博客

工业互联网平台宣讲团第二季第二讲

康鹏举：工业互联网平台的技术内核与创新应用

时间：2018年4月4日晚20点

主讲专家：

康鹏举：中国西电集团中央研究院总经理

主持人：

苏明灯：走向智能研究院执行秘书长

【主持人开场白】：

各位群友，晚上好。工业互联网平台宣讲团活动第二季第二讲现在正式开始。我是本次宣讲活动主持人苏明灯，是活动主办方之一的走向智能研究院执行秘书长，也是国内首部讨论智能化革命的专著——《三体智能革命》一书的作者之一。走向智能研究院作为国内首个智能化综合创新类研究智库，在智能制造、工业互联网、人工智能等领域做了一些基础性工作，欢迎大家持续关注、支持我们的各项活动。

今天晚上有101个科技产经微信群将同步图文直播或转播宣讲团活动，其中51个微信群通过机器人“直播小助手”同步直播，参加直播转播的微信群比上次宣讲新增了9个，预计覆盖专业人群超过2万人，可见工业互联网平台话题越来越受到关注，平台发展越来越受到各方重视。

本次宣讲活动，是为了贯彻落实国务院《关于深化“互联网+先进制造业”发展工业互联网的指导意见》，宣贯《工业互联网平台白皮书》，在工信部信软司大力支持下，由中国信息通信研究院、工业互联网产业联盟、走向智能研究院联合主办，我们邀请国内著名专家、学者、企业家组成工业互联网平台宣讲团，通过组织线上、线下宣讲活动，就平台建设与推广、技术体系、创新应用等开展宣贯活动。

在宣讲团前面几讲中，我们分别邀请到中国信通院总工程师、工业互联网产业联盟秘书长余晓晖，中国信通院两化所副所长朱敏，中航工业集团信息技术中心首席顾问宁振波，走向智能研究院执行院长赵敏，对工业互联网平台相关发展态势、白皮书核心内容、平台技术体系、以及相关行业应用开展了网络宣贯活动。

感谢数万网友的在线聆听。本次活动为网络公益性专业类知识分享活动。宣讲活动得到我国工业、IT等领域若干重要的行业协会、管理部门、产业联盟、研究机构、知名企业大力支持。他们是：

工业互联网平台宣讲团支持单位


（排名不分先后）：

工控兄弟连、


中国机电一体化技术应用协会、中国工业技术软件化产业联盟、中国工业服务联盟、宁夏宁东能源化工基地管委会、沈阳市大数据管理局、苏州工业园区科技和信息化局、白银市工信委、杭州市余杭区科学技术局、东北大数据产业联盟、浙江省工业互联网产业联盟、山东省物联网协会、江苏省企业信息化协会、中国精算研究院大数据中心、成都汽车产业研究院、苏州市智能制造公共服务平台、北京中关村科技园丰台园3D打印数字维创中心、杭州市计算机学会、杭州市物联网行业协会、无锡市信息化协会、绍兴市产业互联网促进会、深圳市大数据研究与应用协会、工业互联网产业联盟上海分联盟、华东理工大学信息科学与工程学院、北京信息科技大学自动化学院、中国人工智能学会智慧能源系统专业委员会、航天云网、徐工信息、海尔工业智能研究院、树根互联、中国移动、中船信息、西门子、ABB、PTC、金蝶软件、东方国信、日海物联、索为系统、《航空动力》编辑部、e-works数字化企业网、工业4.0俱乐部、中国科技自动化联盟、工业4.0创新平台、工业4.0商业共同体、智能制造百人会、工业服务联盟、信息技术服务与外包产业联盟、寄云科技、北京兮易、兰光创新、研华科技、英诺维盛、合众联恒、北京格分维、大驰工业设计、昱辰泰克、青岛天河制造业转型升级研究院、中之杰、互联智佑、宝信信息、中安鼎辉、安星联供应链、联讯动力、造奇智能、制学网、廊庭科技、2045加速器、翔正国际、智汇工业、国脉物联网、工程师联盟、慧造智能研究院、渤海方略、先进制造业全媒体、物联网创新联盟等。

据最新统计，今晚参与直播转播工业互联网平台宣讲团活动的微信群有101个,



同步直播转播微信群



是(系列


微信群只列举主群)：

工业互联网产业联盟群、走向智能-工业互联精英群、走向智能-工业互联产融群、工业互联网平台宣讲团直播系列群、CPS信息物理系统专家宣讲团、国家智能制造交流群、宁东管委会系列群、中国工业技术软件化产业联盟群、中国信息自动化交流群、《三体智能革命》雅读汇、工业4.0俱乐部系列微信群、工业4.0商业联合体系列微信群、2018智能制造百人会群、中欧智能制造、中国智能制造Imchina、工业互联网安全讨论小组、中国建造3.0&建筑数字领导力论坛、人工智能创新高峰论坛、智能科技创新交流群、IC咖啡讲堂001|物联网群、工业4.0研讨会主群、中欧校友制造业群、西南精益制造联盟、走向智能论坛读书汇、中国智能制造IMchina、国脉物联网与智能制造论坛微信群、工业物联网合作交流群、工业服务联盟群、中国智慧能源+国际化高端智库群、杭州智能制造研究会、创新设计群、兮易强企交流群、【未来智+】微直播课堂系列群、国家纺织商会工业4.0中心、沈阳大数据产业交流群、山西装备制造之家、工业互联网上海分联盟群、江苏大数据联盟系列群、江苏省工业软件产业发展联盟群、弗戈学堂交流群、绍兴市产业


互联网促进会系列群、潍坊工业互联网学习群、先进制造业3群、工业智能制造群、智汇工业群、江苏省企业信息化协会总群、山东物联网百人会、珠海市工业互联网协会、工业互联网+工业区块链研究组、转型升级高级研修班总群等微信社群。

作为宣讲活动主持人，对上述支持单位、社


群组织表示衷心的感谢。

今晚是宣讲团第二季第二场宣讲，我们荣幸的邀请到本期宣讲专家——中国西电集团中央研究院总经理康鹏举博士，康博士曾在通用电气公司、联合技术、康明斯等国际知名公司从事新产品技术研发及研发团队管理工作，在智能电网、工业互联网、智能装备、数字化等领域有30年相关研究经验，是一位重量级嘉宾，他今晚主讲的题目是《工业互联网平台的技术内涵和创新应用》，接下来，有请康博士进入宣讲时间。

以下为康鹏举博士宣讲图文：

大家晚上好，很高兴在这里和大家见面，共同探讨工业互联网平台这个话题。下面我将分享一下我对工业互联网平台技术及应用的一些认识。

一．控制的故事

人类的故事总结起来说就是关于控制的故事，更具体的说，就是控制能量的故事。蒸汽机的发明使人类进入了机械化时代，而蒸汽机的核心控制装置就是常说的调速器。通过这个装置，人类实现了对蒸汽散发的能量的驾驭。当瓦特发明了蒸汽机的调速器后，人们通过调节阀门开度，有效控制蒸汽的流量和压力，从而驱动轮船、火车、汽车等交通运输工具。后来，人类学会了驾驭电能，进入电气化时代，发电、输电、用电，深入到人类生产力的各个方面，我们控制能量的手段更加多样，也更加精准。现在，人类进入到数字化时代和互联网时代。

在数字化时代，数据和信息是一种特殊形式的能量，和机械化时代以前的蒸汽一样，如果不知道如何驾驭，它们只能白白流失。数字化时代的企业要想成功，不仅需要拥有数据，还需要驾驭数据，将数据转化为商业价值。谷歌、百度、腾讯等，之所以成功，是因为她们找到了如何驾驭数据的真谛。当人工智能广泛应用于能量控制的各个方面的时候，也就标志着智能化时代的来临。目前，我们还处在方兴未艾的数字化时代，智能时代的探索阶段。

二．工业互联网

工业互联网作为数字化时代的典型特征，其核心理念就是要将机器，数据和人深度融合。工业互联网的基石是极致的机器：性能极致、性价比极致、用户体验极致。极致与智能的机器个体，能够相互连接，所组成的系统体现出指数效应级的价值。设计极致的机器需要相应的数字化设计手段和工具。

数字主线和数字孪生技术的进步可以使设计和验证在数字空间中虚拟进行，让工程师的创造潜力得到充分释放。一台智能的机器本身就是一个移动的（如旋转的发电机）或静止的（如电力变压器）数据中心。机器感知自我，也感知自己所处的环境，收集并积累大量的数据。数据有的在内部流转，有的与其它机器交流。数据是机器的表达，数据分析即是对表达的释义，发掘其内在的规律和特征。数据和分析诠释了工业互联网更深层次的价值。

如何让数据在工业互联网中有效流动起来，将数据转化为价值而不是将这种能量白白散失。赋能与人，让人在整个能量控制过程中更有灵活性、更加关注目标结果，让创新更加自如；赋能与物，让机器能够自适应、自诊断，具有“大脑”。赋能与人和物是工业互联网平台应用创新的核心问题。总之，工业互联网平台将会以新的业务生态系统的方式为利益相关者营造独特体验和价值。

三．通过工业互联网平台，实现数字化重塑

工业互联网平台所构建的业务生态系统，将实现企业乃至整个行业的数字化重塑。应用创新需要将多种数字技术进行有效融合，包括：云计算、边缘计算、认知计算、智能终端、数字孪生、数字主线、数字化知识体系、移动通讯和物联网等。通过这些技术的融合，我们可以重新构建客户及合作伙伴关系，以百万级别的APP让人、机器互动，提供极致和独特的用户体验，重塑行业价值链和业务运营方式。

工业互联网的应用并非局限于特定流程，如：库存优化或工厂车间的数字化、自动化，它涉及整合全产业价值链，包括：客户交互、产品创意、产品设计、智能制造和资产优化管理等诸多数字化流程。成功的工业互联网平台将从根本上重新定义企业的经营方式，以及企业与其利益相关者之间的互动方式。

四．工业互联网平台技术元素

根据《工业互联网平台白皮书》，工业互联网平台涵盖边缘层、IaaS层、平台层（也叫工业PaaS层）、应用层（也叫工业SaaS层）以及贯穿上述各层级的安全防护。对应工业互联网平台的层级，我们来进一步看一下工业互联网平台的具体技术元素。边缘层是指智能机器、设备层。智能机器的“大脑”是由工业控制器诸如PLC，IPC，PAC，或特殊行业用的智能终端等承担。机器的数字化和智能化是下一阶段工业发展的必然趋势。目前，以边缘机器智能为特征的下一代的智能终端技术正在开发中。

建立在以太网络基础之上的链路连接解决了大部分机器的物理连接，Profinet、实时Ethernet等多种工业协议解决了局部通讯问题，但也制造了诸多信息孤岛。异构机器间统一的通信规范和标准能够有效的打破孤岛，虽然OPC-UA及NB-IOT等技术已经有了实践性的突破，但是实现真正的安全互联互通，满足工业控制的实时性等要求，机器与机器通讯层面需要继续创新。

工业应用场景通常是一组/群机器在一起协作运行满足生产过程的需求。比如：发电厂、化工厂、水处理厂等。机器间的协同需要一个计算能力较强的计算平台就地实现系统性、实时性强的优化控制任务。物联网雾计算平台的发展为工业雾计算技术创新提供了机遇。

通过工业互联网的IaaS层和PaaS层实现机器数据上云，即实现基于云平台的工业大数据的收集，储存，提取等数据管理任务。由于有了工业雾计算层的过滤，进入到云平台的数据，具有时序和聚焦的双重特征，更加有效，针对这种数据的收集和存储不能再用传统的处理方式，需要创新出适用于更高阶数据和业务挖掘的面向对象和服务的数据积累新模式。工业互联网平台赋能与人的特征属性要求PaaS层提供给使用者简单易用的通用性数据处理方式和工具集，快速、高效、敏捷的构建业务，让工业领域的行业专家能够轻松众创，让构建应用的过程不再是一个编程的过程。

SaaS


层主要进行工业数据的应用以及将数据转换为商业价值。通过建模、计算、分析，让形成的结果具象化展示出来，针对特定的商业目标，开发特定功能的APP，可以是报告、控制、优化等。这种商业价值的体现，由数以万计的APP承载。通过数据提升整个企业的运营效率，关乎协作的效率，流程的精简，从而提质增效。

五．工业互联网生态系统

工业互联网的发展为工控与自动化行业开拓了一个新的技术生态系统，生态系统中的每一项创新都在为工业互联网的发展做着积极的贡献，也为未来企业的发展带来了机遇。工业互联网时代将催生新一代的智能传感企业，智能终端企业，嵌入式控制企业，专注工控网络设施的企业，网络安全方案解决商，技术产品提供商，工业云平台及相关服务提供商，工业大数据分析、可视化工具的提供者，以及各个垂直行业解决方案的集成商和服务商。这个生态系统异常庞大，技术门径多样，可以说百花齐放。

六．工业互联网平台创新

1




、智能终端技术

工业行业的异构多样性决定了市场对智能终端的需求是多样化的。随着物联网技术的发展和工业领域对其认知的不断加深，智能终端技术创新有了新的机遇，比如：轻量级操作系统或无操作系统的物联网终端平台可以用来开发低成本的工业智能终端；借助开源软件技术开发下一代低成本高性能的开源工控装置，如开源PLC，开源IPC，开源PAC等；多核工控机的出现为开发下一代高端工业控制器、工业边缘计算平台和工业雾计算平台打下了良好的基础；借助CPU虚拟化技术开发多操作系统的虚拟控制器可以有效支持工业APP在边缘和雾端的部署；智能终端设备支持机器直接上工业云平台等。因此，智能终端必须支持多种通信协议，如：MQTT, HTTP, RESTFUL, DDS，CAN bus，EtherCAT，Modbus，OPC- UA，PROFINET，ZigBee，WIFI 等以满足不同行业的数据连接的要求。

虚拟化技术的发展能够使一台工业控制器同时支持多种操作系统，如Windows，Debian，Arduino， Ubuntu，Linux Mbed，Yocto， RTOS，Fedora，Android，TI-RTOS，Raspbian等，从而以极其灵活的配置方式支持多种应用开发环境和计算语言。智能终端不仅满足于传统实 时控制的需求，还将建立信息孤岛之间的连接桥梁，将高级应用（边缘计算、人工智能）在机器端就地部署，让机器有了“大脑”。

2




、工业大数据平台

工业数据的特殊性和复杂性对工业大数据平台提出了特殊的要求。工业数据包括机器数据，传感器数据，环境数据，设计数据，文档数据，记录，多媒体数据，网页数据，业务数据，生产制造过程数据，能量数据等。数据平台必须有效支撑对这些结构差异、时序差异、“脏”的大数据进行统一管理，高效使用、共享、以及价值转化。在工业互联网时代之前，工业数据的处理的主要关注点是如何实时的处理和利用机器数据，所以实时数据库技术得到了蓬勃的发展，几乎每个工控系统提供商都有自己的实时数据库技术。

工业互联网时代，实时数据库技术已无法满足工业大数据的需求。开发工业数据湖技术势在必行。如何有效地整合大数据领域已有的技术，如：Hadoop、Spark、Historian、Docker等为工业大数据管理与分析所用是关键，形成工业数据湖技术。工业数据湖技术包括工业数据的储存，提取，归类，查询，发布，共享等。工业数据湖可伸缩，弹性扩展，能够将资源最优化配置，可以有效支撑工业互联网中数据的流动、存储、预处理和业务APP的调用。

3




、大数据挖掘分析

工业大数据犹如流动的能量，如果不控制（挖掘分析），就只能白白散失。有效分析工业数据需要特定的一组分析工具，根据具体的应用场景做相应的组合。常用的工业大数据分析方法有基于统计的，机器学习的，基于机理模型的，基于物理模型的（如多领域物理模型，寿命模型，失效模型等），基于信号处理的 （如傅里叶变换，小波变换，卡阿曼滤波，压缩传感等）。综合而言，将基于物理机理等的模型和基于数据的模型有机结合是最有效的分析体系。这个体系被定义为数字孪生。工业大数据是由物理系统原始提供的，物理系统中的机器是工程师按精确的物理知识设计的，物理知识的积累促进了人类工业文明。数字孪生是人类物理知识的载体。

大数据挖掘分析以数字孪生为基础进行，让强弱相关的数据都有了统一的组织。基于模型的APP，基于业务单元的APP，让复杂的分析类似搭积木式的构建起来，由此催生出APP池技术，对数以万计的APP进行组织和寿命管理。

工业数据的来源多元化，其中有制造数据，质量数据，运维数据，机器数据，业务数据，流程数据以及其它类型的数据。这就需要通过有效的数据可视化工具以直观的方式展现这些数据的内在信息。开源技术如：Tableau, Qlikview, FusionCharts, HighCharts, Datawrapper, Plotly, Sisense 等为工业大数据的可视化提供了强力支撑。

4




、人工智能

人工智能技术在商业领域得到一定程度的应用并取得进展，尤其是在语音识别，翻译，图像处理和自动驾驶等方面。当我们通过工业互联网平台解决了工业数据源的问题后，人工智能在工业领域的应用就水到渠成。工业行业目前的诸多挑战如知识的管理，复杂系统的数字化设计，控制，诊断与维护等都可以借助人工智能技术加以解决，届时，人工智能技术在工业互联网的多个层级都会得到极大的发挥，尤其是促进边缘计算的发展和落地、雾计算和云端的高级应用。

我们常常在思考：究竟什么是智能？要回答这个问题，我们先要了解人是怎么思考的。我们每个人大脑里有一对孪生兄弟，一个是急性子，一个是慢性子。人思考或做决策就靠这两个系统，我们称它们为系统一和系统二。系统一主要靠感觉无意识地做决定。比如，运动的时候，篮球过来要接，足球来了要踢，这是人的直觉反应，不需要思考。系统二会谨慎，要做严密的逻辑思考和对未来的预判。人决策的时候，都会用到大脑中的系统一和系统二。所以，有时你会当机立断，有时会审时度势，这就是系统一和系统二的平衡结果。要想培养系统二的能力，就要多读书、思考，用逻辑去思维。人的智能就表现在系统一和系统二的平衡能力。

5




、工业机器的智能

机器的智能化是指机器能像人一样思考。我们需要开发这样的机器控制技术，使机器的“大脑”像人一样通过系统一和系统二的协作进行感知，思考与决策。其中，系统一靠知觉、经验；系统二靠逻辑严密的运算、思考和分析。要实现机器的真正意义上的智能化，需要解决有关当前、过去、未来知识的有效整合。如果机器学会整合过去的经验，利用先验知识，学会能应对当前，能够预测未来，这种机器就是一台智慧机器。实施这种智能机器的设计需要相应的硬件平台和软件平台支持，再加上双系统思维的理论框架指导。基于反馈的现代控制理论可以很好地解决系统一的实施。系统二的实施目前还没有很好的解决方案，需要开拓与创新。

七．工业互联网平台应用创新

带着关于智能的思考，工业互联网平台的应用创新的图景如下：

机器作为工业互联网的边界节点，智能化是其必要的特征。这要求我们首先以工匠精神去设计，制造出极致的智能机器。智能机器作为工业互联网的基石，具备交互、预见及迅速反应的能力。智能机器之间可以根据需要交谈、求助、交流信息，对环境变化做出反应，使工业互联网系统能够创造预期的价值。智能机器可以运筹帷幄，在某种程度上像人一样思考。下一步是将智能机器联网运行，即机器上云。机器与机器，机器与人互联需要以稀疏通讯的方式进行设计，以避免机器被不相关数据信息淹没。第三点，要将智能应用在边缘，雾端，云端合理分布式部署，有效实现工业系统的优化控制。第四点，通过数字化技术开发提升系统效率，实现产业升级的工业APP。最后，通过工业互联网平台重塑工业控制行业，重构工控软硬件生态系统。

1




、边缘计算

工业互联网的基石是智能机器，这需要我们突破传统PLC的框架，开辟与未来智能机器相匹配的智能终端平台。这需要在终端硬件、软件和应用方面大胆创新，开拓工业互联网时代的PLC。这里我们给出一个可能的基于双系统的智能终端解决方案。一台能源设备的控制器可以由两个信息处理芯片构成：一个传统的CPU芯片和一个神经网络芯片（NPU）。CPU芯片负责运行传统的实时控制算法，实现上述“系统一”的功能。NPU芯片支撑人工智能算法和大数据的分析功能，实现上述“系统二”的功能。同时，系统二还承担和云端安全连接的功能。控制软件的开发，部署，更新和升级都可以在云端远程进行， 实现现场的不停机升级。软件部署形式采用APP推送。系统一和系统二之间采用安全隔离，保证实时控制的安全性。系统二除了做就地数据处理分析外，同时负责数据的整合，选择合适的数据以合适的形式上传到云端做进一步处理。

2




、雾计算

工业互联网时代又可称之为大物理-大数据的时代。在这个时代，如何将物理和数据结合创造更多的价值是关键。厂级控制是指对一个工厂范围内的所有机器做协同控制。这个厂级控制器和物联网的雾计算平台相对应。这就是我们所说的工业雾计算平台。工厂级控制平台需要比智能终端更强大的计算能力以支持基于物理原理和大数据处理的实时控制算法。我们权且称其为：智能现场代理器。它和智能终端相比，设计原理相似，区别是计算能力大大加强，APP的数目和规模也更大。

3




、云计算

工业云平台的作用是整合机器、制造、业务、运营、运维以及其它数据源的数据，并将这些数据形成闭环，为整个产业链创造价值。机器的智能终端通过现场代理器安全接入云端。云平台由云平台资源层，数据层和应用层三部分组成。其中，云平台资源的配置必须灵活柔性，支持公有云和私有云的部署，以满足工业用户多样性需求；数据层的设计要适合工业大数据处理的特点；应用层必须能够支持多种工业软件的云端化和APP池化，以满足行业用户的不同需求。工业APP从应用的角度可以分为以下几类：资产优化APP，流程优化APP，赋能工具APP，产品设计APP，产品创意APP和知识管理APP等。为保证工业互联网的安全，必须有一个点对点的安控系统解决方案和相应的安控APP。用户对APP的访问还需要支持PC、平板、移动端等。

4




、工业大数据湖

目前，工业云平台的数据层基本是借用商业云平台的数据层技术。工业云平台数据层的下一个创新亮点是工业大数据湖，它将用来专门储存，管理各类工业数据，如传感器数据，机器设备数据，设计数据，监控数据，业务ERP数据，多媒体数据，社交媒体数据，办公数据等。工业互联网平台需要配置相应的工业大数据搜索工具，储存工具，数据挖掘工具等做有效支撑，开发出适合工业大数据的索引、搜寻和交易的核心数据层技术。

5




、工业大数据分析

工业大数据分析的过程是将数据、业务知识和物理知识有机结合起来，来回答三个问题：发生了什么？正在发生什么？将要发生什么？有了关于这三个问题的答案，就可以实施对整个工业系统的优化。为了实现、运维和业务流程的优化，选择合适的算法和发掘知识的价值都是为实现上述三个问题服务的。传统的基于业务点的数据分析已经不能满足工业互联网平台级的需求，数字孪生技术体系和APP池技术将是一种突破。

美国的工业大数据生态系统相对形成的较好，培养了大批参与者从不同的侧面和视角解决工业互联网的推广与落地。其中，有人在解决数据源的问题，有人在开发开源平台，有企业做数据平台设施、APP开发平台、算法，行业APP，有许多公司在做各个行业的垂直解决方案。这个生态系统是开放的，其中OpenStack、Docker、TensorFlow、Kafka、Hadoop、Spark 等开源技术促进了全球众创。

6




、数字孪生

数字孪生



指的是物理机器及其所在的环境在数字空间的一种描述、映射或表征。数字孪生系统技术体系的内容有：数字孪生语义（Ontology）技术、数字孪生知识体（Knowledge）技术和数字孪生数据体（Data Model & Meta-data Model）技术。数字孪生语义的是一种定义不同数字孪生的类型、性质、以及相互关系的体系（a formal naming and definition of the types, properties, and interrelationships of the digital twins）。数字孪生知识体是对所代表的物理实体的机理、结构、参数、设计和行为等的聚合。数字孪生数据体是对所代表的物理实体的现在和历史所产生的数据流按照特定模型组织的集合，它还包括定义数据模型的元模型。

一个抽象的、多维度、多分辨率的数字孪生数据体是开启工业APP时代的“银弹”。以数字孪生平台体系为基础的工业APP将打破现有工业软件系统所形成的孤岛，让APP的开发有了统一的数据标准。贯穿产品的整个生命周期，我们都可以构建出每一个阶段的APP。如果我们试图将这些工业APP分类的话，它们大致可以归类为：数字孪生，数字主线和知识体系。数字孪生可以是多种表现形式，比如：由物理机理驱动的机理模型、产品的设计模型、数据驱动的相关模型、描述机器属性的资产模型、用于控制的信息模型、以及机器性能模型等。

数字主线是指将产品在整个寿命周期内串在一起的数字化平台，是数字孪生、产品生命周期中每个环节的数据及知识体系的载体。它就像针线一样，贯穿机器生命周期的每个环节：客户、市场需求，产品的创意，产品的设计，产品的仿真，产品的加工制造，产品的出厂检验，产品的投入和现场运行，最后到寿命结束。

知识体系是在数字孪生和数字主线中以模型的形式存在的抽象体。目前，这些技术体系的建立才刚刚开始，需要行业的广泛参与创新，共同构建数字化时代的工业软件生态系统。

数字孪生技术为工业互联网的创新应用带来了契机，无论是电力行业还是化工行业，垂直应用变的有章可循。其核心就是需要构建基于行业的基础数字孪生技术/平台体系。这个体系必须能支撑机械、电气、热力等多领域的建模，包括：物理模型、机理模型、各种算法模型、机器学习模型及传统的统计模型等。通过这些模型可以便捷地构建各种用途的数字孪生。这个过程由建模平台完成，该平台必须具有完善的仿真能力，配置好的APP可以在该平台上进行虚拟验证。

这个体系还包括实施平台和工具平台，处于建模平台的上一层。在这里，验证后的APP可以直接转化为设计模型和源代码在各种计算平台上部署实施；可以有效集成各种工业知识和文档，如用户需求，设计文档，测试文档等。工具平台也提供各式各样的赋能工具，如：构架设计工具，可视化工具，追踪工具、集成工具、组态工具等以便APP跨行业实施部署。

数字孪生的部署与应用

从计算资源和网络资源有效利用的角度考虑，数字孪生必须以合理的方式在机器端（边缘），厂级端（雾端）和云端部署，从而实现物理资产控制、管理，优化，业务优化、赋能等诸多工业应用。物理资产控制内容包括：传感器数据实时处理与分析、高性能实时控制、 执行机构监控、 闭环降载荷、自适应控制、故障处理、安全停机、优雅停机等。物理资产管理包括: 远程监控、远程诊断、远程介入、远程升级、远程维护、性能评估、故障分析、资产可视化等。物理资产优化含: 智能增工、智能增效、 智能增寿、智能改造、寿命管理、基于状态的维护等。业务优化涵盖内容有: 预报、规划、排产、调度、仓储管理、资产跟踪、追踪等。赋能、流程优化的任务有：工作流、查询、文档、手册、多媒体、翻译、用户行为分析、合作、分享、按需设计，随选工具等。

数字孪生的部署与应用：远程诊断

远程监控与诊断是工业互联网平台的一个典型应用。以远程诊断为例，一台机器的诊断由多个分别部署在不同层级的数字孪生APP协作完成。在机器端（边缘端），一般部署有实时处理要求的应用APP，如传感器、执行器诊断、健康指标与特征提取、周期数累计、特诊提取、数据缓冲、诊断用线性模型的使用等；厂级端（雾端）部署实时性要求稍弱，但又需要大量计算的应用APP，如模型自适应、健康状态特征值数据库、模型训练、频谱计算、小波变换、报警优先级处理、事故录波等。云端部署高计算量需求的APP，如高保真物理模型，寿命估计，模式识别，故障回放，故障追踪，机器学习，场景演绎，相关分析，集群分析等。三个层级的APP分别处理机器本体、机器群体和系统群体所在范围的诊断。实时性、数据传输的资源、计算资源等都是决定APP分类部署的重要因素。

数字孪生：控制应用

另外一个例子是数字孪生在风电场设备控制领域的应用。有一些APP被部署在风机控制器内（边缘端），有一些APP被部署在风场控制服务器内（雾端），还有一部分部署在云平台上。一般情况下，机器端部署的是单个风机的线性模型，或简化模型；在风场控制器内部署的是整个风场及环境的模型； 在云端部署了高保真的物理机理模型，用于估算部件的寿命以及流体力学有关的的复杂计算，如尾流的计算仿真等。这些APP相互协作，在保证风电资产寿命和可靠性的条件下，实现最大可能的风能捕捉。这个闭环的优化过程是100%自动化的，不需要人工介入。

八．软件定义的工业互联网平台

在工业互联网产业联盟发布的《工业互联网平台白皮书》中，工信部信软司副司长、中国信息化百人会执委安筱鹏博士在前言中清晰简明地指出了工业互联网平台的本质和定位——“工业互联网平台是传统工业云平台的迭代升级”，“工业互联网平台是新工业体系的‘操作系统’”。

未来将是一个软件定义的世界。随着技术的发展，硬件趋于标准化、模块化，虚拟化和池化，硬件的功能及性能也将通过软件来定义。工业互联网平台的发展将由软件的进步所主导。工业APP作为工业知识的载体，是未来工业数字化经济的主要驱动力。

根据《国务院关于“深化互联网+先进制造业”发展工业互联网的指导意见》，到2020年，我国工业互联网平台体系将初步形成，有望建成10个左右跨行业、跨领域，能够支撑企业数字化、网络化、智能化生产的企业级平台；到2020年，我国还将利用推进工业互联网发展的契机，培育30万个面向特定行业、特定场景的工业APP，推动30万家企业应用工业互联网平台开展研发设计、生产制造、运营管理等业务。

机器的数字化、智能化将加速自动组态工业软件的发展，工业APP制作流水线技术或许是创新的另一个关键点。为实现国家2020年工业互联网发展目标，工业行业急需一款跨行业APP开发和部署的平台，可以支持多种语言和开发环境，以组态的方式灵活实现各种工业应用。大规模开发和部署工业APP是一项艰巨，但又必须完成的任务。

开源技术为打破行业技术壁垒提供了有力的武器。谁能够通过开源、开放的平台和工具，有效地组织大众创新，有效地将片散化，孤岛化的工业知识体系微服务化、APP化、系统化、价值化，谁将是工业互联网时代的领头羊。

人类的故事就是控制能量的历史。在数字化时代，数据与信息是另外一种形式的能量，工业互联网开创了技术创新、应用创新，和模式创新的工业新纪元，让我们以更加开放、包容、智慧和创新的精神，打破机器-系统-人之间的壁垒，实现机器-机器、人-机器之间的高效协作与多系统的和谐共生，拥抱工业互联网时代的到来。

本次宣讲到此结束，谢谢大家的热心关注和宝贵的时间。

【主持人】：

感谢康博士带来精彩的分享。康博士的报告从控制的故事谈起，指出工业互联网作为数字化时代的典型特征，其核心理念就是要将机器—数据—人三者深度融合。我们的制造型企业可以通过工业互联网平台，实现数字化重塑，重新构建客户及合作伙伴关系，重塑行业价值链和业务运营方式。

康博士为大家详细阐释了工业互联网平台的技术元素，包括智能终端技术、工业大数据平台、大数据挖掘分析、人工智能、工业机器智能等。用浅显的文字描述了康博士眼中的“智能”，同时为我们描绘了工业互联网平台的应用创新图景：第一步，智能机器作为工业互联网的基石，第二步，机器上云，第三步，将智能应用在边缘、雾端、云端合理部署，实现优化控制，第四步，开发工业APP，第五步，通过工业互联网平台重塑工业控制行业，重构工控软硬件生态系统。

在工业互联网平台创新应用中，康博士为我们介绍了边缘计算、雾计算、云计算、工业大数据湖、工业大数据分析、数字孪生等相关技术和具体应用，信息量很大。感谢康博士为大家带来一场丰富的工业知识饕餮盛宴。

【网友互动环节】

【群友提问】：



刚才主持人提到康总在


GE


工作过，请问


GE


的工业互联网平台与我国的工业互联网平台有什么本质上的差异？

【康鹏举】：



工业互联网平台涵盖边缘层、


IaaS


层、


PaaS


层、工业


SaaS


层以及贯穿上述各层级的安全防护。从构架看


GE


的平台和我国的平台没有多大区别。


GE


工业互联网平台和我国的平台差异在于内容细节。


GE


认为智能机器是工业互联网的基石，因为只有智能的机器设备互联才能将系统的效益最大化。


GE


非常重视边缘技术的创新。对


GE


这样的大型设备厂商来讲，边缘技术具体指的是机器设备的控制器，也叫做智能终端。


GE


是目前工业互联网平台企业中唯一一个能提供工业级智能边缘装置的企业。

GE


的智能终端产品就是她的


Predix machine


产品系列。通过


Predix machine


，


GE


制造的各种机器可以通过互联网安全地和


GE


的


Predix


工业云平台无缝连接，


GE


的工程师可以在任何时间、地点访问


GE


的在线机器设备。另外由于


GE


的规模，过去的多年中已经陆续开发了许多工业


APP


，而且这些


APP


也为


GE


带来了实实在在的商业价值。做工业互联网的目的是实现数据闭环。我认为


GE


在将数据转化为价值方面做得相对较好，在一定程度上


GE


实现了数据闭环，即智能机器产生数据，分析


APP


将数据转化为可以执行的信息来进一步优化机器的运行、设计、改造、升级、创新。

【群友提问】：



您在报告中提到工业互联网平台技术创新包括了人工智能、工业机器的智能，请问如何理解人工智能与机器智能，他们之间的关系和区别是什么？

【康鹏举】：



人工智能（


AI


）其实很难定义的清楚，不同的人有不同的解读。通俗地讲，所有模拟人的感知，思维，行为的技术都可以称为人工智能。目前最为流行的人工智能技术大都基于深度学习的模拟神经网络，主要应用场景是各种各样的模式识别应用，比如语音识别、语义识别、机器翻译、图像识别等。另外一个技术学派就是基于计算机语义学的符号流派。曾经风靡一时的人工智能语言


LISP


旧属于这个流派。


LISP


通过一阶逻辑体系模拟人脑的逻辑推理能力

机器智能（


MI


）指的是机器模拟人的感知，思考，决策，行动方式对机器自身进行控制、操作。一台机器的运行状态由内置于机器的控制器负责调节。这个控制器就是机器的大脑。纵观人类工业文明史，工程师们的一个奋斗目标就是将自己的智慧复制到机器的大脑中，让机器“人化”。机器智能设计主要依赖物理知识、信息论、自动控制理论的支撑。

人工智能在机器智能中应用非常少见，从事人工智能的工程师很少和自动控制工程师交界。主要原因是大多数工业机器的控制要求实时性、准确性、安全性、可靠性。依赖数据的人工智能算法在这些性能要求上无法和基于物理模型的控制算法比拟。另外工程师必须具备深厚的物理机理知识才能设计出性能良好的控制器。

工业互联网时代，这种局面将会改变。创造未来的智能机器如自动驾驶汽车、飞机、机器人等，人工智能工程师和控制工程师必须走出自己的领地，协同合作，思想融合。

【群友提问】：



您认为工业互联网平台应用创新最有可能在那些领域落地应用？作为中小型制造企业，如何进入工业互联网平台生态体系？

【康鹏举】：



新能源行业，如基于工业互联网的智能风场，智能光伏场；工程机械领域，如远程运维，工业车联网；智慧矿山、智慧物流、智慧园区、智慧城市、智慧能源系统等都是很好的落地应用场景。企业生存之道是向客户提供有价值的产品或服务，中小型企业也不列为。

中小型企业进入工业互联网生态体系的途径如下：

1.


利用工业互联网技术提高内部效率，从精益制造向智能制造转型；

2.


利用工业互联网技术将产品数字化、智能化，掌握软件定义技术，提升用户体验，和产品附加值；

3.


寻求在工业互联网生态系统中的附加盈利空间和模式，如服务转型。

重磅推荐：工业互联网“连”什么？

本文是斯欧信息根据多年的制造业信息化建设项目实践经验，结合新技术、新概念总结出来的理论和方法。为企业实现工业互联网提供落地思路和参考路径。

01

工业互联网浪潮

先蹭一个热点，上个月召开的全国人大会，“工业互联网”，成为了当前的热点，对工业互联网的概念，大家议论的比较多，说明了大家都是比较关注的，十九大进一步明确提出：制造业一定要在本世纪中叶综合实力进入世界制造强国前列，工业互联网的发展必须围绕这个目标。在总理的报告中进一步强化了“制造强国”、中国制造2025及工业互联网的关系。这是继2017年11月27日国务院常务会议审议通过，国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》之后，在“两会”上提到“制造强国”、“工业互联网平台”及创建“中国制造2025”示范区，国家将“工业互联网”作为了实现制造强国的有力措施和手段。2018年2月24日，为加快推进工业互联网创新发展，加强对有关工作的统筹规划和政策协调，经国家制造强国建设领导小组会议审议，决定在国家制造强国建设领导小组下设立工业互联网专项工作组，工业和信息化部部长苗圩任组长。说明工业互联网已经上升为国家战略。

工业互联网这么热，那工业互联网在企业怎么落地？工业互联网的连接要素有哪些，工业互联网究竟连接什么呢？本文抛砖引玉，给大家一个思考的途径。

02

我们向互联网公司学习什么？

生活互联网，大家都知道，与我们的个人生活息息相关，支付宝/微信等应用已经深深走进我们的生活，离开了互联网，我们简直就没有办法生活了。

• 
  阿里说它
  
  
  连接
  
  
  “
  
  
  人与商品”
  

• 
  腾讯说它
  
  
  连接
  
  
  “人与人”
  

• 
  百度说它
  
  
  连接
  
  
  “人与信息”
  

03

工业互联网从“连接”开始

我们说工业互联网，它与生活互联网一样，本质上它还是一张网，那么它的核心技术还是“连接”的技术，但是生活互联网从一开始，就是基于这个业界认可的标准规范发展起来的，比如说这个访问的协议就是http，内容的标记语言就是HTML，不管后台用什么技术实现，只要一发布，用一个通用的浏览器就可以访问。但是工业要素的互联呢？到现在还没有一套统一的标准和规范可以遵循，各个工业要素之间的通讯协议、数据模型、语言都不统一。因此，实现各个工业要素之间的互联面临的困难比生活互联网的互联要大的多。

工业界经常用到的PLC控制器，有几十家品牌，每一种品牌不同的型号的编码标准、协议都不一样，那么还有这个工业自动化用的各种通讯的总线，有modBus，Can总线，Profinet总线等等，应用系统之间的接口形式也是多种多样的，真正的万国语言。

根据前面的分析，我们设计了整个工业互联网平台的三层架构，下图为实现这三个层面互联互通的架构图。

根据前面的分析，我们设计了整个工业互联网平台的三层架构，下图为实现这三个层面互联互通的一个架构图。

第一个层面是企业内部生产域的互联，实现应用与设备的互联，实现上连应用，下连设备；第二个层面就是实现供需链之间的互联互通，通过上下游企业间的业务互联，实现企业间的和合共生；第三个层面，产业集群的生态互联，实现整个产业生态的合纵连横。

04

从工业4.0参考架构说“连接”

工业4.0参考架构模型中有一个两化融合的模型，如下图所示，虽然德国赋予了他一个高大上的名字，工业4.0，但其实质与中国提出的两化融合模型是异曲同工的，叫法不一样而已，下面我们就来分析一下，为什么是两化融合的模型。

这个图表达了制造企业的两条生产“线“，一条生产线叫“办公生产线“（办公生产线的概念早在2010年斯欧出版的《自主变革的基石》一书中就已经提出），另外一条线叫“产品生产线”，两条线的要素是不一样的，模型也不一样。“办公生产线“的要素是什么呢？我们从图中读到了“应用”、“业务流程”、“服务”、“数据”、“云”、“合作伙伴”。“产品生产线”的要素有“产品工艺流程”、“控制”、“传感器”、“数据”、“事件”、“机器”等。这两条线的要素不一样、模型不一样、语言不一样、协议不一样，两条线代表了两个专业维度，一个是管理维度或者信息化维度，一个是技术维度或者工业化维度。

而目前我们大部分企业的一个真实运营情况就是已经拥有了办公和产品生产线。只是这两条生产线是相互隔离的，是各自独立运行的。我们要实现智慧工厂，智能制造，就是要将两条生产线进行融合，要实现这两个维度的融合难度很大，因为面临的可能是万国语言。

在这个参考模型里面要做的就是要将这两条生产线进行一个融合。这里有两句话：connectivity to anypoints（链接到任一端点）；common semantic model（通用的语义模型）。这就是给出的将两条生产线融合的一个方法论。就是需要有一个通用的语义模型来做转换和连接，这个通用的语义模型通俗点讲就是一个起到同声翻译的作用，我们不必让每一个要素都能够去理解其它要素，通过一个同声翻译的机制实现各个要素的互联互通和相互感知，那么什么样的技术可以承担这个同声翻译的角色呢？

那我们看这两个层面怎么实现连接和互联互通呢？

上面的办公生产线要素的连接，我们通过一个应用互联总线产品（S-ASB）实现互联互通。那么下面这个设备之间的连接，我们是通过设备互连总线（devBus）实现设备之间的互联互通。

通过这三条总线，将企业内部的、面对各个IT层面的要素，OT层面的各个要素，进行连接和互联互通。但是，是不是我们有了这三条总线，我们就解决了整个工业互联网的一切问题了呢？NO，为什么呢？因为即使说我们对这个数据提供了连接的通道，数据能够传达到各要素之间，但是有一个最核心的问题是，我认识这些数据吗？它从哪里来，要到哪里去？如果说我们这个数据没有一个合法的标签，对数据标签没有一个标准的解释，那么这些数据之间不能认识，不能感知，那么也实现不了互联互通。因此我们需要对各个要素之间发出来的数据打一个标签，相互之间才能认识，相互感知，所以我们要建立一个管理这些数据的系统。这就是构建一个主数据管理平台，主数据管理平台就是用于帮助我们建立数据唯一性标识的产品。

通过企业内部的三条互联总线：应用互联总线、设备互联总线、开放互联总线以及主数据管理这个标准规范，连同企业已有的应用系统（ERP,PLM,SCM,SRM,CRM,MES等）的云化部署，我们就构建成了企业内部的CPS系统或者工业互联网平台。

我们的应用互联总线S-ASB通过标准的参数化适配器与企业的各个应用系统，如ERP,PLM,SCM,CRM,MES等进行对接，实现这些系统之间的互联互通，为这些系统承担同声翻译的作用，无需编码，只需要各个系统提供标准的接口即可，通过接口的注册实现服务化，提供接口的自助发布服务和服务自动路由，共有三个组件组成，一个是服务发布平台，一个是服务商店，一个是服务监控管理平台。

开放互联总线（OPEN API Service BUS）也是三大模块组成，一个是API商店，一个是API发布管理，一个是API监控管理平台，开放互联总线（OPEN API Service BUS）通过与内部的应用互联总线对接，把发布到应用互联总线上的服务再一次映射成对外的Rest API，便于与外部的SAAS应用或者供应商的API进行调用交互，也可以把外部的SAAS应用的API 注册到OSB上,暴露给内部的ASB总线，从而被内部应用系统调用，这样就实现了企业内部系统与外部系统的互联互通，从而实现跨企业组织的协作，打通产业链的协同。也是0编码的方式来实现，不用编码，不用编程。

设备互联总线devBus是一个软硬一体机，基于DOCKER容器技术实现，主要用于边界计算，异构设备连接。拥有设备数据采集，通讯协议转换，虚拟设备定义，设备管理，设备能力服务化等功能，作为“IT”与“OT”连接的一个桥梁。

设备互联总线的设备连接采用“插拔式”接入方式。后台管理采用配置式方式，连线过后，只需在后台界面选择相应设备驱动，填写设备地址，即可实现现场实时数据采集。同时总线也支持集群部署方式，可任意横向扩展。最终可达到PB级数据量存储。

下面是边界计算的工作原理，我们通过物联网关与现场工业设备、智能硬件、传感器、SCADA系统以及DCS系统相连，可将现场数据进行抽取和汇集，然后再交由devBus一体机实时处理分析。一方面，再次形成了集成的数据中心。另一方面，它可以根据内建模型完成大数据分析、预防性维护分析等功能。它内置的服务发布模块可将设备数据进行能力化、服务化，暴露给上层业务系统ERP、MES、BPM等。

devBus如何实现数字双胞胎（虚实融合）？devBus的技术架构为从数据源抽取开始通过边缘计算、数据湖存储再到最后的设备数据服务化与上层应用系统打通。在边缘计算中，devBus内置了设备控制器，该控制器包含了已开发好的设备连接驱动，这便是实现设备协议转换（modBus、OPC、MQTT等）的核心，由此来解决设备协议异构的问题。而后，控制器抽取数据将通过消息流处理引擎，我们称之为“数据泵”，该数据泵便可对经过的设备数据进行计算规则处理，计算流式处理，最终在devBus中形成与设备对应的数字模型，建立起数字双胞胎。

主数据管理平台解决企业内部数据标准规范的问题，我们说主数据是企业数据资产中的一个“纲”，由它将企业内各部门之间、各系统之间的数据“拎”起来。它建立实体之间的关联与映射，建立数据标签，以保证数据的准确性和唯一性。

下图是主数据管理的4种模式（均以人员主数据举例）。

主数据的管理共有四种模式：

模式一：注册发布

由IT系统（如HR）创建主数据（人员），在MDM注册，然后再由MDM统一分发给其他业务系统。这种模式一般应用于企业内部已存在某个系统做主数据管理，这时，我们仍然沿用原系统做主数据管理，MDM只是做副本的管理和分发。

模式二：共管模式（共同控制）

由两个或几个IT系统（HR和项目管理）共同创建主数据的一部分，由MDM平台进行整合，最后再统一分发给其他业务系统。使用这种模式的主数据具有两个特点。一是各个IT系统存在差异化的需求，比如HR系统的人员主数据主要关注姓名、年龄、性别、住址、工作经历、联系方式。而项目管理系统主要关注人员姓名、项目编号、项目进度、项目组织关系。二是各IT系统的数据存在共性标准，有协同价值。比如上述的HR系统和项目管理系统虽然关注信息不一样，但都是人员主数据的范畴。

模式三：集中管理

主数据均由MDM平台统一创建，然后再统一分发给各业务系统。这种模式一般应用于企业内部无明确主数据管理系统或模式，就由MDM来创建和管理。

主数据是建立企业级数字双胞胎的

“纲”


。

05

从“连接”看工业互联网落地

众所周知，人作为一个生命体，是一个智能、智慧的生命体。那我们在谈智能制造的时候是否也同样可以把企业比作一个智能的生命体呢？答案是肯定的。

上图就是一个企业具备智能生命体征的架构。应用互联总线与设备互联总线充当的便是提供、传输养分的血液系统。各单体业务系统就好比是人体器官，车间设备、现场生产资源就好比是肢体部分。主数据所管理的数据对象便是细胞，定义各种细胞的正确比例。BPM好比是神经系统，实现端到端的连接。协同门户是我们系统的入口，就好比于感知系统。在上面还有管理决策信息舱。它上面就是一些大数据统计、大数据分析。这就好比是决策的大脑。通过应用互联总线，还可以和供应商、政府、事业单位、第三方合作伙伴的API进行连接，实现外部互联。

基于以上的分析，我们设计了智能制造协同平台的架构，在这里就是一个落地工具的一个实现。首先看下面设备互联总线这一块。对于现场没有建设工业互联网的设备，或是没有数据接口而需要加通信扩展模块的设备。通过物联网关，接入设备服务总线。而对于现场已建设工业互联网的设备(比如已有SCADA、DCS系统)，则通过OPC适配器将其接入设备互联总线。设备接入过后，将会形成一个统一的设备数据湖。里面存储着具体设备的温度、压力、流量、功率、能耗、效率、状态等数据。有了这些数据，我们就可以形成我们自己的设备服务目录了。这个时候，服务化的设备数据便暴露出来供其它需求方使用。紧接着设备互联总线上面的就是应用互联总线。它的意义则在于将各种异构协议的应用系统连同设备服务进行互联。至此便实现了整个企业内部的全面互联互通。而后，再通过供应链互联平台与外面的供应链上下游企业互联，与金融、物流、电商、政府机构互联。这样就可以实现最终的上连应用，下连设备，横连供应商，外连社会。

在整个互联协同平台的架构中，现场事件（比如设备故障、设备停机、物料不足）便通过设备互联总线被采集。而后该事件数据驱动BPM业务流程，流程进而驱动相应业务，如：再制品追踪、订单管理、调度等等。当然，这些业务的完成都是在各个不同的业务系统当中进行的。因为有了互联协同平台的存在而使得各单体业务系统之间的交互变得高效与便捷。因此，也就实现了各业务部门之间的跨部门、跨系统的协同协作。

前面一幅图是针对单个的企业来说的，这幅图是对主机厂以及它的下级供应商进行的一个描述。它们之间的互联也是通过互联协同平台完成的。此时便实现了企业所在产业链的互联协同。

06

为什么从“连接”开始

工业互联网的建设为什么说是从“连接”开始呢？

2017年，工信部信软司安筱鹏司长在全国产业互联网论坛上讲到，实现智能制造有三个点，难点、重点、突破点。

对于行业系统解决方案而言，难点在集成，重点在集成，突破点也在集成。

设备互联：

我们要从机器换人演进到生产线的纵向集成，实现以“点”（台、套装备）为重心的自动化改造逐渐转变为以“线”（自动化和智能化生产线）为重心的智能化集成。

供需链、产业互联：

要以智能生产线、智能车间为基础，通过横向集成实现产业链信息无缝链接，从企业内部协同研发体系演进到企业间的研发网络，从企业内部的供应链管理演进到企业间的协同供应链管理，从企业内部的价值链重构演进到企业间的价值链重构要整合产品全生命周期价值链，形成端到端集成。

内部应用互联：

实现从产品设计、生产制造、物流配送、使用维护等产品全生命周期的管理和服务。

从工业4.0成熟度模型来看，这幅图是德国工业4.0的一个成熟度评估模型。模型中第一阶段是computerisation（数字化），第二阶段connectivity（连接集成），第三阶段visibility（可视化），第四阶段transparency（透明化，洞察），第五阶段predictive capacity（预测能力），第六阶段adaptability（自适应）。第二阶段提到的就是连接。而目前我们国家85%的企业还处于第一阶段，即数字化阶段，15%的企业有IT/OT融合的需求。连接集成是必须的一步，最多只是时间的问题。

这里是福耀实现企业内部全面互联互通后的一个基于跨组织、跨系统的端到端业务竞价流程。通过该流程，福耀实现新品投标报价与实际成本的一个测算和管理。共分为商机管理、报价BOM设计、新物料询价、制造成本测算、报价方案、目标成本管控六个节点。每个节点后台的数据便是来自于CRM、PLM、CAPP、SRM等不同的业务系统。系统之间的互联互通便使得数据的交互变得简单和容易。整个流程的贯通高效的支撑了竞价业务的实现和管理。

来源：斯欧信息