智能制造的核心技术之工业互联网平台

sanasnoz

以下文章来源于智造苑 ，作者小智
导读
工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的一种结果。工业互联网的本质是通过开放的、全球化的工业级网络平台把设备、生产线、工厂、供应商、产品和客户紧密地连接和融合起来，高效共享工业经济中的各种要素资源，从而通过自动化、智能化的生产方式降低成本、增加效率，帮助制造业延长产业链，推动制造业转型发展。

文章来源

本文改编自：《智能制造概论》。作者：中国工程院李培根院士、华中科技大学高亮教授。本书配套有405页完整课件，可提供给大家下载学习。
发送关键词“210803”到本头条号「数字化企业」，即可弹出该资料的获取方式。


工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的一种结果。工业互联网的本质是通过开放的、全球化的工业级网络平台把设备、生产线、工厂、供应商、产品和客户紧密地连接和融合起来，高效共享工业经济中的各种要素资源，从而通过自动化、智能化的生产方式降低成本、增加效率，帮助制造业延长产业链，推动制造业转型发展。


随着制造业数字化水平的逐步提高，智能制造得到了快速发展，使得工业互联网平台在全世界范围内迅速兴起。目前，全球制造业龙头企业、ICT领先企业、互联网主导企业基于各自优势，从不同层面与角度搭建了工业互联网平台。工业互联网平台虽发展时间不长，但均有迅速扩张的趋势，正积极探索技术、管理、商业模式等方面规律，并取得了一些进展。


工业互联网平台是智能制造的核心技术之一，对智能制造的发展起着至关重要的作用。各国政府都将工业互联网平台建设作为战略发展的重中之重。美国在先进制造国家战略中，将工业互联网和工业互联网平台作为重点发展方向，德国工业 4.0 战略也将推进网络化制造作为核心。GE、西门子、达索、PTC 等国际巨头也纷纷布局工业互联网平台。


与此同时，2018年7月，信息化部印发了《工业互联网平台建设及推广指南》和《工业互联网平台评价方法》。2019年1月18日，工信部已印发《工业互联网网络建设及推广指南》。3月，“工业互联网”成为“热词”并写入《2019年国务院政府工作报告》。发展工业互联网平台，已经成为实现智能制造的必然要求。

工业互联网及其层次结构

工业互联网（industrial internet）概念最初由通用公司提出，它集成了大数据技术和各类分析工具，并通过无线网络将工业设备连接起来。工业互联网将能快速适应不同任务的人工智能模型应用于分布式系统，通过云计算优化控制过程，实现更高程度的自动化，其核心含义与德国提出的“工业4.0”、中国提出的“中国制造2025”相同，即借助飞速发展的信息技术，在更高的层次将生产所涉及到的离散信息联结起来，利用大数据分析技术，优化生产过程，提高智能制造水平。


工业革命以来，机器生产取代人力，大规模工厂化生产取代个体工场手工生产。传统手工生产时，人通过视觉、听觉、触觉等方式感知生产要素信息，在大脑中对信息进行整合、分析，以生产需求为驱动，对生产要素进行配置，从而满足生产要求。进入机器大生产时代以来，生产分工越来越细致，一种产品往往是多家工厂共同协作生产而来。生产设备的大幅度增加，导致生产涉及到大量的生产要素。同时，生产设备朝着精密化、智能化的方向发展，描述单一设备的状态需要大量的信息，因此，传统的通过人的知觉感知全部生产要素是十分困难的。此外，生产要素之间通常是跨越空间和时间的，人们感知到的信息通常具有局限性和延迟性，基于感知到的信息制定的决策，通常不是全局最优的策略。


随着智能传感器的广泛应用，人们可以实时感知离散的生产要素信息。而物联网时代，能将这类信息在云平台上进行整合、分析，来优化制造过程，实现智能化生产，工业互联网平台也就应运而生。工业互联网通过智能传感器，实时感知生产要素信息，并通过无线网络传输到工业互联网平台，工业互联网平台对信息进行分析、优化，然后对生产要素进行最优化配置，从而实现智能制造。


工业互联网层次结构可以分为4层，如图1所示。主要包含边缘层、平台层、应用层以及IaaS层。其中，边缘层解决数据采集的问题，其通过大范围、深层次的数据采集，以及异构数据的协议转换与边缘处理，构建工业互联网平台的数据基础；工业PaaS层解决工业数据处理和知识积累沉淀问题，依赖大数据分析技术，提供最优策略，形成开发环境，与之前不同的是会有云化的软件的应用；应用层解决工业实践和创新的问题，主要面向特定工业应用场景，激发全社会资源推动工业技术、经验、知识和最佳实践的模型化、软件化、再封装（即工业APP），用户通过对工业APP的调用实现对特定制造资源的优化配置；IaaS层通过虚拟化技术将计算、存储、网络等资源池化，向用户提供可计量、弹性化的资源服务。



图1工业互联网层次结构

工业互联网平台

及其基础、核心与关键

工业互联网平台是工业互联网在智能制造中应用的具体形式。通过工业互联网平台，不仅能将原材料、产品、智能加工设备、生产线、工厂、工人、供应商和用户紧密联系起来，而且能利用跨部门、跨层级、跨地域的互联信息，以更高的层次给出最优的资源配置方案和加工过程，提升制造过程的智能化程度。


◉ 工业互联网平台的基础是数据采集，一方面，随着加工过程和生产线精益化、智能化水平的提高，必须从多角度、多维度、多层级来感知生产要素信息，因此，需要广泛部署智能传感器，来对生产要素进行实时感知。另一方面，人脑可以实时高效地处理相关联的多源异构数据，并迅速生成生产要素的属性信息，工业互联网平台也需要进行高效的海量、高维、多源异构数据融合，形成单一生产要素的准确描述，并进一步实现跨部门、跨层级、跨地域生产要素之间的关联和互通。
◉ 工业互联网平台的核心是平台。传统的工业生产中，通常是人基于感知到的信息，通过数学原理、物理约束、历史经验等总结、推理，最终形成一系列的决策规则和方法，用来指导生产过程。而进入物联网时代以来，极大的扩展了生产要素分布的层次和广度，生产要素之间的联系纷繁复杂，难以用简单的数学或者物理模型进行描述，而对于新模式的生产场景和个性化的生产需求，难以显性、直接地从历史经验中总结出决策规则，因此，工业互联网平台的核心是利用大数据、人工智能等方法，从海量高维、互联互通的工业数据中，挖掘出隐藏的决策规则，从而指导生产。工业互联网平台在通用PaaS架构上进行二次开发，实现工业PaaS层的构建，为工业用户提供海量工业数据的管理和分析服务，并能够积累沉淀不同行业。不同领域内技术、知识、经验等资源，实现封装、固化和复用，在开放的开发环境中以工业微服务的形式提供给开发者，快速构建定制化工业APP，打造完整、开放的工业操作系统。
◉ 工业互联网平台的关键是应用。工业互联网平台是以需求驱动的、面向用户的平台。一方面，工业互联网平台的使用对象是人，其最终推送的决策，必须是人可以直观接收和理解的；另一方面，对于用户不同的要求，工业互联网平台需要基于新模式的生产场景和个性化的生产需求，利用数据分析方法，推送定制化的决策方案。工业互联网平台通过自主研发或者是引入第三方开发者的方式，以云化软件或工业APP形式为用户提供设计、生产、管理、服务等一系列创新性应用服务，实现价值的挖掘和提升。

工业互联网平台的

技术体系与关键技术

工业互联网平台能感知与生产相关的原材料、产品、智能加工设备、生产线、工厂、工人、供应商和用户信息，通过互联网将信息关联起来，并利用数据分析技术，为智能制造提供决策支持，最终利用工业APP推送给用户和各智能设备。因此，工业互联网技术体系包括4个部分：①全面互联的工业系统信息感知技术；②信息传输技术；③数据分析平台；④工业APP开发技术。

1、信息感知技术

工业互联网平台需要实现跨部门、跨层次、跨地域、跨领域的工业系统信息全面感知，因此，数据采集要以自感知技术为主，同时，需要研究多源异构数据融合技术，将多来源、多形式的数据整合，来准确描述生产要素状态。然而，边缘层数据采集困难重重。


首先，工厂里有许多性能参差不齐的老旧设备没有配置传感器，如何将老旧设备联网，采集到聋哑设备的数据非常关键；其次，随着加工过程和生产线精益化、智能化水平的提高，必须从多角度、多维度、多层级来感知生产要素信息，因此，需要广泛部署智能传感器，来对生产要素进行实时感知。而传感器、仪表或PLC控制器往往来自不同厂商，所支持的通讯协议也不同，如何将不同传感器信息进行整合同样非常重要。此外，车间面积广设备量多，传统人员巡检模式效率低、速度慢，如何对设备及人员进行远程管理也是边缘层需要解决的问题。因此，可以理解边缘层的3个要点：


（1）设备接入——对海量设备进行连接和管理；
（2）协议解析——利用协议转换实现海量工业数据的互联互通和互操作；
（3）边缘数据处理——通过运用边缘计算技术，实现错误数据剔除、数据缓存等预处理以及边缘实时分析，降低网络传输负载和云端计算压力。


为了解决上述问题，以研华WISE-PaaS工业物联网云平台为例，如图2所示，介绍工业互联网平台解决方案。



图2 研华WISE-PaaS 2.0架构
在边缘层，研华WISE-PaaS工业物联网云平台提供WebAccess、WISE-PaaS/EdgeSense、WISE-PaaS/VideoSense解决方案。以工厂应用较多的WebAccess来讲，其中包括SCADA、EdgeLink等，其帮助用户解决工厂讯息孤岛、改善制造流程，省时、省力、省成本的同时，向下可连接多种品牌的控制设备与仪器，向上整合至数据库系统与MES，无缝整合MES和SCADA系统，可让双方都能灵活运用各种资源，优化工厂制造流程并落实实时、可视又无纸化的生产管理，提升自身的市场竞争力。

2）信息传输技术

工业互联网平台需要完成工业数据集成、实时存储与传输。物联网的传输层主要负责传递和处理感知层获取的信息，分为有线传输和无线传输两大类，其中无线传输是物联网的主要应用。无线传输技术按传输距离可划分为两类：一类是以Zigbee、WiFi、蓝牙等为代表的短距离传输技术，即局域网通信技术；另一类则是LPWAN（low-power Wide-Area Network，低功耗广域网），即广域网通信技术。


传感器和设备信息需要通过各种不同的协议实现数据接入的。协议转换分为两个方面：一方面运用协议解析、中间件等技术兼容ModBus、OPC、CAN、Profibus等各类工业通信协议和软件通讯接口，实现数字格式转换和统一。另一方面利用HTTP、MQTT等方式从边缘层将采集的数据传输到云端，实现数据的远程接入。


在转换协议中，主要有协议即用于短距离设备连接的本地协议 Modbus 以及支持物联网进行远程全局通信的可扩展互联网协议MQTT。

3）数据分析平台

工业互联网平台需要实时高效处理不断产生的工业数据，从中挖掘出对工业生产有价值的决策方案。工业互联网平台需要借助大数据分析技术、人工智能方法等，基于专家经验，结合物理、数学等基础学科知识，从工业大数据中获得有价值的经验。


与其他领域大数据相比，工业大数据有“3B”挑战。
（1）Broken：工业对于数据的要求并不仅在于量的大小，更在于数据的全面性。在利用数据建模的手段解决某一个问题时，需要获取与被分析对象相关的全面参数，而一些关键参数的缺失会使分析过程碎片化。举例而言，当分析地铁发动机性能时需要温度、空气密度、功率等多个参数，而当其中任意一个参数缺失时都无法建立完整的性能评估和预测模型。因此对于企业来说，在进行数据收集前要对分析的对象和目的有清楚的规划，这样才能够确保所获取数据的全面性，以免斥巨资积累了大量数据后发现并不能解决所关心的问题。
（2）Bad Quality：在工业大数据中，数据质量问题一直是许多企业所面临的挑战。这主要受制于工业环境中数据获取手段的限制，包括传感器、数采硬件模块、通信协议、和组态软件等多个技术限制。对数据质量的管理技术是一个企业必须要下的硬功夫。
（3）Background：数据受到设备参数设定、工况、环境等背景信息的影响,除了对数据所反映出来的表面统计特征进行分析以外，还应该关注数据中所隐藏的背景相关性。对这些隐藏在表面以下的相关性进行分析和挖掘时，需要一些具有参考性的数据进行对照，也就是数据科学中所称的“贴标签”过程。这一类数据包括工况设定、维护记录、任务信息等，虽然数据的量不大，但在数据分析中却起到至关重要的作用。


因此，工业互联网平台大数据分析，不仅需要利用常用的大数据分析技术，还需要研究数据清洗、数据融合，并且要将各学科、各领域、不同背景知识抽象、固化，形成规则，与大数据分析技术结合，以提供更准确的分析结果。

4）工业APP开发技术

工业互联网平台需要将分析出的结果实时推送给用户，同时也需要接口将决策传输到智能设备。工业互联网平台需要根据用户需求和实际生产需要，定制化APP推送消息，因此，需要工业互联网平台开发面向新模式场景、个性化需求的APP。


工业 APP 的构建是工业互联网平台协作模式转换的核心，通过对工业知识的提炼与抽象，将数据模型、提炼与抽象的知识结果通过形式化封装与固化形成 APP。封装了工业知识的工业 APP，对人和机器快速高效赋能，突破了知识应用对人脑和人体所在时空的限制，最终直接驱动工业设备及工业业务。


工业APP开发运用互联网技术性优点，打破传统式运营模式的时空局限性，在智能制造系统中很好的将手机互联的易用性、便携性与易传播性利用起来，不仅大大地拉近生产商、供应商、经销商与顾客的距离，也提高了制造行业销售市场敏感度与信任感。

工业互联网平台的应用场景

工业互联网平台有三大应用场景。

1、加工过程优化

工业互联网平台能够实时感知加工过程中设备运行数据、加工工艺参数，同时将其与原材料信息、人员配置、设备状态、质量检测数据等信息关联起来，因此，工业互联网平台可以实现工艺参数优化和提供设备维护决策支持。


工业互联网平台可以利用大数据分析技术，挖掘产品质量与加工工艺参数之间的关联关系，通过建立产品质量与工艺参数之间的映射，获取能提高产品质量的工艺参数。例如，美的集团基于工业互联网平台（M.IoT）对工艺参数进行优化，使产品品质一次合格率从94.1%提升到96.3%。


同时，工业互联网平台可以基于设备历史运行数据和历史状态，分析监测参数与设备状态之间的关系，进而推理出设备状态的演化规律，为智能设备的预防性维护、远程寿命预测及状态监测提供决策支持。基于普奥ProudThink平台搭建的制冷设备远程运维平台（图3），可以实现远程调试参数，并监测设备状态，发生故障时，及时切断设备，并发出预警以便及时得到维护。



图3 普奥Proudthink大数据分析平台

2、资源管理优化

工业互联网平台不仅可以感知设备级、车间级的数据，同时能将跨部门、跨层级的生产要素之间的信息关联互通，对生产过程的描述也不局限于加工过程，而是从更深的层次、更细的粒度、更全面的角度对生产制造的全过程进行描述，能从更全面的角度对资源配置进行优化。此外，用户的需求也能更直接地反馈到生产端，为更快适应的柔性制造提供配置方案。


工业互联网平台能更全面准确的描述生产要素在加工过程中的状态，尤其是资源利用情况，如能耗、空间占用、运输成本等等。受益于生产要素信息的全面互联，工业互联网平台能统筹考虑多方面要素，给出更接近于全局最优的资源配置方案。例如，福特汽车公司基于施耐德电气的EcoStruxure平台，收集福特公司在美国国内设施的电力数据并由云管理系统进行分析、管理，降低能耗30%，并节省了2%的能源开支。


工业互联网平台能感知生产要素在制造系统中流转的影响，面对新模式生产场景和个性化生产需求，工业互联网平台能给出快速响应的柔性制造配置方案，从而满足定制化的产品要求。例如，海尔集团基于COSMOPlat平台（图4），汇集了洗衣机用户的个性需求，实现了洗衣机个性化定制。



图4 海尔COSMOPlat 平台

3、市场决策优化

工业互联网平台将供应商、制造商、销售商及消费者联系起来，市场行为本质上是由需求驱动，商业行为与制造过程有着密不可分的复杂耦合关系，对于历史消费数据的分析，可以用于预测市场需求，同时，通过对短期市场行为的分析，可以预知可能发生的风险，做好风险管控。


工业互联网平台感知到的产品全生命周期信息，能从中分析出从原材料—制造—销售—使用中各个要素之间的复杂耦合关系，通过对历史信息的分析，能对未来需要的产品种类及产能进行预测。


工业互联网平台的优势在于全局信息感知，对于全局信息的实时掌握，能用来预测未来市场可能发生的风险，进而快速对生产制造进行调整，对资源配置进行优化，从而合理地规避风险。

工业互联网平台的构建方式

工业互联网平台是一个能全面感知工业系统所有环节生产要素信息，对信息进行融合、传输、存储，基于海量工业数据进行分析，获得最优决策并推送给用户和智能设备的计算平台。工业互联网平台通常采用云计算技术构建，与常用的云计算平台类似，工业互联网平台构造使用的主要技术包括虚拟化技术、分布式数据存储技术、编程模式、大规模数据管理、分布式资源管理、信息安全、平台管理等。


具备自感知能力的生产要素和信息传输网络构成了工业互联网平台的硬件基础。工业互联网需要摆脱传统的离散式、人工录入数据的形式，而需要让设备具备智能，全面地自我感知自身状态，并通过互联网实现各生产要素的互联互通，由“点”到“面”地全面认识工业系统。


工业互联网平台通常搭建IaaS或PaaS方式提供软件基础。利用各类开源PaaS、大数据分析、人工智能等技术，搭建平台框架。用户基于工业互联网平台，针对各种新模式的生产场景和个性化需求，开发定制化的工业分析软件。