分享

一文系统读懂工业互联网平台产业体系、应用场景及技术趋势 | 深度

 wujinlan吴金兰 2018-08-11

造奇新媒体导读

每天产生大量的碎片化信息,这包含了及时资讯、行业知识、个人观点、深度文章等,而且每隔一段时间就会出现新热点,几乎每个人都疲于应付,被严重裹挟在这股信息流中。前段时间,社会上出现了很多反思,只追赶新潮信息却非常缺乏深度思考,看到的信息不等于知识,更不能等同认知和见识,无法沉淀和内化为自有知识体系,无法更进一步把握职场机遇和商业机会。

打通从资讯-信息-知识-认知-见识-机会的通路

特此,由[造奇智能产业新媒体]独家推出业界首份(也是唯一一份)、聚焦工业互联网和智能制造领域的垂直实名付费社群——工业互联网研习社打通工业互联网从资讯信息知识认知见识机会的通路,构筑自己独特的工业互联网价值认知体系,在这场浪潮中争得先机。




1月17日晚间,由中国信通院、工业互联网产业联盟AII、走向智能论坛联合主办的工业互联网线上分享会,造奇智能产业新媒体提供媒体支持,以下是精彩内容,以飨读者。


主讲专家 | 朱敏:中国信息通信研究院信息化与工业化融合研究所副所长、《工业互联网平台白皮书》主要撰写者


由【造奇智能产业新媒体 & 工业互联网研习社】整理出以下重要信息:


  • 一、 平台发展经历了云平台、大数据平台、物联网平台和工业互联网平台四个阶段。 这种说法实际上在一定程度上区分了当下诸多概念之间的区隔,即工业互联网平台不是云计算平台,也不是简单的大数据平台,以及物联网平台,但又存在着紧密的联系。工业互联网平台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,在很大程度上实现了功能和价值的倍增。


  • 二、整个工业互联网平台呈现出清晰的四个层级架构,涵盖边缘层、IaaS层、平台层(也叫工业PaaS层)、应用层(也叫工业SaaS层)以及贯穿上述各层级的安全防护。其中,边缘层、平台层、应用层是工业互联网平台的三大核心层级

    (评:这在一定程度上把IaaS框定在基础设施意义上,对于工业应用来讲,其行业特征并不明显,更具有通用特征。所以,IaaS层并不构成当下工业互联网平台竞争的核心壁垒。而边缘层在一定程度上“上位”了,其价值随着认识的增加,越来越凸显其设备端的价值。)


  • 三、 平台架构,PaaS以其开放灵活特性成为主流选择。一是、基于通用开源PaaS架构二次开发构建平台,例如GE Predix、西门子MindSphere、航天云网INDICS等均基于Cloud Foudry进行平台建设


  • 四、 工业互联网平台的技术趋势,有两个,一是功能下沉,边缘与云端协同成为平台重要发展方向。二是开发框架,微服务等新型架构大幅降低开发难度与创新成本。


  • 五、 工业互联网平台产业体系四类平台企业(装备与自动化、ICT、软件、制造等四类平台发起方)、五大支撑主体(数据采集与集成、网络与边缘计算、云计算、数据管理、数据分析五类专业技术型企业)、两类应用主体(垂直领域用户和第三方开发者)共同构筑,形成完成工业互联网产业生态。


  • 六、 当前,工业互联网平台在工业系统应用中呈现两大特点: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。


  • 七、 当前工业互联网平台初步形成四大应用场景:一是聚焦在设备、产线、车间等工业现场;二是向上延伸到企业运营层面;三是在整个产业层面;四是从产品全生命周期流程入手


  • 工业互联网平台总体还处于发展初期,尽管各类平台不断涌现,但平台的业务能力还需不断加强,商业模式也仍需探索。请记住,不管平台如何玩转,“应用”始终是平台价值的最终体现。




当前,制造业成为全球经济发展的焦点,传统产业转型升级需求迫切。同时,新一代信息技术飞速发展,积极向制造业渗透,驱动产业变革。制造业转型升级的迫切需求与信息技术向制造领域加速渗透的趋势相互交织融合,催生了工业互联网平台。


一方面,制造业转型升级需要新的平台化使能工具。一是工业数据的爆发式增长需要新的数据管理工具,实现海量数据低成本、高可靠的存储和管理。二是企业智能化决策需要新的应用创新载体,满足智能化应用的爆发式增长。三是新型制造模式需要新的业务交互手段,实现不同主体、不同系统间数据和应用的高效集成。


另一方面,信息技术发展推动平台化使能工具走向成熟。一是云计算技术成熟,可以帮助制造企业低成本建设IT基础设施,形成单行可扩展的存储计算能力,实现简单灵活的软件开发与部署,进而帮助制造业降低成本;二是大数据和物联网技术成熟,可以为制造企业有效连接设备和产线,收集生产现场成千上万种不同类型的数据,完成不同来源不同结构工业数据的采集与集成,高效处理分析,实现价值挖掘,进而帮助制造企业提升价值。



平台发展经历了云平台、大数据平台、物联网平台和工业互联网平台四个阶段。         

  • 第一阶段形成了以亚马逊AWS、微软Azure为代表的云计算平台;

  • 第二阶段形成了以SAP HANA和Teradata Aster为代表的大数据平台;

  • 第三阶段形成了以亚马逊AWS IoT、微软Azure IoT、IBM Watson IoT为代表的物联网平台;

  • 第四阶段,以GE Predix 、西门子MindSphere为代表的工业互联网平台快速发展,呈现爆发式增长态势。

根据咨询机构IoT Analytics的统计,全球工业互联网平台数量超过150个,预计2021年工业互联网平台市场规模将达到16.44亿美元。



工业互联网平台(概念)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、高效配置的载体。


从本质上看,工业互联网平台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,实现海量异构数据汇聚与建模分析、工业经验知识软件化与模块化、工业创新应用开发与运行,从而支撑生产智能决策、业务模式创新、资源优化配置和产业生态培育。


从能力要求上看,工业互联网平台具备泛在连接、云化服务、知识积累、应用创新四大特征。一是需要实现不同来源不同结构数据的广泛集成,二是需要基于云架构构建海量工业数据处理的环境,三是需要基于工业机理和数据科学实现海量数据的深度分析,并实现工业知识的沉淀和复用,四是能够提供开发工具及环境,实现工业APP的开发、测试和部署。



整个工业互联网平台呈现出清晰的层级架构,涵盖边缘层、IaaS层、平台层(也叫工业PaaS层)、应用层(也叫工业SaaS层)以及贯穿上述各层级的安全防护。其中,边缘层、平台层、应用层是工业互联网平台的三大核心层级。


首先,边缘层是基础。在平台的边缘层,对海量设备进行连接和管理,并利用协议转换实现海量工业数据的互联互通和互操作;同时,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。


其次,平台层是核心。在通用PaaS架构上进行二次开发,实现工业PaaS层的构建,为工业用户提供海量工业数据的管理和分析服务,并能够积累沉淀不同行业、不同领域内技术、知识、经验等资源,实现封装、固化和复用,在开放的开发环境中以工业微服务的形式提供给开发者,用于快速构建定制化工业APP,打造完整、开放的工业操作系统。


最后,应用层是关键。通过自主研发或者是引入第三方开发者的方式,平台以云化软件或工业APP形式为用户提供设计、生产、管理、服务等一系列创新性应用服务,实现价值的挖掘和提升。



工业互联网平台涉及四个方面的七类关键技术

  • 一是、为平台提供底层连接、云基础设施和运行环境的基础支撑技术,包括数据集成和边缘处理、IaaS和平台使能三类具体技术

  • 二是、支撑平台进行海量工业数据管理和分析的数据挖掘技术,包数据管理、工业数据建模和分析两类具体技术

  • 三是、为平台提供工业微服务、开发工具和开发环境,驱动平台进行应用创新的应用开发和微服务技术

  • 四是、能够保障平台稳定运行,实现工业系统安全的安全保障技术



平台架构,PaaS以其开放灵活特性成为主流选择。一是、基于通用开源PaaS架构二次开发构建平台,例如GE Predix、西门子MindSphere、航天云网INDICS等均基于Cloud Foudry进行平台建设。


二是、以API为代表的新型集成技术为系统集成和平台能力开放提供有效支撑,例如Ayla、Intel IoT等平台基于API协议对设备、应用和系统进行全面集成,GE Predix基于API协议对外提供资产管理、数据验证、数据分析服务。三是利用容器技术支撑平台和应用灵活部署,例如PTC ThingWorx平台能够基于容器方式支持在不同IaaS上的部署,GE Predix平台中训练形成的智能模型能够基于容器直接部署在Predix Machine上。


应用创新,工业机理与数据科学走向融合。当前,工业数据分析呈现两类路径:一是从工业机理出发,进行建模分析,例如GE凭借其航空发动机领域的专业知识和经验来提供飞行数据分析服务;二是从数据角度出发,通过关联性分析,找到规律,例如阿里云的大数据技术帮助协鑫光伏进行质量数据关联分析,实现了良品率的提升。


上述两种路径的融合能够取得更加明显的效果,是未来工业数据分析的趋势,例如东方国信将热力学模型与数据分析融合,构建数字孪生高炉以提升运行效率,延长运行寿命。通过各种分析模型在平台上的沉淀,平台将汇聚起大量的工业知识,实现知识传承、迭代与复用,例如索为在航空、电子等行业构建了上百个工业知识库。



工业互联网平台的技术趋势,有两个,一是功能下沉,边缘与云端协同成为平台重要发展方向。一是强化协议转换能力,例如GE Predix Machine利用OPC UA技术实现不同工业网络协议的转换。二是强化边缘计算能力,例如SAP Leonardo利用边缘网关剔除冗余数据,Azure IoT在边缘侧运行分析算法,实现实时反馈控制。三是强化边缘与云端协同能力,例如ThingWorx平台将云端模型导入边缘设备进行实时分析,并根据反馈数据进一步优化云端模型,实现双向迭代。


二是开发框架,微服务等新型架构大幅降低开发难度与创新成本。工业互联网平台通过应用新型软件开发架构提升工业应用开发效率,降低开发门槛。一方面GE Predix等平台集成微服务架构,支持多种开发工具和编程语言,通过将工业知识进行模块化封装和复用,加快应用部署速度。另一方面ThingWorx等平台支持图形拖拽开发方式,将应用开发时间从几个月缩短到几周。



工业互联网平台重构了工业软件创新、部署和集成方式。在传统IT开发模式中,企业按照业务流程开发独立的软件系统,功能和数据分散在不同的软件中,难以协同与集成。在工业互联网开发模式中,平台解构传统工业需求,将其拆分为更具体和细化的功能组件,构建微服务池。开发者根据特定用户需求,调用和组合微服务组件,并固化为APP。APP之间基于平台实现快速交互集成,形成按需定制,全面集成的新型开发方式。



四类平台企业、五大支撑主体、两类应用主体共同构筑工业互联网平台产业体系。

首先,数据采集与集成、网络与边缘计算、云计算、数据管理、数据分析五类专业技术型企业以“被集成”的方式为平台构建提供技术支撑;

其次,装备与自动化、ICT、软件、制造四大领域领先企业依托自身优势,加快平台布局;

最后,垂直领域用户和第三方开发者两类应用主体基于平台进行创新探索,为平台不断注入新的价值与活力。



第一类路径是装备和自动化企业凭借工业设备与经验积累打造工业互联网平台。这些企业具有大量生产设备与工业系统,以及多年沉淀形成的丰富的工业知识、经验和模型。平台化布局会推动底层设备数据的采集与集成以及工业知识的封装与复用,以此为基础形成创新型的服务模式。


总体来看,目前呈现三种发展模式:一是打造工业PaaS平台,提供开放服务,聚焦生态构建,例如GE推出的Predix平台,基于PaaS和微服务架构,着力打造应用开发者生态。二是通过构建工业PaaS平台,驱动自身服务创新与能力提升,例如西门子借助MindSphere平台,打通集成其装备和自动化系统数据,通过数据建模分析,形成新的应用服务能力。三是将现有解决方案借助通用PaaS平台进行云化部署,形成SaaS平台,如ABB的Ability平台基于微软Azure云,将自身的解决方案进行云化迁移。



第二类路径是领先制造企业将数字化转型成功经验转化为基于平台的服务能力。包含两类典型的发展模式:一是利用平台对接企业与用户,形成个性化定制服务能力,例如海尔COSMOPlat平台打通需求、设计、生产等环节,实现个性化定制应用模式。二是借助平台打通产业链各环节,进而优化资源配置,例如航天云网INDICS平台汇聚产业资源,进而形成供需对接、资源共享等应用创新。



第三类路径是软件企业围绕业务升级需求,借助工业互联网平台实现能力拓展。这类企业通过构建平台来获取生产现场数据和远程设备运行数据,进而将这些数据与软件结合,提供更精准的决策支持以及更丰富的软件功能。


由于软件企业类型不同,目前形成两种典型发展模式:一是管理软件企业,依托平台实现从企业管理层到生产层的纵向数据集成,进而提升软件的智能精准分析能力,典型案例如SAP HANA平台。二是设计软件企业借助平台强化基于全生命周期的数据集成能力,形成基于数字孪生的创新应用,进而缩短研发周期,加快产品迭代升级,如PTC ThingWorx平台。



第四类路径是ICT企业发挥技术优势,将已有平台向制造领域延伸。这类企业在已有通用平台基础上,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,强化制造领域服务能力。


该类路径发展模式大体分为三种:一是面向工业场景,提供大数据分析能力,例如IBM Waston为ABB Ability提供大数据处理能力。二是面向工业场景,提供云计算能力,例如微软Azure、亚马逊AWS为GE、ABB等企业的平台提供云计算基础设施。三是面向工业场景,提供设备连接能力,例如华为OceanConnect平台借助网关设备、软件、管理系统,实现各类底层数据采集和集成。



多种方式构建平台能力。具体构建形式包括三类:一是以开源通用IT技术搭建平台基础架构成为主流。GE、IBM、西门子等采用开源PaaS架构构建使能框架,IBM、和利时、日立等采用Hadoop、Spark等开源数据工具支撑数据服务,GE、寄云等采用多种开源的开发工具快速构建平台开发环境。


二是平台厂商将自身工业知识积累进行封装,打造平台核心竞争力。例如GE将其在航空发动机等领域积累的设备知识封装为相关微服务,形成封闭的“黑盒”供开发者调用,成为平台的核心资产。


三是平台企业普遍采用并购、合作方式获取数据采集、平台部署、数据分析等关键能力,丰富平台功能。例如PTC先后并购Kepware和Axeda,强化ThingWorx平台的数据采集能力;ABB与IBM合作,将人工智能系统Watson融入到平台中,提升数据分析能力。



当前,工业互联网平台在工业系统应用中呈现两大特点: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。


可以看到,根据机理及数据的不同要求,平台的应用逐渐呈现差异化发展路径。其中设备、产品应用相对简单,机理较为明确,已可实现较复杂的智能应用,正步入决策性分析阶段;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,当前从局部改进向系统性提升迈进;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,当前从信息交互向资源优化配置演进。



依托广泛的连接和深入的分析能力,工业互联网平台汇聚了从设备到用户、从设计到制造的海量企业内外部资源,提供了数据驱动的智能化应用诞生土壤。


总体来看,当前工业互联网平台初步形成四大应用场景:一是聚焦在设备、产线、车间等工业现场,通过对实时生产数据的分析与反馈来对整个生产过程进行优化;二是向上延伸到企业运营层面,利用平台来打通设计、管理、供应链等各环节数据,并基于大数据挖掘分析实现管理决策优化;三是在整个产业层面,将供需信息、制造资源、创新资源汇聚到平台中,通过基于数据分析的重新组织,实现资源优化配置与协同;四是从产品全生命周期流程入手,在平台中进行产品设计、生产、服务等数据的集成管理和优化应用。



2017年11月,国务院发布《深化“互联网 先进制造业”发展工业互联网的指导意见》,明确提出我国将从“供给侧”和“需求侧”两端发力,在平台培育、平台试验验证、百万工业企业上云和百万工业APP培育四个方面重点开展工作,加快形成工业互联网平台应用体系。


一是加快工业互联网平台培育。鼓励骨干企业发挥核心作用,围绕数据采集、平台管理、建模分析以及平台间互联互通等关键技术能力,搭建10个左右跨行业、跨领域平台,建成一批能够支撑企业数字化、网络化、智能化转型的企业级平台。


二是开展工业互联网平台试验验证。支持产业联盟、企业与科研机构合作共建测试验证平台,开展技术验证与测试评估服务,规范平台发展秩序,推动平台功能不断完善,加快平台落地应用。


三是推动百万企业上云。鼓励工业互联网平台在产业聚集区落地,推动地方政府通过财税支持、政府购买服务等方式鼓励中小企业业务系统向云端迁移,实现“建平台”与“用平台”双向迭代、互促共进。


四是培育百万工业APP。支持软件企业、工业企业、科研院所等开展合作,在重点行业领域逐步培育一百万左右面向特定应用场景的工业APP,壮大工业互联网平台产业。



最后,我们结合现有的平台研究成果和相关工作体会,尝试给出关于工业互联网平台发展的一些观点,仅供大家交流讨论:


1.中国工业互联网平台总体还处于发展初期,各类平台不断涌现,平台的业务能力需不断加强,商业模式仍需探索。

2.工业互联网平台构建可充分借助已有的IT技术,关键是如何结合工业应用场景找到适用技术,开展技术与业务融合的创新。


3.工业互联网平台改变了工业软件的创新方式,通过将服务能力、行业知识封装为微服务供开发者调用,大幅降低工业应用创新门槛,丰富个性化应用,也促进了工业专有知识的迭代、复用和传承。

4.工业应用是平台价值的最终体现,要坚持“建平台”和“用平台”结合,以应用拉动平台建设。


5. 生态打造是平台发展关键。平台企业可以通过自主创新、行业合作伙伴创新和打造开发者社区创新业务,构建应用生态。

6.工业互联网平台将是安全威胁的“高发领域”,需要高度关注。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多