优也首席技术战略官林诗万：工业互联重塑企业能力

一年多以来，工业互联网在国内受到广泛的认同和重视，很多企业也加快了对其的规划和实施的步骤。一系列的公共工业互联网云平台也在相继发布。目前不少企业所面临的一个最重要的问题是如何利用工业互联网迅猛发展的势态，加快数字化的进程，实施能解决实际问题和实现业务价值的具体案例。

对于工业互联网的概念和技术，各种媒体上已有很多的文章做了广泛的介绍和精辟的阐述。在工业互联网开始从概念走向落地、探索与实践正在铺开之际，本文试图从概念到实践多走半步，对工业互联网在制造业的应用，从平台技术和具体应用的场景，做一些初步的探讨，希望能作为构想应用案例时的一个参考。由于笔者水平有限，时间也仓促，文中固有不少错漏，因而希望大家不吝指正，以期后继有修正增强的机会，能对工业互联网的落地实施有所帮助。

1

工业互联网的核心理念

工业互联网的理念很简单，它的出发点是利用互联网的孪生核心技术——计算和通讯网络技术

把实体（包括传感器、产品和装备等等）、信息系统、业务流程和人员连接起来，从中收集大量的数据；

利用数据分析和人工智能等能力，实现对物理世界的实时状态感知，在信息空间通过计算做出最佳的决策，动态地优化资源的使用；

其最终的目的是为了创造新的经济成效和社会价值。

工业互联网具有广泛的应用，几乎可以涵盖所有的工业领域，但制造业，由于其体量之庞大，是工业互联网应用的一个重要的和富有创造价值潜力的领域。同时，由于其高度的复杂性、多样化和高度的差异性，也是一个最具挑战性的领域。

2

当前制造业发展面临的挑战和应对能力

随着全球化的经济体系的形成和互联网消费文化的兴起，全球性市场竞争进一步加剧。在这个格局下，制造业要关注的传统的基本要素：成本、效率、质量，并没有改变，但要求更高。企业还必须考虑资源使用效率和环保的要求。怎样在可持续发展的前提下，低成本、高效率、优质地完成短周期，多品种、小批量的生产，是制造业面对的一个大挑战。

要应对这挑战，目前其中一个可行的方法是完善对业务经营和生产过程的数字化，并向智能化推进，在业务经营、产品研发与工艺设计、生产执行和过程控制的各个方面，以最佳决策，最优的资源调配和使用，动态响应生产环境，供应链和市场需求的不断变化，实现最佳的成本、效率、质量生产要素。

3

工业互联网对制造业数字化和智能化推动

对于制造业企业的数字化进程，简单而言，完善对各个业务和生产环节的数字化是第一步，如在以EPR为主线的价值链的各个环节，和以PLM为主的产品链的各个环节使用相应的专门工业软件，还有在这两条链的交叉点上的生产环境里实施MES，这些都是基础性的数字化实现。

第二步是要把这些环节的专门工业软件互联互通，打通各环节的信息孤岛，在价值链和产品链上逐步实现流程的自动化，并使能对各个环节数据的收集。例如，产品链上，整合产品生命周期功能环节,建立数字主线，并为建立产品数字模型--数字孪生体，集成数据。

第三步，作为工业互联网在制造业的应用，首先对设备进行连接，收集设备运营和产品在生产过程中的数据，通过实时的数据分析，在线优化生产过程；再而，对产品、设备以及生产过程和业务流程中收集的数据，对不同周期和跨越生产和业务环节、以及跨域组织范畴的综合性的大数据分析，识别和消除效率和绩效瓶颈，使能最佳化的业务决策，对整个生产过程和业务流程进行宏观性的优化。

在这个过程中，连接和数据采集是基础，通过模型对数据进行分析，得到对生产过程的洞察是关键，而通过专门工业应用，根据生产规则和业务目标，将洞察转换成最佳决策，并得以精准的执行，以闭环反馈实现智能优化则是核心目标。

最后第四步，打通在生态圈内企业之间的信息系统的互联，实现企业之间的业务和生产的协同，把优化的范畴扩展到生态圈，以及客户端，对客户部署了的产品实行连接，通过对产品的全生命周期的管理实现服务延伸，为企业的业务转型开拓机遇。

由此可见，工业互联网与现有的数字化成果，如ERP、PLM和MES等基础工业软件的使用相辅相成，并增强其基于状态感知和数据分析做出最佳决策的能力，是实现智能制造的一个必不可少的步骤。

4

工业互联网平台技术对工业软件架构和应用演变的推进

由于工业互联网技术得益于最新的互联网技术，包括云计算（如虚拟和容器等计算资源管理技术）、大数据，机器学习和人工智能（AI），以及最新的应用开发与运营（DevOp）技术和方法论（如微服务），因而，基于这些技术的工业互联网平台，将加快面对特定行业和特定场景的机理以及包括AI在内的数据模型和工业应用的开发，并把模型和应用耦合在一起，为解决特定的生产问题，建立由数据驱动的智能化专属工业解决方案。在这些平台上运行的工业应用，也将具有更高的可靠性和可扩展性，而计算资源的使用效率也更高。

可以预测，工业互联网平台的部署，将促进工业软件的快速发展，加快工业技术和经验的模型化和软件化，有利于工业知识的积累、提升和创新。

不少行内专家认为，工业互联网平台的实施，也将引入一个新型的工业软件架构，从目前垂直分层的架构向扁平的工业应用网格过渡。在应用方面，目前不少工业软件系列是由多个功能模块聚合而成的大型专有应用，复杂度高和封闭性强，缺可操作性和难以拓展，不易创新和适应多样易变的生产需求。为了解决这些问题，越来越多的工业软件将在新的工业互联网平台上，以微服务的方式实现，小而精，易于敏捷开发，独立更新和管理。一方面建立具有通用性的基本制造服务，将其功能作为API暴露出来，让其它应用调用。在另一方面，针对特定的问题，以搭积木的方式，组合调用基本制造服务，创意出新的，轻量型的专属工业应用。这些工业服务和应用构成了一个很具有活力的工业软件服务和应用网格。这样，工业互联网平台也就成为了一个工业模型和应用的开发和运营环境，承载数据驱动的工业应用的工业操作系统（OS）。在这样一个体系下，可以孵化出一个新的工业软件的生态，不管是传统的工业软件供应商，还是新生的第三方的应用开发者，都能比较容易开发出更加切合客户需求的应用，并能敏捷地演变，响应对生产环境和需求的快速变化。

5

工业互联网在生产现场的应用

现在回到生产现场，也就是工厂车间的环境，初步探讨一下一些潜在的工业互联网的应用案例。生产管控是一个复杂系统工程，牵涉到多个相互关联和约束的、跨部门和工厂的、业务和生产流程及其众多的管理环节，以及大量的物理系统，包括物料、产品、生产设备和环境。下图对生产管控作了一个抽象简化了的概括。

生产管控的主要环节包括工艺设计、计划调度和生产执行，而计划调度则是其核心。生产计划调度在工艺规程和其它生产规则的约束下，根据客户订单的要求，在现有产能的范围内，统筹优化质量、产量、交期、物流周转、能耗、生产效率和综合成本等多项目标，制定生产计划和任务。

生产执行，一般由MES的软件实现，是将知识产权（产品设计和工艺技术）转为业务价值的枢纽，它管理的对象是生产能力和资源，是制造业企业资产的核心，对实现企业价值起着举足轻重的作用。它对上承接生产计划的要求，对下统管车间的场景里的生产人员、工艺、设备、物料、能源的生产要素，实现动态的、精准的、最优化的配置和调度，高绩效、高质量、低成本地完成生产任务。

工业互联网在生产现场的应用的关键在于如何利用或加强对生产环境的数据采集，实现或增强对生产过程的状态感知，并通过对数据的实时分析，做出最佳决策，通过独立或辅助现有的工业软件系统（如MES的功能模块）进行精准执行，完成对生产过程的闭环优化。

（MES涵盖的面非常广，支持众多的功能模块，而且行业性需求强，客户的定制性要求也高。因而，如果能按以上工业应用网格架构的思路，在工业互联网平台上，抽象出具有通用性的功能模块，建立基本制造服务，在其基础上开发面向行业或客户特定需求的应用，并融合工业互联网平台上的分析能力，建立以数据分析驱动的新一代的MES解决方案，或许是MES发展的一条新路径。）

以下本文将对工业互联网在生产现场关键环节的潜在应用分别作一些初步的讨论。由于时间和篇幅有限，而且具体的工业场景及其需求变化多样，差异性大，现有的数字化程度也参差不齐，本稿只简单地罗列在这些环节中的一些可能存在的问题和需求，通过图示概要性地描述一下相应的工业互联网解决方案，最后导出一些为解决这些问题和需求所建立的一些新的能力。笔者希望能得到行业的专家和实践者的反馈和指正，在后期有更正，增强和丰富的机会。特别是对“问题和需求”作进一步的补充、归纳和分析，也对解决方案提供具体的技术细节，如适用的分析算法和常见的挑战和应对方法，更希望能与业界行家一起发表真正落地的案例。

6

质量闭环优化管控

问题与需求：

产品质量稳定性是否需要提高？

产品合格率是否有提高的空间？

缺陷产品返工成本是否高？

废品的损失是否大？

质量检测的准确率是否需要提高？

是否需要对产品质量进行精细的分类，而不是简单的合格、次品和废品之区分，如在一些流程工业？

是否需要针对每一个产品实现质量检测（抽样检测是否能满足要求）？

质量检测的效率是否需要提高和成本是否需要降低（如是否过于依赖于手工检测）？

是否需要实现在线质量检测，如为了尽早中断废品在下游工序的生产，以降低损失；或为了动态寻优调整生产过程，保障质量的稳定性？

是否需要根据工艺和过程参数，以及物料品质对质量进行预测（如不易在现场检测或是需要对产品做破坏性的检测）？

质量检测的结果是否需要与工艺、物料、生产过程关联，以实现工艺的优化和物料品质的控制？

是否需要建立产品数字孪生体，对产品质量进行全过程追溯？

工业互联网解决方案：

新能力：

智能质量检测判定或分类 – 提高质量检测的准确性和效率、降低检测成本。

缺陷产品原因的挖掘 – 降低缺陷或废品率。

在线质量检测或预测 – 动态寻优调整生产过程，中断废品生产流程。

实现工艺、物料、过程和质量的闭环关联 – 综合性地优化工艺参数，并对物料品质的控制提供反馈。

提供在线质量数据，支持数字孪生体 – 实现对产品质量进行全过程追溯。

提供在线质量数据，支持在线成本核算和绩效预测和评估 – 提高生产管理水平。

7

能耗闭环优化管理

问题与需求：

能耗占生产成本的比例是否高？

是否有强制性的节能减排的目标？

能量（如燃气和蒸汽）的供给和使用的稳定性和平衡性是否满足不同工序的生产的要求，或是需要动态调优，保障生产，减少浪费？

生产过程中热能的使用（如降低加热过程的波动、提高热交换的效率）是否有提升的空间？

对生产过程中能量的使用量和效率是否已实现在线或定期离线的监控？

能耗数据是否需要与工艺、物料、生产过程关联，为工艺和生产过程的优化提供反馈？

工业互联网解决方案：

新能力：

能量使用和效率的监控 – 提高能耗的可见度，为实现节能减排提供确切依据。

对能量的供给和使用根据实时工况实现动态寻优，提高稳定性 – 保障生产，避免浪费。

对生产过程操作参数进行优化控制，提高生产过程的稳定性和实现最佳控制值 – 提高热能使用效率，降低能耗和减少排放。

实现工艺、物料、过程、质量和能耗的闭环关联 – 综合性地优化工艺参数。

提供能耗和排放在线数据，支持在线成本核算和绩效预测和评估 – 提高生产管理水平。

8

设备管理

问题与需求：

产能是否是实现业务绩效的一个严重的瓶颈？

生产过程是否经常因设备故障而中断，对产能的影响是否大？

定期性的预防性维护是否需要停产，对产能的影响是否大？

对关键设备的使用状态（如在用或停用）、利用率（如OEE）是否已实现在线监控？

对关键设备是否已实现健康管理？

对设备是否需要实现异常检测和故障诊断，以快速响应维护需求，降低维护成本？

对产能是否需要进行在线评估，以满足动态排产的需求？

对关键设备是否需要实现预测性维护，以减少设备故障引起的非计划性停产，和降低维护成本？

设备是否有劳损性的性能衰退，需要在线监控和预测，精准维护和替换磨损部件，以避免对产品质量造成不良影响，或增大能耗？

设备过程状态是否需要与工艺、物料、生产过程关联，为工艺和生产过程的优化提供反馈？

设备过程状态是否对产品质量有重要关联，需要产品数字孪生体中记录，以实现对产品质量进行全过程追溯？

工业互联网解决方案：

新能力：

设备使用状态、使用效率和健康状况的在线监控 – 提高产能的可见度，满足动态排产的需求。

提高设备的开动率和利用率，避免因故障停产 – 保障产能的最大化。

提高设备维护效率，降低维护成本。

提高设备性能的稳定性，保障产品质量、降低能耗。

提供设备利用率在线数据，支持在线成本核算和绩效预测和评估 – 提高生产管理水平。

9

工艺与过程的闭环优化

问题与需求：

工艺参数是否经常需要根据工况在生产过程中调整？

工艺参数是否需要根据质量检测结果作为闭环反馈进行动态调整？

工艺参数是否需要根据原料品质或上道工序制品的质量波动进行调整以保证成品质量的稳定性？

是否需要对工艺参数进行寻优，以实现质量、物耗、能耗、产率（产量和用时）的最优化？

工艺参数的配置是否过度地依赖于人员的技能和经验，而未能实现数字化的积累、继承和提升？

工业互联网解决方案：

新能力：

建立质量、物耗、能耗、产率（产量和用时）对工艺规程和参数的闭环反馈，在保障质量的前提下，寻找成本最低和工期最短（效率最高）的最佳工艺。

根据工序上游物料或制品的质量波动，工况、下游产品质量的反馈，对工艺或过程参数进行动态寻优 – 保障产品质量的稳定性和提高合格率，降低能耗。

建立技术框架，对工艺技术和经验以及最佳实践，逐渐实现模型化和软件化，加快工业知识的积累、继承和创新。

10

计划与排产的闭环优化

问题与需求：

生产计划编排是否能够基于订单的产品种类和数量、设备产能规划、工艺规程、工序用时分配，综合考虑生产约束条件，结合物料供应和产品库存等因素，实现全流程的自动最优排产，并根据生产现场物流状况、设备状态、工序工况、上游产出、下游缓冲的信息，以及与当前生产结果的对标，对排产作动态寻优，自动调整，以保证最大设备利用率和产出，最终实现零库存的按需生产？

工业互联网解决方案：

新能力：

建立自动化的和具有动态调整能力的最佳生产排程 – 实现产能利用的最大化和交期的最小化。

建立以订单和业务价值拉动的生产排程，最终实现零库存的按需生产。

11

业务绩效在线监控和预测

问题与需求：

生产过程管理是否依赖于手工报表，效率低，周期长，难以支撑管理的优化？

生产过程管理是否需要实现在线的业务绩效监控，把握目前或预测近期的生产状况，针对生产问题给予及时和有效的纠正？

生产过程管理是否需要把绩效KPI与过程数据结合，从绩效问题入手，有效地追溯到生产过程中导致问题的根本原因，以使其得到及时的解决？

工业互联网解决方案：

新能力：

建立多层级的生产运营监控中心，提供短周期（每小时或更短）自动化的企业和工厂层级的生产和业务绩效在线报告 - 实现高透明度的绩效监控和预测， 提升对生产和业务问题的响应能力，向智能管理方向迈进。

提供问题追溯能力，系统性地快速确认问题的根源，并提出解决方案建议 – 提高及时有效解决问的能力。

12

制造业工业互联网平台的特定需求

以上各个解决方案明显地共享着一条的技术路线，包含几个共同的功能模块：数据采集和处理、（机理、数字和仿真）模型分析、通过应用实现的决策和执行。不难预测，在同一个生产环境里将会同时实施多个以上所列举的应用。显然，这些应用不应单独重复地实现和运行这些通用功能模块，而是应在通用平台上共享这些功能。工业互联网平台提供的正是这样一个平台，在同一个平台上，同时支持多个工业应用的开发、运营和管理，并系统性地保障其安全性、可靠性和可扩展性。综合其它的考虑，制造业对工业互联网平台有如下的特定需求：

1. 生产数据全生命周期管理

挑战：设备数据多源异构，高频率，大批量、高并发，需要长周期保存；现有的数据湖形成信息孤岛，无法有效利用。

能力：提供工业大数据平台, 实现统一的数据采集、分析和管理能力。

2. 工艺技术和经验的模型和软件化

挑战：工艺配置过于依赖经验，难以与工况、品质、成本和效率跟踪反馈，实现系统性积累和获得最优工艺参数；工业软件需要简易更新，以适应生产的需求。

能力：提供轻量高效的工业模型和应用敏捷开发框架，简化软件开发和迭代提升过程。

3. 智能优化的生产管理

挑战：生产计划和排程未能根据现场的物料供应、工况、产品质量、产出效率数据进行实时反馈动态调优，并实现需求拉动的生产管理。

能力：提供先进的数据分析、AI、仿真能力，通过对生产资源、环境、和流程的状态感知、实现数据驱动的智能排产应用。

4. 设备和生产过程数字空间映射

挑战：设备和产品数字孪生体与仿真数据整合复杂、技术门槛高，不易实施。

能力：提供数字孪生体和仿真功能服务，降低难度，加快数字仿真在生产过程的应用。

5. 稳定、可靠和先进性

挑战：生产环境要求高度的可靠性、可扩展性、鲁棒性，低时延、技术的前瞻性。

能力：提供最新的机器学习、AI、仿真、大数据和云计算技术优化组合，满足工业级特定的系统和技术要求。

6. 自主、可控、安全

挑战：企业需要保障对系统的自主性和对数据、应用、知识产权和商业机密的完全可控和安全性。

能力：灵活部署于企业内部和边缘的自主可控工业互联平台，保障系统和数据的安全性和可控性。

13

工业互联网平台的实施案例

以下把Thingswise工业互联网平台作为例子，讨论如何满足上述的制造业的需求。Thingswise的工业互联网平台是一个完整的解决方案，集最新的机器学习、大数据、数字仿真、云计算、微服务、API管理、连接、安全、设备管理和应用开发技术融为一体，针对企业工业互联网平台的需求，经过优化与创新，开发一系列关键技术、提供一个功能丰富，配套完备的启钥式的平台解决方案。它涵盖了企业实施工业互联网平台系统所需的关键功能模块，降低工业互联网的实施技术门槛，使企业能快速部署自主可控、安全可靠的平台系统，在这样一个新型的数字驱动的“工业操作系统”上敏捷开发针对特定问题的模型和应用，在最短的时间内实现价值。

这个平台的一些具有特征性的功能包括：

流式数据分析：同时支持流式数据分析和大数据批量分析，满足生产环境对数据分析的实时性要求。

图形定义的数据处理流程：简易定义数据规范化、聚合和清洗规则，解决设备数据多源异构的可互操作性和数据质量问题。

内置大数据储存能力：满足海量的设备和流程数据储存的需求。

规范化和高性能的分析模型插件框架：使能数字和机理模型专家高度聚焦在模型的敏捷开发和验证，而不需为具体模型的运行设施和数据采集而分心，并易于模型的迭代增强。

统一管理的工业应用开发和运行框架: 使能应用开发者敏捷开发（创建、测试和部署）以信息驱动，解决具体业务问题的轻量型智能工业应用，而不需为应用的运行设施而分心，并易于应用的迭代更新。

API管理能力:数据分析的结果及应用功能通过统一的API管理框架发布和管理，易于在现有的功能上敏捷开发出专门解决特定问题的轻量级工业软件，提高软件的复用性，缩短开发周期，降低成本。

数字孪生体支持：统一定义组件、设备和系统构成关系、并储存设备规格和配置参数、实时状态量以及故障和维护记录。

数字仿真能力：在数字孪生体的基础上，提供设备和生产流程的数字仿真能力，在数字空间优化生产工艺和排程。

企业级的身份与权限管理：按车间和部门的嫡属及人员职位分别制定对系统，数据及应用的使用权限，由系统统一控管。

基于云计算的平台框架：以最新的云计算技术统一管理系统计算资源、服务和应用，保障系统的可靠性、可扩展性和可拓展性，支持海量数据的分析和应用的需求。

边缘计算能力：能在生产环境的边缘部署，保证生产的连续正常运营不受远程网络可靠性的制约, 提供低时延的边缘分析能力，同时降低远程数据上传的流量。

灵活的部署能力：可部署在任何公有云和私有云的IaaS层上，也可部署在企业内部的数据中心或工厂本地的服务集群上，保障企业对系统的自主性和对数据、应用及知识产权完全的可控性。

编后语

诗万就像是一个高山湖，沉默，平静，深邃，你不挖掘就不知道那里面还藏着多少丰富的知识宝藏。

林诗万博士和优也团宠小运动

当我拜托他为优也两周年以及公众号首发来写一篇文章时，不曾料想是这样一篇内容浩瀚、结构严谨的重磅长文，完全可以来指引整个工业互联网落地的方向与道路。作为美国工业互联网同盟架构组联席主席，我们常常读到他写的关于工业互联网架构的文章，却常常忘了林博士的另外一个身份：前Intel工业物联网事业部的战略技术总工程师。在这个位子上，大约是要指点Intel在IIoT上到底要做哪些事情，完成什么样的客户需求与使命吧。

何曾幸运，这些洞见与智慧现在开始照亮优也发展的道路了。我对软件这个行业相隔甚远，所有深切一些的知识都是来自诗万。有很多他早已看清楚的，我要听好些遍才能听明白。渐渐的，我理解到，如果提升企业价值就像是做一道菜，数据是原材料的话，我是知道该去炒什么菜、需要什么口感的那个人，而诗万的Thingswise是口电饭锅，多快好省，让炒各种菜更容易，至于如何来炒，是产业专家、数据专家、IT专家三家合一的事。

林诗万博士与郭昭晖博士在优也初创的办公室里讨论公司发展路线图

做咨询的，有的是专家知识。想把专家知识软件化，说易行难，需要顶级的专家知识，还需要顶级的软件架构能力，否则容易垃圾进，垃圾出，或者僵硬局限，不能扩展。而基础工业的复杂和多变，更比一般工业知识的传承要困难得多。有一次我们闲聊时谈到鲸鱼作为哺乳动物重新入海，还发展出了水下声纳回声系统，不知道经历了怎样不得不逃离陆地的危机和痛苦的演变进化。诗万说：这不正像中国的基础工业吗？体量巨大，必须转型，过程痛苦，可真的变了，就会成为海洋的娇子，姿态灵活，正是如鱼得水。我大笑着说：生存之道就像须鲸捕鱼，小批量、多频次，那个声纳反馈系统就是CPS！

说到还需做到。做一就有一。且看优也如何带领巨鲸返海，遨游于天地山海之间吧！

-傅源

图片：黄良典老师拍摄于南极海

林诗万博士也是Thingswise公司的首席执行官和联合创始人。林诗万博士近年来活跃于国际工业互联网领域，在美国工业互联网联盟（IIC）初创时就开始担任技术工作组以及架构任务组的联合主席，也是工业互联网参考架构（IIRA）的主编和主要作者之一。他作为架构联合任务组的联合负责人之一参与了工业互联网联盟与德国工业4.0平台的合作。他还担任过美国国家标准技术局（NIST）主导的虚拟物理系统（CPS）公共工作组系统框架分组的联合主席，是其发表的虚拟物理系统（CPS）参考架构的重要作者之一。

完