工业互联网架构体系探讨

2018-03-16朱俊良

中国设备工程 2018年5期

朱俊良

（新华三科技有限公司，浙江杭州 310000）

1 工业互联网发展现状

世界上第1个工业云平台Predix由美国通用电气公司(GE)在2015年正式对外开放，第2个平台MindSphere是德国西门子公司基于工业4．0理念建立，在2016年4月开放。此外，亚马逊打造的AWS IoT物联网云平台，顶级机器人制造商之一KUKA和Infosys联手开发的针对企业工业4．0解决方案的软件平台。AWSIoT、微软Azure IoT 等物联网云平台，都是云服务提供商基于通用云计算服务延伸开发出来的一些工业应用。但由于其对工业应用理解得不够，渗透到工业领域还不深，还未形成特定工业行业的专业应用。

2016年根据工业和信息化部电子科学技术情报所对我国7万多家工业企业开展的两化融合评估数据显示，企业互联化指数仅为32．7，智能制造就绪率仅为5．1%，总体来说我国工业企业两化融合发展水平处于起步建设阶段。探索一条适合我国工业企业发展的两化融合道路是当务之急。

李伯虎院士曾提出云制造是一种面向服务、高效低耗和基于知识的网络化、敏捷化制造新模式和技术手段，它丰富和拓展了云计算的资源共享内容和服务模式，促进了制造的敏捷化、服务化、绿色化、智能化。

为了更好地实现中国制造2025，工业和信息化部与国家标准委发布了《国家智能制造标准体系建设指南》，将智能制造标准体系分为产品生命周期、系统层级、价值链的3个层级。

智能制造是与信息技术、工业技术以及管理技术都有关的系统的技术，而标准化则是推动智能制造科技发展与实施的强有力的工具，为了支持企业的智能制造，出现从智能制造信息技术应用层次维和智能制造生产过程维的角度而构建的智能制造标准化参考模型。

2 工业互联网架构体系建设

工业互联网面对制造大数据的挑战，引入大数据分析技术与主动计算来实现主动制造，大数据驱动的主动制造是一种基于数据全面感知、收集、分析、共享的人机物协同制造模式，它利用无所不在的感知，收集各类相关数据，通过对所收集的数据进行深度分析，挖掘出有价值的信息、知识或事件，自主地反馈给业务决策者（包括企业人员、客户和合作企业等），并根据数据挖掘技术来预测用户需求，主动配置和优化制造资源，从而实现集感知、分析、定向、决策、调整、控制于一体的人机物协同的主动生产。

本人提出构建以工业大数据平台为基础的面向协作的工业云平台，主要解决信息、知识积累、传递、分析，协作。它将利用互联网、物联网、云计算、大数据等信息技术将产业中的工艺、制造、管理等全流程信息收集起来，进行数据分析，实现数据集成、信息分析、知识归纳和智能决策过程，同时对外开放数据，构筑以信息互通、资源共享、制造能力协同的面向协作的工业云平台体系。

图1 工业云平台体系架构图

如图1所示，该工业云平台体系主要是由数据源层、应用集成层、数据交换层、应用服务层、服务治理和可视化部分共同构成，通过完善的数据交换和分析处理，实现数据仓库、云端操作、用户服务和显示操作的完美结合。该平台的具体特点如下：提供了大数据应用系统的开发与运行一体化平台,降低大数据技术在各行各业应用普及的门槛,为面向领域的大数据应用系统的快捷开发和高效运行提供方法、工具和平台支撑。如设备运转过程中产生的大量工业数据通过传感器与感知技术，收集到边缘计算节点，再经过智能提炼后，将少量信息转化为有用的实际处理信息，结合生产经营过程业务数据和外部互联网数据，利用大数据挖掘相关的算法去寻找隐藏的数据知识，应用于设备故障诊断与预测，工业供应链的分析和优化，产品质量管理与分析。同时，提炼出工业各领域的数据分析模型。

同时通过以平台化的模式的数据处理中心DaaS（Data as a service），它的数据处理分析能力作为SaaS的输入构建云服务网络。通过数据共享和数据交易,整合产业资源，通过打破行业间的限制，带动不同行业间产业链上下游的沟通交流。借助物联网技术或CPS技术，实现云制造平台中制造能力服务与底层制造能力的映射，利用工业云大数据共享平台产生的决策管理层，对制造能力进行描述，实现制造能力服务的智能匹配与按需动态组合。下面将对云服务网络的各组成部分（见图2）进行详细的介绍。

图2 面向协作的工业云平台

可视化层：将分析结果和分析执行过程，利用人机交互可视化技术来展现。

决策分析层：将当前深度学习、图像识别、自然语言处理等人工智能融入到工业大数据分析中，以专家知识、通用算法、工业领域算法为基础，通过获取市场、设计、过程信息，产生行为特征，并不断完善、优化、更新系统的领域知识库、领域规则库、领域专业算法，形成面向领域的数据挖掘算法，利用它构建决策支持模块，形成人机互动，辅助决策者完成决策过程。

决策管理层：推进工业全链条的数字化建模，实现数据贯通和关联，将工业生产各环节的经验、工艺参数和模型数字化，形成全生产流程、全生命周期的数字镜像，完成构建领域知识库、领域模型库、领域数据仓库。从而有效支撑和实现工业大数据的全面分析。

协作分享层：建立行业成员数据交换机制，打通信息孤岛，对行业内不同成员的协作层次进行资源信息和业务流程任务的分类授权，形成面向协同工业大数据平台，促进行业内信息共享和数据开放。同时促进多方（企业、行业组织、政府部门）合作，提高决策支持的可靠性。该层是面向协作的工业云平台的关键，需要研究以下问题，研究分布式数据分享平台、服务授权、服务动态配置及对复杂社会生产关系的适应性;研究将数据服务应用范围延拓至多领域时面对的数据资源共享的演化博弈分析问题;分析数据资源共享效果的影响因素体系和工业云环境下数据共享协同的决策分析模式。

数据交换层：提供统一规范的语义服务。工业中数据来源多样，且具有不同的格式和标准，有来自各种管理系统的关系型数据、生产过程中采集的半结构化数据和外部互联网的非结构化数据。将资源、信息和知识等进行统一规范的嵌入、封装、虚拟化后得到的富含语义的服务，以丰富的语义服务解决决策支持系统中数据的不一致问题。