工业互联重塑企业数字化能力

当前，工业互联网受到广泛认同和重视，国家和部门政策相继出台，一系列的公共工业互联网云平台先后发布，很多企业加快了对其规划和实施。对于工业互联网的概念和技术，媒体上已有很多的文章做了广泛的介绍和精辟的阐述。那么，工业互联网在制造业都有哪些实践中落地的场景与应用，如何利用工业互联网迅猛发展的态势，加快企业数字化进程，解决实际问题并实现业务价值？作者系全球知名工业互联网组织的专家，长期致力于工业互联网的架构研究与业务实施。

工业互联网核心理念与实施步骤

工业互联网的理念很简单，它的出发点是利用互联网的孪生核心技术——计算和通信网络技术，把实体（包括传感器、产品和装备等）、信息系统、业务流程和人员连接起来，从中收集大量的数据；利用数据分析和人工智能等能力，实现对物理世界的实时状态感知，在信息空间通过计算做出最佳的决策，动态地优化资源的使用；其最终的目的是为了创造新的经济成效和社会价值。

工业互联网具有广泛的应用，几乎可以涵盖所有的工业领域，但制造业，由于其体量之庞大，是工业互联网应用的一个重要的和富有创造价值潜力的领域。同时，由于其高度的复杂性、多样化和高度的差异性，也是一个最具挑战性的领域。

工业互联网的兴起，是为了解决当前制造业发展面临的挑战。随着全球化的经济体系的形成和互联网消费文化的兴起，全球性市场竞争进一步加剧。在这个格局下，制造业要关注的传统的基本要素：成本、效率、质量，并没有改变，但要求更高。企业还必须考虑资源使用效率和环保的要求。怎样在可持续发展的前提下，低成本、高效率、优质地完成短周期，多品种、小批量的生产，是制造业面临的一个大挑战。

要应对这个挑战，一个可行的方法是完善对业务经营和生产过程的数字化，并向智能化推进，在业务经营、产品研发与工艺设计、生产执行和过程控制等方面，以最佳决策，最优的资源调配和使用，动态响应生产环境，供应链和市场需求的不断变化，实现最佳的成本、效率、质量生产要素。

工业互联网对制造业数字化和智能化有着推动作用。对于制造业企业的数字化进程，简单而言，完善对各个业务和生产环节的数字化是第一步，如在以EPR为主线的价值链的各个环节和以PLM为主的产品链的各个环节，使用相应的专门工业软件，还有在这两条链的交叉点上的生产环境里实施MES，这些都是基础性的数字化实现。

第二步是要把这些环节的专门工业软件互联互通，打通各环节的信息孤岛，在价值链和产品链上逐步实现流程的自动化，并使能对各个环节数据的收集。例如，产品链上，整合产品生命周期功能环节,建立数字主线，并建立产品数字模型——数字孪生体，集成数据。（如图1）

第三步，作为工业互联网在制造业的应用，首先对设备进行连接，收集设备运营和产品在生产过程中的数据，通过实时的数据分析，在线优化生产过程；其次，对产品、设备以及生产过程和业务流程中收集的数据，对不同周期和跨越生产和业务环节以及跨域组织范畴的综合性的大数据分析，识别和消除效率与绩效瓶颈，使能最佳化的业务决策，对整个生产过程和业务流程进行宏观性的优化。

在这个过程中，连接和数据采集是基础，通过模型对数据进行分析，得到对生产过程的洞察是关键，而通过专门工业应用，根据生产规则和业务目标，将洞察转换成最佳决策，并得以精准执行，以闭环反馈实现智能优化则是核心目标。

第四步，打通在生态圈内企业之间的信息系统的互联，实现企业之间的业务和生产的协同，把优化的范畴扩展到生态圈以及客户端，对客户部署了的产品实行连接，通过对产品的全生命周期的管理实现服务延伸，为企业的业务转型开拓机遇。

由此可见，工业互联网与现有的数字化成果，如ERP、PLM和MES等基础工业软件的使用相辅相成，并增强其基于状态感知和数据分析做出最佳决策的能力，是实现智能制造的一个必不可少的步骤。

平台技术对工业软件架构和应用演变的推进

由于工业互联网技术得益于最新的互联网技术，包括云计算（如虚拟和容器等计算资源管理技术）、大数据、机器学习和人工智能（AI），以及最新的应用开发与运营（DevOp）技术和方法论（如微服务），因而，基于这些技术的工业互联网平台，将加快面对特定行业和特定场景的机理以及包括AI在内的数据模型和工业应用的开发，并把模型和应用耦合在一起，为解决特定的生产问题，建立由数据驱动的智能化专属工业解决方案。在这些平台上运行的工业应用，也将具有更高的可靠性和可扩展性，而计算资源的使用效率也更高。

可以预测，工业互联网平台的部署，将促进工业软件的快速发展，加快工业技术和经验的模型化和软件化，有利于工业知识的积累、提升和创新。

不少业内专家认为，工业互联网平台的实施，也将引入一个新型的工业软件架构，从目前垂直分层的架构向扁平的工业应用网格过渡。在应用方面，目前不少工业软件系列是由多个功能模块聚合而成的大型专有应用，复杂度高和封闭性强，缺少可操作性且难以拓展，又难以适应多样易变的生产需求。为了解决这些问题，越来越多的工业软件将在新的工业互联网平台上，以微服务的方式实现，小而精，易于敏捷开发，独立更新和管理。一方面建立具有通用性的基本制造服务，将其功能作为API暴露出来，让其他应用调用。另一方面，针对特定的问题，以搭积木的方式，组合调用基本制造服务，创意出新的，轻量型的专属工业应用。这些工业服务和应用构成了一个具有活力的工业软件服务和应用网格。这样，工业互联网平台也就成为一个工业模型和应用的开发和运营环境，承载数据驱动的工业应用的工业操作系统（OS）。在这样一个体系下，可以孵化出一个新的工业软件的生态，不管是传统的工业软件供应商，还是新生的第三方的应用开发者，都能比较容易开发出更加切合客户需求的应用，并能敏捷地演变，响应对生产环境和需求的快速变化。

工业互联网在生产现场的应用

现在回到生产现场，也就是工厂车间的环境，初步探讨一下一些潜在的工业互联网的应用案例。生产管控是一个复杂的系统工程，牵涉到多个相互关联和约束的、跨部门和工厂的业务和生产流程及其众多的管理环节，以及大量的物理系统，包括物料、产品、生产设备和环境。下面对生产管控作了一个抽象简化的概括。

生产管控的主要环节包括工艺设计、计划调度和生产执行，计划调度是其核心。生产计划调度在工艺规程和其他生产规则的约束下，根据客户订单的要求，在现有产能的范围内，统筹优化质量、产量、交期、物流周转、能耗、生产效率和综合成本等多项目标，制定生产计划和任务。

生产执行，一般由MES的软件实现，是将知识产权（产品设计和工艺技术）转为业务价值的枢纽，它管理的对象是生产能力和资源，是制造业企业资产的核心，对实现企业价值起着举足轻重的作用。它对上承接生产计划的要求，对下统管车间场景里的生产人员、工艺、设备、物料、能源的生产要素，实现动态的、精准的、最优化的配置和调度，高绩效、高质量、低成本地完成生产任务。

工业互联网在生产现场的应用关键在于如何利用或加强对生产环境的数据采集，实现或增强对生产过程的状态感知，并通过对数据的实时分析，做出最佳决策，通过独立或辅助现有的工业软件系统（如MES的功能模块）进行精准执行，完成对生产过程的闭环优化。

这里对工业互联网在生产现场关键环节的潜在应用分别作一些初步的讨论，通过图示概要性地描述一下相应的工业互联网解决方案，最后导出一些为解决这些问题和需求所建立的一些新的能力。

比如，质量闭环优化管控领域

问题与需求通常是：产品质量稳定性是否需要提高？产品合格率是否有提高的空间？缺陷产品返工成本是否高？废品的损失是否大？质量检测的准确率是否需要提高？是否需要实现在线质量检测？是否需要根据工艺和过程参数？是否需要建立产品数字孪生体，对产品质量进行全过程追溯？等等。

工业互联网解决方案为：智能质量检测判定或分类——提高质量检测的准确性和效率，降低检测成本。

缺陷产品原因的挖掘——降低缺陷或废品率。

在线质量检测或预测——动态寻优调整生产过程，中断废品生产流程。

实现工艺、物料、过程和质量的闭环关联——综合性地优化工艺参数，并对物料品质的控制提供反馈。

提供在线质量数据，支持数字孪生体 ——实现对产品质量的全过程追溯。

提供在线质量数据，支持在线成本核算和绩效预测与评估，提高生产管理水平。（如图2）

比如，能耗闭环优化管理领域

问题与需求通常是：能耗占生产成本的比例是否高？是否有强制性的节能减排目标？能量（如燃气和蒸汽）的供给和使用的稳定性和平衡性是否满足不同工序生产的要求，或是需要动态调优，保障生产，减少浪费？生产过程中热能的使用是否有提升的空间？对生产过程中能量的使用量和效率是否已实现在线或定期离线监控？能耗数据是否需要与工艺、物料、生产过程关联，为工艺和生产过程的优化提供反馈？

工业互联网解决方案为：能量使用和效率的监控——提高能耗的可见度，为实现节能减排提供确切依据。

对能量的供给和使用根据实时工况实现动态寻优，提高稳定性——保障生产，避免浪费。

对生产过程操作参数进行优化控制，提高生产过程的稳定性和实现最佳控制值 ——提高热能使用效率，降低能耗和减少排放。

实现工艺、物料、过程、质量和能耗的闭环关联——综合性地优化工艺参数。

提供能耗和排放在线数据，支持在线成本核算和绩效预测与评估——提高生产管理水平。

再比如，业务绩效在线监控和预测领域

问题与需求通常是：生产过程管理是否依赖手工报表，效率低，周期长，难以支撑管理的优化？生产过程管理是否需要实现在线的业务绩效监控，把握目前或预测近期的生产状况，针对生产问题给予及时和有效的纠正？生产过程管理是否需要把绩效KPI与过程数据结合，从绩效问题入手，有效地追溯到生产过程中导致问题的根本原因，以使其得到及时的解决？

工业互联网解决方案为：建立多层级的生产运营监控中心，提供短周期（每小时或更短）自动化的企业和工厂层级的生产和业务绩效在线报告——实现高透明度的绩效监控和预测， 提升对生产和业务问题的响应能力，向智能管理方向迈进。

提供问题追溯能力，系统性地快速确认问题的根源，并提出解决方案建议，提高及时有效解决问题的能力。

制造业工业互联网平台的特定需求

上述解决方案明显地共享着一条技术路线，包含几个共同的功能模块：数据采集和处理、（机理、数字和仿真）模型分析、通过应用实现的决策和执行。不难预测，在同一个生产环境里将会同时实施多个以上所列举的应用。显然，这些应用不应单独重复地实现和运行这些通用功能模块，而是应在通用平台上共享这些功能。工业互联网平台提供的正是这样一个平台，在同一个平台上，同时支持多个工业应用的开发、运营和管理，并系统地保障其安全性、可靠性和可扩展性。综合其他考虑，制造业对工业互联网平台有如下特定需求：

生产数据全生命周期管理

挑战：设备数据多源异构，高频率，大批量，高并发，需要长周期保存；现有的数据湖形成信息孤岛，无法有效利用。

能力：提供工业大数据平台, 实现统一的数据采集、分析和管理能力。

工艺技术和经验的模型和软件化

挑战：工艺配置过于依赖经验，难以与工况、品质、成本和效率跟踪反馈，实现系统性积累和获得最优工艺参数；工业软件需要简易更新，以适应生产的需求。

能力：提供轻量高效的工业模型和应用敏捷开发框架，简化软件开发和迭代提升过程。

智能优化的生产管理

挑战：生产计划和排程未能根据现场的物料供应、工况、产品质量、产出效率数据进行实时反馈动态调优，并实现需求拉动的生产管理。

能力：提供先进的数据分析、AI、仿真能力，通过对生产资源、环境和流程的状态感知，实现数据驱动的智能排产应用。

设备和生产过程数字空间映射

挑战：设备和产品数字孪生体与仿真数据整合复杂、技术门槛高，不易实施。

能力：提供数字孪生体和仿真功能服务，降低难度，加快数字仿真在生产过程的应用。

稳定、可靠和先进性

挑战：生产环境要求高度的可靠性、可扩展性、鲁棒性、低时延和技术的前瞻性。

能力：提供最新的机器学习、AI、仿真、大数据和云计算技术优化组合，满足工业级特定的系统和技术要求。

自主、可控、安全

挑战：企业需要保障对系统的自主性和对数据、应用、知识产权和商业机密的完全可控和安全性。

能力：灵活部署于企业内部和边缘的自主可控工业互联平台，保障系统和数据的安全性和可控性。

工业互联网平台的实施案例

Thingswise的工业互联网平台是一个完整的解决方案，集最新的机器学习、大数据、数字仿真、云计算、微服务、API管理、连接、安全、设备管理和应用开发技术为一体，针对企业工业互联网平台的需求，经过优化与创新，开发一系列关键技术，提供一个功能丰富，配套完备的启钥式的平台解决方案。它涵盖了企业实施工业互联网平台系统所需的关键功能模块，降低工业互联网的实施技术门槛，使企业能快速部署自主可控、安全可靠的平台系统，在这样一个新型的数字驱动的“工业操作系统”上敏捷开发针对特定问题的模型和应用，在最短时间内实现价值。（如图3）

这个平台的一些具有特征性的功能包括：

流式数据分析、内置大数据储存能力、规范化和高性能的分析模型插件框架、统一管理的工业应用开发和运行框架、API管理能力、数字孪生体支持、数字仿真能力、企业级的身份与权限管理、基于云计算的平台框架、边缘计算能力、灵活的部署能力。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@blueai.net.cn。