工業互聯網平臺在流程工業的應用現狀與發展趨勢

姚 杰，溫懷鳳，張桂花

(重慶川儀軟件有限公司，重慶 401121)

0 引言

制造業是國民經濟的主體，是立國之本、興國之器、強國之基。國務院發布的中國制造2025戰略，是我國提升綜合國力、保障國家安全、建設世界強國的必由之路[1]。近年來，制造業面臨較大下行壓力，加上全球疫情的影響，短期還將面臨企業招工難、成本負擔重和市場需求降速等影響。國內外行業巨頭紛紛跨界，搶抓當下全球產業鏈和價值鏈重構的關鍵時期，通過建構優質的工業互聯網產業生態布局制造業。作為21世紀社會發展的最強動力之一，信息通信技術已成為促進工業、農業、服務業和公共事務發展的重要力量。經過近幾年的摸索與發展，逐漸形成了以工業互聯網平臺作為流程工業智能制造引擎的應用模式。

1 流程工業亟待解決的問題

流程工業主要包括油氣、煉化、化工、冶金、能源、環保等，是我國國民經濟發展的支柱產業和基礎原材料工業。其生產工藝過程復雜、連續，設備大型化、自動化程度較高，工藝流程相對固定，屬于資源和技術密集型產業。流程工業在制造業以及整個國民經濟中占據著舉足輕重的地位，其生產水平直接影響我國制造業的強弱和國家的經濟基礎[2]。

我國流程工業經過幾十年發展，取得了顯著進步，但普遍存在生產效率低、能耗物耗高、安全環保問題突出等現象，系統運行水平也參差不齊。究其原因，是我國流程工業的經營決策、資源與能源的配置計劃、生產計劃調度與控制系統指令，以及生產管理與運行仍嚴重依賴知識型工作者的經驗，遠遠沒有實現全流程整體運行優化；生產工藝研究過程還停留在企業的生產試驗，遠沒有實現數字煉鋼、數字煉油等虛擬制造，嚴重阻礙了流程工業向高效化、綠色化方向發展。

與此同時，流程工業還需要解決一系列核心技術問題，包括整個制造流程的一體化控制、各類專業設備與制造工藝過程的精確建模、工藝參數與生產指標的數據采集技術與算法分析、原料和能源消耗過程的數據分析統計、生產運行過程中設備的故障預測與診斷等。因此，傳統流程工業急需依托于大數據、物聯網的先進數字化信息技術進行有效提升。只有充分利用大數據、云計算、虛擬制造、邊緣計算、數字孿生等工業物聯網新技術，結合企業自身的生產特點，通過工業化與信息化深度融合，推進流程工業的自動化、集中化、集成化、整體化，才能使中國流程工業由大變強、領先國際流程制造業。

2 工業互聯網市場和產品架構

從中國制造邁向中國智造，工業互聯網技術被視為實現數字化轉型升級和打造智慧工廠的有力工具。工業互聯網是全球工業系統與高級計算、分析、感知技術以及互聯網連接融合的結果。它廣泛連接人、機、物等各類生產要素，構建支撐海量工業數據管理、建模與分析的數字化平臺，提供端到端的安全保障，以此驅動制造業的智能化發展，引發制造模式、服務模式與商業模式的創新變革[3]。工業互聯網平臺的技術架構如圖1所示。

圖1 工業互聯網平臺的技術架構

工業互聯網平臺是基于工業互聯網技術特點，面向制造業數字化、網絡化、智能化需求，支撐制造資源泛在連接、彈性供給、高效配置的工業云平臺[4]。中國工程院院士鄔賀銓指出，工業互聯網平臺在一定程度上是新工業體系的“操作系統”，向下對接海量工業裝備、儀器儀表、控制系統，向上支撐工業智能化應用的快速開發與部署，發揮著類似于微軟Windows、谷歌安卓系統和蘋果iOS系統的重要作用[5]。

據前瞻產業研究院統計，2018年全球工業互聯網市場規模約為8 059.1億美元，年均增長5.51%[6]，重點發展區域主要是美國、歐洲和亞太地區。美國集團優勢明顯，GE、微軟、羅克韋爾、亞馬遜等巨頭積極布局前沿技術創新，工業知識經驗軟件化、平臺化能力處于全球領先地位。歐洲工業巨頭(如西門子、博世、ABB、SAP等)憑借在制造業中的優勢，在產品研發、裝備和自動化系統、工業控制和工藝流程等領域快速發展應用[7]。

據不完全統計，目前國內僅提供工業互聯網平臺的企業就有35家，根據出身不同和對工業互聯網的理解不同，各自優勢和發展路徑也不同，大致可分為三類：第一類是以航天科工、三一重工、海爾為代表的工業龍頭企業，對制造流程輕車熟路，從制造業視角打造相對實用的工業互聯網應用，但互聯網基因、云計算技術能力相對薄弱；第二類是用友、浪潮、華為等信息通信企業，憑借在企業級市場的積累，結合產品技術和解決方案的積累，從底座產品出發打造工業互聯網平臺；第三類是以BAT為代表的互聯網企業，在互聯網、云計算、大數據領域具有先天優勢，但對制造業痛點和邏輯不夠了解。

工業互聯網平臺是從傳統工業信息技術(information technology,IT)架構轉變而來的。與傳統工業信息技術相比，工業互聯網平臺解決方案實現了從流程驅動的業務系統轉變為數據驅動的平臺應用新模式，更易于整合各種信息孤島和集成各種數據資源。工業互聯網平臺以基礎設施即服務(infrastructure as a service,IaaS)層為基礎，通過云端加邊緣部署的方式，集成各種設備、數據的接入和解析；以平臺即服務(platform as a service,PaaS)層為核心，一方面將工業知識解耦為機理模型并固化為平臺核心資源，另一方面通過機器學習將不斷積累的數據經過“訓練”以形成新的行業知識；以軟件即服務(software as a service,SaaS)層為應用，針對不同工業場景，基于面向對象和分層設計理念提供開放的應用服務。這些技術貼近制造業痛點，能夠解決傳統制造業智能制造轉型升級問題。

3 化工行業應用需求及成效

智能制造是基于物聯網、互聯網、大數據、云計算等新一代信息技術，貫穿于設計、生產、管理、服務等制造活動的各個環節，具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱[8-9]。工業互聯網平臺是智能制造的關鍵基礎，為其變革提供了必需的共性基礎設施和功能，在企業落地應用中取得了不錯的效果。下面以化工行業的智能制造轉型升級為例，介紹工業互聯網平臺在企業實際應用中的需求與成效。

3.1 應用需求

化工是典型的流程工業。化工行業的生產過程經常在高溫、高壓、易燃、易爆、強腐蝕性的環境下進行，自動化控制程度非常高，屬于連續性生產，主要通過計算機集散控制系統采集過程控制與設備狀態數據。化工企業普遍建設了企業信息系統，用于企業資源計劃、產品生命周期、供應鏈、客戶關系和環境安全等管理[10-11]。

隨著信息技術、通信技術和運營技術的不斷發展，化工行業也在信息集成、節能優化、安環保障等方面提出了新的需求。首先，需要利用工業互聯網平臺打通原有的分散的信息系統，完成信息采集、數據存儲和檢索分析，從數據關聯、可視化查詢、數據報告等方面，為企業實現決策和生產管理智能化提供數據支持；然后，需要挖掘分析平臺積累的海量生產數據并尋求生產規律，實現生產優化和降低能耗；最后，需要提供設備預測性維護技術工具，保障生產設備連續、長期和穩定地運行，并利用平臺實時在線的監控數據及時發現生產中存在的安全隱患[12]。

3.2 應用成效

面對化工行業的上述場景需求，工業互聯網平臺在生產領域落地應用的價值主要是構建數據平臺，形成統一的業務大數據池，并基于數據池和機理模型為主、數據模型為輔的工藝分析、優化，保障設備生產的連續性、經濟性。實際應用中，平臺滿足了企業大部分應用需求，但也存在不能覆蓋的領域。

①針對例如濃度、純度、密度、黏度等需要公式換算的軟測量，受天氣、原料、環境、工況等影響且影響原理比較清楚的運行狀況，構建數學模型，取得了較好的測量效果。但在未知原理的情況下，由于樣本還不夠豐富，基于大數據的機器學習對化工裝置的操作優化所起的作用有限，尚處于試用階段。

②在設備預測性維護方面，主要是面向如泵、壓縮機等動設備，開展電流、溫度、轉速、振動等全參數的狀態監測，通過實時在線狀態監測，結合設備故障機理模型，識別故障類別、確定故障位置和明確故障原因，進行預測性維護。現階段主要依靠設備廠商負責設備的監測、維護、診斷、維修和優化，完全由生產企業獨立運維的案例還比較少。

③在安全、環保等應用領域，利用平臺強大的物物相聯能力，打通企業生產、環境、能耗、設備等的數據，對數據進行分析、歸納、推理，實現預測報警和應急處理等功能。

④在供應鏈領域，主要是通過射頻識別(radio frequency indentification,RFID)等電子標志、物聯網和移動互聯網技術，幫助企業優化批量化工產品供應鏈配送體系，掌握不同地域的銷售需求，提高配送和倉儲效能[13]。

4 發展趨勢研究

縱觀近年來工業互聯網平臺在流程工業中的應用現狀，雖取得了巨大進步，但在數量眾多的中小企業中的推廣卻仍存在諸多障礙。對此，應該從企業發展、技術創新和人才儲備等多方面共同建設，以提升推廣效果。

4.1 企業發展

目前，流程工業對工業互聯網平臺需求存在“雷聲大雨點小”的矛盾，需求急迫卻又不愿買單，原因大致可以分為供、需兩方面。

一方面，工業互聯網平臺企業屬于知識密集型，各種前沿技術的研發和運營均需要投入大量資金，而由于工業自身的復雜性、差異性，項目定制化程度高、實施周期長，回款速度慢，導致企業面臨較大生存壓力。平臺作為軟件產品，盈利模式基于用戶規模效應。這意味著平臺企業需要在短期內積累大量用戶，才能實現營收上爆發式的增長。因此，有必要采取國家政策扶持和社會資本投資等手段，例如國家對平臺企業提供各種稅收優惠政策、在相關重大工程項目研發和示范應用階段提供項目資金支持；同時，為擁有核心技術和經營良好的平臺企業提供便捷的上市融資渠道，實現供血。

另一方面，對很多中小型流程制造企業主來說，長期在工業自動化領域的實踐和探索，使其對生產過程、倉儲物流了如指掌。而工業互聯網是一個虛擬的概念，企業主對它究竟能帶來哪些革新、投資回報率是多少、如何選擇平臺等問題往往一知半解。同時，工業互聯網的關鍵是行業知識的數字化，應用的是生產大數據，并直接提升企業生產效率。如果平臺對工業理解不深，觸及不到工業實質，再先進的互聯網技術也發揮不出應用的價值。這也在一定程度上影響了企業主進行數字化轉型的積極性。因此，可以利用“先富帶動后富”的策略，加快政府引導示范應用項目落地實施，廣泛宣傳和組織參觀，通過轉型成功企業的實際案例和現身說法，給廣大中小型企業以信心，為它們提供可借鑒的道路。

4.2 技術創新

除了市場和資金方面，平臺在標準化、發展方向、應用定位等技術方面也存在不足。

平臺應用要標準先行，針對工業互聯網跨行業、跨專業、跨領域的技術特點，應統籌規劃，加強頂層的標準設計，立足行業需求，兼顧國際體系，建立涵蓋術語定義、通用需求、架構、測試與評估、管理等基礎共性標準，網絡與聯接、標識解析、邊緣計算、平臺與數據、工業APP、安全等總體標準，以及典型應用和垂直行業等應用標準的工業互聯網標準體系，提升標準對制造業的整體支撐作用，為產業發展保駕護航[14]。如果沒有數據的統一規范與標準，就需要大量的數據讀寫操作和工程量投入，難以建立穩定的盈利模式。

其次，工業互聯網平臺的四個層級中，核心是PaaS層。PaaS層又分成了上、下兩部分。下部分是PaaS層的通用部分，包括設備管理、資源管理、運維管理和故障恢復等。上部分是PaaS中的核心，包括應用開發、微服務和模型三部分。微服務指的是數字化架構。模型指的是技術原理、基礎工藝經驗形成的算法。工業領域中，有機理模型和數據模型兩種不同技術方向的模型：機理模型是對原理的數學建模，用數學公式來進行原理的描述；數據模型最核心的不是算法，而是數據。雖然現在人工智能、機器學習很熱門，大有替代機理模型的趨勢，但工業領域與互聯網不同的是“小數據大問題”，如果無法解釋潛在的風險，即使只有0.1%的不確定，也是不可接受的。所以工業互聯網平臺要應用落地，繞不開行業工藝經驗知識的沉淀。

最后是IaaS層的工業互聯網APP。這是基于工業互聯網，承載工業知識和經驗，滿足特定需求的工業應用軟件，是工業技術化的重要成果。如果說流程工業需要工業互聯網平臺解決“降本、增效、提質、減存、綠色、低碳”等需求痛點的話，那首要發展的就應該是工業APP，以此解決不同企業不同細分行業的各種問題。

4.3 人才儲備

隨著工業互聯網技術在流程工業中的深入部署和應用，培養適應和引領未來智能制造的工程科技人才顯得更為迫切，流程工業智能化發展要求未來的制造業人才具有多學科知識，跨界整合、解決現實工程技術和管理問題的能力[15]。對此，全國政協委員錢鋒提出了幾點建議：重視制造業與人工智能、大數據等現代信息技術的深度融合，將新知識、新技術盡快融入工程學科和人才培養方案，建設適應制造業智能化發展的人才培養體系，培養將新技術融入制造業的能力；提升面向制造業的師資隊伍綜合能力，組建跨學科的研究平臺和項目，組建企業實踐團，鼓勵教師深入生產一線幫助企業解決工程實際問題，在實踐中提高工程科技素質與能力；探索多元化的制造業工程科技人員培養模式，除了傳統的“技術員”“工程師”“總工程師”等科技人才，也需要培養掌握工業生產、工藝、研發、質檢等專業知識，以及了解法律、環保、項目管理等多學科知識的復合型人才[16]。

綜上所述，必須從企業發展角度，處理好供需兩端的矛盾，平衡各自利益點的訴求；從技術創新角度，夯實平臺標準和規范，豐富工業APP，進而充實工業平臺；從人才儲備角度，完善人才培養、使用的體系和通道。這樣才能解決好工業互聯網技術在流程工業中加快落地和提升效果的問題。

5 結論

既然制造領域存在“術業有專攻”，那么工業互聯網的踐行過程必然會“聞道有先后”。目前智能制造水平較高的，大概率也是較早實現工業互聯網的領域，一般處于資金密集型、設備更新快、競爭激烈、利潤率高的行業[17]。其發展過程必然是從點到面、從量到質、從分散到集中的，遵循優勝劣汰的叢林法則。

工業互聯網落地之路任重而道遠。一方面，我國完整的工業體系潛藏著巨大的應用需求和市場，為工業互聯網平臺的培育和壯大提供了土壤。另一方面，我國的互聯網發展理念、應用實踐都較成熟，有覆蓋全社會的互聯網生態[18]。因此，必須堅定目標并持續改進，以實現工業和信息化的深度融合。