工業互聯網是制造業與信息技術融合形成的應用結構，通過大數據分析、互聯網技術與生產現場設備機器的全面結合，完成制造業和互聯網融合的升級發展。 因此，主要從國內外工業互聯網的發展狀況、工業互聯網典型的應用場景、框架結構進行分析，概括涵蓋的關鍵技術主要包括工業數據采集、存取和利用技術、工業產品的智能化技術、異構網絡的融合技術和工控安全的防護技術，然后通過技術和行業的實施分析說明工業互聯網平臺在行業中產生的效果。

工業互聯網（Industrial Internet）是互聯網和新一代信息技術在工業領域、全產業鏈、全價值鏈中的融合集成應用，是實現工業智能化的綜合信息基礎設施。它的核心是通過自動化、網絡化、數字化、智能化等新技術手段激發企業生產力，從而實現企業資源的優化配置，最終重構工業產業格局。 工業互聯網建設已被列為上國家重點戰略工作，具有巨大的經濟價值，且隨之產生了智能制造、M2M、信息物理系統（Cyber-physical system，CPS）、物聯網、工業4.0等熱門概念。加速推動工業互聯網核心技術創新突破，圍繞工業互聯網設備、控制、平臺、數據，從網絡、數據和安全3個方面有效地給企業賦能智慧制造，加強相關核心技術和產品的研發突破，加快技術成果轉化和產品服務創新，通過物聯網、互聯網技術實現工業系統的互聯互通，通過構建工業互聯網安全框架和防護體系實現工業企業的安全防護，利用數據感知、采集與集成應用等技術，實現生產過程中運營管理優化、生產協同和資源的有效利用。

1

工業互聯網發展現狀

工業互聯網（Industrial Internet）是通用電氣（General Electric，GE）提出的概念，由機器、設備和網絡組成，能夠在更深層面和連接能力、大數據、數字分析結合。 國外企業在工業互聯網的技術概念、商業模式領域投入了大量人力、物力和財力，并且利用自身的優勢搭建了工業互聯網平臺，其中最具有代表性的是GE的工業互聯網操作系統Predix和西門子Siemens基于云的開放式物聯網操作系統MindSphere。

其中，GE強調工業領域硬件層、信息層打通以及跨領域的集成，打造工業設備+工業平臺+工業APP的生態體系。通過通信接入技術發展實現更多終端聯網，驅動設備管理、設備預測性維護等應用場景落地。西門子則結合自身在工業設備和工業軟件領域的優勢，對外輸出智能工廠改造、規劃方案，從終端簡單聯網出發，通過垂直云平臺、大數據與人工智的建設，最后依靠標準架構體系實現各垂直生態之間的對接。 相較于國外的大而全的解決方案，國內制造業力求在一些特定的差異化能力上打造一些獨特的競爭力，走自己的特色之路。國內消費品制造業廠商富士康、海爾、美的的工業互聯網推進策略是兩條腿走路，一方面在企業內部建設較完備的智能制造體系，另一方面探索以自身用戶和業務流為中心聚合供應鏈資源，逐步走向橫向、縱向和端到端集成，幫助企業構建全要素互聯互通的能力，實現用戶、企業和資源的交互來滿足用戶體驗。

國內的裝備制造業廠商三一重工的工業互聯網推進策略主要做金融領域和商業模式的創新。例如，通過遠程控制確保工程設備融資租賃商業模式的可控性，其樹根互聯不過多觸及傳統工業過程，而是成為商業模式創新的基礎平臺。

徐州重工則致力于面向個人、中小企業搭建綜合工業云平臺，并配套提供端到端咨詢服務，提供的兩化融合和ERP咨詢服務謀求幫助其他企業進行產業轉型和升級的業務發展。

航天云網INDICS平臺則通過針對啞設備、啞崗位、啞企業的“三啞”改造，實現基于云平臺的智能工廠改造升級，并通過對“雙創”團隊進行全程輔導和孵化，引導社會資源向戰略性新興產業集中，推動社會性“雙創”發展。

2

工業互聯網應用場景分析

隨著新技術的快速發展和應用，全球工業正在從傳統的供給驅動型、資源消耗型、機器主導型、批量規模型向需求引導型、資源集約型、人機互聯型、個性定制型轉變。由于制造行業的生產流程和產業鏈都很復雜，工業互聯網在制造領域的應用場景很多。 目前，制造領域資產密集，資產性能優化空間大，數據利用率低，缺少科學決策能力。

以下重點分析需求管理、研發設計、工藝工程、生產制造、運維過程這5大傳統工業過程面臨的諸多挑戰和應用升級需求。

2.1需求管理需求管理是對客戶的需求進行識別并確保主生產計劃反映這些需求的功能。傳統模式下，需求管理的缺失主要表現為：需求缺乏嚴格的需求管理過程，需求缺乏層層的傳遞和保證，導致最終的產品在設計中就已經迷失；需求管理基于文檔沒有進行結構化管理，產品開發過程中缺乏追蹤的手段和對象劃分；在協同研制模式下，不同主體間缺乏規范化的需求傳遞手段。

2.2研發設計研發設計是根據需求對產品進行設計與研發。傳統模式下的研發設計建模手段缺失，基于文檔的設計模式效率低下；幾乎不進行仿真，純粹實物進行驗證，導致不斷地進行修改迭代，拉長了設計周期，增加了設計成本；缺乏在線協同的手段，分頭設計后經常遇到接口問題導致無法合攏；設計要素間缺乏關聯，局部改動無法進行影響范圍分析。

2.3工藝工程工藝工程是指對產品生產制造工藝進行設計與管理。傳統模式下的工藝工程基于工藝卡片進行工藝過程設計，對設計數模缺乏有效傳承，難以保證數據的一致性；無法進行加工、裝配或檢驗過程的仿真，往往到做時才發現存在問題，從而產生不斷的變更；由于相關工藝數據缺乏關聯，變更過程無法進行影響范圍分析，從而導致數據的不一致，從而使得產品的技術狀態管理失控。

2.4生產制造生產制造是指對產品進行實際加工生產并對相關過程進行管理。傳統模式下的生產制造中，機加工設備精度不足以保證加工質量，無法加工復雜的曲面，且根據不同的加工人員質量波動，加工效率低下；缺乏實時的檢驗手段，檢驗是事后檢查，往往質量超差已經形成；裝配過程缺乏有效指引，裝配效率低下，極易出錯，返工造成的重復工作量巨大。

2.5運維服務運維服務是指為客戶提供后期運營維護與其他相關服務。傳統模式下的運維服務產品制造方缺乏對產品后續運營過程的介入，往往銷售結束后，產品的運營狀態只能依賴簡單的售后服務，無法采集運營數據針對性地改進產品設計，也沒有充分介入產品的增值運營；產品缺乏內置的傳感器或傳感器的采集，只有實時的監控作用，實時監控完成后數據即丟棄，無法形成基于模型的產品運營歷史數據庫；缺乏大數據分析手段，無法從海量數據中挖掘產品的運營策略，以提高產品的運營效能。

基于以上5個場景面臨的問題，可以通過工業互聯網賦能，即工藝研發設計、資產性能管理、運營效率提升、能源管理優化，提高資產運營的效率和利用效率，降低生產過程中的風險影響，提高安全生產效率，構建產業生態。

3

工業互聯網框構和技術體系

工業互聯網框圖如圖1所示，根據框圖按照技術體系，大致可以分成邊緣數據處理、使能支持、智能化應用3個部分。

（1）邊緣處理是利用物聯網設備相關技術，解決部署新型智能設備以及嵌入式軟件的聯網升級的相關問題，涉及開發嵌入式系統、智能連接模組（安全/連接性定制）等功能，主要解決數據集成過程中協議接口、數據轉換、過濾以及一些高交互、高實時性要求的邊緣分析問題。

（2）使能支持包括：通用Iaas平臺技術，提供物理層面的計算機、網絡、機房等資源；安全、生產等各種工業標準規范，以及產品、工藝、運維、供應等工業領域的知識模型和仿真算法。

（3）智能化應用包括物聯網設備管理技術，解決連接性、安全、設備部署和生命周期管理等問題和相關技術；最核心的部分是物聯網應用管理技術，解決通用的可視化和事件管理，以及數據管理和分析、應用開發、應用集成等問題，主要涉及儀表、工業軟件Apps、人工智能、集成開發平臺以及智能制造等多種專業技術。

圖1 工業互聯網框架3.1 邊緣計算技術邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。一方面解決了實時要求與云通信延遲的矛盾，另一方面解決了各種異構數字信號的轉置通信問題。

它可以作為聯接物理和數字世界的橋梁，使能智能資產、智能網關、智能系統和智能服務。邊緣計算處于物理實體和工業連接之間或處于物理實體的頂端，基于邊緣的大量設備生成的數據在本地進行分析，同時利用云對這些數據進行安全、壓縮、配置、部署和管理。 當前，越來越多的公司希望進行本地數據分析，同時啟用這些流程將設備連接至云端，整體架構如圖2所示。

圖2 邊緣計算整體架構3.2數據交互技術目前的連接平臺機制層出不窮且自我封閉，很容易形成數據孤島。OPC UA是一個平臺無關的標準，使用該標準可以在不同類型網絡上的客戶端和服務器間發送消息，以實現不同類型系統和設備間的通信。 OPC UA可用于現場設備、控制系統、各種軟件（MES、ERP）等，在工業過程領域交互信息、使用指令和執行控制。

OPC UA定義了通用架構模型來實現這種信息交互，提供了統一的、標準的數據互聯接口。工業互聯網的設備和基礎設施連接在一起后，形成了一個智能系統群，會產生龐大的數據。 這些大模擬數據將通過分析和處理來驅動正確的業務決策，最終提高安全性、正常運行時間和運行效率。框架結構如圖3所示。

圖3 OPC UA架構3.3

深度學習技術企業智能制造的實現很大程度上需要借助人工智能技術，而深度學習是科學界高度關注的一種人工智能方法，且深度學習為工業互聯網體提供數據的學習機制。隨著學習的樣本數據不斷增大和工業互聯網技術的發展，必須適應深度學習，具備基礎技術領域基礎算法庫、基礎訓練測試數據集、重點行業領域專用算法庫、重點行業領域專項任務數據集、專用模型庫、應用場景案例庫，提供對圖像識別、語音識別、語義理解等基礎技術進行檢驗檢測，從整體解決方案上檢驗檢測方向，提供對人工智能等系統的管理和計算的要求，以提供更好的服務。3.4云計算環境架構工業互聯網應用軟件的開發平臺應能同時滿足云上和云下的應用設計和運行管理要求。

目前，云下的設備主要依靠各個工業自動化設備廠商的技術來滿足智能制造基本的控制要求，但是在云上的應用開發環境上還沒有成熟的軟件工具和技術環境的支撐，都在努力設計一種既能夠在功能上滿足當前業務需求又能夠適應用戶需求發生變化或者能夠在可預見的將來適應環境變化的應用。尤其是在互聯網領域，架構師都在努力讓自己設計的應用具有較強的擴展能力，跟得上用戶不斷增長或者出現突發請求的情況。

3.5網絡信息安全保障隨著工業互聯網發展邁向實踐深耕階段，安全問題也日益凸顯。網絡信息安全風險威脅正在從外部的安全向企業內部工業系統和設備延伸，因此工業互聯網的安全核心技術的研發需要適應當前復雜多變的外部環境攻擊。 在工業互聯網環境中，為了確保整個網絡系統的安全，信息安全研究技術是目前非常重要的研究課題。

隨著工業生產信息系統與互聯網走向深度協同與融合，釆取完全物理隔離的方法不僅不能解決工業控制系統的信息安全問題，反而限制了工業互聯網技術的發展。 因此，需要在安全控制算法上創新安全架構，建立具有一定防御特性的安全環境，且需要研制能夠實時監測工業互聯網各項數據的系統，實時感知預測工業互聯網的安全態勢。它的技術框架結構如圖4所示。

圖4 信息安全技術框架3.6測試床相關技術工業互聯網測試床為工業互聯網的各種創新提供空間，為進入市場前的新技術、新應用、新產品、新服務和新過程等的有效性和可行性進行嚴格試驗與檢測。測試床是利用科學理論、計算工具和新技術進行嚴格、透明和可復制測試的平臺，一般用來描述實驗研究和新產品開發平臺和環境。國內測試床案例如圖5所示。 目前，測試床的發展體現多元化的發展特色與趨勢。根據工業互聯網產業聯盟和邊緣計算產業聯盟的統計，目前在制造業垂直行業測試床數量最多，涌現出智能服務測試床、云制造服務平臺、生產管理質量試驗平臺等項目。 與此同時，在產業互聯網如能源與公共事業、基礎共性技術、醫療等方面也有一些實踐。

圖5 國內測試床案例

4

應用分析

4.1技術應用實施分析

網絡、平臺、安全構建了工業互聯網核心功能體系。網絡是基礎，平臺是核心，安全是保障。工業企業要進行智能化升級改造，首先要做到網絡層的互聯互通，實現各個設備的互聯互通，消除信息孤島。 其次，利用工業互聯網平臺的多種服務能力，配置工業資源，使智能制造體系能夠運轉。最后，從設備安全、網絡安全、平臺和數據安全等對系統進行安全配置。

網絡層主要圍繞線下設備互聯互通，實現現場級、車間級、企業級設備和系統之間的橫向互聯和縱向互通。對于設備實現互聯互通，最重要是打通不同平臺、協議之間的數據。一般實施方法包括對現有的控制器、機床和產線的通信方式進行改造，部署新的傳感器、檢測設備等。或者考慮設備對OPC-UA的支持，解決底層設備和系統層直接的信息交互和集成。 此外，通過在設備邊緣部署邊緣節點，對采集的現場生產數據進行邊緣計算和存儲。標識解析體系是下一步工業互聯網網絡建設的重點。它賦予生產過程中的每一個產品、零部件、機器一個唯一的身份信息，用來完成數據的互通和身份認證，以打通產品、機器、車間、工廠之間的數據采集與集成，實現系統之間的數據共享、數據挖掘和數據分析應用。

工業互聯網平臺作為向下連接設備層，向上連接工業優化應用，自身承載工業經驗與知識的模型，是工業全要素連接的樞紐。從實施角度看，由于工業企業行業的復雜特性，建設跨行業平臺具有一定難度，因此可以引入云平臺和大數據存儲、分析技術，促進企業中各類生產設備、信息系統向云平臺遷移，通過云平臺實現生產設備、系統、產品和用戶之間的信息交互，以及跨企業、跨領域和跨產業各類主體之間的互聯。

基于PaaS層的微服務架構數字化模型能夠將大量的工業技術原理、行業知識、工業模型等組件封裝成知識庫，實現工業知識的顯性化、數字化和系統化。工業互聯網平臺的主要功能是數據建模和分析，利用邊緣側和網絡層收集數據，加上PaaS層形成的數字化模型，然后形成面向工業企業、消費者開發海量工業APP，提供實時監控、生產管理、能效監控、物流管理等工業互聯網應用和服務。

基于工業互聯網平臺的工業模型和微服務組件是平臺層的核心組成單元，解決了以往工業知識無法提取、工業經驗不能沉淀以及對人才過度依賴的難題。 工業互聯網安全保障在工業互聯網發展過程中具有非常重要的作用。隨著計算機和網絡技術的發展，特別是信息化與工業化深度融合以及物聯網的快速發展，工業控制系統產品越來越多地采用通用協議、通用硬件和通用軟件，以各種方式與互聯網等公共網絡連接，導致暴露在外網的工業設備和工業漏洞越來越多。 從實施角度看，工業互聯網安全注意分為設備安全、網絡安全、平臺安全和數據安全等部分。為了加強工業互聯網安全建設，首先自主可控是保障工業互聯網安全的關鍵切入點。

加快攻擊防護、漏洞挖掘、態勢感知、入侵發現、可信芯片等安全產品的研發和技術成果的轉化，把技術成果充分應用于工業互聯網安全，帶動整個網絡安全產業的發展。 其次，建立健全安全管理制度機制，引導企業建設安全防護能力，形成國家、行業、企業三方協調聯動的工業互聯網安全格局，建設全生命周期的安全保障體系。 最后，建立基于設備邊界、策略、特征的安全防護和統一的安全運營平臺，通過規則分析、機器學習、智能分析、可視化等技術，為企業的安全運營分析平臺提供技術與數據保障。 工業互聯網以面向業務應用的工業APP（工業應用軟件）的開發與應用為實現路徑，以基于工業大數據分析的智能系統為發展方向，主要利用數據+模型為企業提供服務，滿足企業的管理和需要。

目前，國內工業互聯網發展面臨的很多問題，如開發工具不足、行業算法和模型庫缺失、模塊化組件化能力較弱、工業微服務與工業APP研發質量不高等。現有通用基礎平臺尚不能完全滿足工業級應用需要，因此要實現工業經濟全要素、全產業鏈、全價值鏈的全面連接，支撐服務制造業數字化、網絡化、智能化轉型，實現工業經濟高質量發展，一定要加強基礎研究部署，加快5G工業應用、邊緣計算、人工智能等關鍵技術攻關，大力發展新型工業軟件和工業APP等應用技術。4.2行業應用實例分析工業互聯網對提升制造業生產率尤其是降本和增效方面有切實利益。目前，電力行業、電子行業屬于技術密集型行業，是現階段工業互聯網普及程度最高的行業。

此外，石油石化、鋼鐵、交通設備制造行業對提高企業運行效率和精益管理也有較高的意愿，工業互聯網的發展在這些行業領域也有較好的應用。由于流程行業生產過程流水化程度高，行業的自動化、信息化水平高，MES、ERP和PLC等管理信息系統都已經應用于該行業。 此外，行業特征和工藝特點的限制，故障停機給企業帶來的成本較高，因此流程行業的工業互聯網發展水平明顯高于離散型制造企業。 以鋼鐵行業為例，鋼鐵行業面臨生產過程中高耗能、高排放，對環保限產等壓力。

此外，人員流動性較高，工藝原理復雜，很難將管理方法和行業知識沉淀下來。因此，基于企業實際需求，構建工業互聯網平臺，應用系統架構圖如圖6所示。 對煉鐵高爐等設備開展實時運行監測、工藝優化、質量管理、資產管理、能源管控，提升產線運行效率，降低能耗和排放。此外，通過將經驗和知識模塊化，大幅減少停機故障和安全事故。

圖6 某特鋼工業互聯網平臺應用系統架構 煉鐵工序是鋼鐵企業工藝中的重要環節，其成本和能耗占整個鋼鐵生產的70%左右。由于煉鐵高爐具有高溫、高壓、密閉、連續生產的“黑箱”特性，氣體、固態、液體多相流以及復雜的物理化學反應數字化難以解析，導致煉鐵生產過程仍主要靠操作人員的主觀經驗，其核心技術僅僅掌握在少數專家手中，大量的專家知識經驗無法實現快速固化和復用。

因此，急需通過工業互聯網平臺對企業進行賦能，形成面向設計仿真、安全預警、工況診斷、工藝優化等應用場景的煉鐵工業APP，實現煉鐵生產與管理的數字化、科學化及智能化。4.2.1設計仿真基于煉鐵的設計仿真，首先設計人員借助平臺上傳設備的初步設計圖紙。其次，通過仿真建模軟件模擬設備在設定參數下的熱面溫度場分布。

一方面對設備冷卻能力、加熱特性合理性進行模擬計算，另一方面對設備設計“盲區”進行模擬。通過大量的試驗數據模擬迭代優化，更好地指導冷卻設備生產和優化。 研究人員通過對煉鐵過程中的冷卻設備進行熱態和冷態試驗，找出影響掛渣能力的各個因素。然后，通過工業互聯網平臺PaaS層微服務框架組件、可視化建模等工具，封裝產生的研究結果、技術經驗，利用平臺具有的APP開發工具組件構建冷卻設備安全預警監測APP，以實現冷卻設備生產狀態在線可視化管理。 最后，通過對冷卻設備破損實體調研，分析驗證冷卻設備的運行效果，進一步指導冷卻設備設計的升級優化，從而實現冷卻設備全生命周期的管理優化，如圖7所示。

圖7 煉鐵設計仿真工業知識軟件化流程

通過對煉鐵工藝中冷卻設備的全生命周期管理，實現冷卻設備實時在線監測，建立設備的安全預警監測APP。一方面能夠延長冷卻設備使用壽命，保障高爐操作爐型的合理穩定，減少設備的損耗；另一方面能夠有效避免爐況波動，降低高爐消耗，估計降低噸鐵燃料消耗5 kg/t鐵。如果進一步在全國范圍內的煉鐵工藝中大力推廣，可實現增收100億元/年。

4.2.2工況診斷對煉鐵過程中的高爐進行工況診斷，通過工業互聯網平臺數據治理和存儲計算，進一步對煉鐵高爐生產過程中流量、壓力、溫度等重要的生產數據源進行過濾、清洗等標準化處理。利用工業互聯網平臺微服務資源池中已經封裝的PCA算法模型，對采集的數據進行特征選擇、特征抽取和降維處理，調用SPE統計量和三維凸包等算法分析煉鐵高爐的生產狀態，并調用封裝的貢獻圖算法推算在異常爐況下各個特征變量對產生的后果所占的比重。 基于工業互聯網平臺中的容器管理工具，能夠集成多個微服務，滿足操作者在微服務資源池中進行調用。通過平臺中的APP開發工具和組件構建高爐工況診斷APP，實現高爐生產狀態的診斷，如圖8所示。經過多座高爐現場的實際使用，工業互聯網平臺能夠根據高爐生產的重要參數準確及時地預測故障的發生，誤報率低，準確性高。

圖8 基于PCA、三維凸包算法的高爐工況診斷

5

結 語

隨著信息技術的快速發展，工業互聯網的功能與技術性能會產生新的變化，并且在企業轉型升級過程中起著重要作用。

未來，企業不僅要利用工業互聯網資源進行資產的性能管理，而且要利用工業互聯網實現智能制造的云端控制和遠程運維管理，建立制造企業的產業鏈、上下游廠商的供應鏈和價值鏈的協同機制，并且建立先進控制技術資源的公共服務體系，最終構成從數據采集到設備、生產現場及企業運營管理優化的閉環，實現工廠從底層到上層的信息貫通，打通自動化孤島，實現全流程的自動化生產，加強工業軟件與行業需求的結合，促進軟件技術與工業技術的深度融合，提升企業的智能制造生產水平。作者簡介 >>>

王佳（1986—），男，博士，主要研究方向為智能制造評估、安全管理；

邵枝華（1987—），男，碩士，主要研究方向為工業控制、安全優化；

徐硯（1983—），男，碩士，工程師，主要研究方向為工業控制信息安全。

選自《通信技術》2020年第三期

原文標題：工業互聯網技術體系研究與應用分析

文章出處：【微信公眾號：工業IoT】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq