“

工业大数据包括了信息化数据、物联网数据以及跨界数据，是工业互联网的核心要素，作为大数据的一个应用行业，既具有广阔前景，也面临着巨大的现实挑战。

”

01

—

引言

随着智能制造和工业4.0技术的初步落地应用，制造业进入了新一轮的全球性革命，而这一变革最核心的特征是互联网、大数据与工业的深度融合。2020年12月工信部印发了《工业互联网创新发展性行动计划（2021-2023）》，提出11项重点工作任务，并明确指出到2023年实现工业互联网新型基础设施建设量质并进，新模式、新业态范围推广，产业综合实力显著提升的发展目标。在实现上述发展目标中，工业大数据商业应用以及生态系统的构建无疑是核心支撑之一。工业大数据包括了信息化数据、物联网数据以及跨界数据，是工业互联网的核心要素。工业大数据的显著特征是以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用，将带来工业生产与管理环节的极大升级和优化。

工业大数据因其巨大的商业应用价值得到了工业界和学术界的高度关注和研究热情。德国西门子推出了工业云平台MindSphere，美国通用电气则推出了面向工业数据分析的云平台Predix。国内大型企业也推出了面向不同应用场景的工业互联网平台，如海尔集团的COSMOPlat、航天科工集团INDICS和阿里云打造的工业互联网平台。然而，随着工业物联网、设备联网、安全监控和信息系统的深度推广与应用，企业每天产生的工业数据已从TB飞速增长到ZB，数据的存储结构也日趋复杂。许多中小企业面对生产过程中产生的海量数据，难以依靠自身研发实力，开发出满足企业自身经营生产需求的，面向垂直行业的大数据应用产品。目前国内外“大厂”所推出的工业大数据平台工具尚不够成熟和丰富，在实际使用中仍需要做二次开发。在理论研究中，大量文献讨论了工业大数据所依赖的技术架构和平台建设，但对工业大数据的商业应用和生态系统的构建的研究尚显不足。本文论述如何推进工业大数据的商业应用落地以及工业大数据生态系统的构建，具体介绍工业大数据的应用架构和主要技术，工业大数据商业应用面临的现实挑战和工业大数据应用生态系统平台的构建。

02

—

工业大数据应用架构及技术

工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。工业大数据本身并不能直接为企业带来效益，需要通过对数据进行一系列的挖掘和处理才能发挥其真正的价值，具体处理过程包括了数据规划、采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据应用架构如图1所示。

工业大数据在应用涉及到的技术如图2中所示，主要包括IoT技术、边缘计算、云计算和人工智能等。IoT技术——工业数据采集基于IoT技术，但和一般数据采集有很大差异。首先工业系统数据量巨大，无意义的或格式非法数据的“脏”数据特别多；其次工业数据协议目前还不标准，常见协议有S7、ModBus、OPC、CAN、Profinet、MQTT等各类型的工业协议，而且各个自动化设备生产及集成商还会自己开发各种私有的工业协议；最后，为数众多的不支持数据采集的老旧设备，改造起来也是相当困难。上述差异导致基于各类IoT技术和协议的工业数据在互联互通上，出现了极大的困难。

边缘计算——边缘计算可以大大降低互连系统的复杂性，从而更易于实时收集和分析数据。边缘计算和工业物联网设备的结合将使简化工业流程、优化供应链和创建智能工厂变得更加容易。随着人工智能的发展，边缘计算使得机器人驱动的自动化制造成为可能。与基于云的架构相比，通过边缘网络收集和传输数据的机器人能够更快地识别不规则并消除低效问题。该系统的分布式特性也使其更加稳健，从而确保更高的正常运行时间和生产力。云计算——云计算理念就像水和电一样的公共事业提供给用户，这种技术提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。人工智能——工业人工智能可以为智能制造提供巨大的推动力，具有专业领域知识的人工智能会引导行业的进步和变革。工业4.0让我们开始了数字化转型，而工业人工智能则把转型提升到一个全新的水平，推动创新，提高生产力和效率。

03

—

工业大数据应用的现实挑战

工业大数据作为大数据的一个应用行业，既具有广阔前景，也面临着巨大的现实挑战。主要集中在成本、技术、IT和OT融合等方面。

（一）使用成本高：一方面，工业大数据的搭建或者购买、后期的维护，都需要不菲的开销，这将绝大部分中小企业拒之门外。另一方面，即使对中大型工业企业来说，开发和运营工业大数据应用这种IT领域的工作，费钱费力，目前看短期内投资回报率都比较低。

（二）数据采集难：如前所述，工业数据量大，种类多，脏数据多，协议多且不标准甚至存在大量私有协议，老旧设备兼容难，安全性考虑不足等等因素在工业大数据应用的第一步就设置了很高的门槛。

（三）需求复杂：不同行业，不同成熟度，不同工艺/流程/设备，不同管理模式的企业对工业大数据应用的要求大相径庭。工业大数据应用的需求以十万计，百万计。

（四）定制要求高：工业大数据需要通过对数据进行一系列的处理和挖掘，才能为企业带来价值，这个过程的定制化程度和要求是非常高的。制造企业受成本和经费的限制，往往无法承受这部分费用。同时，由于应用和方案无法快速进行推广，导致无法摊平开发成本，一般企业根本无法承受。

（五）推广困难：抛开企业运营的角度不谈，单从IT的角度来看，工业应用的推广存在很大困难。设备兼容性，协议兼容性，系统兼容性以及应用本身的兼容性，都存在极大挑战。

（六）数据展示为主：目前工业大数据应用主要是数据聚合和展示为主，对于企业来说这只是迈向智能制造的第一步，但尚不能充分发挥工业大数据的真正潜力，对企业带来的收益也十分有限。

04

—

工业大数据应用生态系统平台构建

以上的种种挑战与痛点，直接制约了工业大数据在企业的应用和落地，限制了工业大数据的发展。要想打破限制工业大数据发展的梏桎，唯有通过工业大数据应用生态系统的建设才能够真正解决上述成本、技术以及IT和OT融合问题。生态系统的建设首先要依托一个平台，生态系统的参与者围绕这个平台展开合作。这个平台在技术上要具备下面几大要素：

（一）开放的平台：开放的平台是生态系统建设的前置条件。开放的平台允许开发者通过公开其API或函数来使用外部的程序，从而增加该应用程序的功能或使用应用程序的资源，而不需要更改应用程序的源代码；允许开发者重构或者替代平台所提供的不尽让人满意的功能；也允许开发者开发出当前平台没有的功能。随着技术的不断发展，开放平台的内涵逐渐延展，笔者认为IaaS和PaaS更符合目前开放平台的定义。只有开放的平台才能够吸引合作伙伴的加入，一起进行生态共建。

（二）全面的平台：工业大数据应用要求繁杂，单一的云计算平台，边缘计算平台或者现场控制平台都无法满足不同客户的需求。另外，上述几个平台在跨平台协作的时候，会遇到诸多交互的问题，让生态参与者望而却步。在这方面，西门子工业软件的数字化产品涵盖了从顶层Mendix app开发，MindSphere工业互联网，Industrial Edge工业边缘计算和TIA Portal现场控制平台到设备层的全面整合。

（三）工具丰富的平台：平台应该提供丰富的工具和特性给生态共建者，让开发者能够快速地开发稳固可靠的工业解决方案，具体包括：

数据连接工具——提供广泛的设备、企业系统的连接

数据存储管理工具——提供异构数据的存储、访问、备份

基础解决方案工具——提供预组态的解决方案，易于进行开发、部署和测试

应用商店工具——提供应用商店来分配和购买工业大数据应用程序（APP）

支持多语言工具——提供主流开发语言，以及新兴编程语言

API/SDK工具——提供广泛灵活的API，简单易用的SDK

可视化工具——提供数据可视化和探查

低代码工具——提供低代码或无代码构建应用

（四）适合不同用户的平台：平台作为生态的发起者和维护者，一定要考虑不同层次的用户和不同角色的用户，他们的诉求可能大相径庭，只有服务好这些用户，才可能更好地构建出工业大数据的生态。简单地说，根据企业用户的成熟度，可以大致分为三类：

1.连接与监控——连接资产，实现远程透明性，采集数据，供APP或过程使用，减少停机时间，改善用户体验。

2.分析和预测——采集并分析公司多个系统的数据，从这些数据获得全新洞察，依靠数据，实现主动性应对方法和程序，改善流程、减少成本和提高生产率。

3.数字化和转型——实现跨系统、设备、应用和服务的互联互通，产品即服务，开发新功能、新服务和新业务模型。

从另外一个维度来看，平台还需要为不同角色用户提供服务，包括：企业管理者、企业IT运营者、OT使用者、设备制造商、解决方案提供商和IT开发者。只有充分考虑他们的需求，为他们在平台中找到各自的定位，使他们充分发挥各自领域的长处，撮合他们并实现共聚共享共赢的生态系统。

05

—

总结

工业大数据商业应用及生态系统的建设任重道远，但笔者已经看到很多国内外IT和OT大企业，如华为、腾讯、阿里巴巴和西门子等等，已经担负起这个责任，积极参与到这个行业里，呈现出千帆竞发百舸争流的良好态势。工业大数据的商业应用大幕已然徐徐拉开，IT领域和OT领域的各方参与者跃跃欲试，相信在不久的将来就会看到越来越多的结合不同制造业特征的工业大数据应用落地，越来越多的具有不同领域背景的企业进入工业大数据应用生态系统，共同奋进实现我国智能制造2025战略目标。

【文章来源】《时代商家数字世界专刊》

【作者介绍】

赵慷慨

西门子工业边缘计算首席架构师

西门子工厂数字化解决方案专家

晏鹏宇

电子科技大学经济与管理学院教授

博士生导师

《时代商家》杂志经国家新闻出版署批准，创刊于2006年，是我国知名期刊。2021年，经中国国际经济技术合作促进会授权出版数字经济专业刊物《数字世界专刊》，并被指定为“世界数字经济论坛”全球唯一会刊。《数字世界专刊》主要聚焦数字经济、数字技术、战略性新兴产业及未来产业等发展领域最新研究成果、创新实践及建设性意见，以传播数字中国建设理论和实践声音，讲好中国数字企业故事，促进数字经济国际合作与交流为主要内容和目标。