工业云应用与技术综述

徐 泉，王良勇，刘长鑫

(东北大学 流程工业综合自动化国家重点实验室，辽宁 沈阳 110819)

0 引言

近几年，随着云计算技术的快速发展，云服务在成本、能源效率、资源共享，以及增加灵活性、可靠性和可扩展性等方面都体现出了巨大优势[1]，极大地推动了工业企业信息化和工业化的深度融合，给工业界带来了深刻的变革，不但使工业企业的研发、生产、运营、营销和管理方式得到创新，而且引领了企业IT系统架构的技术趋势。

工业云通常指基于云计算架构的工业云平台和基于工业云平台提供的工业云服务，涉及产品研发设计、实验和仿真、工艺设计、加工制造、运营管理及企业决策等诸多环节[2]。工业云服务常见的方式有工业软件即服务(Software as a Service, SaaS)、工业基础设施即服务(Infrastructure as a Service, IaaS)、工业平台即服务(Platform as a Service, PaaS)等方式。工业云基于云计算技术架构为工业企业提供软件服务，使工业企业的社会资源实现共享，使工业设计和制造、生产运营管理等工具大众化、简洁化、透明化，从而提升工业企业全要素劳动生产率。

工业云因其巨大的应用价值得到了学术界和工业界的极大关注。全国信标委云计算标准工作组[3]从产业政策、应用现状和标准化3个维度梳理了国内外工业云发展现状，提出了工业云典型应用框架，该白皮书主要聚焦于工业界。曾宇[2]结合目前国内工业云平台的建设，分析了工业云计算在中国的发展情况，期望通过把握工业云计算趋势，推动工业云计算在国内的下一步发展，然而该文重点关注国内的工业云平台，更多的站在产业的角度分析工业云下一步的发展思路；Omid Givehchi等[4]概述了云计算技术在工业自动化上的应用，在此基础上提出一个基于云计算的工业自动化系统架构，然而该文重点关注的是针对工业自动化系统学术界的研究成果，缺乏工业界对云计算的研究进展。

近几年，工业云计算技术发展迅速，出现了许多新的研究成果。本文对工业云的研究进展进行全面综述。首先将从学术界和产业界两个方面概述目前工业云的应用现状，然后讨论工业云涉及的关键技术研究现状，最后重点讨论工业云发展的技术挑战和趋势，包括工业云参考架构、混合云架构、智能服务、工业数据分析、资源和服务评估、工业云安全等。

1 工业云在制造中的地位和作用

工业云是在云计算模式下，满足工业应用所要求的安全性、可靠性、实时性等特点，为工业企业提供各类工业应用服务，包括工业IaaS、工业PaaS和工业SaaS，如图1所示。云计算模式跨越了行业、设备和软件本身，是典型互联网IT架构的产物。工业云主要借助互联网云计算的基础设施，利用其计算、存储和部署能力，结合工业生产和应用，收集、存储和分析工业数据，为工业生产提供各类应用服务。相比于互联网云，工业云面向工业领域，更侧重于工业业务环节，其工业应用除了利用互联网共享模式获取工业应用工具和系统外(图1给出了企业云提供的工业应用)，就是收集、存储企业生产经营的相关数据，通过分析数据帮助企业进行经营决策。随着工业物联网的快速发展，工业生产产生了大量数据，对这些数据的分析处理正是工业云的优势所在。

工业云是“互联网+”制造的发展趋势。在工业企业信息化建设过程中，IT技术是最重要的驱动因素。随着网络带宽的提升、移动互联网的发展，以及安全技术、云计算、软件建模技术的不断成熟和应用，将企业级、工业级的应用迁移到工业云上来解决工业企业的应用需求成为可能。从工业企业发展来看，面对信息化建设的巨大压力，工业企业要不断打造核心竞争力，必须借助工业云的力量整合和利用社会各方资源，优化企业管理，通过工业云的技术和业务模式实现企业上下游产业链的协同、整合，以及价值链的重构。另外，这种模式可使上下游企业之间的信息在工业云上共享，而大量数据在工业云上存储和分析使企业突破围墙，得到了更为高效和更有价值的服务，成为企业转型升级的推力。

当今时代，信息技术与工业化呈现了加速融合的趋势，智能制造已经成为公认的、提升制造业整体竞争力的核心高技术，工业企业的整体运营显现出人、机、物三元空间不断融合且日趋复杂的发展态势，对提高工业企业自动化的智能化水平提出了新的挑战。究其原因，主要是底层设备控制不精细，上层计划调度等缺乏多领域多知识关联分析且自动化程度低，导致某些关键环节必须依靠有经验的知识工作者来判断和决策。对于这类需要专门知识、通过复杂分析、细致判断和创新决策才能完成的知识型工作，2013年麦肯锡全球研究所研究报告指出，将代表“知识型工作的自动化”技术列为12项可能在2025年前决定未来经济的颠覆性技术之一，并认为它是从物理世界的自动化控制转向人类社会本身的智能化管理的基础。

目前，云计算、大数据、移动互联网等新兴技术展现出强大的影响力，正在深刻影响和重塑各种传统行业的信息化。大数据为知识自动化提供了及时、准确和完整的数据资源，有望带来更精准、更高效、更科学的管理与决策；工业云为基于大数据和知识自动化的智能制造体系的各个阶段提供了弹性、优质、可靠、及时、低成本和便捷的服务资源，有望带来更高的生产效率和更低的运营成本。在多学科交叉融合思想的指导下，建立在大数据、工业互联网和云计算技术之上的知识自动化技术为解决工业企业智能决策提供了新的手段。因此，通过工业化与信息化的深度融合，设计基于工业云的工业知识自动化系统(如图2)，科学引导生产计划、生产调度和生产设备优化控制、故障诊断与安全运行，能够推进工业企业智能制造，改变传统工业的生产和发展方式，实现企业生产经营的智能决策。

2 工业界现状

在企业经营管理软件上，企业资源计划(Enterprise Resource Planning, ERP)、客户关系管理(Customer Relationship Management, CRM)、产品生命周期管理(Product Lifecycle Management, PLM)等产品和厂商相对成熟，随着云计算技术的出现和发展，ERP厂商纷纷推出自己的云ERP产品和解决方案，例如：全球ERP领导厂商SAP(system applications and products)提供资产管理云服务[5]；国内中小企业ERP领导厂商金蝶为用户提供云ERP服务[6]；salesforce为全球用户提供按需的云CRM解决方案[7]。

为了响应我国工业与信息化部提出的信息化普及工程和两化融合理念，众多为中小企业提供云应用和服务的工业云服务平台被建立起来[8-15]，这些工业云平台主要针对工业产品设计提供工业软件和相关计算资源服务，即将一些主要的、常用的工业软件迁移到云上，以在线服务的形式向用户提供CAD、CAE、PLM 、产品数据管理(Product Data Management, PDM)等工业软件服务，以及科学计算、渲染、三维扫描及快速成型、虚拟仿真等服务。已经建设的工业云平台主要来自政府(工业云建设首批16个试点城市)、科研机构和工业软件供应商(如CAXA，CAD)，然而从目前国内工业云的建设和应用来看，国内工业云的使用范围大多局限在CAD，CAE等应用软件的SaaS服务，而且目前的工业云主要由各个地方政府扶持、以半官方机构为主要力量建设的工业云服务平台，其服务内容也比较初级。

GE构建了全球第一个工业大数据分析的工业云PaaS(平台即服务)软件平台Predix[16]，该平台服务可以将各种工业资产设备和供应商相互连接并接入云端，同时提供资产性能管理(Asset Performance Management, APM)和运营优化服务。这个服务的安全层经过特殊设计，能够满足高敏感度工业设备企业的需要。目前，GE的APM系统每天监控和分析来自1万亿设备资产上1 000万个传感器发回的5 000万条数据，其终极目标是帮助客户实现100%的无故障运行。Siemens正在利用SAP HANA云平台技术[5]构建工业云平台MindSphere[17],其目的在于分析工业领域的大数据集，提供工业数据记录、传输、存储、管理和分析(预测性维护、资产分析等)等服务，并提供开发框架服务，使得原始设备制造商(Original Equipment Manufacturer, OEM)、最终用户、合作伙伴和应用程序开发人员可以创建自己的应用程序，利用开放的基础架构进行数据分析，如在线检测工业机器人、优化关键设备机组的运行等，其同GE的Predix平台区别如表1所示。通过构建MindSphere云平台，西门子正加强其工厂数据服务和工厂云服务，该平台将采用加密通信并使用认证数据中心对数据进行处理与分类，以确保高安全标准，同时也将应用最新的网络安全技术。另外，一些创业公司试图将其商业分析能力运用在由机器和传感器产生的大数据上，如Machineshop公司[18]。

物联网和工业云技术的发展使数以亿计的终端工业设备连入互联网成为可能，由此产生了巨大的商业价值，从而使许多基于物联网的工业云接入平台被设计和建立起来，如ProfiCloud工业云平台[19](用户可以通过其访问PROFINET现场总线系统)、Arrayent工业云平台(为智能设备提供PaaS服务[20])、三一重工企业控制中心(Enterprise Control Center, ECC)客户服务平台[21]、徐工与阿里携手搭建的“徐工工业云”[22]、华为物联网云平台[23]、Electric Imp[24]、Particle[25]、Digi[26]、connyun[27]等。

传统的工业控制软件供应商和云计算供应商正致力于工业云的研究，例如：SAP提供资产管理云服务[5]，Honeywell Attune[28]提供认知、提升和优化3种级别的能源优化云服务。IBM正在招揽来自工业领域的专家，以改善Watson软件平台的算法[29]，提升该软件在工业领域的竞争力，通过IBM bluemix云平台[30]为用户提供数据分析云服务；微软也在说服潜在客户采用其开发的云平台Windows Azure[31]来储存和运用其工业数据，例如自动化厂商Rockwell采用其平台为用户提供云计算服务。亚马逊打造的物联网(Internet of Things, IoT)云平台[32]，使涡轮机、传感器和灯泡等设备能够方便地连接AWS(Amazon Web services)服务，从而能够在全球范围内存储、处理、分析联网设备生成的数据并采取行动。但是由于缺乏对工业领域深度的理解，目前对工业云的研究还停留在设备状态监测等表层。

表1 典型工业云平台比较

3 学术界现状

因为目前工业企业信息化系统主要是按照典型的三层结构(企业管理层ERP、制造执行层MES(manufacturing executive system)、过程控制层PCS(process control system))建立的，所以针对学术界的研究和应用，本文也依据该层级结构依次逐层展开对工业云应用现状的概述。目前许多研究工作的目标是将层级划分的功能和服务迁移到工业云上，使得企业的IT系统向扁平化发展。另外，部分研究讨论了基于工业云的企业信息化系统架构，考虑到未来企业信息化系统架构的演变，本文也对相关的研究工作进行综述。

3.1 企业管理层

罗贺等[33]在分析云计算环境特点的基础上，对目前云计算环境下的智能决策研究现状进行综述，具体包括云计算环境下决策资源的管理、决策问题的协同求解，以及相应的智能决策支持系统等方面内容；Demirkan等[34]针对决策支持系统提供了一个需求列表，以解决现在和未来系统的需求，通过提供分析和大数据服务扩展了云决策系统功能；冯青等[35]提出一种将云服务、需求驱动和面向服务架构相结合的决策支持系统，通过云服务将各类软硬件设计资源和制造能力虚拟化与服务化，实现了决策支持过程中抽象决策过程建模与实际决策服务执行之间的动态映射。

曾宇等[36]研究分析了云计算平台推动制造业创新发展的必然性，剖析了工业云平台的体系架构及其关键技术，并介绍了平台的开发、实现和典型应用实例。利用文献[9-10]建立的工业云平台，针对焊接、切削、磨削加工领域的应用，文献[37-38]构建了面向工业制造领域的焊接、切削、磨削行业应用云服务。

利用云计算等先进信息技术，李伯虎等[39]提出一种面向服务的网络化制造新模式——云制造(Cloud Manufacturing, CMfg)，它通过网络和云制造服务平台实现了对封装制造资源及服务的集中管理和高度共享，为企业的制造全生命周期过程提供了可靠的个性化服务[40-44]。CMfg是云计算在制造业领域的应用和发展，除了基础SaaS、PaaS和IaaS服务外，CMfg的核心是制造即服务(Manufacturing as a Service, MaaS)，包括设计云服务、仿真云服务、试验云服务和生产过程云服务等。基于CMfg思想，许多云制造服务平台被设计和开发，如基于云仿真的原型平台[39]、基于语义Web的云设计服务平台[45]、面向双向资源集成的智能服务平台和智慧服务平台[46]、模具行业云制造平台[47]、中小企业云制造服务平台[48]。

张霖等[49]从云制造的概念、服务模式、体系架构、制造理论方法与关键技术、平台研发及应用等方面概述了云制造的国内外研究及应用现状。与此同时，一些新的基于云制造和设计的理念被提出，例如：Wu等[50]提出一个客户能配置、选择和利用从计算机辅助工程软件到可重构的制造系统的资源和服务来实现产品定制的面向服务网络化产品开发模式——基于云设计和制造的图例(Cloud-based design manufacturing, CBDM)；Maciá Pérez等[51]提出云敏捷制造(cloud agile manufacturing)，主要目标是提供工业自动化功能作为服务，包括过程设计、产品、管理、商业集成、工厂虚拟化等；Cheng等[52]针对开方环境中资源服务模型共享问题提出一种语义模型，用于使用语义链接而不是本体的信息资源服务建模。该模型利用语义链接实现资源服务云中的自动化集成和分布式更新。

然而，目前这些云制造服务主要在制造软资源、制造能力和计算资源层面上展开，缺乏针对制造过程的云端化监控与管理，以及企业设备资源的网络化集成运行、安全监控、诊断与健康维护、协同化加工生产、工艺参数实时优化决策等生产过程优化与决策云服务，从而制约了云制造模式的快速发展。

3.2 生产执行层

工业生产的复杂性和差异性，导致目前MES很难形成统一的解决方案和平台，更多的是对具体制造过程或者某一个行业的解决方案。基于工业云的MES面临同样的问题，其目前的研究主要还是面向特定领域的基于工业云的MES系统。

王云[53]结合云制造的核心思想，提出一种面向云制造的机床装备生产MES，并对其涉及的基于实例推理(Case Based Reasoning，CBR)的零件检索方法、柔性制造单元构建方法等技术开展了研究；Helo等[54]针对分布式制造环境下的MES可配置效率和信息集成共享能力较差等问题，提出一种基于云技术的MES解决方案，并对该系统的功能架构和支持技术进行了研究；Morariu等[55]基于当前云计算的成熟应用及制造企业的管理需求，提出并研究了一种基于ISA-95框架的虚拟化MES，并对其实现方法和试验进行了论述，证明了该系统的实用价值。以上基于云概念的MES均从某单一应用角度展开研究，对云MES的总体发展需求及其技术架构和运行模式缺乏一定的论述。李孝斌等[56]提出下一代MES的发展方向——面向生产过程云服务的制造执行系统(CloudMES)，并从系统体系架构、运行模式、关键技术等方面对CloudMES进行了研究，以促进面向生产过程云服务的MES的研究、开发和应用，为云制造模式向企业车间装备层发展提供相应的技术支撑。

3.3 过程控制层

相比于制造执行系统的复杂，工业过程的监控系统是目前应用云计算较多的领域，各种基于云计算的能源、产品质量、设备、工业过程等监控系统应运而生，例如钢铁质量监控系统[57]采用多个低廉相机组成的云相机系统来监控钢铁企业中钢铁表面的缺陷；电能质量监控系统[58]利用SaaS服务模式改进了电能质量信息的构建方式，充分实现了各项数据资源的整合和共享，提高了电能质量监控的稳定性和可靠性；能源监控和管理系统[59-60]从多个工业站点进行能源消耗的监控和调优，其应用能够解决大数据带来的能源监控问题，在很大程度上节约了能源，降低了损耗。此外，还有工业废气监控系统[61]、矿山尾矿坝监控系统[62]、煤矿安全监控系统[63]、基于移动云的条件监测系统[64]、工业视频级联的生产实时监控管理系统[65]等应用。目前这类监控系统主要利用工业云实现工业数据的采集、存储和可视化功能，缺乏对数据进行有效分析和挖掘。

Gerach等[66]提出一个基于私有云模式的分布式控制系统，托管和提供SIMATIC PCS 7为一种通用的分布式控制系统(Distributed Control System, DCS)云服务。类似的工作还有欧盟的IMC-AESOP项目[67-68]，该项目提出车间服务工业云平台，其目标是构建下一代基于面向服务的体系结构(Service Oriented Architecture，SOA)的SCADA/DCS系统，项目同时提供了迁移遗留工业系统到下一代基于SOA架构的自动化系统的技术路线；文献[69-70]探讨了基于云计算的SCADA系统，详细分析了SCADA系统迁移到云上的优点和存在的风险；文献[71-72]将SCADA系统部署在工业云上，提出基于云计算和物联网的SCADA系统，增加了原有系统的灵活性、成本效率、优化能力、可用性和可扩展性。

由于底层控制的实时性、可靠性和安全性要求高，导致云计算在该层的整体应用相对较少。Gilart-Iglesias等[73]提出将工业机械装备作为云服务来方便地进行组合，以促进工业机械装备负责的业务逻辑的自管理和主动管理，其提供的服务主要为机械装备的行为和功能。Tamir等[74]提出将工业自动化作为服务，包括从反馈控制到企业优化等众多功能，重点关注了将对时间和功能要求最严格的反馈控制层(L1层)迁移到云上后节约的成本和时间，由于反馈控制层对及时性和可靠性的要求较高，该文设计了一个自适应延时补偿器和一个分布式容错控制算法来缓解延时和提高可靠性，然而采用虚拟机的方式在云端运行反馈控制层仅验证了反馈控制层可以运行在云端，并没有实现反馈控制功能的服务化，距离提供反馈控制工业云服务还有很大差距。Givehchi等[75]描述了一个学习案例，借助VMware的vCloud套件将虚拟可编程逻辑控制器(Programmable Logic Controller, PLC)作为云服务(PLC as a service)提供控制服务(control as a service)，接着设计了一个实验评估对比虚拟PLC和常规PLC的控制性能，通过实验发现虽然基于云的PLC性能较低，但是其提供了一种新的软实时控制方案。Syed等[76]针对在出现破坏的云链接的情况下，云端控制服务如何操作的问题，提出一种新的混合方法，用于从云端提供控制服务，可以在破坏的云链接下本地处理基本通信。Saad等[77]研究了云计算、雾化计算和IoT在自动化行业控制应用中的相互作用,开发了一个原型系统探索与基于云的控制器通信的IoT设备的使用(即控制器被负载到云端或雾端)，并设计实验研究在终端设备和控制器之间设置云服务器的效果。最后，采用一个缓解机制来应对控制器负载到雾端或云端时由网络引起的延迟和抖动。然而对于控制应用而言，仅依靠缓解机制无法满足控制需求，必须保证服务质量(Quality of Service, QoS)，或者在QoS无法保证的情况下必须有其他策略保证本地控制不依赖云端或雾端。

3.4 设备层

由于设备资产的重要性，很多研究工作在该层面展开，主要研究集中在两方面：①传感器同云平台互联互通；②设备功能的服务化，通过云平台向设备提供服务化的功能，包括在线监测、报警、诊断、维护等。

传感器同云平台互联互通方面，Kuppinger[78]展示了一个风力发电机组内部传感器和执行机构与云基础设施直接连接的应用，利用云计算实现了对传感器和执行机构的数据采集与存储；Alamri等[79]全面概述了传感云(sensor-cloud)当前的研究和应用现状。Yang等[80]提出一种基于云的机器健康监测系统的统一框架，将云计算作为一个数据挖掘和认知学习算法的平台，提出标准化特征提取算法和自适应预测算法，确保了复杂机器工作条件下云平台的有效性和适应性，解决了异构数据格式和复杂机器工作条件对机器健康监控和预测的挑战。Luis等[81]提出一种在工厂车间使用的传感器智能组件SelComp(未来工业传感器云)，通过传感器制造出所谓的“数字双胞”机器，并将其功能作为服务公开。该组件通过在运行时重构和数据处理功能，简化了传感器集成和数据分析过程。

Raju等[82]利用云计算和IoT技术实现对工业设备的实时远程监控和运行，并对收集到的数据进行分析，以提高产品品质和生产率。Leonardo等[83]开发了一个无线云平台，可以高效利用现场设备的智能化来处理在严格的可靠性和延迟限制条件下快速传输数据的关键业务，云平台通过充当硬件即服务(Hardware as a Service, HaaS)提供商并实施协作多跳转发方案来处理关键数据的传送。实验研究表明，该方法在实际的工业工厂中是可行的。Oana等[84]将工业无线传感器网络(Industrial Wireless Sensor Networks, IWSN)与由云计算基础设施组成的低功耗无线现场设备组合，实现了安全的实时通信通道，类似的工作还包括文献[85]。

相对于传感云，He等[86]针对仪表和测量构建了测量云IMC(instrumentation and measurement cloud)，提出IMC相对标准的定义和新颖的架构，实现了IM(instrumentation and measurement)资源的远程共享，提高各种资源的利用效率，以便从仪器和传感器处理和分析大数据。

在生产环境中，限制云平台广泛应用的主要原因是，机械、机器人、生产系统同新颖的云基础架构和云服务之间缺少标准接口，而没有基于以太网通信接口的机器无法集成。因此，Christian等[87]在云制造的用例工业控制即服务(Industrial Control as a Service, ICaaS)中介绍了相关概念和连接器层的3种不同连接方案，包括利用PLC和微控制器作为连接器方案和机器直连到云方案，并针对每个场景用实验进行了评估。

目前针对工业云的应用，主要集中在企业的上层应用，如产品设计、仿真、管理等，对执行制造和过程控制层的研究相对较少；另外，目前工业云的应用主要针对离散行业，针对流程行业的应用非常少。

3.5 工业系统架构

Shu等[88]提出一个集成云计算的信息物理系统架构(Cloud-integrated Cyber-Physical Systems, CCPS)，并概述了复杂工业应用(Complex Industrial Applications，CIA)的实现技术，然后从CIA的角度分析了3个潜在的挑战和解决方案，包括虚拟化资源管理技术、云资源调度和生命周期管理，以期为CCPS新兴领域的研究提供线索和路线。相对而言，CCPS目前仍在探索阶段。

为了适应工业应用的要求，部分研究人员开始在云操作系统基础上开展工业应用云操作系统研究，Xiong等[89]主要讨论了工业应用云操作系统，包括云计算和云操作系统的引入、云操作系统的现状分析以及工业4.0的转换趋势，设计了该云操作系统的主要内容，并给出了其应用前景和预期结果。

4 工业云关键技术研究现状

工业云的应用虽然取得了巨大的成效，但是随着应用的深入，一些关键技术亟需被攻克，如信息安全、可靠性技术等。下面综述目前工业云关键技术方面的研究进展，为下一步的研究做铺垫。这里主要关注涉及工业云的关键技术(如图3)，而不关注云计算本身，如分布式存储、计算模型、云平台管理等。

4.1 虚拟化与服务化技术

虚拟化技术是云计算不可或缺的核心支撑技术之一[90]，工业云平台需要对工业中各类软硬件资源进行虚拟化和服务化管理，以实现资源共享和高效利用。曾宇等[36]主要从资源统一管理、应用模板化和应用软件资源与云服务化等方面展开虚拟化技术研究；文献[41,91-94]针对云制造资源的虚拟化与服务化开展了系列研究；Delsing等[95]针对目前将非SOA架构的工业过程控制系统迁移到工业云上，提供了迁移技术和具体步骤，以实现工业过程控制系统的服务化。

4.2 可靠性技术

工业应用对系统的可靠性要求非常高，但是目前针对工业云的可靠性研究非常少。曾宇等[36]采用多层次系统级鲁棒性技术(全检查点技术、故障预测技术、故障时检查点与进程迁移技术)保证工业云平台的可靠性；李伯虎等[39]针对资源服务调度过程中可能出现的故障，研究了相应的容错管理机制、各类故障的检测方法、基于ECA(event-condition-action)的故障消解策略和任务迁移技术。总之，上述研究更多的是依赖云计算本身的高可靠性技术，缺乏针对工业云高可靠性的研究。

4.3 实时性技术

工业底层控制对系统的实时性要求高，这也是导致工业云在这一领域应用得比较少的客观因素。Givehchi等[75]在未来工作中提到，利用实时虚拟化技术(Real-Time Virtualization in Xen, RT-XEN)来提升工业云平台的实时性能，但是截至目前依旧缺乏相关研究和评估；Liu等[96]提出运用QoS提供实时性通信来保证服务的方法，并在其用虚拟化技术构建的分布式系统中进行了有效验证。

4.4 安全技术

文献[39,42,97]针对云制造安全技术进行了相关研究，主要包括云制造终端嵌入式可信硬件、云制造终端可信接入和发布技术、云制造可信网络技术、云制造可信运营技术、云制造环境的多级安全隔离技术等。文献[98-100]综述了目前云安全的研究进展，其中文献[98]简要地概括了工业界比较成功的云计算产品Amazon Web Services和微软Windows Azure的安全现状。由于工业应用对安全性有特殊要求，目前仍缺乏针对工业云安全性的研究。

4.5 人机交互技术

马翠霞等[101]针对云制造环境下的用户需求，分析了云制造环境下的用户界面特征，在此基础上提出云制造环境下的普适人机交互技术框架，并对其中的界面定制技术、自然交互技术、可视分析技术、笔式操作平台等关键技术进行了分析。曾宇等[36]主要从基于工业云的CAD建模设计、模型离散化和初始化、CAE仿真论证、仿真结果可视化、CAM仿真制造加工等分析了各自环节人机交互的特点。

5 工业云的技术挑战和趋势

Karnouskos等[102]描述了企业未来的工业系统视图，如图4所示。企业所有的IT系统、设备和功能均全面实现了服务化，部署在工业云平台上。在工业云平台框架下，围绕生产管控一体化、工业协同一体化、设备资产的全生命周期管理，提供从设备的智能控制、过程控制、生产制造执行到企业经营管理、工业大数据管理与分析的完整服务。

5.1 工业云参考架构

随着工业云的发展和应用，其运行必然涉及大量软硬件资源、数据资源、服务资源等，这些信息的异构化和无序化将阻碍资源的有效集成和共享，因此构建标准和技术规范是工业云平台实现广泛应用的关键。目前建立的工业云系统基本是根据各自目标构建的，缺乏系统级设计蓝图指导和相关的架构标准规范，因此需要构建具有可扩展性、可定制化、可维护性、可靠性、安全性的工业云参考架构标准，以满足工业云未来发展的需要。

首先，分析和归纳工业云系统共性的功能特征及非功能性需求，总结形成该类系统架构设计的若干原则及其描述，并抽象出在工业云计算环境中开发、部署和运维时所必须考虑的基本原理;然后，以TOG(the open group)云计算参考架构(Cloud Computing Reference Architecture, CCRA)标准[103]为基本指南设计工业云系统的基本架构和元模型。图5所示为云计算参考架构图。

5.2 混合云架构

越来越多的中小企业使用公有云软件服务，甚至部分企业使用基础设施服务代替其信息系统[104]，还有一些专业厂商针对工业企业提供专业领域基于云的应用服务[5-8,16,28,105]，这些必然要求企业IT系统基于混合云架构进行搭建，如图6所示。

5.3 智能服务

围绕企业智能制造核心需求，为企业智能制造提供核心服务，例如智能安全监控服务、智能决策与优化服务、企业全流程优化技术服务、运行优化服务、设备故障诊断和预测维护服务、产品质量分析预测服务、工业企业供应链优化服务和产品精准营销服务等。

5.4 工业大数据分析作为云服务

智能制造时代的到来意味着工业大数据时代的到来，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，及以此为未来制造系统搭建的无忧环境。工业大数据的应用将成为未来提升制造业生产力、竞争力、创新能力的关键要素，工业大数据服务(Data as a Service, DaaS)未来必将作为工业云的一项核心服务存在。

与此同时，互联网行业已经涌现了诸葛IO[106]、神策数据[107]和GrowingIO[108]等专业的互联网用户数据分析服务供应商，降低了互联网中小企业进行大数据分析的技术门槛和代价，使大数据分析作为一项基本服务很好地嵌入企业经营管理中。作为极具应用价值的工业大数据，其分析服务将来也必然会作为一项基本的服务存在于企业经营、生产制造等活动中。

虽然GE已经构建了全球第一个工业大数据分析的工业云PaaS软件平台Predix[16]，但是首先其主要针对设备数据进行分析，其次企业用户需要上传自己的工业数据到其数据中心，才能使用GE提供的数据分析服务，再次不提供私有化部署的功能，使该平台的使用受到了较大限制。中小企业由于研发能力有限，很难展开工业大数据相关的分析工作，只能依赖工业大数据服务商提供的工业大数据分析云服务。

2017年3月份阿里云推出ET工业大脑，其主要目标是利用人工智能技术分析工业生产中的数据，优化机器产出和减少废品率，已经成功应用于牟企业的光伏切片生产。阿里云提供的基于大数据分析的方案，通过深度学习计算所有关联参数精准分析出与良品率最相关的60个关键参数，并在生产过程中实时监测和控制变量，最终帮助该光伏企业成功提升良品率1%。此外，该平台还应用于风力发电机制造商，一方面对风机进行故障预测，通过预测提前发现故障发生之前的一些异常现象，使设备运维提前介入来避免故障的发生；另一方面提供了对风力发电机组的寿命预测，通过提前准备风力发电机组的备件来避免维修更换时的时间差，大大地减少客户企业的运维成本。

5.5 工业云资源和服务的评估

对于工业云上大量的资源和服务，需要进行应用效果评估，通过建立服务综合质量计算模型来提供质量预估技术，使QoS更好地符合多方面质量要求，以便遴选和优化工业云平台上提供的资源和服务，促进工业云平台上各类服务的提升。

5.6 工业云的可靠性、实时性标准和测评方法

工业系统对可靠性和实时性有严格的要求，需要确保工业云和端系统之间传输的双向可靠与实时性，从而确保工业云能够及时认知工业现场信息并及时同步控制信息。因此，一方面需要研究制定工业云平台系统的可靠性、实时性标准和测评方法；另一方面需要开发建设工业云可靠性、实时性等的测试工具和实时监测平台，对工业云平台进行立体化实时监控，为工业云的平稳、可靠、绿色运行提供有力的支撑。

5.7 工业云安全

未来企业所有的业务系统都将部署和运行在工业云上，为工业生产和经营过程提供支撑的工业云平台需要在多方面保证系统安全。首先，需要构建工业云安全防护体系，包括工业云的数据中心基础设施安全、云计算网络安全、虚拟机安全、应用程序安全和数据资产安全等；其次，在工业云层面维护闭环控制的安全；最后，确保工业云和端系统之间传输的安全性。

6 结束语

无论是德国工业4.0、美国工业互联网还是《中国制造2025》，其主要特征都是智能和互联，而主旨都在于通过充分利用信息通讯技术，将产品、机器、资源和人有机结合在一起，推动制造业向定制化、智能化和制造业服务化方向转型。工业云的发展思路应与工业发展方向相匹配，即聚合企业所需资源，向集成性服务发展，提高服务等级、可靠性和安全性，以满足未来工业发展所需的各类应用服务，支撑企业核心业务发展，特别是工业4.0所需的智能应用。