1.功能视图
为实现数据优化闭环,驱动制造业智能化转型,工业互联网需要具备海量工业数据与各类工业模型管理、工业建模分析与智能决策、工业应用敏捷开发与创新、工业资源集聚与优化配置等一系列关键能力,这些传统工业数字化应用所无法提供的功能,正是工业互联网平台的核心。按照功能层级划分,工业互联网平台包括边缘层、PaaS 层和应用层三个关键功能组成部分,如图 11 所示。
边缘层提供海量工业数据接入、转换、数据预处理和边缘分析应用等功能。一是工业数据接入,包括机器人、机床、高炉等工业设备数据接入能力,以及 ERP、MES、WMS 等信息系统数据接入能力,实现对各类工业数据的大范围、深层次采集和连接。二是协议解析与数据预处理,将采集连接的各类多源异构数据进行格式统一和语义解析,并进行数据剔除、压缩、缓存等操作后传输至云端。三是边缘分析应用,重点是面向高实时应用场景,在边缘侧开展实时分析与反馈控制,并提供边缘应用开发所需的资源调度、运行维护、开发调试等各类功能。PaaS 层提供资源管理、工业数据与模型管理、工业建模分析和工业应用创新等功能。一是 IT 资源管理,包括通过云计算 PaaS 等技术对系统资源进行调度和运维管理,并集成边云协同、大数据、人工智能、微服务等各类框架,为上层业务功能实现提供支撑。二是工业数据与模型管理,包括面向海量工业数据提供数据治理、数据共享、数据可视化等服务,为上层建模分析提供高质量数据源,以及进行工业模型的分类、标识、检索等集成管理。三是工业建模分析,融合应用仿真分析、业务流程等工业机理建模方法和统计分析、大数据、人工智能等数据科学建模方法,实现工业数据价值的深度挖掘分析。四是工业应用创新,集成 CAD、CAE、ERP、MES 等研发设计、生产管理、运营管理已有成熟工具,采用低代码开发、图形化编程等技术来降低开发门槛,支撑业务人员能够不依赖程序员而独立开展高效灵活的工业应用创新。此外,为了更好提升用户体验和实现平台间的互联互通,还需考虑人机交互支持、平台间集成框架等功能。
应用层提供工业创新应用、开发者社区、应用商店、应用二次开发集成等功能。一是工业创新应用,针对研发设计、工艺优化、能耗优化、运营管理等智能化需求,构建各类工业 APP 应用解决方案,帮助企业实现提质降本增效。二是开发者社区,打造开放的线上社区,提供各类资源工具、技术文档、学习交流等服务,吸引海量第三方开发者入驻平台开展应用创新。三是应用商店,提供成熟工业 APP 的上架认证、展示分发、交易计费等服务,支撑实现工业应用价值变现。四是应用二次开发集成,对已有工业 APP 进行定制化改造,以适配特定工业应用场景或是满足用户个性化需求。
2.现状与问题
当前,工业制造系统总体遵循以 ISA-95 为代表的体系架构,其核心是打通企业商业系统和生产控制系统,将订单或业务计划逐层分解为企业资源计划、生产计划、作业排程乃至具体操作指令,并通过 ERP、MES、PLM 等一系列软件系统来支撑企业经营管理、生产管理乃至执行操作等具体环节。这一体系有效驱动了制造业数字化和信息化发展,但伴随制造业数字化转型的不断深化,面向更智能、更敏捷、更协同、更灵活的发展要求,这一体系也逐渐暴露出一些问题:一是难以实现数据的有效集成与管理。传统 ERP、MES、CRM 等业务系统都有各自的数据管理体系,随着业务系统的不断增加与企业业务流程的日趋复杂,各类业务系统间的数据集成难度不断加大,导致信息孤岛问题日益凸显。同时,这些业务系统的数据管理功能更多针对的是规模有限且高度结构化的工业数据,面向当前海量多源异构的工业数据缺乏必要的管理与处理能力。二是数据挖掘分析应用能力不足。传统信息化系统通常只具备简单的统计分析能力,无法满足越来越高的数据处理分析要求,需要运用大数据、人工智能等新兴技术开展数据价值深度挖掘,进而驱动信息系统服务能力显著提升。但是,大数据、人工智能技术与现有信息系统的集成应用面临着较高技术门槛和投入成本,客观上制约了现有信息系统数据分析应用能力的提升。三是无法开展应用灵活创新。传统信息系统一般是与后台服务紧密耦合的重量级应用,当企业业务模式发生变化或者不同业务之间开展协同时,往往需要以项目制形式对现有信息系统进行定制化的二次开发或打通集成,实施周期动辄以月计算,无法快速响应业务调整需求。而且,由于不同信息系统之间的共性模块难以实现共享复用,有可能导致应用创新过程中存在“重复造轮子”的现象,也会进一步降低应用创新效率,增加创新成本。
3.发展趋势
伴随制造业数字化转型的不断深化与新一代信息技术的加速融入,传统主要遵循 ISA-95 的制造体系正迎来一次重大演进变革,具体来说将呈现三方面趋势:一是基于平台的数据智能成为整个制造业智能化的核心驱动。大数据、人工智能技术持续拓展数据分析应用的深度和广度,强化生产过程终的智能分析决策能力,基于数字孪生所构建的虚实交互闭环优化系统实现对物理世界更加精准的预测分析和优化控制,最终驱动形成具备自学习、自决策、自使用能力的新型智能化生产方式。二是平台化架构成为未来数字化系统的共性选择,促使工业软件与平台加速融合。基于统一平台载体的数据集成管理和智能分析应用破解了信息孤岛问题,基于平台部署应用研发设计、仿真优化、生产管理、运营管理等软件工具,能够有效降低企业数字化系统的复杂程度和投资成本,并构筑全生产流程打通集成的一体化服务能力,驱动实现更加高效的业务协同。三是基于平台的应用开放创新。平台支撑工业经验知识的软件化封装,加速共性业务组件的沉淀复用,实现低门槛的工业应用创新,并吸引第三方开发者构建创新生态,从而能够支撑企业快速适应市场变化和满足用户个性化需求,开展商业模式和业务形态的创新探索。
在上述几方面因素的推动下,未来制造系统将呈现扁平化特征,传统以 ISA-95 为代表的“金字塔”体系结构被逐渐打破,ERP、MES、PLM 等处于不同层次的管理功能基于平台实现集成融合应用,工业互联网平台将成为未来制造系统的中枢与核心环节。借助平台提供的数据流畅传递和业务高效协同能力,能够第一时间将生产现场数据反馈到管理系统进行精准决策,也能够及时将管理决策指令传递到生产现场进行执行,通过高效、直接的扁平化管理实现制造效率的全面提升。
但由于平台尚处于发展初期,特别是很多制造企业还拥有大量存量资产,因此平台在功能上也会经历从叠加模式到融合模式两个不同的发展阶段。叠加模式是指平台独立于企业已有数字化系统之外进行部署并实现集成打通,将平台强大的数据分析和资源集聚优化能力叠加至现有系统功能之上,实现业务能力的智能化改造提升。融合模式则是基于平台实现企业所有业务系统的部署运行,充分发挥平台工业数据管理、工业建模分析和工业应用创新优势,高效灵活地满足企业所有智能化需求。