一、 工業互聯網平臺體系架構
工業互聯網平臺是面向製造業數字化、網絡化、智能化需求， 構建基於海量數據採集、匯聚、分析的服務體系，支撐製造資源泛在連接、彈性供給、高效配置的工業雲平臺，包括邊緣、平臺（工業 PaaS）、應用三大核心層級。可以認爲，工業互聯網平臺是工業雲平臺的延伸發展，其本質是在傳統雲平臺的基礎上疊加物聯網、大數據、人工智能等新興技術，構建更精準、實時、高效的數據採集體系，建設包括存儲、集成、訪問、分析、管理功能的使能平臺，實現工業技術、經驗、知識模型化、軟件化、複用化，以工業 APP 的形式爲製造企業各類創新應用，最終形成資源富集、多方參與、合作共贏、協同演進的製造業生態。
第一層是邊緣，通過大範圍、 深層次的數據採集， 以及異構數據的協議轉換與邊緣處理， 構建工業互聯網平臺的數據基礎。一是通過各類通信手段接入不同設備、 系統和產品，採集海量數據；二是依託協議轉換技術實現多源異構數據的歸一化和邊緣集成；三是利用邊緣計算設備實現底層數據的匯聚處理，並實現數據向雲端平臺的集成。
第二層是平臺， 基於通用 PaaS 疊加大數據處理、 工業數據分析、工業微服務等創新功能， 構建可擴展的開放式雲操作系統。一是提供工業數據管理能力，將數據科學與工業機理結合， 幫助製造企業構建工業數據分析能力，實現數據價值挖掘； 二是把技術、知識、經驗等資源固化爲可移植、可複用的工業微服務件庫，供開發者調用； 三是構建應用開發環境， 藉助微服務組件和工業應用開發工具， 幫助用戶快速構建定製化的工業 APP。
第三層是應用， 形成滿足不同行業、不同場景的工業 SaaS 和工業 APP， 形成工業互聯網平臺的終價值。一是提供了設計、生產、管理、服務等一系列創新性業務應用。二是構建了良好的工業 APP 創新環境， 使開發者基於平臺數據及微服務功能實現應用創新。
除此之外，工業互聯網平臺還包括 IaaS 基礎設施，以及涵蓋整個工業系統的安全管理體系，這些構成了工業互聯網平臺的基礎支撐和重要保障。泛在連接、雲化服務、 知識積累、應用創新是辨識工業互聯網平臺的四大特徵。
一是泛在連接， 具備對設備、 軟件、 人員等各類生產要素數據的全面採集能力。
二是雲化服務， 實現基於雲計算架構的海量數據存儲、 管理和計算。
三是知識積累， 能夠提供基於工業知識機理的數據分析能力，並實現知識的固化、積累和複用。
四是應用創新， 能夠調用平臺功能及資源，提供開放的工業 APP 開發環境，實現工業 APP 創新應用。
二、 業互聯網平臺七大核心技術交織融合
工業互聯網平臺需要解決多類工業設備接入、多源工業數據集成、海量數據管理與處理、工業數據建模分析、工業應用創新與集成、工業知識積累迭代實現等一系列問題，涉及七大類關鍵技術，分別爲數據集成和邊緣處理技術、 IaaS 技術、 平臺使能技術、數據管理技術、工業數據建模與分析技術、應用開發和微服務技術、安全技術。
1. 數據集成與邊緣處理技術
設備接入：基於工業以太網、工業總線等工業通信協議，以太網、光纖等通用協議，3G/4G、NB-IOT 等無線協議將工業現場設備接入到平臺邊緣層。
協議轉換：一方面運用協議解析、中間件等技術兼容 ModBus、OPC、CAN、Profibus 等各類工業通信協議和軟件通信接口，實現數據格式轉換和統一。另一方面利用 HTTP、MQTT 等方式從邊緣側將採集到的數據傳輸到雲端，實現數據的遠程接入。邊緣數據處理：基於高性能計算芯片、實時操作系統、邊緣分析算法等技術支撐，在靠近設備或數據源頭的網絡邊緣側進行數據預處理、存儲以及智能分析應用，提升操作響應靈敏度、消除網絡堵塞，並與雲端分析形成協同。
2.IaaS 技術
基於虛擬化、分佈式存儲、並行計算、負載調度等技術，實現網絡、計算、存儲等計算機資源的池化管理，根據需求進行彈性分配，並確保資源使用的安全與隔離，爲用戶提供完善的雲基礎設施服務。
3.平臺使能技術
資源調度：通過實時監控雲端應用的業務量動態變化，結合相應的調度算法爲應用程序分配相應的底層資源，從而使雲端應用可以自動適應業務量的變化。
多租戶管理：通過虛擬化、數據庫隔離、容器等技術實現不同租戶應用和服務的隔離，保護其隱私與安全。
4.數據管理技術
數據處理框架：藉助 Hadoop、Spark、Storm 等分佈式處理架構，滿足海量數據的批處理和流處理計算需求。
數據預處理：運用數據冗餘剔除、異常檢測、歸一化等方法對原始數據進行清洗，爲後續存儲、管理與分析提供高質量數據來源。
數據存儲與管理：通過分佈式文件系統、NoSQL 數據庫、關係數據庫、時序數據庫等不同的數據管理引擎實現海量工業數據的分區選擇、存儲、編目與索引等。
5.應用開發和微服務技術
多語言與工具支持：支持 Java,Ruby 和 PHP 等多種語言編譯環境，並提供 Eclipse integration，JBoss Developer Studio、git 和Jenkins 等各類開發工具，構建高效便捷的集成開發環境。
微服務架構：提供涵蓋服務註冊、發現、通信、調用的管理機制和運行環境，支撐基於微型服務單元集成的“鬆耦合”應用 開發和部署。
圖形化編程：通過類似 Labview 的圖形化編程工具，簡化開發流程，支持用戶採用拖拽方式進行應用創建、測試、擴展等。
6.工業數據建模與分析技術
數據分析算法：運用數學統計、機器學習及最新的人工智能算法實現面向歷史數據、實時數據、時序數據的聚類、關聯和預測分析。
機理建模：利用機械、電子、物理、化學等領域專業知識，結合工業生產實踐經驗，基於已知工業機理構建各類模型，實現分析應用。
7.安全技術
數據接入安全：通過工業防火牆技術、工業網閘技術、加密隧道傳輸技術，防止數據泄漏、被偵聽或篡改，保障數據在源頭和傳輸過程中安全。
平臺安全：通過平臺入侵實時檢測、網絡安全防禦系統、惡意代碼防護、網站威脅防護、網頁防篡改等技術實現工業互聯網平臺的代碼安全、應用安全、數據安全、網站安全。
訪問安全：通過建立統一的訪問機制，限制用戶的訪問權限和所能使用的計算資源和網絡資源實現對雲平臺重要資源的訪問控制和管理, 防止非法訪問。
在上述七大類技術中，通用平臺使能技術、工業數據建模與分析技術、數據集成與邊緣處理技術、應用開發和微服務技術正快速發展，對工業互聯網平臺的構建和發展產生深遠影響。在平臺層，PaaS 技術、新型集成技術和容器技術正加速改變信息系統的構建和組織方式。在邊緣層，邊緣計算技術極大的拓展了平臺收集和管理數據的範圍和能力。在應用層，微服務等新型開發框架驅動工業軟件開發方式不斷變革，而工業機理與數據科學深度融合則正在引發工業應用的創新浪潮。
三、四類平臺企業、 五大支撐主體、兩類平臺用戶共同構築平臺產業體系
工業互聯網平臺產業發展涉及多個層次、不同領域的多類主體。在產業鏈上游， 雲計算、數據管理、 數據分析、 數據採集與集成、 邊緣計算五類專業技術型企業爲平臺構建提供技術支撐；在產業鏈中游， 裝備與自動化、工業製造、信息通信技術、工業軟件四大領域內領先企業加快平臺佈局；在產業鏈下游， 垂直領域用戶和第三方開發者通過應用部署與創新不斷爲平臺注入新的價值。
1. 信息技術企業提供通用使能工具，成爲平臺建設重要支撐信息技術企業提供關鍵技術能力，以“被集成”的方式參與平臺構建。
主要包括五類：一是雲計算企業， 提供雲計算基礎資源能力及關鍵技術支持， 典型企業如亞馬遜、微軟、 Pivotal、Vmware、紅帽等； 二是數據管理企業， 提供面向工業場景的對象存儲、關係數據庫、 NoSQL 數據庫等數據管理和存儲的工具，典型企業如 Oracle、 Apache、 Splunk 等；三是數據分析企業， 提供數據挖掘方法與工具，典型企業如 SAS、IBM、Tableau、Pentaho、PFN 等；四是數據採集與集成企業， 爲設備連接、多源異構數據的集成提供技術支持，典型企業如 Kepware、 NI、博世、 IBM 等；五是邊緣計算企業，提供邊緣層的數據預處理與輕量級數據分析能力，典型企業如華爲、 思科、 英特爾、 博世等。
2.平臺廠商通過整合資源實現平臺構建， 發揮產業主導作用。
平臺企業以集成創新爲主要模式，以應用創新生態構建爲主要目的， 整合各類產業和技術要素實現平臺構建， 是產業體系的核心。
目前， 平臺企業主要有以下四類：一是裝備與自動化企業，從自身核心產品能力出發構建平臺，如 GE、西門子、 ABB、和利時等； 二是生產製造企業， 將自身數字化轉型經驗以平臺爲載體對外提供服務， 如三一重工/樹根互聯、海爾、航天科工等；三是工業軟件企業， 藉助平臺的數據匯聚與處理能力提升軟件性能，拓展服務邊界，如 PTC、 SAP、 Oracle、用友等；四是信息技術企業， 發揮 IT 技術優勢將已有平臺向製造領域延伸，如 IBM、微軟、華爲、 思科等。
3.應用主體以平臺爲載體開展應用創新，實現平臺價值提升工業互聯網平臺通過功能開放和資源調用大幅降低工業應用創新門檻， 其應用主體分爲兩類： 行業用戶在平臺使用過程中結合本領域工業知識、機理和經驗開展應用創新， 加快數字化轉型步伐，如全球研磨機械製造商格林公司基於西門子 MindSphere平臺開發服務於機牀的工業 APP，實現對刀具磨損狀態的精準預測和適時更換。 第三方開發者能夠依託平臺快速創建應用服務，形成面向不同行業不同場景的海量工業 APP，提升平臺面向更多工業領域提供服務的能力，典型企業如 Webalo、Bearing Point、ThetaRay、 NEC、 Pitney Bowes 等。
四、工業互聯網平臺應用場景
（一）平臺應用由單點智能向全局智能、由狀態監測向複雜分析演進
當前，工業互聯網平臺在工業系統各層級各環節獲得廣泛應 用，一是應用覆蓋範圍不斷擴大，從單一設備、單個場景的應用 逐步向完整生產系統和管理流程過渡，最後將向產業資源協同組 織的全局互聯演進。二是數據分析程度不斷加深，從以可視化爲主的描述性分析，到基於規則的診斷性分析、基於挖掘建模的預 測性分析和基於深度學習的指導性分析。其中，設備、產品場景 相對簡單，機理較爲明確，已經可以基於平臺實現較複雜的智能 應用，在航空航天、工程機械、電力裝備等行業形成了工藝參數 優化、預測性維護等應用模式；企業生產與運營管理系統複雜度 較高，深度分析面臨一定挑戰，當前主要對局部流程進行改進提 升，在電子信息、鋼鐵等行業產生供應鏈管理優化、生產質量優 化等應用模式；產業資源的協同目前還沒有成熟的分析優化體系， 主要依託平臺實現資源的匯聚和供需對接，僅在局部領域實現了 協同設計、協同製造等應用模式。
總體來看，平臺應用還處於初級階段，以“設備物聯+分析”或“業務系統互聯+分析” 的簡單場景優化應用爲主。未來平臺應用將向深層次演進，將在物聯與互聯全面打通的基礎上實現複雜的分析優化，從而不斷推動企業管理流程、組織模式和商業模式創新。 最終，平臺將具備全社會資源承載與協同能力，通過全局性要素、 全產業鏈主體的重新組織與優化配置， 推動工業生產方式、管理模式和組織架構變革。
1.設備、工藝等單個場景已可以實現基於數據和機理的預測， 正步入決策性分析階段
工業互聯網平臺廣泛連接設備、裝備、產品，基於設備機理模型和產品數據挖掘開展了大量基於規則的故障診斷、工藝參數優化、設備狀態趨勢預測、部件壽命預測等單點應用，如 GE 依託 Predix 平臺，通過構建數字雙胞胎實現對航空發動機、燃氣輪機等重型裝備的健康管理，施耐德基於 Ecostruxure 平臺爲羅切斯特醫療中心提供配電設備管理服務，實現電力故障的預測性報警與分析。隨着數據的持續積累與分析方法的不斷完善，將形成基於設備數據挖掘的更精準分析模型，並自主提出指導性優化建議。目前該趨勢已初步顯現，例如微軟 Azure IoT 平臺爲Rolls-Royce 發動機提供基於機器學習的海量數據分析和模型構建，能夠在部件即將發生故障時準確預報異常，並提前介入主動幫助 Rolls-Royce 規劃解決方案。
2.企業管理與流程優化從當前局部改進向系統性提升邁進
工業互聯網平臺實現了生產現場與企業運營管理、資源調度的協同統一，在此基礎上形成面向企業局部的生產過程優化、企業智能管理、供應鏈管理優化等重點應用。日立公司 Lumada 平臺通過物聯設備實時收集商品流轉數據，並通過與子公司貨車調配業務系統的互聯，形成龐大供應鏈管理數據池，實現全集團的倉儲物流優化。未來隨着平臺底層連接能力的提升和企業 IT-OT 層的打通，大量生產現場數據和管理系統數據將進行集成匯聚， 基於海量數據分析挖掘實現智能工廠整體優化、企業實時智能決策等應用，實現企業生產管理領域的系統性提升。羅克韋爾公司自動化部門與微軟 AZURE 平臺合作，打通了 OT 層自動化系統與IT 層業務系統數據，基於大量數據進行工廠系統建模與關聯分析，實現生產物料管理、產品質量檢測、生產管控一體化等綜合功能，探索數字工廠應用。
3.產業/資源層面從信息交互向資源優化配置演進
工業互聯網平臺在應用過程中匯聚了大量工業數據、模型算法、軟件工具，乃至研發設計、生產加工等各類資源與能力。目前這些資源在平臺上主要通過簡單信息交互實現供需對接與資源共享等淺層次應用。未來，隨着平臺全局運行分析與系統建模能力的逐步提升，平臺將成爲全局資源優化配置的關鍵載體。找鋼網平臺在爲鋼鐵行業上下游企業提供鋼材資源供需對接服務的基礎上，正在探索基於大數據分析的鋼廠精準供需匹配、資源區域性優化投放和最優定價策略。
（二）工業互聯網平臺當前總體應用於四大場景
1.面向工業現場的生產過程優化
工業互聯網平臺能夠有效採集和匯聚設備運行數據、工藝參數、質量檢測數據、物料配送數據和進度管理數據等生產現場數據，通過數據分析和反饋在製造工藝、生產流程、質量管理、設備維護和能耗管理等具體場景中實現優化應用。
製造工藝場景中，工業互聯網平臺可對工藝參數、設備運行等數據進行綜合分析，找出生產過程中的最優參數，提升製造品質。例如 GE 基於 Predix 平臺實現高壓渦輪葉片鑽孔工藝參數的優化，將產品一次成型率由不到 25%提升到 95%以上。
生產流程場景中，通過平臺對生產進度、物料管理、企業管理等數據進行分析，提升排產、進度、物料、人員等方面管理的準確性。博世基於平臺爲歐司朗集團提供生產績效管理服務，可在生產環境中協調不同來源的數據，提取有價值的信息並自動運用專家知識進行評估，實現了生產任務的自動分配。
質量管理場景中，工業互聯網平臺基於產品檢驗數據和“人機料法環”等過程數據進行關聯性分析，實現在線質量監測和異常分析，降低產品不良率。富士康集團基於其平臺實現全場產品良率自動診斷，打通車間產能、質量、人力、成本等各類運行狀況數據，並對相關數據進行分析計算和大數據優化，使良率診斷時間縮短 90%。
設備維護場景中，工業互聯網平臺結合設備歷史數據與實時運行數據，構建數字孿生，及時監控設備運行狀態，並實現設備預測性維護。例如嵌入式計算機產品供應商 Kontron 公司基於Intel IoT 平臺智能網關和監測技術，可將機器運行數據和故障參數發送到後臺系統進行建模分析，實現板卡類製造設備的預測性維護。
能耗管理場景中，基於現場能耗數據的採集與分析，對設備、產線、場景能效使用進行合理規劃，提高能源使用效率，實現節能減排。例如施耐德爲康密勞硅錳及電解錳冶煉工廠提供EcoStruxure 能效管理平臺服務，建立能源設備管理、生產能耗分析、能源事件管理等功能集成的統一架構，實現了錳礦生產過程中的能耗優化。
2.面向企業運營的管理決策優化
藉助工業互聯網平臺可打通生產現場數據、企業管理數據和供應鏈數據，提升決策效率，實現更加精準與透明的企業管理， 其具體場景包括供應鏈管理優化、生產管控一體化、企業決策管理等。
供應鏈管理場景中，工業互聯網平臺可實時跟蹤現場物料消耗，結合庫存情況安排供應商進行精準配貨，實現零庫存管理， 有效降低庫存成本。雅戈爾基於 IBM Bluemix 平臺對供應鏈和生產系統的重要數據進行抽取和多維分析，優化供應鏈管理並使庫存週轉率提高了 1 倍以上，庫存成本節省了 2.5 億元，缺貨損失減少了 30%以上，工廠的準時交貨率達到 99%以上。
生產管控一體化場景中，基於工業互聯網平臺進行業務管理 系統和生產執行系統集成，實現企業管理和現場生產的協同優化。石化盈科通過 ProMACE 平臺在煉化廠的應用，圍繞生產計劃優化， 推動經營績效分析、供應鏈一體化協同及排產、實時優化、先進 控制和控制迴路的閉環管控，實現財務日結月清。
企業決策管理場景中，工業互聯網平臺通過對企業內部數據的全面感知和綜合分析，有效支撐企業智能決策。中聯重科結合SAP HANA 平臺的計算能力及 SAP SLT 數據複製技術，實現工程起重機銷售服務、客戶信用銷售、集團內控運營三個領域的實時分析，有效針對市場變化做出快速智能決策。
3. 面向社會化生產的資源優化配置與協同
工業互聯網平臺可實現製造企業與外部用戶需求、創新資源、生產能力的全面對接，推動設計、製造、供應和服務環節的並行 組織和協同優化。其具體場景包括協同製造、製造能力交易與個 性定製等。
協同製造場景中，工業互聯網平臺通過有效集成不同設計企業、生產企業及供應鏈企業的業務系統，實現設計、生產的並行實施，大幅縮短產品研發設計與生產週期，降低成本。如河南航天液壓氣動技術有限公司基於航天雲網 INDICS 平臺實現了與總體設計部、總裝廠所的協同研發與工藝設計，研發週期縮短 35%、資源利用率提升 30%，生產效率提高 40%。
製造能力交易場景中，工業企業通過工業互聯網平臺對外開放空閒製造能力，實現製造能力的在線租用和利益分配。例如瀋陽機牀基於 iSESOL 平臺向奧邦鍛造公司提供了 i5 機牀租賃服務，通過平臺以融資租賃模式向奧邦提供機牀，按照製造能力付費，有效降低了用戶資金門檻，釋放了產能。
個性定製場景中，工業互聯網平臺實現企業與用戶的無縫對接，形成滿足用戶需求的個性化定製方案，提升產品價值，增強用戶粘性。例如海爾依託 COSMOPlat 平臺與用戶進行充分交互， 對用戶個性化定製訂單進行全過程追蹤，同時將需求蒐集、產品訂單、原料供應、產品設計、生產組裝和智能分析等環節打通， 打造了適應大規模定製模式的生產系統，形成了 6000 多種個性化定製方案，使用戶訂單合格率提高 2%，交付週期縮短 50%。江森自控-日立公司基於 Ayla 平臺，打通社交媒體數據，整合 8 億微信用戶需求，提供商用空調定製服務。
產融結合場景中，工業互聯網平臺通過工業數據的匯聚分析， 爲金融行業提供評估支撐，爲銀行放貸、股權投資、企業保險等金融業務提供量化依據。如樹根互聯與久隆保險基於根雲RootCloud 共同推出 UBI 挖機延保產品數據平臺，明確適合開展業務的機器類型，指導保險對每一檔進行精準定價。
4. 面向產品全生命週期的管理與服務優化
工業互聯網平臺可以將產品設計、生產、運行和服務數據進行全面集成，以全生命週期可追溯爲基礎，在設計環節實現可製造性預測，在使用環節實現健康管理，並通過生產與使用數據的反饋改進產品設計。當前其具體場景主要有產品溯源、產品/裝備遠程預測性維護、產品設計反饋優化等。
產品溯源場景中，工業互聯網平臺藉助標識技術記錄產品生產、物流、服務等各類信息，綜合形成產品檔案，爲全生命週期管理應用提供支撐。例如 PTC 藉助 ThingWorx 平臺的全生命週期追溯系統，幫助芯片製造公司 ATI 實現生產環節到使用環節的全打通，使每個產品具備單一數據來源，爲產品售後服務提供全面準確信息。產品/裝備遠程預測性維護場景中，在平臺中將產品/裝備的實時運行數據與其設計數據、製造數據、歷史維護數據進行融合，提供運行決策和維護建議，實現設備故障的提前預警、遠程維護等設備健康管理應用。例如 ABB 爲遠洋船舶運營公司 Torvald Klaveness 的多用途船提供 ABB Ability 平臺服務，通過船上的傳感器收集信息，並進行性能參數分析，實現對遠洋航行船舶的實時監控、預警維護和性能優化。SAP 爲意大利鐵路運營商Trenitalia 提供車輛維護服務，通過加裝傳感器實時採集火車各部件數據，依託 HANA 平臺集成實時數據與維護數據、儀器儀表參數並進行分析，遠程診斷火車運行狀態，提供預測性維護方案。
產品設計反饋優化場景中，工業互聯網平臺可以將產品運行 和用戶使用行爲數據反饋到設計和製造階段，從而改進設計方案， 加速創新迭代。例如 GE 公司使用 Predix 平臺助力自身發動機的設計優化，平臺首先對產品交付後的使用數據進行採集分析，依 託大量歷史積累數據的分析和航線運營信息的反饋，對設計端模 型、參數和製造端工藝、流程進行優化，通過不斷迭代實現了發 動機的設計改進和性能提升。
本文摘自《工業互聯網平臺白皮書（2017）.pdf》如需獲取PDF原告，請關注公衆號“創業股”，並輸入關鍵字“工業互聯網平臺白皮書”。