工業互聯網架構體系探討

朱俊良

（新華三科技有限公司，浙江 杭州 310000）

1 工業互聯網發展現狀

世界上第1個工業云平臺Predix由美國通用電氣公司(GE)在2015年正式對外開放，第2個平臺MindSphere是德國西門子公司基于工業4．0理念建立，在2016年4月開放。此外，亞馬遜打造的AWS IoT物聯網云平臺，頂級機器人制造商之一KUKA和Infosys聯手開發的針對企業工業4．0解決方案的軟件平臺。AWSIoT、微軟Azure IoT 等物聯網云平臺，都是云服務提供商基于通用云計算服務延伸開發出來的一些工業應用。但由于其對工業應用理解得不夠，滲透到工業領域還不深，還未形成特定工業行業的專業應用。

2016年根據工業和信息化部電子科學技術情報所對我國7萬多家工業企業開展的兩化融合評估數據顯示，企業互聯化指數僅為32．7，智能制造就緒率僅為5．1%，總體來說我國工業企業兩化融合發展水平處于起步建設階段。探索一條適合我國工業企業發展的兩化融合道路是當務之急。

李伯虎院士曾提出云制造是一種面向服務、高效低耗和基于知識的網絡化、敏捷化制造新模式和技術手段，它豐富和拓展了云計算的資源共享內容和服務模式，促進了制造的敏捷化、服務化、綠色化、智能化。

為了更好地實現中國制造2025，工業和信息化部與國家標準委發布了《國家智能制造標準體系建設指南》，將智能制造標準體系分為產品生命周期、系統層級、價值鏈的3個層級。

智能制造是與信息技術、工業技術以及管理技術都有關的系統的技術，而標準化則是推動智能制造科技發展與實施的強有力的工具，為了支持企業的智能制造，出現從智能制造信息技術應用層次維和智能制造生產過程維的角度而構建的智能制造標準化參考模型。

2 工業互聯網架構體系建設

工業互聯網面對制造大數據的挑戰，引入大數據分析技術與主動計算來實現主動制造，大數據驅動的主動制造是一種基于數據全面感知、收集、分析、共享的人機物協同制造模式，它利用無所不在的感知，收集各類相關數據，通過對所收集的數據進行深度分析，挖掘出有價值的信息、知識或事件，自主地反饋給業務決策者（包括企業人員、客戶和合作企業等），并根據數據挖掘技術來預測用戶需求，主動配置和優化制造資源，從而實現集感知、分析、定向、決策、調整、控制于一體的人機物協同的主動生產。

本人提出構建以工業大數據平臺為基礎的面向協作的工業云平臺，主要解決信息、知識積累、傳遞、分析，協作。它將利用互聯網、物聯網、云計算、大數據等信息技術將產業中的工藝、制造、管理等全流程信息收集起來，進行數據分析，實現數據集成、信息分析、知識歸納和智能決策過程，同時對外開放數據，構筑以信息互通、資源共享、制造能力協同的面向協作的工業云平臺體系。

圖1 工業云平臺體系架構圖

如圖1所示，該工業云平臺體系主要是由數據源層、應用集成層、數據交換層、應用服務層、服務治理和可視化部分共同構成，通過完善的數據交換和分析處理，實現數據倉庫、云端操作、用戶服務和顯示操作的完美結合。該平臺的具體特點如下：提供了大數據應用系統的開發與運行一體化平臺,降低大數據技術在各行各業應用普及的門檻,為面向領域的大數據應用系統的快捷開發和高效運行提供方法、工具和平臺支撐。如設備運轉過程中產生的大量工業數據通過傳感器與感知技術，收集到邊緣計算節點，再經過智能提煉后，將少量信息轉化為有用的實際處理信息，結合生產經營過程業務數據和外部互聯網數據，利用大數據挖掘相關的算法去尋找隱藏的數據知識，應用于設備故障診斷與預測，工業供應鏈的分析和優化，產品質量管理與分析。同時，提煉出工業各領域的數據分析模型。

同時通過以平臺化的模式的數據處理中心DaaS（Data as a service），它的數據處理分析能力作為SaaS的輸入構建云服務網絡。通過數據共享和數據交易,整合產業資源，通過打破行業間的限制，帶動不同行業間產業鏈上下游的溝通交流。借助物聯網技術或CPS技術，實現云制造平臺中制造能力服務與底層制造能力的映射，利用工業云大數據共享平臺產生的決策管理層，對制造能力進行描述，實現制造能力服務的智能匹配與按需動態組合。下面將對云服務網絡的各組成部分（見圖2）進行詳細的介紹。

圖2 面向協作的工業云平臺

可視化層：將分析結果和分析執行過程，利用人機交互可視化技術來展現。

決策分析層：將當前深度學習、圖像識別、自然語言處理等人工智能融入到工業大數據分析中，以專家知識、通用算法、工業領域算法為基礎，通過獲取市場、設計、過程信息，產生行為特征，并不斷完善、優化、更新系統的領域知識庫、領域規則庫、領域專業算法，形成面向領域的數據挖掘算法，利用它構建決策支持模塊，形成人機互動，輔助決策者完成決策過程。

決策管理層：推進工業全鏈條的數字化建模，實現數據貫通和關聯，將工業生產各環節的經驗、工藝參數和模型數字化，形成全生產流程、全生命周期的數字鏡像，完成構建領域知識庫、領域模型庫、領域數據倉庫。從而有效支撐和實現工業大數據的全面分析。

協作分享層：建立行業成員數據交換機制，打通信息孤島，對行業內不同成員的協作層次進行資源信息和業務流程任務的分類授權，形成面向協同工業大數據平臺，促進行業內信息共享和數據開放。同時促進多方（企業、行業組織、政府部門）合作，提高決策支持的可靠性。該層是面向協作的工業云平臺的關鍵，需要研究以下問題，研究分布式數據分享平臺、服務授權、服務動態配置及對復雜社會生產關系的適應性;研究將數據服務應用范圍延拓至多領域時面對的數據資源共享的演化博弈分析問題;分析數據資源共享效果的影響因素體系和工業云環境下數據共享協同的決策分析模式。

數據交換層：提供統一規范的語義服務。工業中數據來源多樣，且具有不同的格式和標準，有來自各種管理系統的關系型數據、生產過程中采集的半結構化數據和外部互聯網的非結構化數據。將資源、信息和知識等進行統一規范的嵌入、封裝、虛擬化后得到的富含語義的服務，以豐富的語義服務解決決策支持系統中數據的不一致問題。

3 結語

期望面向協作的工業云平臺能在重點行業和企業形成示范帶動的效果，并向其他工業及制造企業進行推廣，利用其可復制、可推廣的性質來整合各產業資源，為實現“中國制造2025”打開局面。

[1]譚躍進，黃金才，朱承編著．決策支持系統第2版[M]．北京：電子工業出版社,2015,(11):271．

[2]馮青,余隋懷,楊延璞,宋紅,陸長德．基于云服務的產品決策支持系統模型研究[J]．中國機械工程,2013,24(15):2053-2059．

[3]曹小春,曾安,潘丹．云計算環境下面向領域的數據挖掘服務平臺研究[J]．自動化儀表,2014,35(09):9-13．

[4]李伯虎,張霖,任磊,柴旭東,陶飛,羅永亮,王勇智,尹超,黃剛,趙欣培．再論云制造[J]．計算機集成制造系統 ,2011,17(03):449-457．

[5]國家標準化管理委員會．國家智能制造標準體系建設指南[S]．工業和信息化部．