深度剖析 | 工业互联网与智能制造之间的那些事

本文导览

面对全球化的市场竞争格局和互联网消费文化的兴起，智能制造成为企业必不可少的应对策略和手段。制造生产环境的数字化与信息化，以及在其基础上对生产制造进行进一步的优化升级，则是实现智能制造的必由之路。

制造业企业不仅需要对产品、生产技术甚至业务模式进行创新，并以客户和市场需求来推动生产，而且需要提升企业的业务经营和生产管理水平，优化生产运营，提高效率和绩效，降低成本，保障可持续性发展，以应对日新月异的市场变革，包括对大规模小批量个性定制化生产的需求。

01

美德技术架构，殊途同归大一统

工业互联网在智能制造或数字化制造中是什么一个关系，能起怎样一个作用呢？要探索这些问题,那可以从工业互联网同盟跟工业4.0平台的合作来说起。

工业互联网联盟（IIC，Industrial Internet Consortium）是美国数家大企业发起成立，为实现可信赖的工业物联网（IIoT）作为使命，对系统和设备进行安全性连接和控制，以实现转型成效。

IIC着重于跨领域的合作，以期打破技术壁垒，促进物理世界和数字世界的广范融合。它所涵盖的领域包括了制造业、能源、交通、运输在内的重要工业垂直领域，甚至也包括医疗保健还有公共设施等等领域。为此，IIC发布了具有跨越工业垂直领域适用性的工业互联网参考架构（IIRA，Industrial Internet Reference Architecture） ，作为它的第一个技术报告。

“工业4.0平台”是德国在2013年4月举行的汉诺威通信和信息技术博览会上正式推出的新工业战略计划。其目的是充分利用信息通信技术和信息物理系统, 促进制造业向智能化转型。德国工业4.0平台，也制订了的工业4.0参考构架模型（RAMI 4.0， Reference Architecture Model Industrie 4.0 ）。

在市场上，这两个机构都是具有国际影响力的组织，在2015年底，这两个组织的代表进行双边磋商，开始探讨这两个组织怎么样合作，特别是怎么从对方的角度去理解技术问题，探索两个架构工作的潜在协调，也为了减少市场上由于上述的两个参考架构同时存在所引起的混乱。

其实，工业互联网和工业4.0平台起源背景是相通的，也就是如何把互联网的计算和通讯技术应用于各个产业，对产业的运营实现优化。但在实施方面，他们各有侧重，如下图所示 。德国工业4.0平台着力于推动制造智能化；IIC所着重的工业互联网，涉及的领域比较广，强调是跨领域的互操作性。显然，工业互联网这个理念也适用于制造业，然而德国工业4.0的架构，更深入地探讨制造业的具体的技术框架问题。

IIC与工业4.0

简单地说，工业4.0强调怎么去建立一个系统，系统中不同的环节之间怎么交互执行，以完成生产过程。工业互联网则强调在这个系统中，怎么优化，以达到最大的绩效。

很明显，这里首先有一个互操作性的问题。比如说我们有一些大型装备，由厂商制造，交付和部署后开始运营。这些装备在基于工业4.0的制造系统内出厂，而且整个制造过程中所牵涉到的不仅仅是一个制造商，可能也是成十上百个制造商，一起参与共同制造出来。当这些设备部署完以后，可以通过工业互联网的技术进行优化运营。对设备的维护保养和绩效优化，需要厂商的专门技术，反过来，厂商也需要得到设备的使用和维保数据，为设计和制造过程提炼反馈信息。也就是说基于IIRA的运营系统需要与基于RAMI4.0的制造系统，连接融合，让数据和信息互流，也就是需要两个系统之间的交互操作。

但是，工业互联网与工业4.0智能制造之间的关系是否就停留在这个互操作性层面呢？

02

优化，工业互联网的核心

让我们先回顾一下工业互联网的核心理念是什么。

工业互联网可以看作互联网计算和通讯技术，在工业系统更广泛更深入的应用，也就是我们通常所说的，信息通讯技术和生产运营技术的两化融合，把实体、信息、业务流程和人员连接起来，通过数据分析，优化决策，推动生产和运营的智能化，高度优化对装备和资源的使用，从而创造新的经济成效和社会价值。

把设备连接起来，收集数据，通过数据分析，洞察设备的运行状况，并据此对设备的运维进行优化，实现经济价值的实例，在过去的几年已报道的已很多，大家也已非常熟悉。

作为典型案例，以下仅列几例，进一步说明优化作为工业互联网的核心这样一个思路。

☆ 一家国际石油公司通过对部署在偏远地点的关键设备收集数据，实施远程监测和数据分析，避免数百万美元的停机和生产损失 。

☆ 通过对风力发电机多年收集的数据进行分析和建模，通用电气（GE）在2013年推出了一种名为PowerUp的数字分析功能 ，优化每个叶片的操作，以捕获更大的风力，可以增大发电量5％ ，为风电场运营商增加利润达20％。 而进一步的改进，使得同样设备的发电量更进一步增加了20％。

☆ 卡特彼勒（Caterpillar）利用货船部署的传感器监测从发电机到发动机、GPS、空调系统、冷藏集装箱和燃油表的所有状态数据。通过分析确定发电机最佳工作参数，选取启用多台发电机低功率输出的模式，降低能耗，每小时节省约30美元。对于一个拥有50条船只的船队，每年可节省65万美元 。

显然，对于工业互联网，对设备的连接是基础，数据收集和分析是关键手段，而把分析所得的信息，用于做出最佳化的决策，优化生产和运营是最终的目的。所以，数据分析在这个优化过程里，至关重要。

03

数据分析，智能和优化的驱动力

数据分析，包括大数据分析，在传统的商务行业，如金融，保险，市场分析，特别是在电子商务中，已有多年的应用和实践，在消费者市场的营销中已成了必不可缺的技术。随着工业互联网和智能制造的兴起和发展，工业分析（或工业大数据），是数据分析在工业产业的应用。一些先进分析算法，如机器学习、深度学习和AI，在工业环境里的应用，具有加速发展之势。

去年年底，德国的数字分析协会，和物联网分析机构，联合发布一个对工业数据分析的调查报告（INDUSTRIAL ANALYTICS 2016/2017，IoT Analytics GmbH） 。调查的结果表明，对于被访的151位职业分析家和工业企业决策者，大多数都清晰地认识到工业数据分析的重要性。

工业分析，在未来的5年内对企业业务极为重要

同时，他们认为，设备的预测性维护是工业分析最重要的应用，甚至超于有关客户市场的分析。工业数据分析对产品使用和维护支持的应用也名排前列。

接近60%的被访者也认为，工业数据分析对产品质量的监管和生产流程的自动化十分重要。也就是说，行业里已充分地认识到工业互联网的一个核心应用，也就是设备数据分析对运营优化的重要性。

其实，这也不奇怪，对很多产业企业来讲，已投产的装备代表了他们的运营中最重要的、占比最大的、也是创造价值的关键资源，因此对其进行优化的重要性毋庸置疑。通俗地说，如果把海量的工业数据比作的原油，那么数据分析可以作炼油设施，从数据中提练出有价值的信息，作为驱动智能制造的高效燃料, 为最佳决策提供确切和及时的依据，使整个制造过程更透明、更优化和更柔化，更能满足大规模个性化制造的需要。

04

信息化的三种优化角度

其实，利用计算和通讯技术，优化生产操作和流程，如果从数字化控制开始算，也有了四、五十年的时间了，而对生产的业务管理的数字化，也有三十年左右的历史了。工业互联网可以看作制造业数字化或信息化发展过程的一个新的阶段。

粗略地看，我们可以把目前通过信息化对制造业进行优化的过程分为三个方面：

1、对制造流程数字化的完善和深化，主要的流程包括以企业资源计划 （ERP）为首的业务管理流程以及产品生命周期管理（PLM）这两个流程。

2、利用工业互联网技术，实现或扩大对生产设备和产品的连接，无论是在生产过程，或是在物流过程，还是在产品的使用过程，收集数据，通过工业数据分析，进一步优化制造业的生产和运营。

3、信息物理系统（CPS，Cyber-Physical Systems）的发展，把计算和通讯技术，在最小的单元组件中，与物理感应和效应深度地融合在一起，实现虚拟与物理空间交互映射，将计算、通信、和控制融为一体，为设备自动化控制提供了崭新的能力。

这三个方面的发展是相互关联，并相互支持与推动的，在后续的章节中，我们将特别针对于这三个方面展开讨论。

05

智能制造中的信息物理系统（CPS）

我们谈物理世界和数字世界的融合，就是要把通讯和计算技术深入地与物理实体融合，例如将马达、阀门这样一些基本的零件单元，与物理感应和效应有机地结合在一起，构成信息物理系统（CPS, Cyber-Physical System），为这些系统提供柔性化的能力，通过软件的迭代发展，不断地改善和增强功能和性能。(可参见工信部信软司指导发布的《CPS白皮书》)

工业4.0管理壳与物理信息系统(CPS)

德国工业4.0在这方面作了深入的工作 ，非常值得关注。工业4.0为这样一个信息物理系统单元，也就是工业4.0组件，制定了通用的架构和界面，也就是RAMI4.0所定义的管理壳（Administration Shell）。

每个组件都有全球唯一的身份, 通过这个标准界面，可以唯一性地被辨认和访问。每个组件的属性不管是其功能和性能的规格，配置、控制和状态参数等都用一个统一的数据模型（manifest）表达。对每个组件的交互也通过一个统一的服务界面（component manager）进行。不管是一个CPS单元组件，还是一个装备、一条生产线，甚至一个工厂，都可以通过这样一个统一的界面来定义和交互。

显然，一台大的设备可以由一系列CPS单元组件构成，这些组件通过物理和数字界面双面交互，协同完成整机的功能。

还可以想象，不仅在一台装备里，而且在一条流水线上，在一个车间中，这些大大小小的信息物理系统连接交互，形成了一个小型的互联网，其功效之强大，现在难以估量。如果成为一个开放性的标准界面，这样一个通用界面也将打破不同的私有界面的壁垒，大幅度地提高系统融合的效率，也为在制造环境里的创新建立了一个良好的框架。

CPS是数字化制造的一个非常重要的里程碑。

数字化制造也可以看作为建立在信息物理系统的基础上，把设备实体、生产资源、流程、系统和人员连接起来，通过全面信息化转型，以数据分析生成可执行(actionable)的信息，优化制造过程，实现智能工厂和新的制造生态系统。

06

智能制造的三链模型：制造流程信息化

作为对制造流程信息化讨论的背景，本文给出了智能制造的三链模型，也是对制造业管理流程的数字化提出的三链模型。

尽管不同的制造细分行业，同一细分行业不同的企业，这些流程会有差异，作为一个概括，可以把重要的流程分为三大链：第一链，垂直的，是以ERP为首的价值链；第二链，水平的，是以PLM为主的知识产权链；第三链，也是垂直的，是资产链。

智能制造的三链模型

智能制造的第一链，价值链

价值链，是回答生产什么、在什么时候生产、生产多少的问题，包括了从产品订单，到生产计划、材料与供应、制造、交付与分销、及最后的客户支持的整个业务管理流程，关注如何优化这些环节，为企业创造价值。

管理流程要解决的问题，除了保证成本、效率、质量这些传统生产要素能达到预期的目标之外，还必须缩短交付周期、提高资源效率、和保障可持续性，实现多品种、小批量柔性制造，快速响应市场需求的变化。

对大型或高价值装备的制造商，在这个价值链的下游，有这样的一个机会，即如何利用企业对产品内部技术的深度把握，采用工业互联网的技术，在预测性维护和资产绩效管理方面，为客户提供增值服务，不仅为企业创造新的营收来源，也为企业的业务模式提升转型，从单一的产品销售模式向服务型模式、甚至成效型模式过渡提供了一个良好的机遇。

这个流程中，我们不仅需要继续将依赖于报表式的手工管理方式提升为完全数字化的过程（至少对部分企业而言），而且还要关注如何把所有的环节无缝整合，自动交互，动态地响应客户和市场的需求。

第二链，是以PLM为主的知识产权链

第二链，是回答怎样生产的问题，关注如何优化从产品设计，到流程规划、生产工程、和制造的创新管理流程，如何在越来越短的周期里推出更多样的、更为高新和尖端的产品。

位于价值链与知识产权链交叉点的制造执行系统（MES），是将知识产权转为业务价值的枢纽，它管理的对象是作为制造业企业资产的核心的生产能力和资源，对实现企业价值起着举足轻重的作用。MES在生产现场统筹管理生产计划的执行、设备使用的绩效、产品质量的保证、生产过程的追溯、工人的排班和激励等多个方面。它所关注的是在车间的场景里如何对生产人员、设备、物料、能源的生产要素，实现动态的、精准的、优化的配置和调度，高绩效、高质量、低成本地完成生产任务。由于其管理对象包括实体生产资源，MES与工业互联网技术在多个应用方面相关性最直接，将与工业互联网的实施相互配合，相互增强。

智能制造第三链，是资产链

主要关注在装备部署和投产后，如何优化其运营和维护，以最低的成本，产生最佳的成效。

这也是在制造业外，工业互联网应用的重要场景，如上文提到的风力发电机、采油设备等等。（当然，对于设备组件制造商，交付的下游是其它的制造商，而不是装备运营商。）

07

数字主线与数字孪生

正如价值链一样，知识产权链各环节之间也需要无缝整合，让数据按需要在产品生命周期的过程中畅通地流动，从设计，到制造，到运维，甚至一直到退役报废回收。简单地说，数字主线（digital thread）就是这样一个使能数据流动的连接和融合框架。如在离散制造的MBE过程中，实现完全基于三维的设计、仿真验证、工艺设计、制造和运维的产品全生命周期管理，避免传统过程中把三维的设计转换成二维的工艺，然后再去制造三维的产品这种在中间环节之间繁琐和不可靠的转换。

在数字主线各个环节中所收集有关产品的数据，如设计规格、描述其几何形状、材料、组件和行为的工程模型、仿真验证结果、工艺规程、每一个产品实体在制造过程中独有的人、机、料、法，质量检验等数据、还有部署调试、使用和维护的数据等，构成了产品实体的在数字模型，也就是通常所说的数字孪生，或数字化双胞胎。

这个产品数据模型，不仅仅是一个静态的模型，它反映了每个产品，或装备的设计、生产，使用和维护的完整历史。利用每一个产品数字孪生的数据模型，可以在其生命周期内通过仿真，更有效地评估其当前和未来的性能。这不仅对预测性维护和优化运营绩效，而且对根据产品使用的数据来改进产品设计和生产工艺都具有十分重要的价值。

数字主线

整合产品生命周期功能环节, 集成数据, 建立产品数字模型（数字孪生）

另外，数字孪生能够提供对产品质量有效的追溯，特别是当产品因质量问题需要召回时，能追溯到影响每一个产品的质量具体因素，因而可以精确的决定召回的范围，减小召回的成本。

主要的制造业管理流程，也就是智能制造的三链，不仅在每一流程内部的各个环节需要无缝连接融合，不同流程之间也将更紧密地交叉连通融合。

如MES作为交叉枢纽，把作为价值链业务管理流程和作为知识产权链的创新管理流程融合在一起。而数字主线则不仅把知识产权链各个环节打通，而且连贯价值链和资产链的环节，全面收集产品的设计、制造和运维数据，建立产品的数据孪生模型。要实现这些全面性的互联互通，信息互流互用，仅仅依赖于目前现有的工业软件的架构，通过多个环节点到点的相互连接整合，不仅工作量大，而且会相当脆弱，难以满足各流程的全面化的互联互通。因而，一个新的系统化的、在架构的层次上的解决方案可以说是势在必行。

08

工业互联网大优化

在《论工业互联网与智能制造》（中篇），我们引入了智能制造三链模型。下篇将对三链模型进行具体应用。在建立了业务管理的价值链和创新管理的知识产权链的这些流程后，我们可以对整个制造过程进行有效的计划、决策和执行，大幅度地提高了生产的效率和绩效。在这个基础上，工业互联网则将进一步实现对生产的效率和绩效优化。

工业互联网数据分析在制造环境的应用

利用工业互联网的技术，收集覆盖装备操作情况、运行状态、工况状态、环境参数，反映关于产品和设备实况的数据，并通分析，可以进一步对整个生产过程进行优化。这些优化包括对制造设备的实时监控、故障检测和诊断、预测性维护、整体设备效率、质量检测、能耗管理、人员安全监管等等。

对这些生产过程和设备数据的分析，也将超越目前在生产环节，如MES，SCADA或DCS系统中的，普遍基于阈值监测等基本分析方法，越来越多地基于机理模型，和机器学习、深度学习和AI等高级数据模型分析方法，提供更准确更及时的分析结果。这些分析的结果，不仅直接用于支持上述的优化功能，如预测性维护等，而且可以反馈回到制造管理系统，如MES，ERP等，使其根据设备的现状，对生产过程进行必要的动态调整。

显然，这些数据分析大多也适用于在制造环境之外的装备的运维过程中。

的确，通过数据分析对这些装备运维的优化，对装备实现资产绩效管理，增加其正常运行时间和可靠性，降低维护成本和能耗，提高运营绩效，也正是工业互联网在制造业之外的主要应用。

在此同时，利用数字标签、传感器和无线通讯技术，我们可以在物流的各个环节追踪货物的地理位置以及如温度、湿度，震动等环境参数，以监管货物的运输质量和交付时间，并把任何异常情况报告给ERP业务管理链，使其及时为此调整生产计划。

批量性工业大数据挖掘分析：宏观性的优化

值得注意的是，很多这样的数据分析有很强的时延要求，需要采纳流式数据分析的模式。在另一方面，制造的各个流程和环节产生海量的数据。这些数据蕴藏着关于生产流程有价值的信息。对这些数据作时间纵向性，长周期、跨环节、跨流程，跨域的大数据挖掘分析，是对进一步宏观性地优化生产过程的一个重要手段。这些批量性的大数据分析可以帮助识别和消除生产流程中效率和绩效瓶颈、确定不良率与工艺参数和操作工序等关键数据的关联性，生产计划与排程目标和实际的差异的因素分析，客户对产品反馈分析，产品维护状况分析等等。

09

工业大数据分析实施框架

由于生产过程复杂，数据收集对象种类多（包括物料、产品、工具、设备、物料分拣传送系，人员、环境和安全传感器等），数量大，采样时间密度大、并需要作多参数同步关联性分析。因此，为了对生产过程作全面覆盖性的数据收集和分析服务，同时满足不同时效、可靠性、分析方法、计算强度和储存量的要求，需要有综合性的数据收集和分析平台。为了最佳地平衡这些需求，这个平台的功能的部署应是分布性的，把低时延可靠性高的流式数据分析部署在靠近生产现场的边缘端，也就是把分析功能部署在靠近数据源，靠近决策点；而把计算强度高和储存量大，但对时延和可靠性要求不太严格的批量分析部署在计算资源丰富的数据中心或云端。这样的一个分析平台还应能提供一个开放性的分析应用（APP）框架，使能特别是第三方数据分析专业人员简易快速地开发新的分析应用和增强现有分析应用的效能，以提高生产过程的应变能力。

工业数据分析平台：分布式功能部署

10

工业软件的发展方向

为了有效地把工业互联网的优化融合在数字化的制造环境里，我们可以把工业软件的整体，按功能分为三层：

☆ 控制层，包括设备、产品、环境等

☆ 信息层，包括数据收集、分析和信息发放

☆ 决策层，包括现有的工业流程软件

控制层包括了生产设备和产品的所有CPS单元及各级系统，以及其所在的物理环境，不仅是控制的对象，也是工业互联网数据收集的主要对象。信息层作为系统化地实现工业数据和信息的互流互用而新设的架构层，提供框架性的数据分析解决方案，对控制层和其它制造流程各个环节收集数据，实施系统化的数据管理和支持各种形式数据分析，包括实时流式数据分析和不定期的批量型大数据挖掘分析，为属于决策层的各种工业软件，包括基于工业互联网的各种优化性的应用，以及业务的决策提供可执行（actionable）的信息。同时，信息层还为数字主线的实现和数字孪生的构建提供支持。为了在不同功能层之间实现互操作性，我们必须为这些功能层之间制定新的交互界面标准。

新的工业软件架构：控制、信息与决策功能分层并行交互

我们上面提到的工业数据分析的报告 ，也提供了很好的描述了信息技术在工业自动化这两个一开始完全分割的领域，在不同的时间段里相互靠近，最后融合在一起的过程。在过去的十多年里，被广泛接纳的ISA95垂直分层的五层自动化金字塔一直用于定义制造业的软件架构。在这个架构中，ERP系统处于顶层，MES系统紧接其下，SCADA系统处于中层，PLC和DCS系统置之其下，而实际的输入/输出信号在底部。这个报告并提出，IoT架构和相应的分析能力可能会改变这个架构图像。

不少制造业企业基于这个制造业的软件架构，部署了一系列的传统工业软件，如ERP、PLM、MES等等。

的确，这些工业软件为制造业向信息化提升，优化制造过程的作用，不可估量。这些工业软件系列大多共享一些特征，比如它们大都整合了很多的功能模块，提供非常丰富的功能，规模可以很庞大，而且，作为一个厂商提供的专有应用，本身整合和内部优化的程度比较高，部署和维护过程比较直接，由厂商或厂商认可的整合商完成并提供支持。但是，由于缺乏通用的标准，这些工业软件系列（如ERP与MES）之间的可操作性很低。同时，作为可以说是大而全的专用应用，开放性不高，第三方的开发团队难以在其基础上创新开发出更切合客户需求的应用。

面对这样一些挑战，如果我们回顾一下近十年来IT应用的发展，或许会得到一些有价值的借鉴。以前不少的IT应用也是一个大而全的封闭型的软件，第三方也很难在其基础上创新。

IT和自动化的发展路线

在过去十年的时间里面，不少企业认识到这些问题，包括不容易创新，也不容易灵活快速迭代发展，最终难以为客户提供最大价值等等。现在越来越多的IT应用已将其核心功能作为API暴露出来，让第三方通过API的调用，整合创意出更新的，更加适应客户需求的，小的专门性的应用。像在智能手机里一样，没有一个APP（应用）是大而全的，每个APP都是为了提供一个很特殊的功能或为了解决一个很特殊的问题而创立的，而且APP内部所提供的功能多不是由APP本身完全提供，更多的是通过调用多种其它的服务，优化整合后而实现的。

未来的工业软件架构：工业功能服务和应用网格

在制造业的环境里，我们是否也可以朝这个方向走？

比如说把我们现有的垂直分层的结构压扁，把大而全的应用中的细分基本功能以API把它暴露出来。在这本基础上，这些系列工业软件供应商可以组合出多种高层次的应用。第三方的应用开发商也可以把这些基本功能，随意地组合，在其之上，创意出新的，小而精的细分业务的APP的模块，这些模块易于演变，也可以把其基本功能再次以API把它暴露出来，利于其它第三方的创新。这些各种基本功能服务和上层的专门应用一起构成了一个具有活力的工业软件服务和应用网格。在这样一个工业软件的生态下，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商，都比较容易开发出更加切合客户需求的应用，而且能敏捷地演变，以应对客户的生产环境和需求的快速变化。我们是否能朝这个方向发展，或能以多快的速度发展，受到很多因素的制约。然而，这是一个值得尝试和努力的方向。

11

结束语

工业互联网和工业大数据分析，都可以作为智能制造的优化手段，实现及时快捷地获取可执行的信息，对生产过程进行全透明度的管理，从而优化系统绩效动态，灵活响应新的需求。同时在确保人员安全，实现保障可持续性发展。