基于知識圖譜的國外工業互聯網研究現狀及趨勢分析

李向東，何有龍，耿立校*

（1.河北工業大學 經濟管理學院，天津 300401；2.河北工業大學國家技術創新方法與實施工具工程技術研究中心，天津 300401）

0 引言

制造業數字化是全球領先國家提高產業競爭力的重要戰略，在推進數字化進程中，世界主要國家將工業互聯網作為制造業轉型升級和重塑未來競爭優勢的重要手段。根據美國通用公司（GE）等權威機構的分析，2030年全球工業互聯網將達到15萬億美元的經濟價值，將影響全球一半的經濟規模。未來工業互聯網還將從環保、醫療等領域產生社會價值，成為各國搶占制造業競爭制高點的共同選擇，也是我國實現制造強國和“彎道超車”的重要途徑[1]。

工業互聯網的概念最早由美國GE公司于2012年提出，隨后美國成立了工業互聯網聯盟（Industrial Internet Consortium，IIC），這一概念也隨之被大力推廣。近年來，全球主要國家紛紛提出了發展工業互聯網的規劃，例如美國的“先進制造領導力戰略”，德國的“工業4.0”計劃，日本的“互聯工業”，法國的“新工業法國”，以及英國的“英國制造2050”等。我國于2015年5月發布《中國制造2025》，提出重點發展工業互聯網；2017年11月，國務院印發了《關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》，明確了我國工業互聯網發展的主要目標和任務。盡管各國在發展工業互聯網中采取的具體措施、切入點和名稱都各不相同，但本質都是利用云計算、大數據、人工智能等新一代信息技術推動制造業向數字化、網絡化和智能化轉型，與我國通過工業互聯網推動制造業轉型的邏輯是一致的。

工業互聯網的本質是通過互聯網將各類制造資源與創新資源相互連接，對多源數據的感知、分析和數據挖掘，實現物理系統和虛擬系統的巧妙融合，從而形成“機機互聯、人機互聯”的新制造業體系[2]。工業互聯網的內涵可以從構成要素、核心技術和產業應用三個角度來闡述，從構成要素來看，人、機器和數據共同構成工業互聯網生態系統；從核心技術來看，工業互聯網是物聯網、大數據、云計算等新一代信息技術的有機結合；從產業應用來看，工業互聯網是信息技術在工業領域的應用和拓展，主要包括數據采集與傳輸、數據分析、決策反饋三個方面，面向行業涉及制造業、能源、醫療健康、金融等。作為工業互聯網的三大要素，工業互聯網平臺是工業資源配置的核心，是打造制造企業競爭優勢的關鍵，國外也相繼涌現出眾多的工業互聯網平臺，例如GE的Predix平臺、PTC的ThingWorx平臺等。

隨著工業互聯網的全面布局和發展，學術界針對工業互聯網的體系架構、相關使能技術等做了大量研究。本文通過檢索Web of Science（WoS）數據庫中的工業互聯網相關文獻，運用CitespaceV繪制國外工業互聯網研究的合作網絡圖譜、文獻共被引圖譜和關鍵詞共現圖譜，對國外工業互聯網的研究現狀和研究熱點進行梳理，探究國外在工業互聯網領域的研究趨勢和方向。

1 數據來源與研究方法

1.1 數據來源

基于WoS數據庫，以industrial internet、industry 4.0、internet of things、industrial internet of things、IoT、IIoT為關鍵詞在標題中檢索，具體檢索設置如表1所示。通過在研究過程中不斷更新文獻，累計得到文獻7678篇，剔除相關性較低的文獻后得到1940篇有效文獻用于計量分析。

表1 WoS中“工業互聯網”檢索設置

1.2 研究方法

采用文獻計量的方法來分析國外工業互聯網相關研究的演化進程及其相互關系。文獻計量法是指運用數學和統計學等計量方法，以文獻為研究對象，定量分析文獻間的聯系，以探究某個研究領域的知識結構、演化規律及熱點的研究方法[3]。采用動態網絡分析的信息可視化技術和工具—CiteSpace軟件進行文獻共被引分析和聚類分析，繪制工業互聯網研究和發展的知識圖譜，揭示工業互聯網研究領域的代表人物、代表文獻和主要合作網絡，展示國外工業互聯網研究的發展演化路徑，并探討未來工業互聯網的熱點主題和研究方向。

2 國外工業互聯網研究的描述統計

2.1 工業互聯網研究的發文量

為探索國外工業互聯網研究的演化發展規律，對WoS中工業互聯網研究文獻的年發文量進行了統計，如圖1所示。可以看出，國外對工業互聯網的研究可以劃分為三個階段：第一階段為2012年至2014年，該階段處于工業互聯網研究的起步階段，因此發文量較少且沒有顯著的增長趨勢；第二階段為2015年至2017年，該階段工業互聯網研究文獻的發文量顯著提高，但沒有明顯的增長趨勢；第三階段為2018至今，該階段是工業互聯網研究的快速增長階段，不僅發文量上升，還具有高速增長的趨勢。自2012年美國發布工業互聯網戰略以來[4]，國外工業互聯網發展迅速，工業互聯網研究文獻的發文量與工業互聯網的發展趨勢基本吻合。

圖1 WoS中工業互聯網文獻發文量

2.2 工業互聯網研究的學科分布

通過分析工業互聯網研究的學科分布可以了解工業互聯網應用和發展的主要方向和領域。對WoS中的國外工業互聯網相關研究文獻的學科類別進行了統計，由于數據量較大，本文篩選了文獻量大于100的WoS類別，結果如圖2所示。

圖2 WoS中工業互聯網學科類別

從學科分布可以看出，發文量多的學科與工業互聯網的應用場景和相關使能技術具有較強的相關性，主要有電氣電子工程領域、電子通信、計算機以及工業工程等。網絡是工業互聯網的基礎，計算機、傳感器等技術設備和基礎設施是工業互聯網的關鍵支撐，對工業互聯網關鍵技術及其應用的研究仍然是未來的主要方向。

2.3 工業互聯網文獻的來源國家

本文統計了WoS中工業互聯網相關文獻的來源國家，如圖3所示。統計結果顯示，美國是工業互聯網研究發文量最多的國家，其發文量顯著高于其他國家，發文量為356篇，占總發文量的18.35%；其次是西班牙，其發文量為217篇。另外，德國、英國、意大利等國家的發文量也超過了100。

圖3 WoS中工業互聯網文獻來源國家

3 工業互聯網研究的合作網絡分析

3.1 國家合作網絡分析

圖4是WoS中工業互聯網相關文獻的國家合作網絡。從連接線數量來看，美國的連接線最多，其中心性達到0.24，說明美國是參與工業互聯網合作研究最廣泛的國家。另外，德國、日本、英國等發達國家也呈現出較強的合作關系和合作網絡。可以看出，國外對工業互聯網研究的國家已經形成了以美國、德國、英國等國家為核心的合作網絡，且呈現合作范圍擴大的趨勢。

圖4 WoS中工業互聯網研究的國家合作網絡

3.2 發文機構合作網絡分析

發文機構合作網絡分析是通過繪制某個研究領域或主題下的合作網絡，來分析目前該領域領先的研究機構。運用Citespace繪制了WoS中工業互聯網研究文獻的發文機構合作網絡圖譜，如圖5所示。從連接線數量來看，康奈爾大學、世宗大學、瓦倫西亞理工大學的連接線最多，中心性都為0.05，與其他研究機構的合作最廣泛；另外，根特大學、北里大學等也具備較高的中心性。總體而言，國外對工業互聯網研究的機構以大學為主，并呈現多點開花的局面，并初步形成了工業互聯網研究的機構合作網絡。

圖5 WoS中工業互聯網研究的科研機構合作網絡

3.3 作者合作網絡分析

了解一個領域的核心作者以及作者間的合作關系，對于把握該領域的科研動態和研究進展具有重要的參考價值[5]。運用CitespaceV繪制了WoS中工業互聯網研究文獻的作者合作網絡，如圖6所示。

圖6 WoS中工業互聯網研究的作者合作網絡

可以看出，國外對工業互聯網研究的作者形成了分別以Kumar、Vilajosana、Sisinni和Hoebeke為核心作者的四個主要合作網絡。其中，以Kumar為核心的合作網絡主要關注信息物理云系統（Cyber Physical Cloud Systems，CPCS）中邊緣計算、云計算和大數據的應用，以及CPCS在醫療、環保等領域的應用拓展[6]；以Vilajosana為核心的合作網絡主要關注低功耗無線傳感器和傳感網絡及其在工業互聯網中的應用[7]；以Sisinni 為核心的合作網絡主要研究無線通信、智能傳感器以及傳感網絡在工業領域的應用[8]；以Hoebeke為核心的合作網絡主要關注工業無線傳感器和執行器網絡在工業環境下的優化和適用性研究[9]。

4 工業互聯網研究的演化進程

為探索國外工業互聯網研究的主題及其演化路徑，對WoS數據庫中的工業互聯網相關文獻進行共被引分析和聚類分析，并對高被引文獻進行梳理。由于國外主要國家在發展工業互聯網過程中形成了不同認識，對工業互聯網研究的切入點存在差異，但本質都是利用云計算、大數據、物聯網、人工智能等新一代信息技術實現人、機器和數據的互聯互通，工業互聯網融合了工業4.0、物聯網和工業物聯網等相關概念和技術，因此，本文將工業4.0、物聯網、工業物聯網的相關文獻均納入工業互聯網研究范疇。

4.1 文獻共被引分析

通過文獻共被引分析可以明確該領域的研究重點和方向，同時可以挖掘高被引的關鍵文獻。本文對WoS中工業互聯網研究的相關文獻進行共被引分析（如圖7所示），并篩選了共被引次數前10的文獻（如表2所示）。

圖7 WoS中工業互聯網研究的文獻共被引圖譜

結合圖7和表2可知，共被引次數最多的文獻是Xu等[10]關于物聯網的文獻綜述，對物聯網的發展現狀、關鍵使能技術以及物聯網在工業領域的應用進行了總結。物聯網是構成工業互聯網的關鍵技術，深化物聯網研究對于促進工業互聯網發展至關重要。Gubbi等[11]認為安全與隱私、參與式傳感、數據分析、云計算等是物聯網發展的關鍵。Al-Fuqaha等[12]通過分析物聯網中的協議和應用問題，探討了物聯網與大數據、云計算、霧計算等新興技術的關系，并提出物聯網服務之間進行橫向整合的需要。

表2 引用次數前10的共被引文獻記錄

4.2 文獻共被引聚類分析

在CiteSpace中，以1年為時間切片，根據每個切片中的g-index指數，將比例因子k設置為25，然后采用LLR算法從施引文獻的標題中提取聚類標簽，共得到188個聚類。本文篩選了相關性最高的8個聚類（如表3所示），并繪制了聚類的時間線圖譜（如圖8所示）。由圖8可知，聚類的模塊值（Q值）為0.7831，大于0.5，表明圖譜的聚類結構顯著；聚類的平均輪廓值（S值）為0.8387，大于0.7，說明聚類結果是合理有效的。本文對每個聚類的演化過程、主要研究主題和經典文獻進行詳細論述。

圖8 WoS中工業互聯網研究的聚類時間線圖譜

表3 WoS中工業互聯網共被引文獻聚類信息

聚類#1是機器學習的相關研究，包含機器學習算法、機器學習在工業互聯網中的應用等。機器學習是實現人工智能和大數據分析的重要方法，工業互聯網平臺是人工智能應用的重要載體，已被應用于工業互聯網的安全防護、人機交互、數據分析、工業圖像等多個場景。聚類#1中的最高引用者是Al-Garadi等[20]對可用于物聯網安全防護的機器學習方法和深度學習方法的探索研究，認為機器學習和深度學習能有效解決物聯網感知層、網絡層和應用層的安全問題，比如數據安全、設備檢測等。

聚類#2是工業互聯網的綜述研究，包含工業互聯網的概念、體系架構、相關使能技術、安全與隱私等。聚類#2中的最高引用者是Culot等[21]對工業4.0的文獻綜述，該研究通過分析工業4.0的近100個定義和相關概念，來解決“智能制造”、“數字轉型”和“第四次工業革命”的概念易混淆的問題，發現工業4.0與智能制造、云制造、工業互聯網等在技術和應用等層面存在明顯的交叉關系。

聚類#3是云計算的相關研究，包含云計算體系結構、安全和資源監控等。云計算是推動工業互聯網發展的關鍵技術，為不同工業場景提供分布式、低成本數據計算能力，其通過基礎設施即服務（Infrastructure as a Service，IaaS）、平臺即服務（Platform as a service，PaaS）、軟件即服務（Software as a Service，SaaS）等多種形式實現數據和資源的管理。聚類#3中的最高引用者是A.Al-Sharif等[22]關于云計算資源分配的研究，提出了自主云計算資源分配框架（Autonomic Cloud Computing Resource Scaling，ACCRS），以提高云計算系統的利用率，降低成本和功耗。

聚類#4是大數據分析的相關研究，包含大數據分析及挖掘技術、大數據存儲及管理技術以及大數據安全等。工業互聯網大數據功能架構包括數據采集與交換、數據預處理與存儲、數據建模、數據分析、以及決策與控制應用。聚類#4中的最高引用者是Khanra等[23]對大數據在企業中應用現狀的文獻計量分析，認為大數據分析工具、分析領域選擇以及道德與法律是大數據在企業應用中面臨的主要問題。

聚類#7是數字孿生的相關研究，包含數字孿生應用模式、仿真算法、標準體系等。數字孿生是工業互聯網平臺體系的關鍵技術，通過數字孿生可以獲取物理實體全生命周期的運行診斷、預測和決策信息，提高工業APP開發、測試、部署的效率。聚類#7中的最高引用者是Minerve等[24]對物聯網背景下數字孿生的文獻綜述，該研究從數字孿生的相關技術、應用場景和架構模型等方面闡述了數字孿生的概念，認為數字孿生已在學術界和工業環境被廣泛采納，軟件化和服務化是數字孿生未來發展的重要方向。

聚類#8是低功耗無線傳感器網絡的研究，包含無線傳感器網絡、機器對機器通信、低功耗無線局域網和射頻識別技術等。無線傳感器網絡是傳感器、計算機、無線通信和微機電技術的集成，已被廣泛應用于工業環境監測、智能工業、智能電網等多個領域。聚類#8中的最高引用者是Granjal[25]等對物聯網安全的文獻綜述，認為低功耗無線傳感器網絡的專業化和標準化是影響物聯網感知層安全的關鍵。

聚類#9是智能合約的相關研究，包含智能合約的制定、應用和安全等。智能合約是運行在區塊鏈數據庫中的計算機程序，是通過計算機語言取代法律語言來記錄條款的合約，具有數據透明、不可篡改、永久運行的特點。基于區塊鏈技術的智能合約是工業互聯網安全和信任體系建設的關鍵，能夠增強工業互聯網數據的可信性、可靠性和安全性。聚類#9中的最高引用者是Lockl等[26]對物聯網體系中信任問題的研究，該研究針對物聯網數據不透明的問題，提出了基于區塊鏈的物聯網傳感器數據記錄和監測系統，提高了數據的完整性和可用性，但智能合約計算費用也帶來了高額運營成本的問題。

聚類#10是關于深度學習的研究，包含深度學習算法、深度學習的應用等。深度學習是機器學習中的一個新的研究方向，是促進人工智能發展和應用的關鍵技術，以深度學習為主導的人工智能被應用于工業互聯網平臺的設備層、邊緣層、平臺層、應用層等四類應用場景，正推動傳統生產模式向實時感知、動態分析、科學決策、精準執行和優化迭代的智能化生產模式轉變。聚類#10中的最高引用者是Al-Hawawreh[27]等關于工業互聯網惡意活動識別算法的研究，該研究提出了一種基于深度學習模型的互聯工業控制系統異常檢測方法，該方法能利用TCP/IP數據包收集的信息進行學習和驗證，結果表明該方法具有較高的檢測率，可以在真實的互聯工業控制系統環境下實現。

通過共被引聚類分析可以發現，國外關于工業互聯網的研究主要可以分為兩個方面：一是對工業互聯網所涉及的相關使能技術的綜述性研究，例如機器學習、云計算、無線傳感器網絡等方面的綜述；二是為解決工業互聯網中的技術或管理問題而提出的解決方案，例如面向工業物聯網的低功耗無線網絡、面向數據采集的無線傳感技術、面向人工智能的機器學習算法等。

5 工業互聯網研究熱點及趨勢分析

采用關鍵詞共現的方法分析工業互聯網研究的熱點和未來的發展趨勢，運用Citespace對WoS中工業互聯網研究的文獻進行關鍵詞共現，關鍵詞共現圖譜如圖9所示。

圖9 WoS中工業互聯網研究的關鍵詞共現圖譜

由于Citespace對于同義詞識別的能力較弱，本文將同一概念的關鍵詞進行人工合并，根據詞頻和中心性分別進行累加獲得新的關鍵詞共現結果，本文分別篩選了詞頻和中心性排名前15的關鍵詞，如表4所示。

表4 工業互聯網研究的前15個高頻關鍵詞

結合圖9和表4可知，物聯網是共現次數最多的關鍵詞，其共現次數為596次。國外對工業互聯網的研究多從物聯網的角度展開，包含體系架構、應用現狀、數據安全與管理、平臺以及操作系統等。

工業互聯網的體系架構一般包含四個層面，分別是傳感層、網絡層、服務層和應用層[10,28～30]，傳感層是指通過集成RFID、傳感器等硬件工具來感知物理世界并獲取數據；網絡層是通過無線或有線網絡來提供基礎網絡支持和數據轉換；服務層是通過創建和管理服務來滿足用戶需求；應用層為用戶或其他應用提供交互方式。雖然眾多學者對工業互聯網的架構進行了定義，但工業互聯網系統的技術規范和參考架構還遠沒有完成和標準化[31]。Washizaki等[32]對工業互聯網的設計模式和架構模式進行詳細分類后發現，57%的工業互聯網模式并不是特定于工業互聯網設計的，盡管大多數工業互聯網設計模式適用于任何領域，但工業互聯網架構模式往往是領域特定的，這表明在特定領域采用工業互聯網的獨特性質出現在架構級別。

工業互聯網還被廣泛應用于物流運輸、醫療保健、智能環境（家庭、辦公等）、制造業、零售貿易、信息服務和金融保險等領域[28～33]。隨著工業互聯網在更多領域的應用，特定領域的工業互聯網設計模式的數量將會增加。

在數據管理方面，學者們注重對數據獲取、存儲、轉化、分析等技術的探討。Li等[34]認為當前的工業互聯網缺乏靈活性和智能性，通過軟件定義網絡（Software Defined Networking，SDN）和工業互聯網應用產生的數據可以增強工業互聯網控制和管理的靈活性和智能性。學者們針對數據和隱私安全問題也做了大量研究和討論，普遍認為數據安全和管理是推動工業互聯網健康穩定發展的關鍵[28,30,33,35]。因此，優化數據安全管理制度、建立標準的數據安全管理協議和體系將是未來解決工業互聯網安全問題的挑戰和難點。

在工業互聯網平臺以及操作系統方面，Mehmood等[36]設計并實現了一個以云為中心的工業互聯網平臺，該平臺為虛擬物品提供注冊和初始化服務，以便技術愛好者可以通過工業互聯網市場使用該平臺，并將它們整合起來構建工業互聯網應用。Lee等[37]針對工業互聯網服務平臺相似性和可重用性提出了基于期望最大化算法（Expectation Maximization，EM）的工業互聯網服務系統。Lee等[38]認為支持新的工業互聯網硬件的開發，以及所有通信的最新標準和技術的工業互聯網操作系統將是未來的發展方向。

另外，云計算、大數據、區塊鏈等新一代信息技術與工業互聯網加速融合。在工業互聯網的網絡層，云計算是制造業的關鍵驅動力[39]，云計算能將資源抽象為服務，向用戶提供無處不在的服務，例如SaaS、PaaS、IaaS等[40,41]。大數據分析可以幫助用戶從龐大的數據量中挖掘有用信息，幫助用戶快速制定決策。隨著傳感和通信技術的發展，獲取覆蓋工業生產各個階段的實時數據變得越來越容易，借助云計算、數據挖掘等大數據分析技術可以幫助實現產品的智能更新，讓用戶了解產品全生命周期[39]。但大數據也面臨挖掘深度不夠、間斷式和質量差的問題，須在未來研究中不斷完善[42]。

6 結語

本文基于WoS數據庫中工業互聯網研究相關文獻，采用文獻計量的方法，運用CiteSpaceV繪制了合作網絡圖譜、文獻共被引圖譜和關鍵詞聚類圖譜，探究了國外工業互聯網研究的演進過程、研究熱點和趨勢。本文的主要研究結論包括：

1）國外在工業互聯網研究領域已初步形成國家、機構和作者的合作網絡。分別繪制了WoS中工業互聯網研究的國家合作網絡、機構合作網絡和作者合作網絡。在國外，美國在工業互聯網研究領域的發文量和連接線數量都位居第一，與其他國家之間形成了明顯的合作網絡，是工業互聯網研究的主要國家。另外，德國、日本、英國等國家也表現出較強的研究能力和合作趨勢。從機構合作網絡可知，國外對工業互聯網研究的機構呈現多點開花的局面，研究主體以大學為主，其中瓦倫西亞理工大學的連接線最多，與其他科研機構的合作最廣泛。從作者合作網絡來看，國外對工業互聯網研究的作者形成了分別以Kumar、Vilajosana、Sisinni和Hoebeke為核心作者的四個主要合作網絡，且四個合作網絡研究的關注點存在差異，分別是信息物理系統、無線傳感器、無線通訊以及工業無線傳感網絡。

2）演化進程包含8個主要聚類。通過繪制文獻共被引圖譜以及文獻共被引聚類時間線圖譜來探索工業互聯網研究的演化進程。研究發現，國外對工業互聯網研究的主題主要有機器學習、云計算、大數據分析、數據孿生、低功耗無線網絡、智能合約和深度學習等。

3）研究熱點、趨勢及挑戰

本文通過關鍵詞共現的方法來分析工業互聯網研究的熱點。從關鍵詞共現結果可知，國外工業互聯網研究領域的熱點主要有工業互聯網的體系架構、應用、相關使能技術、數據安全與隱私。

首先，雖然國外已形成了一些主流的工業互聯網體系架構，但已有對工業互聯網體系架構的描述多關注底層技術，對于工業互聯網的服務模式和應用創新的研究還相對不足。因此，完善工業互聯的架構體系，拓展新的應用領域和商業模式將是未來工業互聯網研究的重點。

其次，工業互聯網使能技術是工業互聯網運轉的驅動力，加強現有技術的更新迭代以及新技術的創新是推動工業互聯網發展的重要手段。隨著新一代信息技術的發展和面向工業場景的二次開發，5G、邊緣計算、區塊鏈、工業人工智能、數字孿生將成為影響工業互聯網后續發展的核心重點技術和不可或缺的組成部分。

最后，安全與隱私是工業互聯網健康和持續發展的保障。已有對工業互聯網安全和隱私的研究主要關注管理安全、數據安全、通信安全和終端安全，并分別從技術和制度兩個角度提出解決方案。從技術角度提出運用射頻識別、密碼、沙盒、訪問控制、通信授權等技術來實現數據的集成和管理；從制度角度提出建立智能合約或協議的方式規范數據管理。隨著工業互聯網中接入用戶的數量增加，工業互聯網安全和隱私管理方法的完善將更加重要。