工业互联网平台规划设计方案.docx

工业互联网平台规划设计方案
目录
一、工业互联网发展背景及发展内涵2
（一）工业互联网平台发展背景2
（二）工业互联网平台体系架构4
（三）工业互联网平台核心作用6二、工业互联网平台技术体系介绍6
（一）工业互联网平台七大核心技术交织融合6
（二）平台架构，PaaS以其开放灵活特性成为主流选择10
（三）应用创新，工业机理与数据科学走向融合11
（四）功能下沉，边缘与云端协同成为平台重要发展方向13
（五）开发框架，微服务等新型架构大幅降低开发难度与创新成本15三、工业互联网平台产业生态情况介绍16
（一）四类平台企业、五大支撑主体、两类平台用户共同构筑平台产业体系16
（二）企业从自身优势出发加快平台布局，形成四种路径18
（三）开放合作与封闭自建并举，多种方式开展平台构建21
（四）应用创新生态打造巳成为平台发展关键22四、工业互联网平台应用场景介绍24
（一）平台应用由单点智能向全局智能、由状态监测向复杂分析演进.......24
（二）工业互联网平台当前总体应用于四大场景26五、工业互联网平台发展建议31
（一）充分利用现有成熟技术，快速构建平台31
（二）强化工业知识积累与分析能力，增强平台核心竟争力32
（三）注重开放创新，打造平台应用生态32
（四）聚焦优势领域，实现平台差异化发展32
（五）构建标准体系，促进互联互通33
（六）加强行业自律，推动平台可信发展33
革，而工业机理与数据科学深度融合则正在引发工业应用的创新浪潮。
（二）平台架构，PaaS以其开放灵活特性成为主流选择 基于通用PaaS的二次开发成为工业PaaS主要构建方式 PaaS能够为上层工业APP开发屏蔽设备连接、软件集成与部署、计 算资源调度的复杂性，大部分领先平台都依托通用PaaS向用户提供 服务。例如GE Predix基于对Cloudfoudry的二次 开发支持 Spring、.NET、开发框架，提供 PostgreSQL、SQL Server> Redis 以及 来自第三方和开源社区的应用服务，还包括GitHub代 码库、Node.js、 Bower 包管理器、Gulp、SASS^ Web Component Tester 等多种开发 工具，以便支持开发人员快速实现应用的开发与部署。其他主流平台 也均采取类似策略，IBM Blumix> 西门子 MindSphere、BoschloT Suite、 航天云网INDICS等平台也基于Cloudfoudry搭建，树根互联根云 RootCloud>寄云科技NeuSeer平台等都是基于docker、Openshift进 行构建。
新型集成技术成为平台能力开放的重要手段借助REST API等一系列Web API技术，大部分工业互联网平台中的 设备、软件和服务通过JSON、XML等统一格式实现不同业务系统的 信息交互和调度管理，为企业内外协同、云端协同、能力开放、知识 共享奠定基础。新型API技术为多源异构系统的快速集成提供有效 支撑，实现边缘设备与云端的集成、传统工业软件与云端的集成、平 台内部不同软件和功能的集成。目前，Ayla、Intel loT、Zatar、Xively、 Eurotech等平台更是以REST协议为核心手段实现设备、应用程序、 后端系统的全要素集成，此外，Predix、ThingWorx> Watson loT等 绝大部分平台也都集成了 REST API技术。基于API技术的能力开放 是平台发展的重点方向。发那科FIELDsystem平台目前己经200多 家公司开放API,支持用户灵活调用平台的相关服务来开发个性化应 用。Predix基于REST API技术提供资产管理和位置控制的微服务， 基于区块链技术提供数据完整性验证API,基于大数据技术提供数据 统计分析APIo IBM Watson IOT平台基于REST API技术为工业应用 提供连接、认知分析、实时分析、信息管理和风险管理等功能。
3.容器技术支撑平台及应用的灵活部署通过引入容器和无服务器计算等新型架构，能够实现平台和
工业应用的灵活部署和快速迭代，以适应工业场景中海量个性化开发 需求。容器技术简化了硬件资源配置的复杂性，一方面实现了平台中 服务和应用的灵活部署。例如IBM将Watson IOT平台中的采集服务 和Watson Service平台中的分析服务以容器形式封装后，可以实现 图形化的快速应用构建。GE Predix平台中训练形成的智能模型，利 用容器技术可以直接部署在Predix Machine设备上。另一方面，容 器技术实现了平台自身的快速部署。例如PTCThingWorx平台2017 年6月发布的8.0版本增加了基于Docker的部署方式，支持平台 在不同公有云、私有云、混合云等多种基础设施上的快速构建和灵活 迁移。SAP在docker store中提供HANA的应用速成(express)版， 打包内存计算引擎和数据分析算法，使应用开发者可以在本地或云端 快速开发基于HANA平台的数据分析应用和软件。
(三) 应用创新，工业机理与数据科学走向融合 对工业机理的深入理解是工业数据分析的重要前提 在长期工业发展过程中，工业企业面向不同行业、不同场景、不同学 科积累了大量经验与知识，这些工业机理的理解和提炼能够对生产现 象进行精准描述和有效分析，对传统工业生产和管理的优化起到重要 作用。随着新型数据科学的兴起，这些工业机理又能够有效指导数据 分析过程中的参数选择和算法选择，使其更加贴合工业生产特点。因 此，以GE、西门子、博世等工业巨头均将自身工业经验知识进行提 炼和封装，作为其工业互联网平台的核心能力与竞争优势。例如，GE 公司将以往由工程师智囊团完成的飞行数据分析工作“搬上” Predix 平台，专家在Predix平台的帮助下构建一个检测程序来根据航程的 长短自动对比飞机起飞前后发动机滑油量，实现滑油消耗的提前告警 和运维，从而将其航空发动机领域的专业知识和经验转化为平台上面 向用户特殊应用需求的专业服务能力。
大数据、机器学习技术马区动工业数据分析能力跨越式提升工业互联网带来工业数据的爆发式增长，传统数学统计与拟合方法难 以满足海量数据的深度挖掘，大数据与机器学习方法正在成为众多工 业互联网平台的标准配置。Spark、Hadoop、Storm等大数据框架被 广泛应用于海量数据的批处理和流处理，决策树学习、贝叶斯学习、 深度学习等各类机器学习算法，尤其是以深度学习、迁移学习、强化 学习为代表的人工智能算法，正成为工业互联网平台解决各领域诊断、 预测与优化问题的得力工具。例如，IBM公司将人工智能系统 Watson引入Bluemix中打造出具备“AI+loT”特色的 Watson loT Platform，借助物联网强大的数据连接汇聚能力为智能系统Watson 提供数据支撑，Watson系统则凭借优势明显的认知、推理和学习功 能寻找数据与结果之间的内在关联，并形成新的洞察力以帮助企业进 行最优决策。
1.数据科学与工业机理结合有效支撑复杂数据分析，驱动数字挛生发 展基于工业互联网平台，数据分析方法与工业机理知识正在加速融合， 从而实现对复杂工业数据的深度挖掘，形成优化决策。例如，上海隧 道工程公司通过与寄云合作，借助平台采集工业检测设备中的各类图 像、距离、位置、转速、倾角、压力、流量、扭矩、功率等全部数据， 基于岩土知识、功率曲线、扭矩曲线、屈服强度等工业知识机理标记
（或提取）异常信息，对历史数据进行特征提取与模型训练，再接入 实时数据进行异常预警，从而解决盾构硬岩掘进机TBM施工过程中 的难题，突破传统解决方案的极限。随者融合的不断深化，基于精确 建模、高效分析、实时优化的数字挛生快速发展，实现对工业对象和 工业流程的全面洞察。东方国信基于非稳态、多相、多物理场的数值 模拟仿真技术、热力学和动力学模型、以及工业大数据分析技术等, 建立虚实映射、实时监控、智能诊断、协同优化的数字挛生，实现对 工业实体设计和工艺流程的仿真及优化，在炼铁，工业锅炉，水电, 空压机，能源等多个行业或领域落地。
工业知识正基于平台快速积累并实现高效传播与复用通过数据积累、算法优化、模型迭代，工业互联网平台中将形成覆盖 众多领域的各类知识库、工具库和模型库，实现旧知识的不断复用和 新知识的持续产生。借助这种方式,传统分散于不同企业、不同系统、 不同个体的工业经验将能够获得有效沉淀和汇聚起来，并通过平台功 能的开放和调用被更多企业共享。例如，索为SYSWARE平台通过 打造统一的工程中间件，实现对各类知识经验、工业机理、算法模型 的集成，目前己在航空、航天、船舶、兵器、核工业、电子等行业构 建工业知识库上百个，知识条目500万以上。
（四）功能下沉，边缘与云端协同成为平台重要发展方向基于边缘的多协议转换强化平台数据接入能力
大部分平台均提出了协议转换和云端协同技术方案，实现设备、传感 器、PLC、控制系统、管理软件等不同来源的海量数据在云端的集成 与汇聚。基于网关的多协议转换正获得普遍应用，GE通过将数据采 集转换模块Predix Machine部署在现场传感器、控制器和网关，利 用OPC UA技术实现工业以太网、工业总线等不同协议的转换。 Oracle loT Cloud Service面向设备远程管理业务，通过“软件网关” 实现对行业通信协议的支持。西门子通过在设备端部署数据采集模块 MindConnect Nano,实现通用协议兼容和私有协议转换。基于操作系 统和芯片的原生集成正成为重要创新方向。如Intel推出Wind River Edge Management System嵌入式管理系统，实现设备与Intel loT Platform的直接互联。Ayla loT Platform与博通、高通、意法半导体 等芯片巨头合作，将平台接口内嵌在芯片中，直接从芯片层面支持边 缘与云端的互联。
边缘数据处理和缓存技术有效提升平台承载能力工业生产过程中高频数据采集，往往会对网络传输、平台存储与计算 处理等方面带来性能和成本上的巨大压力，在边缘层进行数据的预处 理和缓存，正成为主要平台企业的共同做法。一是在边缘层进行数据 预处理，剔除冗余数据，减轻平台负载压力。例如，SAP Leonardo Edge Platform与Dell边缘网关集成，实现边缘数据的实时预处理。华为 推出EC-loT解决方案基于敏捷网关能够大幅缩短业务上线时间，降 低运营成本50以上。二是利用边缘缓存保留工业现场全量数据，并 通过缓存设备直接导入数据中心，降低网络使用成本。例如亚马逊推 出的AWS Snowball Edge、微软Azure数据盒、以及谷歌的Transfer Appliance,以100TB级别的容量支持现场数据临时存储，通过实体 运输将数据上传到数据中心，简化数据传输过程并尽可能减少设置与 集成工作。在风电场的实际应用中，Snowball Edge主要解决无网络 偏远地区的数据存储上云问题。在制造企业的实际应用中，Snowball
Edge主要替代上位机或私有云保存现场数据。
边缘分析技术显著增强平台实时分析能力为了更好满足工业用户的实时性、可靠性要求，越来越多的平台运营 企业开始将计算能力下放到更为靠近物或数据源头的网络边缘侧。一 是边缘层直接运行实时分析算法，例如微软2017年5月更新 Azure loT Edge服务，新增了机器学习、认知服务、流数据分析等功 能，支持在嵌入式边缘设备上运行复杂分析和人工智能算法，微软与 金属切削刀具企业Sandvik Coromant合作，基于Azure loT Edge在 边缘实现了流数据分析和机器学习算法，使故障处理时延从云端处 理的2秒缩短到边缘处理的0.1秒。二是边缘与平台协同，实现模 型不断成长和优化。例如，PTC在ThingWorx平台中集成能够 实时发现边缘设备异常的ThingWatcher模块，并与云端 分析交互共享，实现模型迭代生长。
（五）开发框架，微服务等新型架构大幅降低开发难度与创新成本 基于微服务架构的开发方式大幅提升工业APP开发效率 基于微服务的开发方式支持多种开发工具和编程语言,并通过将通用 功能进行模块化封装和复用，加快应用部署速度，降低应用维护成本。 例如GE Predix平台基于微服务提供资产绩效管理、运营优化、资产 建模、数据获取等180多种微服务供开发者调用，简化了部署应用 程序开发、部署与运维的复杂性。IBM Bluemix平台推出可用于微服 务开发的软件工具，如IBM MQ Light for Bluemix提供灵活、易于使 用的消息传递机制，IBM Bluemix DevOps Services则帮助用户降低部 署和运维应用程序的难度。此外，西门子MindSphere.航天云网 INDICS、寄云NeuSeer等平台也都通微服务架构帮助用户快速构建个 性化应用程序。
基于图形拖拽的开发方式有效降低工业APP开发门槛基于图形拖拽的开发方式降低了对开发人员编程基础、开发经验的要 求，使其可以专注于功能设计，从而降低应用开发的门槛。例如PTC ThingWorx平台基于ThingWorx Foundation为开发人员提供模型驱 动的应用程序开发服务，开发人员无需使用编写代码即可连接所有的 ThingWorx组件，使用拖拽工具就可以
开发高质量、可扩展的应用程序，相较传统方式能减少10倍的开发时间。SAP Cloud Platform 通过 Fiori、BUILD、WeblED 等预制开 发工具支持基于图形拖拽的开发方式，用户通过使用这些工具可进行 轻量级云端开发，无需后台任何定制，就可实现应用的快速上线，将 开发时间从几个月缩短到几周。
三、工业互联网平台产业生态情况介绍
（一）四类平台企业、五大支撑主体、两类平台用户共同构筑平台产 业体系工业互联网平台产业发展涉及多个层次、不同领域的多类主体。在产 业链上游，云计算、数据管理、数据分析、数据采集与集成、边缘计 算五类专业技术型企业为平台构建提供技术支撑；在产业链中游， 装备与自动化、工业制造、信息通信技术、工业软件四大领域内领先 企业加快平台布局；在产业链下游，垂直领域用户和第三方开发者通 过应用部署与创新不断为平台注入新的价值。
消费者
供应链
协作企业
开发者
垂直领域用户
应用层J £ J
(40* Fuffisu ?第三方开发者
=55=e・・・Ir o THETARAY
) roxccrm 3)—，
次yPoint.
Webalo」
§S3SKP螭.• decisyon m°bideo
装备/自动化
【CT企业
软件企业
制造企业
平台层
（工业PaaS I
酸 SIEMENS
FANUC BOSCH
q …iSESOL
ABB
B Microsoft IBM
GJ 阿里W IRQOTECHg PTC
m 渗参 sspurmi MUAWSI
-<AAyla IQ]-
Jffl 出 r dd > 十 Qj»*i5l5l>SWE 硅
BONC 东方■信
故据管理
cstc
【aaS层
故据分析
§S3S Go^le CDWlo @)pentaho ；：J + obl«ou
云计算
n>i vxotoi amazon vmware .“ad doudora
EMC [
IFRAQATA 八晚*， 矽g xlxmmumc&u irrwi. ef.

信息技术企业提供通用使能工具，成为平台建设重要支撑信息技术企 业提供关键技术能力，以“被集成”的方式参与平台构建。主要包括 五类：一是云计算企业，提供云计算基础资源能力及关键技术支持, 典型企业如亚马逊、微软、Pivotal> Vmware>红帽等；二是数据管 理企业，提供面向工业场景的对象存储、关系数据库、NoSQL数据库 等数据管理和存储的工具，典型企业如Oracle、Apache、Splunk等； 三是数据分析企业，提供数据挖掘方法与工具，典型企业如SAS、IBM、 Tableau. Pentaho.PFN等；四是数据采集与集成企业，为设备连接、 多源异构数据的集成提供技术支持，典型企业如Kepware>NK博世、 IBM等；五是边缘计算企业，提供边缘层的数据预处理与轻量级数 据分析能力，典型企业如华为、思科、英特尔、博世等。
平台厂商通过整合资源实现平台构建，发挥产业主导作用平台企业以集成创新为主要模式，以应用创新生态构建为主要目的, 整合各类产业和技术要素实现平台构建，是产业体系的核心。
目前，平台企业主要有以下四类：一是装备与自动化企业，从自身 核心产品能力出发构建平台，如GE、西门子、ABB、和利时等；二是 生产制造企业，将自身数字化转型经验以平台为载体对外提供服务， 如三一重工/树根互联、海尔、航天科工等；三是工业软件企业，借 助平台的数据汇聚与处理能力提升软件性能，拓展服务边界，如PTC、 SAP、Oracle.用友等；四是信息技术企业，发挥IT技术优势将已 有平台向制造领域延伸，如IBM、微软、华为、思科等。
应用主体以平台为载体开展应用创新，实现平台价值提升工业互联网平台通过功能开放和资源调用大幅降低工业应用创新门 槛，其应用主体分为两类：行业用户在平台使用过程中结合本领域工 业知识、机理和经验开展应用创新，加快数字化转型步伐，如全球研 磨机械制造商格林公司基于西门子MindSphere平台开发服务于机 床的工业APP,实现对刀具磨损状态的精准预测和适时更换。第三方 开发者能够依托平台快速创建应用服务，形成面向不同行业不同场 景的海量工业APP,提升平台面向更多工业领域提供服务的能力，典 型企业如 Webalo>Bearing Point>ThetaRay>NEC>Pitney Bowes 等。
（二）企业从自身优势出发加快平台布局，形成四种路径2013年以来，工业互联网平台的理念和重要性逐渐被产业界所认识， 全球各类产业主体积极布局，工业互联网平台己经进入全面爆发期。 根据咨询机构IoT Analytics的统计，目前全球工业互联网平台数 量超过150个。2017年以来平台发展步入快车道，仅我国就有数十 个平台产品发布。综合国内外平台企业布局策略来看，目前主要有四 种路径。
1. 装备和自动化企业凭借工业设备与经验积累，依托工业互联网平台创新服务模式
装备制造和自动化企业在工业现场沉淀有大量生产设备与工业系统, 在其几十年的创新探索中也形成了丰富的工业知识、经验和模型，这 些企业正借助平台化布局，实现底层设备数据的采集与集成以及工业 知识的封装与复用，并以此为基础形成创新型的服务模式。目前，这 些企业在平台构建中主要有两种方式。部分企业通过将现有工业应用 向云端迁移，构建应用服务平台，实现应用的灵活部署与调用。如 ABB利用微软的云基础设施，通过Ability平台提供资产性能管理、 能耗评估、分布式能源管理、工厂建模与仿真等云端服务。与之类 似的还有施耐德EcoStruxure平台、发那科FIELD system平台、和 利时 HiaCloud平台等。部分企业则直接采用PaaS.微服务等新型架构搭建平台， 为应用开发提供更好的能力支持，在提供自身平台服务的同时，着力 打造繁荣的第三方应用创新生态。如GE基于开源PaaS架构Cloud Foundry构建Predix平台，并通过集成微服务架构等方式为应用开 发者提供丰富支持，实现智能应用的快速构建、测试和部署。三一重 工依托其设备管理经验孵化专注工业互联网平台建设的树根互联，基 于开源Docker技术构建PaaS平台，具备灵活的应用开发及部署能 力，提供资产管理、预测性维护、产品全生命周期管理、产业链金融 和模式创新等工业应用服务。
2. 领先制造企业将数字化转型经验转化为服务能力，构建工业互联网 平台领先制造企业凭借自身在数字化转型过程中的成功经验，围绕生产 优化、用户定制、资源整合等方面提供平台化服务，形成了多种创新 模式。部分消费品生产企业基于个性化定制生产模式构建工业互联网 一、工业互联网发展背景及发展内涵
（一）工业互联网平台发展背景制造业变革与数字经济发展实现历史性交汇
全球新一轮科技革命和产业变革蓬勃兴起，制造业重新成为全 球经济竞争的焦点。世界主要发达国家采取了一系列重大举措 推动 制造业转型升级，德国依托雄厚的自动化基础，推进工业4.0。美国 在实施先进制造战略的同时，大力发展工业互联网。与此同时，法、 日、韩、瑞典等国也纷纷推出制造业振兴计划。各国新 型制造战略 的核心都是通过构建新型生产方式与发展模式，推动传统制造业转 型升级，重塑制造强国新优势。数字经济浪潮席卷全球，驱动传统 产业加速变革。互联网的发展极大地改变了人们 的生活方式，构筑 了全新的信息产业体系，并且通过技术和模式创新不断渗透影响传 统领域，为全球经济增长注入新动力。随着 数字经济与实体经济加 速融合，互联网技术、理念和模式将向更多的实体经济领域渗透， 为传统产业变革带来巨大机遇。伴随制造业变革与数字经济浪潮交 汇融合，云计算、物联网、大数据等信息技术与制造技术、工业知 识的集成创新不断加剧，工业互联网平台应运而生。
制造业转型对数字化平台工具提出新需求
制造业需要海量数据管理工具。随着物联网向制造领域的加速渗 透，工业数据采集频率显著提升，采集范围不断扩大，驱动工业系统 从物理空间向信息空间延伸，由此可见世界向不可见世界的扩展。这 一背景下，制造数据的规模、类型和速度正在呈指数级增长，需要一 平台，实现用户需求、设计资源与生产能力的全面打通。比如海尔的 COSMO平台，将顾客需求、产品订单、合作生产、原料供应、产品设 计、生产组装和智能分析等环节互联起来并进行实时通信和分析，以 满足规模化定制需求。部分集团型制造企业凭借其资源整合经验，通 过平台汇聚产业上下游各环节资源，为企业提供供需对接、协同设计、 制造协同等智能化应用。比如航天云网INDICS平台汇聚超过100 万家企业，并在此基础上提供供需对接、智能工厂改造、云制造和资 源共享等服务，目前已为近千家行业用户提供线上服务。
3. 软件企业围绕自身业务升级需求，借助工业互联网平台实现能力拓 展软件企业通过布局工业互联网平台，全面获取生产现场数据和远程设 备运行数据，并通过这些数据与软件的结合，提供更精准的决策支持 并不断丰富软件功能。其中，管理软件企业依托平台实现从企业管理 层到生产层的纵向数据集成，提升软件的智能精准分析能力。例如 SAP HANA平台，以实现对数据库的建模、配置、监控、告警和管理。
应用层，基于SQL、MDX、BICS接口接入BT分析、数据复制等应用 软件。设计软件企业借助平台获取全生命周期数据，提升软件性能, 进而形成基于数字挛生的创新应用。例如PTC Thingworx平台基于 大量的设计模块，实现产品研发设计，大幅节约设计研发周期。同时， 平台基于CAD产品数字模型和Vuforia技术集成的ThingWorx Studio增强现实开发环境和网络体验服务以及数字挛生服务
(Digital Twin)实现对产品生产的全生命周期管理。
信息技术企业发挥技术优势，将已有平台向制造领域延伸信息技术企业在其现有通用技术平台基础上，不断丰富面向工业场景 的应用服务能力，同时加强与制造企业合作，实现平台的定制化集成 和应用部署。云计算、大数据企业凭借运营及数据
服务能力，通过强化工业连接及工业分析构建平台。例如IBM Bluemix平台与博世合作，在平台部署博世物联网套件服务，进而帮 助IBM提升底层设备物联及数据采集能力，并基于数据实现高级设 备管理服务和云计算软件更新。微软Azure ToT平台则重点打造远 程设备监控、预测性维护、工厂联网与可视化等服务能力，提升对制 造场景的支持能力。通信企业依托数据采集与网络互联优势构建物联 管理平台，并不断提升工业数据处理能力。华为OceanConnect平台 借助网关设备、软件Agent和物联网管理系统，实现各类底层数据 采集和集成，并通过提供APT接口、开发套件与数据分析服务，形 成行业智能应用。
（三）开放合作与封闭自建并举，多种方式开展平台构建基于开源通用IT技术搭建平台基础架构成为主流
开源PaaS已成为平台厂商构建平台使能框架的共性选择。GE Predix、IBM Bluemix＞西门子MindSphere等大部分平台都采用开 源的Cloud Foundry架构作为平台基础框架。此外，OpenShift、 Docker等开源技术也是平台企业中得到应用。开源大数据技术成为 平台数据架构的关键支撑。Hadoop. Spark等开源数据工具已经形成 了比较成熟的体系,IBM Bluemix＞和利时HiaCloud、Oracle日立 Lumada等平台均采用上述工具支撑数据服务。多种开源的开发工具 帮助平台快速构建开发环境。GE Predix、寄云NeuSeer通过集成 Eclipse integration, Git和Jenkin等开源开发工具，强化平台应 用开发能力。
采用并购与合作方式丰富平台功能通过并购获取平台关键技术功能。面向设备数据连接，PTC先后并购
Kepware和Axeda,强化ThingWorx平台的数据采集能力。博世也 收购智能设备软件公司ProSyst,为平台提供即插即用的协议转换支 持。面向数据分析挖掘，日立收购Pentaho商务智能公司，提供数 据集成、可视化分析和数据挖掘等服务。此外，GE收购Austin Digita 1强化航空数据分析能力，PTC收购ColdLight提高平台机器 学习能力。面向平台安全，GE收购Wurldtecho通过合作整合资源，不断丰富平台功能。一是实现更大范围的现场 数据采集，如SAP、航天云网等企业均与西门子开展合作，借助西 门子在工业自动化领域巨大存量基础，降低设备接入难度。发那科与 罗克韦尔合作，实现平台与底层控制系统的无缝连接。二是实现平台 灵活部署，如GE、西门子均与微软、亚马逊开展合作，实现在不同 云基础设施上的部署能力。此外，ABB与微软合作，树根互联与腾讯 云合作，都旨在解决部署的基础资源问题。三是强化数据分析能力, 如西门子、ABB与IBM合作，将Watson认知计算能力融入到平台 中。发那科与Preferred Networks合 作，集成其深度学习框架 Chainero
将自身工业知识积累进行封装，打造平台核心竞争力工业企业长期积 累形成了大量工业知识和经验，是工业领域核心价值所在。工业巨头 正将物理世界的工业机理转化为数字世界的算法和模型，再封装为平 台上的微服务和工业APP,形成封闭的“黑盒”供开发者调用。开发 者可以使用“黑盒”的关键能力，但无法获取其中的工业机理o例如， GE将其在航空发动机、燃气轮机、风机等领域长期积累的设备知识 抽象为相关微服务，成为平台的核心资产。
（四）应用创新生态打造己成为平台发展关键平台企业通过自主开发不断丰富应用种类
平台企业是现阶段应用创新的主力军，通过传统工业软件的云化迁移 和新型工业APP开发，不断提升平台服务能力。目前，GE在Predix 平台应用商店中已发布9款自主开发的工业APP,同时正积极将 APM、（）PM、FES等现有工业解决方案转化为平台应用。西门子与埃森 哲、Evosoft^ SAP、微软、亚马逊和Bluvision等合作伙伴在汉诺 威展上展示了约50种工业APPo ABB正将其面向20多个工业领域 的180余项工业解决方案向Ability平台迁移。
借助合作伙伴拓宽行业应用创新服务能力平台企业通过跨领域合作, 吸引更多行业伙伴基于平台开展应用创新，实现平台向更多领域的延 伸拓展。如，波音与微软合作，将设备预测维护、燃油消耗分析等航 空分析应用迁移至微软的Azure平台，目前己有300余家企业基于 平台使用这些服务。发那科与罗克韦尔合作，将后者的FactoryTaik View等系列工厂管理应用向其FIELD system平台迁移。PTC通过 ThingWorx平台伙伴计划汇聚了数百家合作企业，强化平台与这些企 业应用服务的无缝集成，同时吸引合作企业基于平台开发创新应用。 打造开发者社区激发创新活力海量开发者是应用创新的重要来源，是平台生态形成的关键驱动力。 当前主要平台企业均积极打造开发者社区，通过技术开源、工具提供、 文档分享、专家支持、利益共享等方式，吸引开发者入驻平台参与应 用创新。GE着力打造面向Predix平台的开发社区Predix. io,通 过提供开发工具、微服务、应用开发指导文档，以及举办线上技术研 讨会等方式，己经吸引到5万余名开发者。华为构建OceanConnect 开发者社区，提供了 170多种开放API和系列化Agent,以及各类 技术支持、营销支持和商业合作，在油气能源、生产与设备管理、车 联网、智慧农业等领域吸引超过80个行业合作伙伴入驻。
四、工业互联网平台应用场景介绍
（一）平台应用由单点智能向全局智能、由状态监测向复杂分析演进 当前，工业互联网平台在工业系统各层级各环节获得广泛应用，一是 应用覆盖范围不断扩大，从单一设备、单个场景的应用逐步向完整 生产系统和管理流程过渡，最后将向产业资源协同组织的全局互联 演进。二是数据分析程度不断加深，从以可视化为主的描述性分析， 到基于规则的诊断性分析、基于挖掘建模的预测性分析和基于深度 学习的指导性分析。其中，设备、产品场景相对简单，机理较为明 确，已经可以基于平台实现较复杂的智能应用，在航空航天、工程 机械、电力装备等行业形成了工艺参数优化、预测性维护等应用模 式；企业生产与运营管理系统复杂度较高，深度分析面临一定挑战， 当前主要对局部流程进行改进提升，在电子信息、钢铁等行业产生 供应链管理优化、生产质量优 化等应用模式；产业资源的协同目前 还没有成熟的分析优化体系，主要依托平台实现资源的汇聚和供需 对接，仅在局部领域实现了协同设计、协同制造等应用模式。
图工业互联网平台应用阶段视图 总体来看，平台应用还处于初级阶段，以“设备物联+分析”或“业 务系统互联+分析”的简单场景优化应用为主。未来平台应用将向深 层次演进，将在物联与互联全面打通的基础上实现复杂的分析优化, 从而不断推动企业管理流程、组织模式和商业模式创新。最终，平台 将具备全社会资源承载与协同能力，通过全局性要素、全产业链主体 的重新组织与优化配置，推动工业生产方式、管理模式和组织架构变 革。
资源匹配 协同
li
生产流程优化
生用!投一停化
能籍管理供应锤管
|理优化
PSiQ计反慢优化
企业管理 决策优化
生产过程 优化
产品全生命 周期管理
应用而
1.设备、工艺等单个场景已可以实现基于数据和机理的预测，正步 入决策性分析阶段
工业互联网平台广泛连接设备、装备、产品，基于设备机理模型和产 品数据挖掘开展了大量基于规则的故障诊断、工艺参数优化、设备状 态趋势预测、部件寿命预测等单点应用，如GE依托Predix平台， 通过构建数字双胞胎实现对航空发动机、燃气轮机等重型装备的健康 管理，施耐德基于Ecostruxure平台为罗切斯特医疗中心提供配电设 备管理服务，实现电力故障的预测性报警与分析。随着数据的持续积 累与分析方法的不断完善，将形成基于设备数据挖掘的更精准分析模 型，并自主提出指导性优化建议。目前该趋势己初步显现，例如微软 Azure loT平台为Rolls-Royce发动机提供基于机器学习的海量数据分 析和模型构建，能够在部件即将发生故障时准确预报异常，并提前介 入主动帮助Rolls-Royce规划解决方案。
企业管理与流程优化从当前局部改进向系统性提升迈进工业互联网 平台实现了生产现场与企业运营管理、资源调度的协同统一，在此基 础上形成面向企业局部的生产过程优化、企业智能管理、供应链管理 优化等重点应用。日立公司Lumada平台通过物联设备实时收集商 品流转数据，并通过与子公司货车调配业务系统的互联，形成庞大供 应链管理数据池，实现全集团的仓储物流优化。未来随着平台底层连 接能力的提升和企业IT-OT层的打通，大量生产现场数据和管理系 统数据将进行集成汇聚，基于海量数据分析挖掘实现智能工厂整体 优化、企业实时智能决策等应用，实现企业生产管理领域的系统性提 升。罗克韦尔公司自动化部门与微软AZURE平台合作，打通了 0T 层自动化系统与IT层业务系统数据，基于大量数据进行工厂系统建 模与关联分析，实现生产物料管理、产品质量检测、生产管控一体化 等综合功能，探索数字工厂应用。
产业/资源层面从信息交互向资源优化配置演进工业互联网平台在应用过程中汇聚了大量工业数据、模型算法、软件 工具，乃至研发设计、生产加工等各类资源与能力。目前这些资源在 平台上主要通过简单信息交互实现供需对接与资源共享等浅层次应 用。未来，随着平台全局运行分析与系统建模
能力的逐步提升，平台将成为全局资源优化配置的关键载体。找钢网 平台在为钢铁行业上下游企业提供钢材资源供需对接服务的基础上， 正在探索基于大数据分析的钢厂精准供需匹配、资源区域性优化投放 和最优定价策略。
（二）工业互联网平台当前总体应用于四大场景面向工业现场的生产过程优化
工业互联网平台能够有效采集和汇聚设备运行数据、工艺参数、质量 检测数据、物料配送数据和进度管理数据等生产现场数据，通过数据 分析和反馈在制造工艺、生产流程、质量管理、设备维护和能耗管理 等具体场景中实现优化应用。
制造工艺场景中，工业互联网平台可对工艺参数、设备运行等数据进 行综合分析，找出生产过程中的最优参数,提升制造品质。例如GE基 于Predix平台实现高压涡轮叶片钻孔工艺参数的优化，将产品一次 成型率由不到25提升到95以上。
生产流程场景中，通过平台对生产进度、物料管理、企业管理等数据 进行分析，提升排产、进度、物料、人员等方面管理的准确性。博世 基于平台为欧司朗集团提供生产绩效管理服务，可在生产环境中协调 不同来源的数据，提取有价值的信息并自动运用专家知识进行评估， 实现了生产任务的自动分配。
质量管理场景中，工业互联网平台基于产品检验数据和“人机料法环” 等过程数据进行关联性分析，实现在线质量监测和异常分析，降低产 品不良率。富士康集团基于其平台实现全场产品良率自动诊断，打通 车间产能、质量、人力、成本等各类运行状况数据，并对相关数据进 行分析计算和大数据优化，使良率诊断时间缩短90。
设备维护场景中，工业互联网平台结合设备历史数据与实时运行数据, 构建数字挛生，及时监控设备运行状态，并实现设备预测性维护。例 如嵌入式计算机产品供应商Kontron公司基于Intel loT平台智能网 关和监测技术，可将机器运行数据和故障参数发送到后台系统进行建 模分析，实现板卡类制造设备的预测性维护。
能耗管理场景中，基于现场能耗数据的采集与分析，对设备、产线、 场景能效使用进行合理规划，提高能源使用效率，实现节能减排。例 如施耐德为康密劳硅镒及电解镒冶炼工厂提供EcoStruxure能效管理 平台服务，建立能源设备管理、生产能耗分析、能源事件管理等功能 集成的统一架构，实现了镒矿生产过程中的能耗优化。
面向企业运营的管理决策优化借助工业互联网平台可打通生产现场数据、企业管理数据和供应链数 据，提升决策效率，实现更加精准与透明的企业管理，其具体场景 包括供应链管理优化、生产管控一体化、企业决策管理等。
供应链管理场景中，工业互联网平台可实时跟踪现场物料消耗，结合 库存情况安排供应商进行精准配货，实现零库存管理，有效降低库 存成本。雅戈尔基于IBM Bluemix平台对供应链和生产系统的重要数 据进行抽取和多维分析，优化供应链管理并使库存周转率提高了 1 倍以上，库存成本节省了 2.5亿元，缺货损失减少了 30以上，工厂的准时交货率达到9