構建工業互聯網認知體系，讀懂工業互聯網發展大勢

長期深度聚焦、、、等。歡迎加入研習社頭條圈子，獲得行業報告/白皮書無刪減版。

（此處已添加圈子卡片，請到今日頭條客戶端查看）

【導讀】2019全球工業智能峰會是世界人工智能大會的重要高端論壇之一，以“AI變革洞見工業未來”為主題，分為1個開幕式、3個主題論壇、創新應用展和1場行業領軍人物深度分享會。其中，有一場專門面向工業互聯網開發者的主題論壇，在工業互聯網生態構建中，工業APP作為工業智能應用，打通設備連接-數據分析-決策反饋與優化整個過程的「最後一公里」，是平臺商/集成商/軟件商對於客戶價值的集中體現，今天重點介紹一下。

【林詩萬博士觀點】

在國內，大家都非常熟悉，工業互聯網應用場景是非常廣的，國內也有很多著名的工業互聯網平臺，但大家看到有些工業互聯網平臺著力於使能協同產品設計，有些是使能協同生產，比如說打通供應鏈上下游的協同，還有工業互聯網平臺注重去實行大型裝備服務能力，滿足客戶的需求。

工業互聯網在這個生產場景裡面起到什麼樣的作用？跟現有的工業軟件是什麼關係呢？工業互聯網並不是要取代現有的軟件或者架構，工業互聯網追求是“優化”，從數據裡面提取價值，從數據得到的洞察反饋到生產中，具體執行還是需要通過現有的工業軟件，在執行空間反饋到系統裡面去。

生產管理是多層次，不同的角色都是非常複雜的，有一個特點是多變，現在的市場變化是越來越快，這個是我們面臨很大的挑戰，怎麼為這樣的複雜系統實現優化，怎麼樣把工業互聯網用在複雜的系統上面是有挑戰性的。

今天，主要分享另外一種場景，就是工業互聯網平臺如何在生產環境裡面提升企業的數字化水平，促進企業的數字化轉型。

林詩萬博士簡介：

上海優也信息科技有限公司首席技術官

美國工業互聯網同盟-技術工作組及架構任務組聯席主席（現任）

美國工業互聯網同盟-德國工業4.0平臺-聯合任務組的聯席負責人（現任）

電氣和電子工程師協會（IEEE）Digital Representation工作組副主席（現任）

美國國家標準與技術局-CPS公共工作組詞彙和參考架構分組聯席主席（曾任）

以下是林詩萬博士的演講實錄：

大家下午好！今天下午發言的主題是從工業互聯網平臺和數字孿生體系的視角，探討新技術如何去幫助製造企業提升在生產和工業環境，進一步推動企業數字化發展，進一步推動企業智能化的發展。

我這次回國首先到了北京，參加了第一屆電氣和電子工程師協會（IEEE，全稱是Institute of Electrical and Electronics Engineers是一個美國的電子技術與信息科學工程師的協會，是目前世界上最大的非營利性專業技術學會，其會員人數超過40萬人，遍佈160多個國家——編者注）的討論“如何定義數字孿生體”工作組，討論到數字孿生體這種理念、技術對於工業軟件開發的意義。

當我們談起工業互聯網平臺，都不會忘記這樣一個技術發展趨勢的背景，這個趨勢就是：企業數字化轉型核心在於如何利用10多年以來高速發展的技術，包括傳感技術、通信技術，比如說5G、雲計算、大數據、人工智能實現更靈活、敏捷、高效、綠色生產和經營，以新的商業模式更有效應對市場的變化，更好的滿足客戶的需求，創造更大的價值。

不管是兩化融合、智能製造、工業互聯網、還是工業智能，雖然各有所側重，但都可以看到的是——並行驅動數字化發展的技術路徑。在這個過程中工業軟件起到舉輕若重的角色，作為開發者的角色也是非常重要。

工業互聯網正在對工業智能應用、智能APP架構以及範式產生重大的影響，也就是為什麼我們今天聚焦在這個話題上面，

我們可以預見：工業互聯網和數字孿生體技術將使能新一代應用或者APP敏捷開發和實施。

在國內，大家都非常熟悉，工業互聯網應用場景是非常廣的，國內也有很多著名的工業互聯網平臺，但大家看到有些工業互聯網平臺著力於怎麼使能協同產品設計，有些是怎麼使能協同生產，比如說打通供應鏈上下游的協同，還有工業互聯網平臺注重怎麼實行大型裝備服務能力，滿足客戶的需求。

今天，我主要分享另外一種場景，就是工業互聯網平臺如何在生產環境裡面提升企業的數字化水平，促進企業的數字化轉型。在我看來，如果從經典的工業互聯網理念來看，比如說在五六年前提出工業互聯網的核心要素是怎麼去利用現在泛在連接能力，在過去十幾年來連接的技術高速發展，用成本比較低的技術，能夠廣泛的連接，首先人都可以連起來了，下一步連的是設備，連接只是基本的手段，連接的目的對設備和生產過程採集數據。

數據本身有很大的價值，但是它的價值必須通過利用一系列的算法模型對數據進行分析，才能得到分析結果，也就是我們對生產環境、生產設備的狀態、行為的洞察。這樣的洞察才有價值。

我們還要能夠實施它，比如說我可以預測某個鍋爐的溫度，比如說到了580度，我應該做出哪些響應？跟業務的需求相關的，最後有一些一系列的工業應用，通過業務邏輯分析出來轉換成我們可以執行的行動，也就是最後形成閉環，設備總體的閉環有生產過程、生產線，還有業務的閉環。

最後，總結一下，工業互聯網平臺或者工業互聯網技術的核心有三大要素：數據、模型和應用，這三個方面都是作為開發者的基本要素。當我們把設備連起來，業務邏輯都實施了，接下來AI或者智能化的能力就變成核心了，比如說算法模型將決定了這個企業、產品、生產效率的高低，算法模型的優劣將是未來企業競爭力強弱的分水嶺。

到這裡有一個問題，大家回想一下在過去二十年、三十年，在生產環境裡面，這就是我們今天關注的工業互聯網應用場景，生產環境裡面已經建立了大量的工業應用，從地底層的數字化控制到上層的DCM、PCM、ERP，也建立了一系列的工業應用，而且這些應用已經形成了一個比較體制化的工業應用的架構，也是大家所熟悉的架構。

工業互聯網在這個生產場景裡面起到什麼樣的作用？跟現有的工業軟件是什麼關係呢？首先工業互聯網並不是要取代現有的軟件或者架構，工業互聯網追求是“優化”，從數據裡面提取價值，從數據得到的洞察反饋到市場裡面，具體執行還是需要通過我們現有的工業軟件，現有的執行空間反饋到系統裡面去。

另外，工業互聯網平臺可以幫助我們打穿現有的架構造成的數據孤島的問題，打通不同的數據可以實現全局的優化。

第三個工業互聯網平臺現在可以把新一代技術，比如說雲計算、大數據、機器學習、人工智能技術應用在工業環境裡面，這樣也為現有工業軟件架構提供更新換代的機會。

我們把剛才的三要素應用回生產現場，我們連接的不僅僅是設備，也不僅僅是產品，包括了物料、工藝等等，還有業務系統的參數，把數據連起來，我們可以建立各種各樣的算法模型，算法模型有很多類，比如說描述現在狀態的，回答這個事到底是什麼事，原因是什麼。最後更多是預測性的，將要發生什麼事，它的過程、行為將會是什麼樣的。最後這還不夠，我們已經能夠預知某些事件的出現，能夠得到怎麼應對這個事件，所以策略也是一個種類。

分析的結果結合場景分析，優化生產過程，現在工業互聯網的應用，還有智能或者AI的應用還是初期，工業講究穩定，講究可靠性，講究安全，所以現在很多的反饋只是人在迴路的閉環，我們算出來結果，我們得到策略的可以作為輔助性策略推送給我們現場的操作人員去執行。這個過程通過一段時間，我們可以不斷地記錄推送的策略，還有預測事件的準確性。如果我們有這些數據之後，一年兩年之後對數據進行分析，我們會發現策略能夠滿足工業穩定性、安全性的要求，我們是有機會把這種策略應用到控制系統當中其，初期只是在很少的場景當中可以實現。

工業互聯網的應用也不僅僅是常聽到的，設備預測和維護，從其他的場景，工藝、質量、能效的優化，優也公司做了很多工業智能應用，就在工業能效方面，為企業客戶能夠節省能耗，這個體量是非常大的，特別是流程工業。

最後，工業互聯網技術是把雲計算、大數據、機器學習的技術放在生產環境裡面去了，提供了一種新的方法，在我們以前存在大腦中的工業知識、工業經驗，通過新的技術載體呈現到系統上面去，並在這個基礎上不斷地提升。

我們回到剛剛講的技術，怎麼應用到工業場景裡面去？這個是有挑戰的，工業生產環境是非常複雜的，有很多臺設備協同生產，有很多的原料，也有很多的半成品、產品，在生產線上面越來越多生產多種產品。在生產環境裡面有物質流和能量流各種各樣的介質，也有各種各樣生產過程當中所需要的過程流，比如產品的狀況，信息不斷地流動，最後生產是為了創造價值的，各種流相互交互也是相當複雜的。

最後，生產管理是多層次，不同的角色都是非常複雜的，有一個特點是多變，現在的市場變化是越來越快，這個是我們面臨很大的挑戰，怎麼為這樣的複雜系統實現優化，怎麼樣把工業互聯網用在複雜的系統上面是有挑戰性的。

過去我們的套路是借鑑傳統的五層，工業軟件的架構分層去構建軟件，過去二十年來為我們提升工業的數字化水平起了很重要的作用，目前我們也面臨一些挑戰。比如說我們講優化，講究貫穿整個產線，貫穿不同工序端到端的優化，這種優化不僅看質量，還要看工藝。多種因素的綜合優化，就要求我們必須打破這種工業應用的架構，傳統上比如說今天建立一個新的工業應用，我們傳統是做設計，實施的結果買一系列的服務器，布單獨的數據庫，在上面建一些業務邏輯。

在這種情況下，我們一方面建了越來越煙囪式的應用，也不能打傳不同應用之間的壁壘，這種對我來講要滿足下一步智能化的發展是大瓶頸。另外一個，我們數據驅動的應用其實是智能應用，什麼是智能化？智能化是單體對所在環境變化所做出某種響應，智能化的生產必須能夠智能化的響應生產環境的變化，這種變化是全局的變化。所以智能化應用都離不開數據驅動，數據驅動剛才講到分析是核心，分析的難度也越來越大，分析的範圍、時空，現有的架構也給我們帶來很大的挑戰。

正好工業互聯網的技術，還有數字孿生技術為我們應對這個挑戰提供了機遇，這裡簡單講講圍繞數字孿生體這個概念，在座比較熟悉，有些可能第一次聽稍微介紹一下。我這裡放了一些數據，為什麼現在對數字孿生體這個技術特別感興趣呢？這個是Google搜尋的結果，搜尋的次數和搜尋所反饋的結果表明過去兩年有10倍增長，在過去兩年內都把數字孿生體重要程度推到了頂峰。

數字孿生體是什麼東西？我們要對實體進行優化，對它進行計算，也要對它本身充分了解，在數字空間能夠充分的描述他們的屬性和行為。所以數字孿生體是實體空間裡面對象在數字空間的一個雙胞胎，實體狀態變化了在數字空間同時能夠得到反映。數字空間裡面狀態變化了對它產生數據，數據採集上來進行運算，運算的結果做出優化的決策，會把這些決策通過指令下達到設計上面。

以前所做的仿真，這些都可以說是數字孿生體的一個方面。我們很多都是開發者，對編程很熟悉，對我來講數字孿生體並不是很複雜的東西，數字孿生體其實是一種新的方式怎麼去映射物理世界複雜環境，幫助開發者開發出智能的應用。

面向對象的編程有自己的數據，每一個類有它的數據。我們這裡說數字孿生體應該包括對象的全生命週期的數據。同時，我們不僅僅知道歷史數據，我們更關心的是能夠了解到過去行為的歷史，現在的狀態，將來的行為，要做預測，這樣我們就需要一系列不同的算法模型，算法模型很多是基於機理模型的，現在也越來越多基於數字模型。

大家聽到數字孿生體是一個漂亮的三維仿真圖，那個只是一方面，還不是主要的方面，幫助我們能夠直接在數字空間裡面去體驗物理世界，這是一種手段，並不是唯一的，也不是最重要的。最後這些計算出來的結果必須能夠服務於應用，服務於應用開發者，最上層必須要有服務的界面。

剛才已經說過CPS，我們現在越來越多的物理器件也有數字化的能力，可以採集數據，可以建成數字孿生體，一個設備有很多組建組成，在數字空間我們也可以通過組件的數字孿生體搭建裝備級的數字孿生體，裝備級數字孿生體搭建產線級的數字孿生體，最後可以搭建成數字工廠。

在這種情況下，我們要開發工業智能應用就簡單多了，我們不要關心具體設備是什麼樣的，哪裡採數據，這對我們開發者來講工作量大大降低，我們說了IT與OT的融合，通過這種技術降低複雜度。

最後講講最右邊的，如果是建立數字孿生體技術建立得好的話，不管多大的數字孿生體，多小的數字孿生體，內部的結構都是一樣。

理論上容易講，但實際上能實現嗎？下面以優也工業數據操作系統（Thingwise iDOS）為例，給大家做一個簡單的介紹，優也是怎麼實現這種理念的。

首先，我們把最新的IT技術移植到工廠，把大數據、機器學習的技術組合起來構建一個平臺，部署在生產環境裡面。最小的部署要求大概是一臺服務器就行。當然，我們可以部署在各種各樣的公有云上去，比如阿里雲。

第二，智能應用都是基於數據驅動的，把這樣通用能力抽象出來，作為平臺功能一次性解決。在現實中，沒有必要每一個工業應用都要獨立採數據，沒有必要每一個工藝都要採一次。在一個生產環境裡面，把數據部署到平臺上去，把所有設備數據採集上來統一管理，就避免了數據孤島問題。

智能應用做很多算法的分析，模型分析能力沒有必要每一個應用搞自己的運行環境，優也工業互聯網平臺把它作為通用功能提供給模型開發者使用，統一管理、統一部署、統一更新的手段。最上面是場景應用業務邏輯，各個業務邏輯不一樣，很難一個應用解決所有問題，我們可以借用手機，不必要建立很複雜的應用。

這種大的應用建起來複雜，更新複雜，維度複雜，生產環境講究穩定，我改一個小模塊會影響到整個應用的風險，我們可以借用手機APP的模式，可以建越來越小的APP，每一個APP針對具體的問題解決問題。這些功能用API開放給其他APP借用，這樣更容易滿足工業環境裡面靈活多變的需求。

在這種情況下，這種平臺能夠幫助我們工業企業持續地提升他們數字化的水平，中間這一層對下就是承接著數據和分析。數字孿生體本身就包含了它的物理對象的數據，跟物理對象相關的算法模型。我這裡把下面跟上面業務邏輯都抽象出來，這樣數字孿生體就能夠自動地體系化管理這些模型和數據，對上面來講所看到的就是數字空間裡面一個一個數字孿生體的隊形。