Промышленный интернет вещей

Промышленный интернет вещей реализуется с помощью таких технологий, как кибербезопасность, облачные вычисления, периферийные вычисления, мобильные технологии, «машина-машина», 3D-печать, передовая робототехника, большие данные, интернет вещей, технологии радиочастотной идентификации и когнитивные вычисления^[3].^[4] Среди ключевых технологий, используемых в IIoT:

• Киберфизические системы (CPS): основной технологический фундамент IIoT и интернета вещей, позволяющий соединять ранее разрозненные физические объекты. CPS интегрирует динамику физических процессов с программным обеспечением и коммуникациями, обеспечивая абстракции, моделирование, проектирование и методы анализа^[1].
• Облачные вычисления: предоставляют ИТ-услуги и ресурсы через интернет, что позволяет хранить файлы в облаке, а не на локальных устройствах^[5].
• Периферийные вычисления: децентрализованная обработка данных на периферии сети, ближе к источнику данных, — альтернатива исключительно облачной архитектуре, повышающая производительность, качество продуктов и услуг в промышленности.^[4][6][7]
• Аналитика больших данных: процесс анализа больших и разнообразных наборов данных^[8].
• Искусственный интеллект и машинное обучение: направление информатики для создания интеллектуальных машин и предсказательных моделей^[9][10]. Искусственный интеллект может сочетаться с периферийными вычислениями, формируя промышленные решения «edge intelligence»^[11]. Такие технологии применяются для мониторинга состояния оборудования, предиктивного обслуживания, оптимизации процессов^[12] и федеративного обучения^[13].

IIoT-системы, как правило, имеют развитую модульную слоистую архитектуру цифровых технологий^[14].

История промышленного интернета вещей начинается с изобретения программируемого логического контроллера (PLC) Ричардом Э. Морли (англ. Richard E. Morley) в 1968 году, и его внедрения компанией General Motors в производстве автоматических трансмиссий^[15]. PLC позволяли точно управлять отдельными элементами производственных цепочек. В 1975 году Honeywell и Yokogawa представили первые в мире DCS — системы TDC 2000 и CENTUM соответственно.^[16][17] Эти системы обеспечивали гибкость процессов на промышленных объектах и резервирование за счёт распределения управления.

В 1980 году, с появлением Ethernet, начали реализовывать концепцию сети «умных» устройств — в 1982 году автомат Coca-Cola в университете Карнеги-Меллона стал первым подключённым к интернету бытовым прибором^[18], который сообщал свой инвентарь и статус охлаждения напитков^[19]. К 1994 году проводились и масштабные промышленные эксперименты: Реза Раджи (англ. Reza Raji) описал в IEEE Spectrum концепцию переноса малых пакетов данных между большим числом узлов для автоматизации от бытовых до промышленных систем.

Понятие интернета вещей получило широкую известность в 1999 году благодаря Auto-ID Center в MIT и отраслевым публикациям^[20]. Радиочастотная идентификация (RFID) рассматривалась Кевином Эштоном как краеугольная технология для IIoT^[21]. Идея заключалась в повсеместном оснащении объектов и людей идентификаторами для учёта и автоматического управления.^[22][23][24] Для идентификации помимо RFID используются NFC, штрихкоды, QR-коды и цифровые водяные знаки^[25].

Современное понимание IIoT сформировалось после появления облачных технологий в 2002 году (для хранения и анализа больших объёмов данных) и разработки протокола OPC Unified Architecture (2006), обеспечившего защищённую удалённую связь устройств и приложений без участия человека.

Практической задачей IIoT выступает мгновенное и непрерывное управление запасами^[26][27]. Внедрение IIoT также позволяет создавать цифровые двойники промышленных объектов, проводить виртуальные эксперименты и обучение сотрудников без остановки производства и ущерба безопасности^[28].

Фреймворки IoT обеспечивают взаимодействие между устройствами, а также поддержку распределённых вычислений и приложений.

• IBM развивает когнитивный IoT, объединяющий машинное обучение, контекстную информацию, отраслевые модели и обработку естественного языка^[29].
• Фонд стандартов XMPP (XSF) разрабатывает открытый протокол Chatty Things на базе XMPP для реализации масштабируемой и безопасной инфраструктуры^[30].
• REST — масштабируемая архитектура, позволяющая устройствам взаимодействовать через HTTP^[31].
• MQTT — архитектура подписки/публикации поверх TCP/IP для двустороннего общения между устройством и брокером^[32].
• Node-RED — открытое ПО для интеграции API, аппаратуры и онлайн-сервисов.
• OPC — серия стандартов для соединения компьютерных систем и автоматизированных устройств.
• OMG Data Distribution Service (DDS) — международный стандарт обмена данными (публикация/подписка в реальном времени) для промышленных и встраиваемых систем.^[33][34]
• Эталонные архитектуры IIoT — проекты Industrial Internet Consortium (IIC) и немецкой Индустрии 4.0^[35].

Термин промышленного интернета вещей чаще всего встречается в промышленности и производстве как специализированный вариант IoT. Потенциальные преимущества IIoT включают повышение производительности, расширенную аналитику и трансформацию рабочих процессов^[36]. Согласно прогнозам, IIoT может увеличить мировой ВВП на 15 триллионов долларов к 2030 году.^[36][37]

Классическим примером использования являются системы предиктивного обслуживания — возможность внедрять интеллектуальные системы обслуживания на основании анализа собранных данных.^[36][38] Киберфизические системы становятся центральным элементом архитектуры промышленных больших данных.

Интеграция сенсоров и исполнительных устройств, подключённых к интернету, позволяет оптимизировать энергопотребление, как в домашних устройствах, так и в масштабах городских и промышленных энергосистем.^[39][40] Особенно актуален IIoT для интеллектуальных энергосетей (Smart Grid), в которых датчики собирают информацию для оптимизации производства и распределения электроэнергии.

Среди других практических примеров — «умные» LED-указатели на парковках, сенсоры очистки воды, RFID-метки для отслеживания персонала и оборудования, внедрение датчиков в инструменты для учёта работы, использование данных с различных систем для виртуального моделирования новых процессов^[37].

В автомобильном производстве IIoT обеспечивает цифровизацию всего производственного цикла: интеграцию машин, программ и рабочих, быструю адаптацию к стандартам^[41]. IIoT ускоряет внедрение новых технологий, например 3D-печать матриц, даёт возможность индивидуализации продукции и организации совместной работы людей и роботов. Производственные комплексы могут объединяться на глобальном уровне, а анализ больших данных ускоряет реакцию на колебания спроса и логистические вызовы.

В нефтегазовой промышленности IIoT позволяет хранить и отправлять большие объёмы данных, интегрируя машины, сенсоры, оборудование и персонал через облачные системы и аналитику^[42]. IIoT помогает бороться с киберугрозами, автоматизировать мониторинг и логистику, минимизировать воздействие на окружающую среду^[43]. Внедрение беспилотников с тепловизорами и сетью сенсоров позволяет отслеживать утечки и техническое состояние в сложных или удалённых местах^[44]. IIoT оптимизирует добычу за счёт 4D-моделей, автоматизированного бурения, контроля температуры и транспортировки.

В сельском хозяйстве IIoT помогает оценивать моменты для сбора урожая, регулировать использование удобрений и орошение на основе данных с датчиков почвы и погодных условий^[45]. На животноводческих фермах используются микрочипы для отслеживания животных, анализа их состояния и генеалогии^[46].

Интеграция IIoT в фотовольтаические (PV) системы повышает эффективность мониторинга, диагностики и управления солнечными электростанциями^[47]. Сочетание IIoT и искусственного интеллекта используется для оптимизации производительности, обнаружения и предсказания неисправностей.

Расширение IIoT порождает новые вопросы информационной безопасности, поскольку каждое новое подключённое устройство потенциально увеличивает риск^[48]. Согласно оценкам Gartner, к 2020 году более 25 % кибератак на организации будет связано с IoT-системами, хотя на их защиту тратится менее 10 % IT-бюджетов^[49]. Классические методы информационной безопасности часто не эффективны для защиты IoT-устройств^[50], что делает их уязвимыми для атак типа DDoS с использованием ботнетов, например Mirai. Существенную угрозу представляют также заражения промышленного программируемого оборудования (например, Stuxnet) без необходимости физического доступа^[51].

IoT-устройства могут также увеличить риски традиционных видов киберпреступлений: в случае Target в 2013 году утечка данных произошла через доступ, полученный с помощью стороннего поставщика услуг вентиляции^[52]. Медленные темпы внедрения IIoT в фармацевтической промышленности также связаны с опасениями по поводу безопасности^[53]. Сложность разработки стандартных средств защиты объясняется фрагментарностью аппаратных решений^[54]. Вследствие этого предпочтение отдаётся программно-ориентированным и аппаратно-независимым архитектурам^[55].

В особых случаях применяются аппаратные методы защиты — например, data diodes — при интеграции критических инфраструктур^[56].