只会以指数形式进一步增长。这些数据本身将成为任何企业的宝贵资产。对数据的快速分析将提高企业的生产力和利润。您如何通过分析和由此产生的行动充分利用数据将影响您业务的成功。对于一些企业来说，将知识应用于数据分析所产生的见解可以变现，从而产生新的收入流。

(做)

从洞察中采取行动

分析数据的主要原因是使其具有可操作性。您希望做一些能够带来商业价值的事情。从这些行动中获得的价值可以提高生产率、收入和质量等关键业务领域。通过观察您的操作结果，您可以学习和获得最知名的方法，并通过从数字和物理资产中提取最大价值，为您的操作提供持续的反馈改进。

你为什么要关心Do?

如今，工业界在网络、数据存储和应用程序等IT基础设施上投入了大量资金。公司需要通过回报可操作和可衡量的结果来确保费用能够产生价值。不管愿意与否，企业已经被推入了数字时代，作为副产品，它们获得了海量的数据和信息。因此，分析已经成为从海量数据中收集见解的必要条件。然而，只有当你能用分析做一些有价值的事情时，分析的洞察本身才会产生价值。

图5:快速分析数据将提高企业的生产力和利润

将这些见解转化为行动可以通过包括机器学习和深度学习在内的人工智能等有前景的技术进步来实现;自主操作;人类扩张;以及电子工作流程。这些技术允许将分析付诸行动，以衡量所产生的效果和自我学习。当do操作产生预期结果时，对动作反馈循环的分析将得到验证。然后，你可以从你的数据中学习，然后从你的资产中提取最大的价值，包括物理和数字资产。

企业的数字文化

对于数字化转型，人们需要接受一种数字化文化，在这种文化中，数字处理优于手工处理。领导力是推动数字化转型以实现业务目标的关键;分享作为竞争差异化的愿景，并为向数字文化转变的文化变革播下种子。

你准备好了吗?

如果组织要从对人工智能和工业物联网潜力的认识阶段发展到采取行动，就需要改进所有五个正常运行时间要素知识领域的基本要素。所有领域都有影响，但尤其是:

• 资产管理;
• 战略和计划;
• 决策;
• 资产生命周期管理;
• 风险;
• 资产的知识;
• IT/OT/ET的跨职能领导。

为了实现数字化的全部前景，需要在跨信息技术(IT)、运营技术(OT)和企业技术(ET)的可靠性领导文化的基础上，创建一个全面的方法来推进可靠性和资产管理。用数字化战略框架指导物联网的愿景，同时也将创造可信度。

认识到数据的价值是无价的。当您创建一个透明的决策框架和增强的资产知识时，您将在跨职能和通常在您自己的组织之外产生新的见解。

为将来的工作做准备:

• 在加强人力资本管理的同时投资于新的能力和流程，重点是使人们能够使用数字信息，以实现机器辅助的可靠性和资产管理。使用正常运行时间元素-可靠性框架和资产管理系统™作为指南。
• 帮助塑造未来的劳动力。人永远比技术更重要。以您的可靠性领导力为基础，建议/实施组织变革，支持由人工智能、机器学习、增强现实和物联网增强的跨职能和协作工作环境。

如果你没有目的地，任何道路都可以让你到达那里。制定包括数字化在内的政策、战略和计划，并为组织的目标或目标建立一条视线。

接下来是什么?

要了解完整的故事，请参加维护4.0论坛，该论坛与可靠性会议™于2019年5月6日至10日在华盛顿州西雅图举行。本文作者将举办一个关于正常运行时间元素物联网知识领域和数字化战略框架的完整研讨会。欲了解更多信息，请访问www.reliabilityconference.com。