當前位置: 深圳新聞網(wǎng)首頁>產(chǎn)經(jīng)>科技>本日精選>

全球工業(yè)互聯(lián)網(wǎng)十大最具成長性技術(shù)

全球工業(yè)互聯(lián)網(wǎng)十大最具成長性技術(shù)

分享
人工智能朗讀:

中國工業(yè)互聯(lián)網(wǎng)研究院任近來調(diào)研走訪了一批在工業(yè)互聯(lián)網(wǎng)相關(guān)技術(shù)及產(chǎn)業(yè)方面具備領(lǐng)先水平和骨干企業(yè)。

原標題:全球工業(yè)互聯(lián)網(wǎng)十大最具成長性技術(shù)

經(jīng)濟參考報2019年8月19日訊 為準確把握全球工業(yè)互聯(lián)網(wǎng)戰(zhàn)略方向,及時跟蹤工業(yè)互聯(lián)網(wǎng)創(chuàng)新動態(tài)及特征態(tài)勢,前瞻研判工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)化重大布局,中國工業(yè)互聯(lián)網(wǎng)研究院任近來調(diào)研走訪了一批在工業(yè)互聯(lián)網(wǎng)相關(guān)技術(shù)及產(chǎn)業(yè)方面具備領(lǐng)先水平和特色的骨干企業(yè),組織拜訪了來自于著名高校、科研機構(gòu)的工業(yè)互聯(lián)網(wǎng)相關(guān)領(lǐng)域?qū)<覍W者,系統(tǒng)梳理了國內(nèi)外權(quán)威智庫和知名戰(zhàn)略咨詢公司的最新報告,在2019世界工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)大會上發(fā)布了《全球工業(yè)互聯(lián)網(wǎng)十大最具成長性技術(shù)展望(2019~2020年)》。

1、5G網(wǎng)絡(luò)切片技術(shù)

5G網(wǎng)絡(luò)切片技術(shù)是指將一個物理網(wǎng)絡(luò)切割成多個虛擬網(wǎng)絡(luò),實現(xiàn)對5G網(wǎng)絡(luò)數(shù)據(jù)進行分流管理,并保持每個虛擬網(wǎng)絡(luò)間邏輯獨立性的技術(shù),可在不增設(shè)網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上,為多元化客戶提供定制化網(wǎng)絡(luò)功能服務。針對高清視頻實時傳輸、海量物聯(lián)動態(tài)示蹤和低時延精密操控等工業(yè)互聯(lián)網(wǎng)應用場景,該技術(shù)可實現(xiàn)將5G網(wǎng)絡(luò)虛擬切割為分別具有增強移動帶寬、海量物聯(lián)和超可靠低時延通信等特性的若干網(wǎng)絡(luò)片層,映射滿足不同場景的差異化需求。

2、基于OPC統(tǒng)一架構(gòu)的時間敏感網(wǎng)絡(luò)技術(shù)

這是一種基于OPC統(tǒng)一架構(gòu)(OPC Unified Architecture, OPC UA),建立支持網(wǎng)絡(luò)間互操作的時間敏感機制,突破性實現(xiàn)信息技術(shù)(IT)與操作技術(shù)(OT)在物理層、數(shù)據(jù)鏈層、網(wǎng)絡(luò)層、傳輸層、會話層、表達層和應用層全面融合的技術(shù)。該技術(shù)基于國際電工委員會(IEC)和電氣和電子工程師協(xié)會(IEEE)國際標準搭建,可為工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò)體系構(gòu)建提供標準化模塊,是建立從傳感器到云端大帶寬、高同步、廣兼容通訊的關(guān)鍵技術(shù)。

3、軟件定義分支技術(shù)

軟件定義分支技術(shù)是指具有軟件定義廣域網(wǎng)、路由、網(wǎng)絡(luò)安全和LAN/WiFi功能集成的集中式平臺管理技術(shù),可高效便捷的將網(wǎng)絡(luò)的控制平面與數(shù)據(jù)轉(zhuǎn)發(fā)平面進行分離,通過集中控制器中的軟件平臺對底層硬件的可編程化控制,實現(xiàn)對網(wǎng)絡(luò)資源的柔性調(diào)配。在工業(yè)互聯(lián)網(wǎng)內(nèi)網(wǎng)建設(shè)過程中,該技術(shù)可利用網(wǎng)絡(luò)虛擬化方式擺脫硬件對網(wǎng)絡(luò)功能的限制,以低成本實現(xiàn)高靈活性的網(wǎng)絡(luò)資源優(yōu)化控制。

4、IP層與光層異構(gòu)融合技術(shù)

IP層與光層異構(gòu)融合技術(shù)是指通過網(wǎng)絡(luò)異構(gòu)策略融合IP承載網(wǎng)(IP層)與光傳送網(wǎng)(光層)優(yōu)勢資源的技術(shù),可解決因分層規(guī)劃和獨立運維導致的IP層與光層網(wǎng)絡(luò)資源利用率低,網(wǎng)絡(luò)調(diào)整困難等問題。憑借對于IP層與光層資源的動態(tài)協(xié)同能力,該技術(shù)將在建設(shè)高可靠性、高靈活性、高帶寬利用率、高可維護可管理性的工業(yè)互聯(lián)網(wǎng)骨干外網(wǎng)過程中體現(xiàn)重要價值。

5、基于簽名加密算法的分布式數(shù)據(jù)庫系統(tǒng)

這是一種以區(qū)塊鏈技術(shù)為代表的由數(shù)據(jù)庫管理系統(tǒng)和數(shù)據(jù)庫構(gòu)成的信息邏輯統(tǒng)一、物理節(jié)點分立的數(shù)據(jù)存取技術(shù)。憑借去中心化、有限透明、分布的可靠數(shù)據(jù)庫、自治性、記錄難以更改、準匿名性等特點,該技術(shù)有望在工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)采集、存儲、解析、交易體系建設(shè)中顯著提升數(shù)據(jù)系統(tǒng)在威脅防護、檢測感知、處置恢復等方面的被動防御和主動防控能力。

6、數(shù)字對象架構(gòu)技術(shù)

數(shù)字對象架構(gòu)技術(shù)是指由數(shù)字對象、存儲器、標識、解析系統(tǒng)和注冊表構(gòu)成的用于分布式信息存儲、定位和檢索的通用型架構(gòu)技術(shù)。該技術(shù)是工業(yè)互聯(lián)網(wǎng)標識解析體系搭建的關(guān)鍵支撐技術(shù),可廣泛應用于數(shù)字對象的標識解析管理,實現(xiàn)異主、異地、異構(gòu)數(shù)據(jù)信息的智能化采集、識別、關(guān)聯(lián),支持連接實體信息的逆向查詢,對推動工業(yè)互聯(lián)網(wǎng)構(gòu)建物理對象的互操作空間具有重要意義。

7、自主診斷技術(shù)

自主診斷技術(shù)是指基于模型基礎(chǔ)、數(shù)據(jù)驅(qū)動等預測算法,通過運動、溫度、壓力等物理傳感器獲取參數(shù)信息,分析評估設(shè)備運行健康情況的技術(shù)。該技術(shù)在工業(yè)互聯(lián)網(wǎng)的設(shè)備運維場景中具有重要應用價值,可通過對于設(shè)備運行參數(shù)的算法分析,自動化感知設(shè)備疲憊、磨損、腐蝕等運行狀態(tài),智能化提供調(diào)控、預警、停機等運維決策,實現(xiàn)延長使用壽命、提高運維效率、減低事故風險。

8、微毫米坐標智能定位技術(shù)

微毫米坐標智能定位技術(shù)是指由空間坐標感知系統(tǒng)和機械操作系統(tǒng)構(gòu)成,融合機器學習算法迭代優(yōu)化機械單元空間定位精度和尋跡路徑的技術(shù),是實現(xiàn)工業(yè)機器人自主完成鉚接、焊接、組裝、剪裁、物流等機械操作的關(guān)鍵。機器學習算法的演進升級將進一步推動該技術(shù)彈性滿足工業(yè)互聯(lián)網(wǎng)在離散行業(yè)應用中對于機械操作的高精度定位感知和低時延操控響應的需求。

9、云邊融合計算技術(shù)

云邊融合計算技術(shù)是指建立云層與邊緣層計算過程數(shù)據(jù)互聯(lián)互通,動態(tài)調(diào)配計算資源,實現(xiàn)云層高通量計算能力和邊緣層高時效計算能力分布協(xié)同的技術(shù),可滿足泛在網(wǎng)絡(luò)所帶來的指數(shù)級數(shù)據(jù)計算需求和低時延應用場景所提出的毫秒級計算響應需求。憑借柔性分配云邊層計算資源的能力,該技術(shù)有望在不拓展硬件設(shè)施的基礎(chǔ)上,大幅提高工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)的整體處理能力。

10、數(shù)字紐帶技術(shù)

數(shù)字紐帶技術(shù)是指在生命周期和價值鏈為數(shù)字孿生體提供數(shù)據(jù)訪問、整合和轉(zhuǎn)換能力,實現(xiàn)追溯、共享、交互、協(xié)同數(shù)據(jù)信息的技術(shù)?;跀?shù)字孿生體構(gòu)建數(shù)字孿生系統(tǒng)的關(guān)鍵技術(shù),該技術(shù)可推動工業(yè)互聯(lián)網(wǎng)平臺對零件、設(shè)備、生產(chǎn)線、工廠、城市等不同顆粒度數(shù)字孿生體的靜態(tài)物理坐標復刻建模向行為流程邏輯映射發(fā)展,實現(xiàn)虛擬世界對物理世界的描述、預測、診斷、決策。(記者蘇萬明)

[責任編輯:田志強]