工业互联网平台
出自 MBA智库百科(https://wiki.mbalib.com/)
目录 |
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[1]。
工业互联网平台体系包括边缘层、laaS、PaaS和SaaS四个层级，相当于工业互联网的“操作系统”[2]。
工业互联网平台的作用[2]
01数据汇聚。网络层面采集的多源、异构、海量数据，传输至工业互联网平台，为深度分析和应用提供基础。
02建模分析。提供大数据、人工智能分析的算法模型和物理、化学等各类仿真工具，结合数字孪生、工业智能等技术，对海量数据挖掘分析,实现数据驱动的科学决策和智能应用。
03知识复用。将工业经验知识转化为平台上的模型库、知识库，并通过工业微服务组件方式，方便二次开发和重复调用，加速共性能力沉淀和普及。
04应用创新。面向研发设计、设备管理、企业运营、资源调度等场景，提供各类工业APP、云化软件，帮助企业提质增效。
工业互联网平台发展历程[2]
萌芽期(2010年以前)
2009年，阿里公司率先开展云平台的研究,并逐步与制造、交通、能源等众多领域的领军企业合作，成为——工业企业搭建云平台的重要推手。
成长期(2010年——2014年)
2010年，腾讯开放平台接入首批应用，腾讯云正式对外提供云服务。2011 年，华为公司依托其资本和云计算研发实力，发布华为云平台，面向互联网增值服务运营商、大中小型企业、政府、科研院所等广大企事业用户提供包括云主机、云托管、云存储等基础云服务、超算、内容分发与加速、视频托管与发布、企业IT、应用托管等服务和解决方案。
壮大期(2015年——至今)
2015年以后，国内企业积极布局，航天云网、三一重工、海尔、富士康等企业依托自身制造能力和规模优势，推出工业平台服务，并逐步实现由企业内应用向企业外服务的拓展；和利时、用友、徐工集团等企业则基于自身在自动化系统、工业软件与制造装备领域的积累，进一步向平台延伸，尝试构建新时期的工业智能化解决方案。
我国工业互联网平台存在问题
工业互联网平台存在认可度不高、覆盖面不广、带动力不强等问题，且软硬件存在短板，关键技术受制于人，标准化体系不完善，导致协议不互通、系统不兼容，信息孤岛林立、海量异构数据管理困难、企业知识沉淀和敏捷创新水平低，安全问题也没能得到足够重视，多数平台赋能企业的能力还需要进一步加强。
同时我国目前有企业大类上百、小类上万，产线、业态各不相同，自动化、数字化、网络化和智能化建设中遇到的问题千差万别。个性化要求多，限制了工业互联网平台在细分领域的推广。
解决上述问题需要从多维度破题，多角度发力:一要完善顶层设计，统筹推动工业互联网标准的建立；二要营造环境、分类指导，通过有针对性的政策，引导企业主动实施数字化改造,为工业互联网建设提供必要的产业基础支撑；三统筹资源联合攻关，突破关键核心技术。
工业互联网平台的技术体系[3]
工业互联网平台能感知与生产相关的原材料、产品、智能加工设备、生产线、工厂、工人、供应商和用户信息，通过互联网将信息关联起来，并利用数据分析技术，为智能制造提供决策支持，最终利用工业APP推送给用户和各智能设备。因此，工业互联网技术体系包括4个部分：①全面互联的工业系统信息感知技术；②信息传输技术；③数据分析平台；④工业APP开发技术。
1、信息感知技术
工业互联网平台需要实现跨部门、跨层次、跨地域、跨领域的工业系统信息全面感知，因此，数据采集要以自感知技术为主，同时，需要研究多源异构数据融合技术，将多来源、多形式的数据整合，来准确描述生产要素状态。然而，边缘层数据采集困难重重。
首先，工厂里有许多性能参差不齐的老旧设备没有配置传感器，如何将老旧设备联网，采集到聋哑设备的数据非常关键；其次，随着加工过程和生产线精益化、智能化水平的提高，必须从多角度、多维度、多层级来感知生产要素信息，因此，需要广泛部署智能传感器，来对生产要素进行实时感知。而传感器、仪表或PLC控制器往往来自不同厂商，所支持的通讯协议也不同，如何将不同传感器信息进行整合同样非常重要。此外，车间面积广设备量多，传统人员巡检模式效率低、速度慢，如何对设备及人员进行远程管理也是边缘层需要解决的问题。因此，可以理解边缘层的3个要点：
（1）设备接入——对海量设备进行连接和管理；
（2）协议解析——利用协议转换实现海量工业数据的互联互通和互操作；
（3）边缘数据处理——通过运用边缘计算技术，实现错误数据剔除、数据缓存等预处理以及边缘实时分析，降低网络传输负载和云端计算压力。
2）信息传输技术
工业互联网平台需要完成工业数据集成、实时存储与传输。物联网的传输层主要负责传递和处理感知层获取的信息，分为有线传输和无线传输两大类，其中无线传输是物联网的主要应用。无线传输技术按传输距离可划分为两类：一类是以Zigbee、WiFi、蓝牙等为代表的短距离传输技术，即局域网通信技术；另一类则是LPWAN（low-power Wide-Area Network，低功耗广域网），即广域网通信技术。
传感器和设备信息需要通过各种不同的协议实现数据接入的。协议转换分为两个方面：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讯接口，实现数字格式转换和统一。另一方面利用HTTP、MQTT等方式从边缘层将采集的数据传输到云端，实现数据的远程接入。
在转换协议中，主要有协议即用于短距离设备连接的本地协议 Modbus 以及支持物联网进行远程全局通信的可扩展互联网协议MQTT。
3）数据分析平台
工业互联网平台需要实时高效处理不断产生的工业数据，从中挖掘出对工业生产有价值的决策方案。工业互联网平台需要借助大数据分析技术、人工智能方法等，基于专家经验，结合物理、数学等基础学科知识，从工业大数据中获得有价值的经验。
与其他领域大数据相比，工业大数据有“3B”挑战。
（1）Broken：工业对于数据的要求并不仅在于量的大小，更在于数据的全面性。在利用数据建模的手段解决某一个问题时，需要获取与被分析对象相关的全面参数，而一些关键参数的缺失会使分析过程碎片化。举例而言，当分析地铁发动机性能时需要温度、空气密度、功率等多个参数，而当其中任意一个参数缺失时都无法建立完整的性能评估和预测模型。因此对于企业来说，在进行数据收集前要对分析的对象和目的有清楚的规划，这样才能够确保所获取数据的全面性，以免斥巨资积累了大量数据后发现并不能解决所关心的问题。
（2）Bad Quality：在工业大数据中，数据质量问题一直是许多企业所面临的挑战。这主要受制于工业环境中数据获取手段的限制，包括传感器、数采硬件模块、通信协议、和组态软件等多个技术限制。对数据质量的管理技术是一个企业必须要下的硬功夫。
（3）Background：数据受到设备参数设定、工况、环境等背景信息的影响,除了对数据所反映出来的表面统计特征进行分析以外，还应该关注数据中所隐藏的背景相关性。对这些隐藏在表面以下的相关性进行分析和挖掘时，需要一些具有参考性的数据进行对照，也就是数据科学中所称的“贴标签”过程。这一类数据包括工况设定、维护记录、任务信息等，虽然数据的量不大，但在数据分析中却起到至关重要的作用。
因此，工业互联网平台大数据分析，不仅需要利用常用的大数据分析技术，还需要研究数据清洗、数据融合，并且要将各学科、各领域、不同背景知识抽象、固化，形成规则，与大数据分析技术结合，以提供更准确的分析结果。
4）工业APP开发技术
工业互联网平台需要将分析出的结果实时推送给用户，同时也需要接口将决策传输到智能设备。工业互联网平台需要根据用户需求和实际生产需要，定制化APP推送消息，因此，需要工业互联网平台开发面向新模式场景、个性化需求的APP。
工业 APP 的构建是工业互联网平台协作模式转换的核心，通过对工业知识的提炼与抽象，将数据模型、提炼与抽象的知识结果通过形式化封装与固化形成 APP。封装了工业知识的工业 APP，对人和机器快速高效赋能，突破了知识应用对人脑和人体所在时空的限制，最终直接驱动工业设备及工业业务。
工业APP开发运用互联网技术性优点，打破传统式运营模式的时空局限性，在智能制造系统中很好的将手机互联的易用性、便携性与易传播性利用起来，不仅大大地拉近生产商、供应商、经销商与顾客的距离，也提高了制造行业销售市场敏感度与信任感。
工业互联网平台的应用[3]
工业互联网平台有三大应用场景。
1、加工过程优化
工业互联网平台能够实时感知加工过程中设备运行数据、加工工艺参数，同时将其与原材料信息、人员配置、设备状态、质量检测数据等信息关联起来，因此，工业互联网平台可以实现工艺参数优化和提供设备维护决策支持。
工业互联网平台可以利用大数据分析技术，挖掘产品质量与加工工艺参数之间的关联关系，通过建立产品质量与工艺参数之间的映射，获取能提高产品质量的工艺参数。例如，美的集团基于工业互联网平台（M.IoT）对工艺参数进行优化，使产品品质一次合格率从94.1%提升到96.3%。
同时，工业互联网平台可以基于设备历史运行数据和历史状态，分析监测参数与设备状态之间的关系，进而推理出设备状态的演化规律，为智能设备的预防性维护、远程寿命预测及状态监测提供决策支持。基于普奥ProudThink平台搭建的制冷设备远程运维平台（图3），可以实现远程调试参数，并监测设备状态，发生故障时，及时切断设备，并发出预警以便及时得到维护。
2、资源管理优化
工业互联网平台不仅可以感知设备级、车间级的数据，同时能将跨部门、跨层级的生产要素之间的信息关联互通，对生产过程的描述也不局限于加工过程，而是从更深的层次、更细的粒度、更全面的角度对生产制造的全过程进行描述，能从更全面的角度对资源配置进行优化。此外，用户的需求也能更直接地反馈到生产端，为更快适应的柔性制造提供配置方案。
工业互联网平台能更全面准确的描述生产要素在加工过程中的状态，尤其是资源利用情况，如能耗、空间占用、运输成本等等。受益于生产要素信息的全面互联，工业互联网平台能统筹考虑多方面要素，给出更接近于全局最优的资源配置方案。例如，福特汽车公司基于施耐德电气的EcoStruxure平台，收集福特公司在美国国内设施的电力数据并由云管理系统进行分析、管理，降低能耗30%，并节省了2%的能源开支。
工业互联网平台能感知生产要素在制造系统中流转的影响，面对新模式生产场景和个性化生产需求，工业互联网平台能给出快速响应的柔性制造配置方案，从而满足定制化的产品要求。例如，海尔集团基于COSMOPlat平台，汇集了洗衣机用户的个性需求，实现了洗衣机个性化定制。
3、市场决策优化
工业互联网平台将供应商、制造商、销售商及消费者联系起来，市场行为本质上是由需求驱动，商业行为与制造过程有着密不可分的复杂耦合关系，对于历史消费数据的分析，可以用于预测市场需求，同时，通过对短期市场行为的分析，可以预知可能发生的风险，做好风险管控。
工业互联网平台感知到的产品全生命周期信息，能从中分析出从原材料—制造—销售—使用中各个要素之间的复杂耦合关系，通过对历史信息的分析，能对未来需要的产品种类及产能进行预测。
工业互联网平台的优势在于全局信息感知，对于全局信息的实时掌握，能用来预测未来市场可能发生的风险，进而快速对生产制造进行调整，对资源配置进行优化，从而合理地规避风险。
