工业互联网概述

1.概述

​

• 以制造为中心的数字制造、以设计为中心的数字制造、以管理为中心的数字制造，并考虑了原材料、能源供应、产品销售的销售供应，提出用工程技术、成产制造、供应链这三个维度来描述工程师的全部轰动。
• ​通过建立描述这三个维度的信息模型，利用适当的软件，能够完整表达围绕产品设计、技术支持、生产制造以及原材料供应、销售和市场相关的所有环节的活动。
• 实时数据的支持，实时下达指令，全面的优化，在三个维度之间的交互。 ​
• 在制造业一系列科学管理实践的基础上。 ​
  深度融合科技自动化技术、信息通信技术和智能科学技术、 ​
  围绕数据、信息和知识建立核心竞争力的、 ​
  更智能、更敏捷、更高效、更安全、更绿色、更和谐和可持续的、 ​
  新一代制造业企业及其生态系统。

以上则为数字化工厂或智慧工厂。

2.业务背景

目前国内工业企业大部分的现状为：

• 一是当前企业信息架构是烟囱式的、独立的，无法为管理和决策提供全场景实时准确的数据支撑。问题表现为一方面在时间上不能实时采集传送,依靠人工较多。另一方面表现为不同系统、部门间掌握的数据不一致即“同源不同数”。
• 二是知识流失，无法有效解决管理、技术、销售等专家离开岗位后相关技能的经验继承问题。通过建设平台让企业长期发展中积累的宝贵知识、经验、流程等能及时固化、沉淀下来，让知识得到有效传承，去除“知识黑洞”。
• 三是所属企业功能应用单独规划、重复建设，造成人力资源浪费，无法最大化利用技术能力，应用迭代缓慢，难以满足快速增长的业务需求。

​工业互联网，实现数据统一汇聚、分析和展示，覆盖生产、市场、办公、企管等业务办理需求，在统一管理的视角下，提升数据的横向整合与纵向贯通，提高服务信息的及时性、精准性，简化平台实施部署复杂性，协同开展各项工作、运营管理和绩效管理基础。

3.技术背景

​在云计算、物联网和大数据的技术背景下，借助新型的物联网技术、微服务应用框架、海量数据分析技术、人工智能技术，实现可灵活扩展的、相互打通的信息系统，通过多源异构物联，实现数据采集，基于微服务、无服务架构快速开发和迭代应用，充分发挥数据价值，形成统一的标准，并能够快速复制，这是企业数字化转型的趋势。数字化转型升级所带来的，不仅仅是信息架构的升级，数据的打通、业务应用的原子化，将大大加快信息的传输效率，提升集团的组织效能，从而促进整个组织和产业阵型的转型升级，带来生产、业务、管理上的全面升级。此项目基于云计算平台和基础工具，建设数据中心、应用中心，和多工厂接入的云边一体架构。架构上是经过实践验证、可落地的。

• 可行性：当前中国和世界工业强国均在大力发展工业自动化和工业数字化，并且已经形成了一定的基础条件。大型企业的工业数据比较完善，并且有已多年沉淀，数据质量相对较高。总体上，当前绝大部份工业企业的数据积累和质量已经具备工业智能数据分析的基础条件。随着工业传感设备和通讯技术的发展，结合人工智能在视频、音频技术不断发展已经形成的成熟产品和技术，可以使用多样的方式实现企业数据的采集和处理。平台所整合的边缘计算、云计算、大数据、人工智能等技术在最近5年来迅速发展，技术层面已取得了很多突破性的进步，在电商、金融、公安等领域已经实现了大规模普及化的应用，技术非常成熟。平台同时已经在中国工业领域有了数十个不同行业的真实落地项目，并已经产生了数亿元的经济效益，证明了大数据等智能技术在工业领域落地的技术可行性。平台的基础是云计算。借助云计算的计算和存储能力，可以支撑工业海量的数据挖掘分析需要的计算和存储条件。
• 安全性：完整的链路安全、数据安全和7层信息安全的产品，从物理层到应用层全方位保障部署上云的工业数据的绝对安全。采用了云安全、物联网安全、边缘安全等多种安全手段，保证数据全链路的安全。
• 可靠稳定性：云计算本身具备分布式、去中心化的能力，在技术架构上保证了集团平台的稳定性。其下边缘计算将采用双机热备的物理冗余，和容器集群的软件冗余的方式，保证系统的稳定可靠。
• 先进性：采用了领先的物联网、人工智能和大数据技术，云计算产品和架构，具备行业先进性。
• 经济合理性：硬件、软件预算依照业内常规，交付实施人工按真实核算，该平台的架构将大幅节省未来信息化的投入成本。在项目建设上立足现状，合理利用现有IT资产，避免浪费。

4.几个方向的应用

• 设备连接和监测 ：通过物联网技术，将工业设备和传感器连接到互联网，实现对设备状态和性能的实时监测。这有助于预测设备故障、提前进行维护，并最大程度地减少停机时间。​
• 数据采集和分析：工业互联网可以收集和整合来自各个设备和系统的大量数据，包括生产数据、传感器数据、质量数据等。通过大数据分析和机器学习算法，可以从这些数据中提取有价值的信息，改进生产过程、优化工艺，并优化生产计划和资源调度。
• 生产优化和智能决策：基于工业互联网的数据分析和智能算法，可以实现生产过程的优化和智能决策。例如，通过实时数据监测，可以调整生产参数和工艺，以提高生产效率和质量。同时，基于数据分析的预测模型可以帮助企业做出更准确的生产计划和供应链管理决策。
• 工业安全和风险管理：工业互联网可以实现对工业系统的安全监测和风险管理。通过实时监测设备状态和网络安全，可以及时发现和应对潜在的安全威胁。同时，通过数据分析和模型预测，可以帮助企业识别和管理潜在的风险和问题。
• 供应链协同和物流优化：工业互联网可以实现供应链的协同管理和物流优化。通过连接供应商、制造商和分销商的系统和数据，可以实现实时的供应链可视化和协同管理，提高供应链的灵活性和响应能力。同时，通过数据分析和智能算法，可以优化物流路径和运输计划，降低物流成本和提高交付准时率。