مقدمه
در بسیاری از صنایع، نخستین لایه تصمیم‌گیری درباره وضعیت یک تجهیز، نه سرور مرکزی و نه نرم‌افزار تحلیل داده، بلکه همان نقطه‌ای است که داده برای اولین‌بار از محیط فیزیکی دریافت می‌شود.
دما، فشار، دبی، ارتعاش، وضعیت تجهیزات و سایر پارامترهای عملیاتی در فاصله‌ای نزدیک به فرآیند اندازه‌گیری می‌شوند و سپس باید به شکلی قابل اعتماد، زمان‌مند و استاندارد به سیستم‌های بالادستی منتقل شوند.
این معماری در سال‌های گذشته عمدتاً با استفاده از Remote Terminal Unit (RTU) پیاده‌سازی می‌شد. اما تحول سریع Industrial Internet of Things (IIoT)، Edge Computing، پایش وضعیت و نگهداری پیش‌بینانه، تعریف عملی یک RTU مدرن را تغییر داده است.
امروزه یک واحد پایش صنعتی صرفاً نباید داده را از سنسور دریافت و به مرکز کنترل ارسال کند. چنین سامانه‌ای باید بتواند همزمان با چند تجهیز و سنسور ارتباط برقرار کند، داده را در محل جمع‌آوری مدیریت و ذخیره کند، در برابر قطع ارتباط با مرکز کنترل تاب‌آوری داشته باشد، از چندین پروتکل صنعتی پشتیبانی کند و امکان دسترسی و پیکربندی محلی و راه دور را فراهم سازد.
پژوهش‌های جدید در حوزه IIoT و Edge Computing نیز همین تغییر معماری را نشان می‌دهند. مطالعات اخیر، پردازش نزدیک به منبع داده را یکی از مسیرهای مهم برای کاهش تأخیر، کاهش وابستگی به ارتباطات دائمی با Cloud و ایجاد سامانه‌های پایش و نگهداری با پاسخ سریع‌تر می‌دانند. [1–4]
در این چارچوب، ARTU_B (Extreme) را می‌توان به‌عنوان یک RTU چندحسگری و چندپروتکلی برای جمع‌آوری، ذخیره‌سازی، نمایش و انتقال داده‌های صنعتی معرفی کرد؛ سامانه‌ای که در آن Acquisition، Storage، Communication و Human–Machine Interface در یک پلتفرم واحد کنار یکدیگر قرار گرفته‌اند.
چرا معماری پایش صنعتی در حال تغییر است؟
در معماری‌های قدیمی‌تر، مسیر داده تقریباً به شکل زیر تعریف می‌شد:
Sensor → RTU/PLC → Communication Network → SCADA/Central Server
این معماری همچنان در بسیاری از زیرساخت‌های صنعتی معتبر و کاربردی است. اما با افزایش تعداد حسگرها و رشد حجم داده‌های عملیاتی، چالش‌های جدیدی ایجاد شده است.
برای مثال، یک سامانه پایش وضعیت ممکن است به‌صورت همزمان اطلاعات:
-
دما
-
فشار
-
دبی
-
ارتعاش
-
وضعیت دیجیتال
-
وضعیت عملگرها
-
و پارامترهای حاصل از تجهیزات Modbus
را دریافت کند.
در چنین شرایطی، انتقال تمام داده‌های خام به یک مرکز پردازش، همیشه بهترین راهکار نیست.
پژوهش‌های جدید در Edge Computing نشان می‌دهند که بخشی از پردازش و مدیریت داده می‌تواند در نزدیک‌ترین نقطه به منبع داده انجام شود. این رویکرد به‌ویژه برای کاربردهایی که به پاسخ سریع، کاهش حجم انتقال داده، تداوم عملکرد و دسترسی محلی نیاز دارند اهمیت پیدا می‌کند. [2–4]
در یک معماری Edge، بخشی از زنجیره پردازش از Cloud یا مرکز کنترل به لایه نزدیک به تجهیز منتقل می‌شود:
Sensor → Edge/RTU → Local Processing & Storage → Industrial Network/Cloud/SCADA
این تغییر به معنای حذف SCADA یا Cloud نیست؛ بلکه به معنای ایجاد یک لایه هوشمند‌تر و مستقل‌تر در مرز میان فرآیند فیزیکی و سیستم‌های بالادستی است.
داده خام به‌تنهایی ارزش عملیاتی ایجاد نمی‌کند
یکی از نکات مهم در ادبیات جدید نگهداری صنعتی این است که افزایش تعداد حسگرها به‌تنهایی به معنای افزایش کیفیت پایش نیست.
ارزش واقعی زمانی ایجاد می‌شود که داده:
-
به‌درستی اندازه‌گیری شود؛
-
زمان‌مهر (Time Stamp) معتبر داشته باشد؛
-
در صورت نیاز ذخیره شود؛
-
در دسترس سیستم‌های تحلیلی قرار گیرد؛
-
از طریق پروتکل مناسب منتقل شود؛
-
و در نهایت به اطلاعات قابل استفاده برای اپراتور یا سیستم تصمیم‌گیری تبدیل شود.
مطالعات جدید در حوزه Condition Monitoring و Predictive Maintenance بر همین زنجیره تأکید دارند. پایش وضعیت تجهیزات از یک فرآیند صرفاً اندازه‌گیری به یک زنجیره کامل شامل sensing، acquisition، preprocessing، communication، storage و analytics تبدیل شده است. [5–8]
این مسئله در پایش ارتعاشات اهمیت بیشتری پیدا می‌کند.
سیگنال ارتعاشی می‌تواند اطلاعات ارزشمندی درباره وضعیت بیرینگ‌ها، موتور، پمپ، کمپرسور، گیربکس و سایر تجهیزات دوار ارائه دهد. با این حال، سیگنال‌های ارتعاشی معمولاً پیچیده، غیرایستا و مستعد نویز هستند و کیفیت پایش به انتخاب حسگر، محل نصب، نرخ نمونه‌برداری، روش پردازش و شرایط عملیاتی وابسته است. [6–8]
به همین دلیل، زیرساخت جمع‌آوری داده باید بتواند با نیازهای مختلف اندازه‌گیری سازگار باشد.
از پایش تک‌پارامتری تا پایش چندپارامتری
یکی از روندهای مهم در سیستم‌های مدرن Condition Monitoring، حرکت از پایش یک پارامتر به سمت Multimodal یا Multiparametric Monitoring است.
فرض کنید وضعیت یک پمپ صنعتی فقط بر اساس دمای آن بررسی شود.
افزایش دما می‌تواند نشانه‌ای از مشکل باشد، اما علت آن الزاماً مشخص نیست.
اگر همزمان اطلاعات:
Temperature + Pressure + Flow + Vibration
در اختیار سیستم قرار گیرد، تصویر بسیار کامل‌تری از وضعیت فرآیند و تجهیز ایجاد می‌شود.
برای مثال، تغییر همزمان دما و فشار می‌تواند یک وضعیت فرآیندی را نشان دهد، در حالی که تغییر در الگوی ارتعاش ممکن است اطلاعات دیگری درباره وضعیت مکانیکی تجهیز ارائه کند.
به همین دلیل، مطالعات جدید در حوزه نگهداری پیش‌بینانه به سمت استفاده از داده‌های چندمنبعی و ترکیب اطلاعات حسگرهای مختلف حرکت کرده‌اند. [5–8]
در چنین معماری‌ای، یک RTU دیگر صرفاً یک Gateway ساده نیست؛ بلکه می‌تواند به‌عنوان نقطه تجمیع داده‌های چندحسگری در لبه شبکه صنعتی عمل کند.
نقش Edge در پایش وضعیت تجهیزات
Edge Computing در این معماری یک ایده ساده اما مهم دارد:
هر داده‌ای لازم نیست برای اولین پردازش خود به مرکز داده منتقل شود.
در یک سیستم کاملاً متمرکز، ممکن است داده از سنسور به یک سرور مرکزی منتقل شود و سپس تحلیل روی آن انجام گیرد.
در معماری Edge، بخشی از عملیات در نزدیکی منبع داده انجام می‌شود.
این موضوع مزایایی مانند:
-
کاهش وابستگی به ارتباط دائمی؛
-
کاهش حجم داده ارسالی؛
-
کاهش تأخیر در برخی فرآیندها؛
-
امکان ذخیره‌سازی محلی؛
-
افزایش تاب‌آوری در برابر اختلال ارتباطی؛
-
و فراهم کردن امکان پردازش و مشاهده محلی
را فراهم می‌کند. [2–4]
پژوهش‌های 2025 و 2026 نیز همچنان Edge-to-Cloud را به‌عنوان یکی از مسیرهای مهم معماری سامانه‌های پایش هوشمند معرفی می‌کنند؛ به‌خصوص در کاربردهایی که داده‌های حسگری با حجم بالا و نیازهای زمانی متفاوت تولید می‌کنند. [3,9]
یک RTU مدرن باید با دنیای ناهمگون صنعتی سازگار باشد
یکی از مشکلات اساسی محیط‌های صنعتی، ناهمگونی تجهیزات است.
یک سایت صنعتی ممکن است همزمان شامل تجهیزاتی با:
-
Modbus RTU
-
Modbus TCP/IP
-
ورودی 4–20 mA
-
ورودی ولتاژی
-
رابط‌های سریال
-
شبکه GSM/GPRS
-
و پروتکل‌های تخصصی اتوماسیون و Telecontrol
باشد.
به همین دلیل، Interoperability یکی از مسائل اساسی در طراحی سامانه‌های IIoT است.
در این زمینه، پروتکل‌های صنعتی همچنان نقش بنیادی دارند.
استاندارد IEC 60870-5-104 برای ارتباطات Telecontrol در سیستم‌های گسترده و به‌خصوص زیرساخت‌های مرتبط با کنترل و پایش از راه دور تعریف شده است. نسخه تجمیعی استاندارد شامل اصلاحات منتشرشده نیز توسط IEC در دسترس است. [10]
از سوی دیگر، DNP3 به‌عنوان یک پروتکل استاندارد و باز برای ارتباط میان RTUها، IEDها و سیستم‌های مرکزی در صنعت برق توسعه یافته و امروزه در حوزه‌هایی مانند آب و فاضلاب، حمل‌ونقل و نفت و گاز نیز مورد استفاده قرار می‌گیرد. [11]
Modbus نیز همچنان یکی از پروتکل‌های پرکاربرد در اتوماسیون صنعتی است و مشخصات رسمی آن، ارتباط Client/Server را بر روی شبکه‌های مختلف از جمله TCP/IP و لینک‌های سریال تعریف می‌کند. [12]
بنابراین پشتیبانی همزمان از چند خانواده پروتکل می‌تواند نقش مهمی در کاهش پیچیدگی Integration داشته باشد.
ARTU_B (Extreme)؛ یک RTU برای پایش چندحسگری و ارتباط صنعتی
در چنین معماری‌ای، ARTU_B (Extreme) به‌عنوان یک سیستم RTU چندمنظوره برای جمع‌آوری و مدیریت داده‌های حسگرهای مختلف طراحی شده است.
این سیستم امکان اتصال همزمان به شش حسگر یا دستگاه جانبی را فراهم می‌کند و برای کاربردهایی مانند:
-
اندازه‌گیری دما؛
-
اندازه‌گیری فشار؛
-
اندازه‌گیری دبی؛
-
پایش ارتعاشات؛
-
و دریافت داده از تجهیزات صنعتی
قابل استفاده است.
در لایه ورودی، ARTU_B (Extreme) از رابط‌های متنوعی شامل ورودی‌های آنالوگ 4–20 mA، ورودی‌های 0–5 V با قابلیت کالیبراسیون، پورت‌های سریال RS485/Modbus، رابط UART و یک رله فرمان‌پذیر برخوردار است.
این تنوع رابط باعث می‌شود دستگاه بتواند در سناریوهایی که ترکیبی از حسگرهای آنالوگ و تجهیزات دیجیتال وجود دارد، به‌عنوان نقطه جمع‌آوری داده عمل کند.
نرخ نمونه‌برداری؛ از اندازه‌گیری آهسته تا داده‌های سریع
یکی از مشخصات مهم ARTU_B (Extreme)، امکان تنظیم نرخ نمونه‌برداری در بازه 1 میلی‌ثانیه تا 24 ساعت است.
این ویژگی امکان تطبیق رفتار سیستم با نوع فرآیند را فراهم می‌کند.
برای یک پارامتر آهسته مانند دمای محیط، ممکن است نمونه‌برداری در بازه‌های زمانی طولانی‌تر کافی باشد.
در مقابل، برخی کاربردهای اندازه‌گیری و پایش تجهیزات به نرخ نمونه‌برداری بسیار بالاتری نیاز دارند.
البته باید میان نرخ نمونه‌برداری RTU، پهنای باند حسگر، نوع سیگنال ورودی و الزامات پردازش سیگنال تمایز قائل شد. نرخ نمونه‌برداری بالاتر به‌تنهایی به معنای تشخیص بهتر عیب نیست؛ کیفیت حسگر، conditioning سیگنال، نویز و روش تحلیل نیز تعیین‌کننده هستند. ادبیات جدید پایش ارتعاشات نیز بر همین مسئله تأکید دارد. [6–8]
ذخیره‌سازی محلی؛ وقتی ارتباط شبکه همیشه تضمین‌شده نیست
یکی از چالش‌های واقعی سیستم‌های Remote Monitoring، وابستگی کامل به شبکه ارتباطی است.
اگر ارتباط برای مدتی قطع شود، یک معماری صرفاً Cloud-dependent ممکن است بخشی از داده‌های عملیاتی را از دست بدهد.
ARTU_B (Extreme) برای کاهش این وابستگی به مکانیزم‌های ذخیره‌سازی محلی مجهز شده است.
طبق مشخصات این محصول، دستگاه قادر است تا 100 هزار داده را در حافظه داخلی ذخیره کند و فاصله زمانی ذخیره‌سازی نیز قابل تنظیم است.
همچنین امکان ذخیره اطلاعات روی کارت SD با ظرفیت 16 GB و قابلیت ارتقا وجود دارد.
این معماری به‌خصوص برای سایت‌های صنعتی دورافتاده، ایستگاه‌های اندازه‌گیری و کاربردهایی که نیاز به نگهداری بلندمدت داده دارند اهمیت پیدا می‌کند.
بر اساس مشخصات محصول، ظرفیت ذخیره‌سازی روی SD می‌تواند برای نگهداری طولانی‌مدت داده، تا حدود 10 سال مورد استفاده قرار گیرد؛ مدت واقعی قابل دستیابی طبیعتاً به نرخ نمونه‌برداری، حجم هر رکورد، تعداد کانال‌ها و نحوه ذخیره‌سازی وابسته است.
انتقال داده؛ از USB تا GSM/GPRS
ARTU_B (Extreme) صرفاً برای ذخیره‌سازی محلی طراحی نشده است.
این دستگاه می‌تواند اطلاعات را از طریق:
-
USB 2.0 / USB 3.0
-
GSM/GPRS
-
SMS
-
Modbus
-
و پروتکل‌های صنعتی مبتنی بر شبکه
منتقل کند.
وجود GSM/GPRS برای کاربردهایی که زیرساخت شبکه کابلی یا Ethernet در محل نصب در دسترس نیست، اهمیت ویژه‌ای دارد.
در این سناریو، RTU می‌تواند به‌عنوان یک نقطه ارتباطی میان فرآیند فیزیکی و مرکز کنترل یا سیستم مانیتورینگ عمل کند.
پیکربندی از راه دور بدون توقف عملکرد
یکی از قابلیت‌های قابل توجه ARTU_B (Extreme)، امکان تغییر تنظیمات و پیکربندی دستگاه از راه دور است.
بر اساس مشخصات محصول، بیش از 100 دستور پیام کوتاه برای پیکربندی و مدیریت دستگاه در نظر گرفته شده و امکان انجام برخی تنظیمات از طریق شبکه GSM/GPRS نیز وجود دارد.
اهمیت این قابلیت زمانی بیشتر مشخص می‌شود که دستگاه در مکانی نصب شده باشد که دسترسی فیزیکی به آن دشوار یا پرهزینه است.
در سامانه‌های Remote Monitoring، کاهش نیاز به مراجعه فیزیکی می‌تواند بخشی از هزینه و پیچیدگی نگهداری را کاهش دهد.
البته در معماری‌های OT، دسترسی راه دور باید همواره با کنترل دسترسی، احراز هویت، ثبت رویدادها و سیاست‌های امنیتی مناسب همراه باشد. NIST در راهنمای امنیت OT خود تأکید می‌کند که سامانه‌های OT علاوه بر الزامات امنیتی، محدودیت‌های خاصی در زمینه قابلیت اطمینان، عملکرد و ایمنی دارند. [13]
HMI محلی؛ وقتی اپراتور هنوز بخشی از حلقه تصمیم‌گیری است
حرکت صنعت به سمت IIoT به معنای حذف اپراتور نیست.
اتفاقاً در معماری‌های Industry 5.0، تعامل انسان و سیستم و تصمیم‌گیری انسان‌محور همچنان اهمیت دارد. [3,9]
ARTU_B (Extreme) به یک نمایشگر رنگی لمسی 4.3 اینچی مجهز شده است که به‌عنوان رابط گرافیکی کاربر امکان:
-
مشاهده اطلاعات؛
-
اعمال تنظیمات؛
-
تغییر پارامترها؛
-
مشاهده وضعیت سیستم؛
-
فعال‌سازی نور پس‌زمینه؛
-
و انتخاب Theme
را فراهم می‌کند.
این HMI محلی می‌تواند در زمان Commissioning، عیب‌یابی، سرویس و مشاهده مستقیم وضعیت تجهیزات، نقش مهمی داشته باشد.
Self-Test و مدیریت خطا؛ بخش مهمی از قابلیت اطمینان
در سیستم‌های صنعتی، فقط داده فرآیند اهمیت ندارد؛ سلامت خود سیستم اندازه‌گیری و ارتباطی نیز باید قابل مشاهده باشد.
ARTU_B (Extreme) دارای قابلیت Self-Test برای شناسایی مشکلات سخت‌افزاری و اعلام بخش دارای مشکل به اپراتور است.
همچنین خطاهای احتمالی و تنظیمات می‌توانند ذخیره و از طریق SMS یا GSM/GPRS منتقل شوند.
این قابلیت، دستگاه را از یک Data Logger ساده متمایز می‌کند.
در یک معماری صنعتی، وضعیت زیرساخت جمع‌آوری داده نیز بخشی از داده عملیاتی است.
به عبارت دیگر:
Process Data + Device Health Data
می‌تواند تصویر کامل‌تری از وضعیت یک سایت ارائه کند.
طراحی برای محیط صنعتی
شرایط محیطی یکی از تفاوت‌های اساسی تجهیزات صنعتی با تجهیزات عمومی IT است.
ARTU_B (Extreme) در یک جعبه ضدآب با استاندارد IP67 ارائه می‌شود و محدوده دمای کاری اعلام‌شده آن 20- تا 60+ درجه سانتی‌گراد است.
همچنین طراحی تغذیه دستگاه امکان استفاده از:
220 VAC
یا
7–18 VDC پایدارشده
را فراهم می‌کند.
در بخش حفاظت الکتریکی نیز قابلیت‌های حفاظت ولتاژ و جریان، حذف نویز و حفاظت پورت USB در برابر Over Current در مشخصات محصول در نظر گرفته شده است.
این ویژگی‌ها برای تجهیزاتی که در محیط‌های صنعتی، سایت‌های اندازه‌گیری یا نقاط دور از مرکز نصب می‌شوند، بخشی از معماری قابلیت اطمینان محسوب می‌شوند.
معماری ARTU_B (Extreme) در یک نگاه
می‌توان نقش این دستگاه را در یک معماری صنعتی به‌صورت زیر خلاصه کرد:
Industrial Sensors / Devices
↓
Analog & Digital Acquisition
↓
ARTU_B (Extreme)
↓
Local Storage + HMI + Device Diagnostics
↓
RS485 / Modbus / Ethernet-based Industrial Protocols
↓
GSM/GPRS / SMS / USB
↓
SCADA / Monitoring Software / Central System
در این معماری، ARTU_B در نقطه‌ای قرار می‌گیرد که داده فیزیکی را به داده دیجیتال قابل مدیریت برای سامانه‌های بالادستی تبدیل می‌کند.
یک پلتفرم برای مسیر آینده پایش صنعتی
مسیر توسعه سیستم‌های صنعتی به سمت افزایش تعداد حسگرها، افزایش حجم داده، تحلیل Real-Time، Edge Computing و نگهداری مبتنی بر وضعیت حرکت می‌کند.
در یک مقاله مروری منتشرشده در سال 2025، ادغام Edge، Fog و Cloud با IIoT به‌عنوان یکی از مسیرهای مهم توسعه نگهداری پیش‌بینانه معرفی شده و چالش‌هایی مانند داده‌های بلادرنگ، مقیاس‌پذیری، امنیت و قابلیت اطمینان ارتباطات مورد تأکید قرار گرفته‌اند. [3]
مطالعات جدیدتر نیز نشان می‌دهند که نسل بعدی سامانه‌های پایش به سمت معماری‌هایی حرکت می‌کنند که در آنها داده از لایه حسگر تا Edge و Cloud به‌صورت یک زنجیره یکپارچه مدیریت می‌شود. [9]
در چنین آینده‌ای، RTUها می‌توانند نقش مهمی به‌عنوان Industrial Edge Nodes ایفا کنند؛ یعنی نقاطی که علاوه بر جمع‌آوری داده، مسئولیت‌هایی مانند ذخیره‌سازی، مدیریت ارتباطات، پایش سلامت دستگاه و تعامل با اپراتور را نیز بر عهده دارند.
ARTU_B (Extreme) با ترکیب قابلیت‌های چندحسگری، ذخیره‌سازی محلی، ارتباطات صنعتی، GSM/GPRS، HMI لمسی، مدیریت خطا و پشتیبانی از چندین روش ارتباطی، در همین لایه قرار می‌گیرد.
جمع‌بندی
تغییر معماری صنعت از سیستم‌های سنتی پایش به سمت IIoT به این معنا نیست که RTUها منسوخ شده‌اند؛ بلکه برعکس، نقش آنها در حال تغییر است.
RTU نسل جدید باید بتواند میان سنسور، تجهیز صنعتی، شبکه، اپراتور و سامانه مرکزی یک لایه قابل اتکا ایجاد کند.
در این معماری، قابلیت‌هایی مانند:
-
اتصال همزمان چند حسگر؛
-
پشتیبانی از ورودی‌های آنالوگ و دیجیتال؛
-
Modbus RTU و Modbus TCP/IP؛
-
DNP3؛
-
IEC 60870-5-104؛
-
ذخیره‌سازی محلی؛
-
SD Card؛
-
USB؛
-
GSM/GPRS و SMS؛
-
HMI لمسی؛
-
Self-Test؛
-
ثبت خطا؛
-
کنترل و پیکربندی از راه دور؛
-
GPS و Bluetooth به‌صورت سفارشی؛
-
و طراحی مناسب برای شرایط محیطی صنعتی
باعث می‌شوند RTU از یک واسط ساده انتقال داده به یک پلتفرم جمع‌آوری و مدیریت داده در لبه شبکه صنعتی تبدیل شود.
ARTU_B (Extreme) با چنین رویکردی، برای پروژه‌هایی طراحی شده است که در آنها پایش همزمان چند پارامتر، ثبت طولانی‌مدت اطلاعات، ارتباط با تجهیزات صنعتی ناهمگون و دسترسی محلی و راه دور، همگی در یک سیستم واحد مورد نیاز هستند.
در نهایت، ارزش چنین سامانه‌ای فقط در تعداد پورت‌ها یا پروتکل‌های قابل پشتیبانی خلاصه نمی‌شود؛ ارزش اصلی در ایجاد یک زنجیره قابل اعتماد از Measurement → Acquisition → Storage → Communication → Monitoring است؛ زنجیره‌ای که می‌تواند پایه‌ای برای توسعه سیستم‌های پیشرفته‌تر Condition Monitoring، Predictive Maintenance و IIoT در آینده باشد.
منابع علمی و فنی مورد استفاده
[1] Afrin, S. et al. (2025), Industrial Internet of Things: Implementations, challenges, and potential solutions across various industries, Computers in Industry, Vol. 170, 104317. (ScienceDirect)
[2] Edge Intelligence for Industrial IoT: Opportunities and Limitations (2024), Procedia Computer Science, Vol. 232, pp. 397–405. (ScienceDirect)
[3] Kapoor, D., Gupta, D., & Uppal, M. (2025/2026), Analyzing the impact of edge, fog and cloud computing on predictive maintenance in the Industrial Internet of Things, Discover Computing, Vol. 28, Article 207. این مطالعه بیش از 1,200 publication مرتبط با IIoT و predictive maintenance را بررسی کرده است. (Springer)
[4] Artificial intelligence and edge computing for machine maintenance—review, Artificial Intelligence Review. این مقاله بر کاهش latency، وابستگی کمتر به پردازش متمرکز و نقش Edge در تشخیص و پیش‌بینی وضعیت ماشین‌آلات تمرکز دارد. (Springer)
[5] Dadfarnia, M., Sharp, M. E., & Herrmann, J. W. (2025), Comprehensive evaluations of condition monitoring-based technologies in industrial maintenance: A systematic review, Journal of Manufacturing Systems, Vol. 82, pp. 449–477. (ScienceDirect)
[6] Garcia, J. et al. (2025), Condition Monitoring and Predictive Maintenance in Industrial Equipment: An NLP-Assisted Review of Signal Processing, Hybrid Models, and Implementation Challenges, Applied Sciences, 15(10), 5465. (MDPI)
[7] An In-Depth Study of Vibration Sensors for Condition Monitoring (2024), Sensors, 24(3), 740. (MDPI)
[8] A Review on Vibration Sensor: Key Parameters, Fundamental Principles, and Recent Progress on Industrial Monitoring Applications (2025), Vibration, 8(4), 56. (MDPI)
[9] Cui, S. et al. (2026), Edge-to-cloud computing and intelligence for IoT-based Structural Health Monitoring: A comprehensive review, Advanced Engineering Informatics, Vol. 71, 104300. (ScienceDirect)
[10] IEC, IEC 60870-5-104:2006+AMD1:2016, Telecontrol equipment and systems – Part 5-104: Transmission protocols – Network access for IEC 60870-5-101 using standard transport profiles. نسخه تجمیعی رسمی IEC و اصلاحیه 2023 در دسترس است. (IEC Webstore)
[11] DNP Users Group, Overview of DNP3 Protocol. این مرجع رسمی، DNP3 را به‌عنوان پروتکل استاندارد و باز برای interoperability میان RTU، IED و master station معرفی می‌کند. (DNP)
[12] Modbus Organization, Modbus Application Protocol Specification V1.1b3. (Modbus Organization)
[13] NIST, SP 800-82 Rev. 3 – Guide to Operational Technology (OT) Security, 2023. NIST در سپتامبر 2026 نسخه Rev.4 را نیز به‌صورت Draft منتشر کرده است؛ برای استناد اصلی این مقاله از نسخه نهایی Rev.3 استفاده شده است. (NIST Computer Security Resource Center)