如何理解工业互联网平台的总体架构（架构的分析讲解）

某个网友 • 2023年4月14日 • 直播电商 • 阅读 101

来源：维科网工控

工业互联网是互联网和新一代信息技术与工业系统全方位深度融合所形成的产业和应用生态，是工业智能化发展的关键综合信息基础设施。

近些年，工业互联网作为新型基础设施建设的重要组成部分，在国家大力推进新基建建设的背景之下，取得了长足发展。工业互联网是第四次工业革命的重要基石，是企业智能制造和数字化转型的实现途径。工业互联网的核心是要联接各种需要监控的设备和产品，包括放置在工厂和各种使用现场的固定或移动设备，以及产品的运输和使用过程，实现过程追溯、设备状态的远程监控、故障预警等，在此基础上实现智能工厂和智能服务。

中国工业互联网平台已超过600家

有影响力平台超100个

据不完全统计，目前中国工业互联网平台已超过600家，具有一定影响力的平台数量超过100个，连接设备数超过7300万台套，最有影响力的是“双跨”（跨行业、跨领域）平台。

2020年12月22日，工信部公示了十五家“2020年跨行业、跨领域工业互联网平台”，分别为：海尔卡奥斯COSMOPlat、航天云网Indics、东方国信Cloudiip、树根互联RootCloud、阿里云SupET、浪潮云洲、富士康Fii Cloud、华为FusionPlant、用友精智、徐工汉云、腾讯WeMake、忽米H-IIP、宝信xIn3Plat、蓝卓supOS、紫光UNIPower。

如何理解工业互联网平台的总体架构（架构的分析讲解）

2020年跨行业跨领域工业互联网平台

国内也涌现了一批面向特定区域、面向特定行业的平台，甚至出现了一些面向具体环节，比如专门面向研发设计、大数据仿真的平台，例如橙色云、木星数字孪生平台等。

工业互联网体系架构

工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在连接、弹性供给、高效配置的工业云平台。

如何理解工业互联网平台的总体架构（架构的分析讲解）

工业互联网平台功能架构（来源：工业互联网平台白皮书）

边缘层解决数据采集集成问题。一是需兼容各类协议，实现设备/软件的数据采集；二是统一数据格式，实现数据集成、互操作；三是边缘存储计算，实现数据预处理和实时分析。

工业互联网laas层是指把IT基础设施作为一种服务通过网络对外服务。具体来说，工业互联网laas层是基于虚拟化、分布式存储、并行计算、负载调度等技术，实现网络、计算、存储等计算机资源的资源池管理，根据用户适时调度资源，确保资源使用的安全与隔离，为客户提供云基础设施服务。

工业PAAS层是核心，下半部分是工业PAAS层的通用部分，包含了数据存储、数据转发、数据服务、数据清洗，上半部分是工业PAAS层核心中的核心。在工业PaaS层要做微服务和模型，将大量技术原理，基础工艺经验形成算法和模型。对于工业PAAS层来说最为核心的就是模型和算法。工业PaaS层解决工业数据处理和知识积累沉淀问题，形成开发环境，实现工业知识的封装和复用，工业大数据建模和分析形成智能，促进工业应用的创新开发。

工业APP解决不同细分行业、不同大型企业各种问题。应用层解决工业实践和创新问题，通过工业SaaS和APP等工业应用部署的方式实现设计、生产、管理等环节价值提升，借助开发社区等工业应用创新方式塑造良好的创新环境，推动基于平台的工业APP创新。

如何理解工业互联网平台的总体架构（架构的分析讲解）

总的来说，工业APP是关键，形成满足不同行业、不同场景的应用服务。工业PaaS是核心，构建一个可扩展的操作系统，为应用软件开发提供一个基础平台。IaaS是支撑，使计算、存储网络资源池化。数据采集是基础，构建精准、实时、高效的数据采集体系。

工业PaaS平台核心

工业PaaS平台的核心是在工业技术原理、行业知识、基础工业、研发工具规则化、模块化、软件化基础上形成的数字化模型。

工业互联网的本质：数据+模型=服务

模型和算法在工业领域里面分成两种：第一种是机理模型，第二种是数据模型。机理模型是上世纪80、90年代开始针对原理的数学建模，用数学公式来进行原理的描述。数据模型是数据驱动的模型，在工业领域用机器学习的算法，用深度学习的算法，用神经网络的算法，由海量的数据和计算力提升所带来数据模型。

数据驱动的模型最核心的不是算法而是数据，数据从物理设备上来，包括设备运行数据，从生产流程中来，以及其它来源。有了模型，有了大量的数据进行运算，可以很好去提升良品率，降低库存水平等等。有了模型之后可以利用现场大量的传感器数据来进行实时的分析和科学的决策，通过自动去精准执行或者是通过人工干预介入来进行精准的执行，最终能够使得企业做到提质、降本、增效。

工业互联网平台发展展望

为提供更适用于工业场景需求的数据分析和应用开发服务，平台不断深化对机理模型和数据模型的积累，不断提升分析结果的准确度。同时，平台积极探索业务模型的沉淀，支撑形成贴合业务需求的综合性工业应用。数据建模与分析工具向组件化和图形化发展，大幅降低数据科学应用门槛。

从长期看，数据管理、分析、展示工具功能向平台不断沉淀，可催生聚焦工业数据的服务体系，有望大幅降低分析门槛，提升分析效率。伴随着技术成熟普及，通用化数据分析工具将向底层通用PaaS平台下沉，与工业场景深度结合的数据分析与可视化平台逐步向业务PaaS平台和工业SaaS演化。

点击展开全文