48、数字化生产与工业物联网：数据、系统与挑战

数字化生产与工业物联网：数据、系统与挑战

1. 数据价值挖掘与模型应用

在当今数字化时代，数据蕴含着巨大的价值，但往往不能直接为用户带来全部的益处。新的企业将应运而生，提供利用、提炼数据并从中提取关键信息、挖掘其价值的服务和工具。在这个过程中，模型将发挥重要作用，它能够将认知知识与大数据中的信息相结合。

为了处理海量数据，有必要在数据的源头对原始数据进行处理，仅传输经过浓缩的信息。网络物理生产系统（CPPS）在其中扮演着重要角色，它能使传感器在收集数据后立即进行处理，从而减少传输的数据量，提高反应时间，并将决策分散化。然而，分散化系统会带来安全威胁，因为与外界的接口数量大幅增加。因此，在开发CPPS时，安全问题必须成为关注的焦点。而且，即使有最好的CPPS架构和商业创意，如果不付诸实践，也无法获得经济利益。企业必须将这些想法应用到生产线中。

2. 工业物联网中的制造网络物理系统

在德国，大量原油被加工成石油和石化产品，这些危险物质通常通过铁路运输。虽然液体石化产品的生产过程在很大程度上实现了自动化，但将产品装入油罐车的过程仍需人工操作。这不仅对操作人员的健康构成高风险，因为所装载的材料有毒且易燃易爆，而且有时操作环境恶劣，温度范围在 -20°C 至 +35°C 之间。

为了降低人员风险和身体负担，提高操作的安全性和效率，需要实现油罐车装载操作的自动化。但这面临着诸多挑战，如油罐车的高度异质性、多变的环境条件以及严格的法定防爆指南等。由于所装载危险物质的高风险潜力，必须采取全面的安全措施来保护人员和环境。

3. 系统集成的前提和标准

将网络物理系统（CPS）集成到机械设备中可能会引发生产过程的重