.

工业互联网平台建设规划

北京看荨麻疹好的医院 http://m.39.net/pf/a_9159711.html

一、工业互联网内涵

(一)工业互联网平台发展背景

1.制造业变革与数字经济发展实现历史性交汇

全球新一轮科技革命和产业变革蓬勃兴起,制造业重新成为全球经济竞争的焦点。世界主要发达国家采取了一系列重大举措推动制造业转型升级,德国依托雄厚的自动化基础,推进工业4.0。美国在实施先进制造战略的同时,大力发展工业互联网。与此同时,法、日、韩、瑞典等国也纷纷推出制造业振兴计划。各国新型制造战略的核心都是通过构建新型生产方式与发展模式,推动传统制造业转型升级,重塑制造强国新优势。数字经济浪潮席卷全球,驱动传统产业加速变革。

互联网的发展极大地改变了人们的生活方式,构筑了全新的信息产业体系,并且通过技术和模式创新不断渗透影响传统领域,为全球经济增长注入新动力。随着数字经济与实体经济加速融合,互联网技术、理念和模式将向更多的实体经济领域渗透,为传统产业变革带来巨大机遇。伴随制造业变革与数字经济浪潮交汇融合,云计算、物联网、大数据等信息技术与制造技术、工业知识的集成创新不断加剧,工业互联网平台应运而生。

2.制造业转型对数字化平台工具提出新需求

制造业需要海量数据管理工具。随着物联网向制造领域的加速渗透,工业数据采集频率显著提升,采集范围不断扩大,驱动工业系统从物理空间向信息空间延伸,由此可见世界向不可见世界的扩展。这一背景下,制造数据的规模、类型和速度正在呈指数级增长,需要一个全新的数据管理工具,实现海量数据低成本、高可靠的存储和管理。制造业需要新型业务交互手段。制造企业间业务协同日益频繁,对信息化软件的依赖程度也越来越高,PLM系统、ERP系统、MES系统、以及各类设计软件不仅需要协调管理好企业内部资源,还需要良好支撑不同企业间资源与业务的交互,需要新型交互工具,实现不同主体、不同系统间的高效集成。制造业需要开放创新载体。

工业场景高度复杂,行业知识千差万别,传统由少数大型企业驱动的应用创新模式,难以满足海量制造企业精细化、差异化的转型需求,需要构建一个开放共享的创新生态,在工业知识高效积累、复用的基础上,实现应用创新的爆发式增长。数据集成、业务交互、开放创新成为工业互联网平台快速发展的主要驱动力量

3.信息技术为制造业发展注入新动力

新型信息技术重塑制造业数字化基础。云计算为制造企业带来更灵活、更经济、更可靠的数据存储和软件运行环境,物联网帮助制造企业有效收集设备、产线和生产现场成千上万种不同类型的数据,人工智能强化了制造企业的数据洞察能力,实现智能化的管理和控制,这些都是推动制造企业数字化转型的新基础。

开放互联网理念变革传统制造模式。通过网络化平台组织生产经营活动,制造企业能够实现资源快速整合利用,低成本快速响应市场需求,催生个性化定制、网络化协同等新模式新业态。平台经济不断创新商业模式。信息技术与制造技术的融合带动信息经济、知识经济、分享经济等新经济模式加速向工业领域渗透,培育增长新动能。互联网技术、理念和商业模式成为构建工业互联网平台的重要方式。

(二)工业互联网平台体系架构

工业互联网平台是面向制造业数字化、网络化、智能化需求,构建基于海量数据采集、汇聚、分析的服务体系,支撑制造资源泛在连接、弹性供给、高效配置的工业云平台,包括边缘、平台(工业PaaS)、应用三大核心层级。可以认为,工业互联网平台是工业云平台的延伸发展,其本质是在传统云平台的基础上叠加物联网、大数据、人工智能等新兴技术,构建更精准、实时、高效的数据采集体系,建设包括存储、集成、访问、分析、管理功能的使能平台,实现工业技术、经验、知识模型化、软件化、复用化,以工业APP的形式为制造企业各类创新应用,最终形成资源富集、多方参与、合作共赢、协同演进的制造业生态。

第一层是边缘,通过大范围、深层次的数据采集,以及异构数据的协议转换与边缘处理,构建工业互联网平台的数据基础。一是通过各类通信手段接入不同设备、系统和产品,采集海量数据;二是依托协议转换技术实现多源异构数据的归一化和边缘集成;三是利用边缘计算设备实现底层数据的汇聚处理,并实现数据向云端平台的集成。

第二层是平台,基于通用PaaS叠加大数据处理、工业数据分析、工业微服务等创新功能,构建可扩展的开放式云操作系统。一是提供工业数据管理能力,将数据科学与工业机理结合,帮助制造企业构建工业数据分析能力,实现数据价值挖掘;二是把技术、知识、经验等资源固化为可移植、可复用的工业微服务组件库,供开发者调用;三是构建应用开发环境,借助微服务组件和工业应用开发工具,帮助用户快速构建定制化的工业APP。

第三层是应用,形成满足不同行业、不同场景的工业SaaS和工业APP,形成工业互联网平台的最终价值。一是提供了设计、生产、管理、服务等一系列创新性业务应用。二是构建了良好的工业APP创新环境,使开发者基于平台数据及微服务功能实现应用创新。

除此之外,工业互联网平台还包括IaaS基础设施,以及涵盖整个工业系统的安全管理体系,这些构成了工业互联网平台的基础支撑和重要保障。

泛在连接、云化服务、知识积累、应用创新是辨识工业互联网平台的四大特征。一是泛在连接,具备对设备、软件、人员等各类生产要素数据的全面采集能力。二是云化服务,实现基于云计算架构的海量数据存储、管理和计算。三是知识积累,能够提供基于工业知识机理的数据分析能力,并实现知识的固化、积累和复用。四是应用创新,能够调用平台功能及资源,提供开放的工业APP开发环境,实现工业APP创新应用。

(三)工业互联网平台核心作用

工业互联网平台是企业数字化转型的重要抓手。面对制造企业数字化、网络化、智能化发展进程中的主要困难,工业互联网平台通过提升设备与系统的数据集成能力,业务与资源的智能管理能力,知识和经验的积累和传承能力,应用和服务的开放创新能力,加速企业数字化转型。

一是帮助企业实现智能化生产和管理。通过对生产现场“人机料法环”各类数据的全面采集和深度分析,能够发现导致生产瓶颈与产品缺陷的深层次原因,不断提高生产效率及产品质量。基于现场数据与企业计划资源、运营管理等数据的综合分析,能够实现更精准的供应链管理和财务管理,降低企业运营成本。

二是帮助企业实现生产方式和商业模式创新。企业通过平台可以实现对产品售后使用环节的数据打通,提供设备健康管理、产品增值服务等新型业务模式,实现从卖产品到卖服务的转变,实现价值提升。基于平台还可以与用户进行更加充分地交互,了解用户个性化需求,并有效组织生产资源,依靠个性化产品实现更高的利润水平。此外,不同企业还可以基于平台开展信息交互,实现跨企业、跨区域、跨行业的资源和能力集聚,打造更高效的协同设计、协同制造,协同服务体系。

工业互联网平台催生新型产业体系。如同移动互联网平台创造了应用开发、应用分发、线上线下等一系列新的产业环节和价值,当前工业互联网平台在应用创新、产融结合等方面已显现出类似端倪,未来也有望发展成为一个全新的产业体系,促进形成大众创业、万众创新的多层次发展环境,真正实现“互联网+先进制造业”。

二、工业互联网平台技术体系

(一)工业互联网平台七大核心技术交织融合

工业互联网平台需要解决多类工业设备接入、多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一系列问题,涉及七大类关键技术,分别为数据集成和边缘处理技术、IaaS技术、平台使能技术、数据管理技术、应用开发和微服务技术、工业数据建模与分析技术、安全技术。

1.数据集成与边缘处理技术

设备接入:基于工业以太网、工业总线等工业通信协议,以太网、光纤等通用协议,3G/4G、NB-IOT等无线协议将工业现场设备接入到平台边缘层。

协议转换:一方面运用协议解析、中间件等技术兼容ModBus、OPC、CAN、Profibus等各类工业通信协议和软件通信接口,实现数据格式转换和统一。另一方面利用HTTP、MQTT等方式从边缘侧将采集到的数据传输到云端,实现数据的远程接入。

边缘数据处理:基于高性能计算芯片、实时操作系统、边缘分析算法等技术支撑,在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用,提升操作响应灵敏度、消除网络堵塞,并与云端分析形成协同。

2.IaaS技术

基于虚拟化、分布式存储、并行计算、负载调度等技术,实现网络、计算、存储等计算机资源的池化管理,根据需求进行弹性分配,并确保资源使用的安全与隔离,为用户提供完善的云基础设施服务。

3.平台使能技术

资源调度:通过实时监控云端应用的业务量动态变化,结合相应的调度算法为应用程序分配相应的底层资源,从而使云端应用可以自动适应业务量的变化。

多租户管理:通过虚拟化、数据库隔离、容器等技术实现不同租户应用和服务的隔离,保护其隐私与安全。

4.数据管理技术

数据处理框架:借助Hadoop、Spark、Storm等分布式处理架构,满足海量数据的批处理和流处理计算需求。

数据预处理:运用数据冗余剔除、异常检测、归一化等方法对原始数据进行清洗,为后续存储、管理与分析提供高质量数据来源。

数据存储与管理:通过分布式文件系统、NoSQL数据库、关系数据库、时序数据库等不同的数据管理引擎实现海量工业数据的分区选择、存储、编目与索引等。

5.应用开发和微服务技术

多语言与工具支持:支持Java、Ruby和PHP等多种语言编译环境,并提供Eclipseintegration,JBossDeveloperStudio、git和Jenkins等各类开发工具,构建高效便捷的集成开发环境。

微服务架构:提供涵盖服务注册、发现、通信、调用的管理机制和运行环境,支撑基于微型服务单元集成的“松耦合”应用开发和部署。

图形化编程:通过类似Labview的图形化编程工具,简化开发流程,支持用户采用拖拽方式进行应用创建、测试、扩展等。

6.工业数据建模与分析技术

数据分析算法:运用数学统计、机器学习及最新的人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。

机理建模:利用机械、电子、物理、化学等领域专业知识,结合工业生产实践经验,基于已知工业机理构建各类模型,实现分析应用。

7.安全技术

数据接入安全:通过工业防火墙技术、工业网闸技术、加密隧道传输技术,防止数据泄漏、被侦听或篡改,保障数据在源头和传输过程中安全。

平台安全:通过平台入侵实时检测、网络安全防御系统、恶意代码防护、网站威胁防护、网页防篡改等技术实现工业互联网平台的代码安全、应用安全、数据安全、网站安全。

访问安全:通过建立统一的访问机制,限制用户的访问权限和所能使用的计算资源和网络资源实现对云平台重要资源的访问控制和管理,防止非法访问。

在上述七大类技术中,通用平台使能技术、工业数据建模与分析技术、数据集成与边缘处理技术、应用开发和微服务技术正在快速发展,对工业互联网平台的构建和发展产生深远影响。在平台层,PaaS技术、新型集成技术和容器技术正加速改变信息系统的构建和组织方式。在边缘层,边缘计算技术极大地拓展了平台收集和管理数据的范围和能力。在应用层,微服务等新型开发框架驱动工业软件开发方式不断变革,而工业机理与数据科学深度融合则正在引发工业应用的创新浪潮。

(二)平台架构,PaaS以其开放灵活特性成为主流选择

1.基于通用PaaS的二次开发成为工业PaaS主要构建方式

PaaS能够为上层工业APP开发屏蔽设备连接、软件集成与部署、计算资源调度的复杂性,大部分领先平台都依托通用PaaS向用户提供服务。例如GEPredix基于对Cloudfoudry的二次开发支持Spring、.NET开发框架,提供PostgreSQL、SQLServer、Redis以及来自第三方和开源社区的应用服务,还包括GitHub代码库、Node.js、Bower包管理器、Gulp、SASS、WebComponentTester等多种开发工具,以便支持开发人员快速实现应用的开发与部署。其他主流平台也均采取类似策略,IBMBlumix、西门子MindSphere、BoschIoTSuite、航天云网INDICS等平台也基于Cloudfoudry搭建,树根互联根云RootCloud、寄云科技NeuSeer平台等都是基于docker、Openshift进行构建。

2.新型集成技术成为平台能力开放的重要手段

借助RESTAPI等一系列WebAPI技术,大部分工业互联网平台中的设备、软件和服务通过JSON、XML等统一格式实现不同业务系统的信息交互和调度管理,为企业内外协同、云端协同、能力开放、知识共享奠定基础。新型API技术为多源异构系统的快速集成提供有效支撑,实现边缘设备与云端的集成、传统工业软件与云端的集成、平台内部不同软件和功能的集成。目前,Ayla、IntelIoT、Zatar、Xively、Eurotech等平台更是以REST协议为核心手段实现设备、应用程序、后端系统的全要素集成,此外,Predix、ThingWorx、WatsonIoT等绝大部分平台也都集成了RESTAPI技术。

基于API技术的能力开放是平台发展的重点方向。发那科FIELDsystem平台目前已经多家公司开放API,支持用户灵活调用平台的相关服务来开发个性化应用。Predix基于RESTAPI技术提供资产管理和位置控制的微服务,基于区块链技术提供数据完整性验证API,基于大数据技术提供数据统计分析API。IBMWatsonIOT平台基于RESTAPI技术为工业应用提供连接、认知分析、实时分析、信息管理和风险管理等功能。

3.容器技术支撑平台及应用的灵活部署

通过引入容器和无服务器计算等新型架构,能够实现平台和工业应用的灵活部署和快速迭代,以适应工业场景中海量个性化开发需求。容器技术简化了硬件资源配置的复杂性,一方面实现了平台中服务和应用的灵活部署。例如IBM将WatsonIOT平台中的采集服务和WatsonService平台中的分析服务以容器形式封装后,可以实现图形化的快速应用构建。GEPredix平台中训练形成的智能模型,利用容器技术可以直接部署在PredixMachine设备上。

另一方面,容器技术实现了平台自身的快速部署。例如PTCThingWorx平台年6月发布的8.0版本增加了基于Docker的部署方式,支持平台在不同公有云、私有云、混合云等多种基础设施上的快速构建和灵活迁移。SAP在dockerstore中提供HANA的应用速成(express)版,打包内存计算引擎和数据分析算法,使应用开发者可以在本地或云端快速开发基于HANA平台的数据分析应用和软件。

(三)应用创新,工业机理与数据科学走向融合

1.对工业机理的深入理解是工业数据分析的重要前提

在长期工业发展过程中,工业企业面向不同行业、不同场景、不同学科积累了大量经验与知识,这些工业机理的理解和提炼能够对生产现象进行精准描述和有效分析,对传统工业生产和管理的优化起到重要作用。随着新型数据科学的兴起,这些工业机理又能够有效指导数据分析过程中的参数选择和算法选择,使其更加贴合工业生产特点。因此,以GE、西门子、博世等工业巨头均将自身工业经验知识进行提炼和封装,作为其工业互联网平台的核心能力与竞争优势。例如,GE公司将以往由工程师智囊团完成的飞行数据分析工作“搬上”Predix平台,专家在Predix平台的帮助下构建一个检测程序来根据航程的长短自动对比飞机起飞前后发动机滑油量,实现滑油消耗的提前告警和运维,从而将其航空发动机领域的专业知识和经验转化为平台上面向用户特殊应用需求的专业服务能力。

2.大数据、机器学习技术驱动工业数据分析能力跨越式提升

工业互联网带来工业数据的爆发式增长,传统数学统计与拟合方法难以满足海量数据的深度挖掘,大数据与机器学习方法正在成为众多工业互联网平台的标准配置。Spark、Hadoop、Storm等大数据框架被广泛应用于海量数据的批处理和流处理,决策树学习、贝叶斯学习、深度学习等各类机器学习算法,尤其是以深度学习、迁移学习、强化学习为代表的人工智能算法,正成为工业互联网平台解决各领域诊断、预测与优化问题的得力工具。例如,IBM公司将人工智能系统Watson引入Bluemix中打造出具备“AI+IoT”特色的WatsonIoTPlatform,借助物联网强大的数据连接汇聚能力为智能系统Watson提供数据支撑,Watson系统则凭借优势明显的认知、推理和学习功能寻找数据与结果之间的内在关联,并形成新的洞察力以帮助企业进行最优决策。

3.数据科学与工业机理结合有效支撑复杂数据分析,驱动数字孪生发展

基于工业互联网平台,数据分析方法与工业机理知识正在加速融合,从而实现对复杂工业数据的深度挖掘,形成优化决策。例如,上海隧道工程公司通过与寄云公司合作,借助平台采集工业检测设备中的各类图像、距离、位置、转速、倾角、压力、流量、扭矩、功率等全部数据,基于岩土知识、功率曲线、扭矩曲线、屈服强度等工业知识机理标记(或提取)异常信息,对历史数据进行特征提取与模型训练,再接入实时数据进行异常预警,从而解决盾构硬岩掘进机TBM施工过程中的难题,突破传统解决方案的极限。随着融合的不断深化,基于精确建模、高效分析、实时优化的数字孪生快速发展,实现对工业对象和工业流程的全面洞察。

东方国信基于非稳态、多相、多物理场的数值模拟仿真技术、热力学和动力学模型、以及工业大数据分析技术等,建立虚实映射、实时监控、智能诊断、协同优化的数字孪生,实现对工业实体设计和工艺流程的仿真及优化,在炼铁,工业锅炉,水电,空压机,能源等多个行业或领域落地。

4.工业知识正基于平台快速积累并实现高效传播与复用

通过数据积累、算法优化、模型迭代,工业互联网平台中将形成覆盖众多领域的各类知识库、工具库和模型库,实现旧知识的不断复用和新知识的持续产生。借助这种方式,传统分散于不同企业、不同系统、不同个体的工业经验将能够获得有效沉淀和汇聚起来,并通过平台功能的开放和调用被更多企业共享。例如,索为SYSWARE平台通过打造统一的工程中间件,实现对各类知识经验、工业机理、算法模型的集成,目前已在航空、航天、船舶、兵器、核工业、电子等行业构建工业知识库上百个,知识条目万以上。

(四)功能下沉,边缘与云端协同成为平台重要发展方向

1.基于边缘的多协议转换强化平台数据接入能力

大部分平台均提出了协议转换和云端协同技术方案,实现设备、传感器、PLC、控制系统、管理软件等不同来源的海量数据在云端的集成与汇聚。基于网关的多协议转换正获得普遍应用,GE通过将数据采集转换模块PredixMachine部署在现场传感器、控制器和网关,利用OPCUA技术实现工业以太网、工业总线等不同协议的转换。OracleIoTCloudService面向设备远程管理业务,通过“软件网关”实现对行业通信协议的支持。

西门子通过在设备端部署数据采集模块MindConnectNano,实现通用协议兼容和私有协议转换。基于操作系统和芯片的原生集成正成为重要创新方向。如Intel推出WindRiverEdgeManagementSystem嵌入式管理系统,实现设备与IntelIoTPlatform的直接互联。AylaIoTPlatform与博通、高通、意法半导体等芯片巨头合作,将平台接口内嵌在芯片中,直接从芯片层面支持边缘与云端的互联。

2.边缘数据处理和缓存技术有效提升平台承载能力

工业生产过程中高频数据采集,往往会对网络传输、平台存储与计算处理等方面带来性能和成本上的巨大压力,在边缘层进行数据的预处理和缓存,正成为主要平台企业的共同做法。一是在边缘层进行数据预处理,剔除冗余数据,减轻平台负载压力。例如,SAPLeonardoEdgePlatform与Dell边缘网关集成,实现边缘数据的实时预处理。华为推出EC-IoT解决方案基于敏捷网关能够大幅缩短业务上线时间,降低运营成本50%以上。

二是利用边缘缓存保留工业现场全量数据,并通过缓存设备直接导入数据中心,降低网络使用成本。例如亚马逊推出的AWSSnowballEdge、微软Azure数据盒、以及谷歌的TransferAppliance,以TB级别的容量支持现场数据临时存储,通过实体运输将数据上传到数据中心,简化数据传输过程并尽可能减少设置与集成工作。在风电场的实际应用中,SnowballEdge主要解决无网络偏远地区的数据存储上云问题。在制造企业的实际应用中,SnowballEdge主要替代上位机或私有云保存现场数据。

3.边缘分析技术显著增强平台实时分析能力

为了更好满足工业用户的实时性、可靠性要求,越来越多的平台运营企业开始将计算能力下放到更为靠近物或数据源头的网络边缘侧。一是边缘层直接运行实时分析算法,例如微软年5月更新AzureIoTEdge服务,新增了机器学习、认知服务、流数据分析等功能,支持在嵌入式边缘设备上运行复杂分析和人工智能算法,微软与金属切削刀具企业SandvikCoromant合作,基于AzureIoTEdge在边缘实现了流数据分析和机器学习算法,使故障处理时延从云端处理的2秒缩短到边缘处理的0.1秒。二是边缘与平台协同,实现模型不断成长和优化。例如,PTC在ThingWorx平台中集成能够实时发现边缘设备异常的ThingWatcher模块,并与云端分析交互共享,实现模型迭代生长。

(五)开发框架,微服务等新型架构大幅降低开发难度与创新成本

1.基于微服务架构的开发方式大幅提升工业APP开发效率

基于微服务的开发方式支持多种开发工具和编程语言,并通过将通用功能进行模块化封装和复用,加快应用部署速度,降低应用维护成本。例如GEPredix平台基于微服务提供资产绩效管理、运营优化、资产建模、数据获取等多种微服务供开发者调用,简化了部署应用程序开发、部署与运维的复杂性。IBMBluemix平台推出可用于微服务开发的软件工具,如IBMMQLightforBluemix提供灵活、易于使用的消息传递机制,IBMBluemixDevOpsServices则帮助用户降低部署和运维应用程序的难度。此外,西门子MindSphere、航天云网INDICS、寄云NeuSeer等平台也都通微服务架构帮助用户快速构建个性化应用程序。

2.基于图形拖拽的开发方式有效降低工业APP开发门槛

基于图形拖拽的开发方式降低了对开发人员编程基础、开发经验的要求,使其可以专注于功能设计,从而降低应用开发的门槛。例如PTCThingWorx平台基于ThingWorxFoundation为开发人员提供模型驱动的应用程序开发服务,开发人员无需使用编写代码即可连接所有的ThingWorx组件,使用拖拽工具就可以开发高质量、可扩展的应用程序,相较传统方式能减少10倍的开发时间。SAPCloudPlatform通过Fiori、BUILD、WebIED等预制开发工具支持基于图形拖拽的开发方式,用户通过使用这些工具可进行轻量级云端开发,无需后台任何定制,就可实现应用的快速上线,将开发时间从几个月缩短到几周。

三、工业互联网平台产业生态

(一)四类平台企业、五大支撑主体、两类平台用户共同构筑平台产业体系

工业互联网平台产业发展涉及多个层次、不同领域的多类主体。在产业链上游,云计算、数据管理、数据分析、数据采集与集成、边缘计算五类专业技术型企业为平台构建提供技术支撑;在产业链中游,装备与自动化、工业制造、信息通信技术、工业软件四大领域内领先企业加快平台布局;在产业链下游,垂直领域用户和第三方开发者通过应用部署与创新不断为平台注入新的价值。

1.信息技术企业提供通用使能工具,成为平台建设重要支撑

信息技术企业提供关键技术能力,以“被集成”的方式参与平台构建。主要包括五类:一是云计算企业,提供云计算基础资源能力及关键技术支持,典型企业如亚马逊、微软、Pivotal、Vmware、红帽等;二是数据管理企业,提供面向工业场景的对象存储、关系数据库、NoSQL数据库等数据管理和存储的工具,典型企业如Oracle、Apache、Splunk等;三是数据分析企业,提供数据挖掘方法与工具,典型企业如SAS、IBM、Tableau、Pentaho、PFN等;四是数据采集与集成企业,为设备连接、多源异构数据的集成提供技术支持,典型企业如Kepware、NI、博世、IBM等;五是边缘计算企业,提供边缘层的数据预处理与轻量级数据分析能力,典型企业如华为、思科、英特尔、博世等。

2.平台厂商通过整合资源实现平台构建,发挥产业主导作用

平台企业以集成创新为主要模式,以应用创新生态构建为主要目的,整合各类产业和技术要素实现平台构建,是产业体系的核心。

目前,平台企业主要有以下四类:一是装备与自动化企业,从自身核心产品能力出发构建平台,如GE、西门子、ABB、和利时等;二是生产制造企业,将自身数字化转型经验以平台为载体对外提供服务,如三一重工/树根互联、海尔、航天科工等;三是工业软件企业,借助平台的数据汇聚与处理能力提升软件性能,拓展服务边界,如PTC、SAP、Oracle、用友等;四是信息技术企业,发挥IT技术优势将已有平台向制造领域延伸,如IBM、微软、华为、思科等。

3.应用主体以平台为载体开展应用创新,实现平台价值提升

工业互联网平台通过功能开放和资源调用大幅降低工业应用创新门槛,其应用主体分为两类:行业用户在平台使用过程中结合本领域工业知识、机理和经验开展应用创新,加快数字化转型步伐,如全球研磨机械制造商格林公司基于西门子MindSphere平台开发服务于机床的工业APP,实现对刀具磨损状态的精准预测和适时更换。第三方开发者能够依托平台快速创建应用服务,形成面向不同行业不同场景的海量工业APP,提升平台面向更多工业领域提供服务的能力,典型企业如Webalo、BearingPoint、ThetaRay、NEC、PitneyBowes等。

(二)企业从自身优势出发加快平台布局,形成四种路径

年以来,工业互联网平台的理念和重要性逐渐被产业界所认识,全球各类产业主体积极布局,工业互联网平台已经进入全面爆发期。根据咨询机构IoTAnalytics的统计,目前全球工业互联网平台数量超过个。年以来平台发展步入快车道,仅我国就有数十个平台产品发布。综合国内外平台企业布局策略来看,目前主要有四种路径。

1.装备和自动化企业凭借工业设备与经验积累,依托工业互联网平台创新服务模式

装备制造和自动化企业在工业现场沉淀有大量生产设备与工业系统,在其几十年的创新探索中也形成了丰富的工业知识、经验和模型,这些企业正借助平台化布局,实现底层设备数据的采集与集成以及工业知识的封装与复用,并以此为基础形成创新型的服务模式。目前,这些企业在平台构建中主要有两种方式。部分企业通过将现有工业应用向云端迁移,构建应用服务平台,实现应用的灵活部署与调用。

如ABB利用微软的云基础设施,通过Ability平台提供资产性能管理、能耗评估、分布式能源管理、工厂建模与仿真等云端服务。与之类似的还有施耐德EcoStruxure平台、发那科FIELDsystem平台、和利时HiaCloud平台等。部分企业则直接采用PaaS、微服务等新型架构搭建平台,为应用开发提供更好的能力支持,在提供自身平台服务的同时,着力打造繁荣的第三方应用创新生态。如GE基于开源PaaS架构CloudFoundry构建Predix平台,并通过集成微服务架构等方式为应用开发者提供丰富支持,实现智能应用的快速构建、测试和部署。三一重工依托其设备管理经验孵化专注工业互联网平台建设的树根互联,基于开源Docker技术构建PaaS平台,具备灵活的应用开发及部署能力,提供资产管理、预测性维护、产品全生命周期管理、产业链金融和模式创新等工业应用服务。

2.领先制造企业将数字化转型经验转化为服务能力,构建工业互联网平台

领先制造企业凭借自身在数字化转型过程中的成功经验,围绕生产优化、用户定制、资源整合等方面提供平台化服务,形成了多种创新模式。部分消费品生产企业基于个性化定制生产模式构建工业互联网平台,实现用户需求、设计资源与生产能力的全面打通。比如海尔的COSMO平台,将顾客需求、产品订单、合作生产、原料供应、产品设计、生产组装和智能分析等环节互联起来并进行实时通信和分析,以满足规模化定制需求。部分集团型制造企业凭借其资源整合经验,通过平台汇聚产业上下游各环节资源,为企业提供供需对接、协同设计、制造协同等智能化应用。比如航天云网INDICS平台汇聚超过万家企业,并在此基础上提供供需对接、智能工厂改造、云制造和资源共享等服务,目前已为近千家行业用户提供线上服务。

3.软件企业围绕自身业务升级需求,借助工业互联网平台实现能力拓展

软件企业通过布局工业互联网平台,全面获取生产现场数据和远程设备运行数据,并通过这些数据与软件的结合,提供更精准的决策支持并不断丰富软件功能。其中,管理软件企业依托平台实现从企业管理层到生产层的纵向数据集成,提升软件的智能精准分析能力。例如SAPHANA平台,以实现对数据库的建模、配置、监控、告警和管理。应用层,基于SQL、MDX、BICS接口接入BI分析、数据复制等应用软件。设计软件企业借助平台获取全生命周期数据,提升软件性能,进而形成基于数字孪生的创新应用。例如PTCThingworx平台基于大量的设计模块,实现产品研发设计,大幅节约设计研发周期。同时,平台基于CAD产品数字模型和Vuforia技术集成的ThingWorxStudio增强现实开发环境和网络体验服务以及数字孪生服务(DigitalTwin)实现对产品生产的全生命周期管理。

4.信息技术企业发挥技术优势,将已有平台向制造领域延伸

信息技术企业在其现有通用技术平台基础上,不断丰富面向工业场景的应用服务能力,同时加强与制造企业合作,实现平台的定制化集成和应用部署。云计算、大数据企业凭借运营及数据服务能力,通过强化工业连接及工业分析构建平台。例如IBMBluemix平台与博世合作,在平台部署博世物联网套件服务,进而帮助IBM提升底层设备物联及数据采集能力,并基于数据实现高级设备管理服务和云计算软件更新。微软AzureIoT平台则重点打造远程设备监控、预测性维护、工厂联网与可视化等服务能力,提升对制造场景的支持能力。通信企业依托数据采集与网络互联优势构建物联管理平台,并不断提升工业数据处理能力。华为OceanConnect平台借助网关设备、软件Agent和物联网管理系统,实现各类底层数据采集和集成,并通过提供API接口、开发套件与数据分析服务,形成行业智能应用。

(三)开放合作与封闭自建并举,多种方式开展平台构建

1.基于开源通用IT技术搭建平台基础架构成为主流

开源PaaS已成为平台厂商构建平台使能框架的共性选择。GEPredix、IBMBluemix、西门子MindSphere等大部分平台都采用开源的CloudFoundry架构作为平台基础框架。此外,OpenShift、Docker等开源技术也是平台企业中得到应用。开源大数据技术成为平台数据架构的关键支撑。Hadoop、Spark等开源数据工具已经形成了比较成熟的体系,IBMBluemix、和利时HiaCloud、Oracle、日立Lumada等平台均采用上述工具支撑数据服务。多种开源的开发工具帮助平台快速构建开发环境。GEPredix、寄云NeuSeer通过集成Eclipseintegration,Git和Jenkin等开源开发工具,强化平台应用开发能力。

2.采用并购与合作方式丰富平台功能

通过并购获取平台关键技术功能。面向设备数据连接,PTC先后并购Kepware和Axeda,强化ThingWorx平台的数据采集能力。博世也收购智能设备软件公司ProSyst,为平台提供即插即用的协议转换支持。面向数据分析挖掘,日立收购Pentaho商务智能公司,提供数据集成、可视化分析和数据挖掘等服务。此外,GE收购AustinDigital强化航空数据分析能力,PTC收购ColdLight提高平台机器学习能力.面向平台安全,GE收购Wurldtech。

通过合作整合资源,不断丰富平台功能。一是实现更大范围的现场数据采集,如SAP、航天云网等企业均与西门子开展合作,借助西门子在工业自动化领域巨大存量基础,降低设备接入难度。发那科与罗克韦尔合作,实现平台与底层控制系统的无缝连接。二是实现平台灵活部署,如GE、西门子均与微软、亚马逊开展合作,实现在不同云基础设施上的部署能力。此外,ABB与微软合作,树根互联与腾讯云合作,都旨在解决部署的基础资源问题。三是强化数据分析能力,如西门子、ABB与IBM合作,将Watson认知计算能力融入到平台中。发那科与PreferredNetworks合作,集成其深度学习框架Chainer。

3.将自身工业知识积累进行封装,打造平台核心竞争力

工业企业长期积累形成了大量工业知识和经验,是工业领域核心价值所在。工业巨头正将物理世界的工业机理转化为数字世界的算法和模型,再封装为平台上的微服务和工业APP,形成封闭的“黑盒”供开发者调用。开发者可以使用“黑盒”的关键能力,但无法获取其中的工业机理。例如,GE将其在航空发动机、燃气轮机、风机等领域长期积累的设备知识抽象为相关微服务,成为平台的核心资产。

(四)应用创新生态打造已成为平台发展关键

1.平台企业通过自主开发不断丰富应用种类

平台企业是现阶段应用创新的主力军,通过传统工业软件的云化迁移和新型工业APP开发,不断提升平台服务能力。目前,GE在Predix平台应用商店中已发布9款自主开发的工业APP,同时正积极将APM、OPM、FES等现有工业解决方案转化为平台应用。西门子与埃森哲、Evosoft、SAP、微软、亚马逊和Bluvision等合作伙伴在汉诺威展上展示了约50种工业APP。ABB正将其面向20多个工业领域的余项工业解决方案向Ability平台迁移。

2.借助合作伙伴拓宽行业应用创新服务能力

平台企业通过跨领域合作,吸引更多行业伙伴基于平台开展应用创新,实现平台向更多领域的延伸拓展。如,波音与微软合作,将设备预测维护、燃油消耗分析等航空分析应用迁移至微软的Azure平台,目前已有余家企业基于平台使用这些服务。发那科与罗克韦尔合作,将后者的FactoryTalkView等系列工厂管理应用向其FIELDsystem平台迁移。PTC通过ThingWorx平台伙伴计划汇聚了数百家合作企业,强化平台与这些企业应用服务的无缝集成,同时吸引合作企业基于平台开发创新应用。

3.打造开发者社区激发创新活力

海量开发者是应用创新的重要来源,是平台生态形成的关键驱动力。当前主要平台企业均积极打造开发者社区,通过技术开源、工具提供、文档分享、专家支持、利益共享等方式,吸引开发者入驻平台参与应用创新。GE着力打造面向Predix平台的开发社区Predix.io,通过提供开发工具、微服务、应用开发指导文档,以及举办线上技术研讨会等方式,已经吸引到5万余名开发者。华为构建OceanConnect开发者社区,提供了多种开放API和系列化Agent,以及各类技术支持、营销支持和商业合作,在油气能源、生产与设备管理、车联网、智慧农业等领域吸引超过80个行业合作伙伴入驻。

四、工业互联网平台应用场景

(一)平台应用由单点智能向全局智能、由状态监测向复杂分析演进

当前,工业互联网平台在工业系统各层级各环节获得广泛应用,一是应用覆盖范围不断扩大,从单一设备、单个场景的应用逐步向完整生产系统和管理流程过渡,最后将向产业资源协同组织的全局互联演进。二是数据分析程度不断加深,从以可视化为主的描述性分析,到基于规则的诊断性分析、基于挖掘建模的预测性分析和基于深度学习的指导性分析。

其中,设备、产品场景相对简单,机理较为明确,已经可以基于平台实现较复杂的智能应用,在航空航天、工程机械、电力装备等行业形成了工艺参数优化、预测性维护等应用模式;企业生产与运营管理系统复杂度较高,深度分析面临一定挑战,当前主要对局部流程进行改进提升,在电子信息、钢铁等行业产生供应链管理优化、生产质量优化等应用模式;产业资源的协同目前还没有成熟的分析优化体系,主要依托平台实现资源的汇聚和供需对接,仅在局部领域实现了协同设计、协同制造等应用模式。

总体来看,平台应用还处于初级阶段,以“设备物联+分析”或“业务系统互联+分析”的简单场景优化应用为主。未来平台应用将向深层次演进,将在物联与互联全面打通的基础上实现复杂的分析优化,从而不断推动企业管理流程、组织模式和商业模式创新。最终,平台将具备全社会资源承载与协同能力,通过全局性要素、全产业链主体的重新组织与优化配置,推动工业生产方式、管理模式和组织架构变革。

1.设备、工艺等单个场景已可以实现基于数据和机理的预测,正步入决策性分析阶段

工业互联网平台广泛连接设备、装备、产品,基于设备机理模型和产品数据挖掘开展了大量基于规则的故障诊断、工艺参数优化、设备状态趋势预测、部件寿命预测等单点应用,如GE依托Predix平台,通过构建数字双胞胎实现对航空发动机、燃气轮机等重型装备的健康管理,施耐德基于Ecostruxure平台为罗切斯特医疗中心提供配电设备管理服务,实现电力故障的预测性报警与分析。随着数据的持续积累与分析方法的不断完善,将形成基于设备数据挖掘的更精准分析模型,并自主提出指导性优化建议。目前该趋势已初步显现,例如微软AzureIoT平台为Rolls-Royce发动机提供基于机器学习的海量数据分析和模型构建,能够在部件即将发生故障时准确预报异常,并提前介入主动帮助Rolls-Royce规划解决方案。

2.企业管理与流程优化从当前局部改进向系统性提升迈进

工业互联网平台实现了生产现场与企业运营管理、资源调度的协同统一,在此基础上形成面向企业局部的生产过程优化、企业智能管理、供应链管理优化等重点应用。日立公司Lumada平台通过物联设备实时收集商品流转数据,并通过与子公司货车调配业务系统的互联,形成庞大供应链管理数据池,实现全集团的仓储物流优化。未来随着平台底层连接能力的提升和企业IT-OT层的打通,大量生产现场数据和管理系统数据将进行集成汇聚,基于海量数据分析挖掘实现智能工厂整体优化、企业实时智能决策等应用,实现企业生产管理领域的系统性提升。罗克韦尔公司自动化部门与微软AZURE平台合作,打通了OT层自动化系统与IT层业务系统数据,基于大量数据进行工厂系统建模与关联分析,实现生产物料管理、产品质量检测、生产管控一体化等综合功能,探索数字工厂应用。

3.产业/资源层面从信息交互向资源优化配置演进

工业互联网平台在应用过程中汇聚了大量工业数据、模型算法、软件工具,乃至研发设计、生产加工等各类资源与能力。目前这些资源在平台上主要通过简单信息交互实现供需对接与资源共享等浅层次应用。未来,随着平台全局运行分析与系统建模能力的逐步提升,平台将成为全局资源优化配置的关键载体。找钢网平台在为钢铁行业上下游企业提供钢材资源供需对接服务的基础上,正在探索基于大数据分析的钢厂精准供需匹配、资源区域性优化投放和最优定价策略。

(二)工业互联网平台当前总体应用于四大场景

1.面向工业现场的生产过程优化

工业互联网平台能够有效采集和汇聚设备运行数据、工艺参数、质量检测数据、物料配送数据和进度管理数据等生产现场数据,通过数据分析和反馈在制造工艺、生产流程、质量管理、设备维护和能耗管理等具体场景中实现优化应用。

制造工艺场景中,工业互联网平台可对工艺参数、设备运行等数据进行综合分析,找出生产过程中的最优参数,提升制造品质。例如GE基于Predix平台实现高压涡轮叶片钻孔工艺参数的优化,将产品一次成型率由不到25%提升到95%以上。

生产流程场景中,通过平台对生产进度、物料管理、企业管理等数据进行分析,提升排产、进度、物料、人员等方面管理的准确性。博世基于平台为欧司朗集团提供生产绩效管理服务,可在生产环境中协调不同来源的数据,提取有价值的信息并自动运用专家知识进行评估,实现了生产任务的自动分配。

质量管理场景中,工业互联网平台基于产品检验数据和“人机料法环”等过程数据进行关联性分析,实现在线质量监测和异常分析,降低产品不良率。富士康集团基于其平台实现全场产品良率自动诊断,打通车间产能、质量、人力、成本等各类运行状况数据,并对相关数据进行分析计算和大数据优化,使良率诊断时间缩短90%。

设备维护场景中,工业互联网平台结合设备历史数据与实时运行数据,构建数字孪生,及时监控设备运行状态,并实现设备预测性维护。例如嵌入式计算机产品供应商Kontron公司基于IntelIoT平台智能网关和监测技术,可将机器运行数据和故障参数发送到后台系统进行建模分析,实现板卡类制造设备的预测性维护。

能耗管理场景中,基于现场能耗数据的采集与分析,对设备、产线、场景能效使用进行合理规划,提高能源使用效率,实现节能减排。例如施耐德为康密劳硅锰及电解锰冶炼工厂提供EcoStruxure能效管理平台服务,建立能源设备管理、生产能耗分析、能源事件管理等功能集成的统一架构,实现了锰矿生产过程中的能耗优化。

2.面向企业运营的管理决策优化

借助工业互联网平台可打通生产现场数据、企业管理数据和供应链数据,提升决策效率,实现更加精准与透明的企业管理,其具体场景包括供应链管理优化、生产管控一体化、企业决策管理等。

供应链管理场景中,工业互联网平台可实时跟踪现场物料消耗,结合库存情况安排供应商进行精准配货,实现零库存管理,有效降低库存成本。雅戈尔基于IBMBluemix平台对供应链和生产系统的重要数据进行抽取和多维分析,优化供应链管理并使库存周转率提高了1倍以上,库存成本节省了2.5亿元,缺货损失减少了30以上,工厂的准时交货率达到99%以上。

生产管控一体化场景中,基于工业互联网平台进行业务管理系统和生产执行系统集成,实现企业管理和现场生产的协同优化。石化盈科通过ProMACE平台在炼化厂的应用,围绕生产计划优化,推动经营绩效分析、供应链一体化协同及排产、实时优化、先进控制和控制回路的闭环管控,实现财务日结月清。

企业决策管理场景中,工业互联网平台通过对企业内部数据的全面感知和综合分析,有效支撑企业智能决策。中联重科结合SAPHANA平台的计算能力及SAPSLT数据复制技术,实现工程起重机销售服务、客户信用销售、集团内控运营三个领域的实时分析,有效针对市场变化做出快速智能决策。

3.面向社会化生产的资源优化配置与协同

工业互联网平台可实现制造企业与外部用户需求、创新资源、生产能力的全面对接,推动设计、制造、供应和服务环节的并行组织和协同优化。其具体场景包括协同制造、制造能力交易与个性定制等。

协同制造场景中,工业互联网平台通过有效集成不同设计企业、生产企业及供应链企业的业务系统,实现设计、生产的并行实施,大幅缩短产品研发设计与生产周期,降低成本。如河南航天液压气动技术有限公司基于航天云网INDICS平台实现了与总体设计部、总装厂所的协同研发与工艺设计,研发周期缩短35%、资源利用率提升30%,生产效率提高40%。

制造能力交易场景中,工业企业通过工业互联网平台对外开放空闲制造能力,实现制造能力的在线租用和利益分配。例如沈阳机床基于iSESOL平台向奥邦锻造公司提供了i5机床租赁服务,通过平台以融资租赁模式向奥邦提供机床,按照制造能力付费,有效降低了用户资金门槛,释放了产能。

个性定制场景中,工业互联网平台实现企业与用户的无缝对接,形成满足用户需求的个性化定制方案,提升产品价值,增强用户粘性。例如海尔依托COSMO平台与用户进行充分交互,对用户个性化定制订单进行全过程追踪,同时将需求搜集、产品订单、原料供应、产品设计、生产组装和智能分析等环节打通,打造了适应大规模定制模式的生产系统,形成了多种个性化定制方案,使用户订单合格率提高20%,交付周期缩短50%。江森自控-日立公司基于Ayla平台,打通社交媒体数据,整合8亿


转载请注明:http://www.abachildren.com/jbzs/1803.html