WellinCloud工業互聯網平臺--賦能工業

發布者:瀏覽次數:

           2020年3月20日，工信部發布的《關于推動工業互聯網發展的通知》，首次正式提出了工業互聯網是新型基礎設施（即“新基建”）。4月9日，中共中央、國務院公布的《關于構建更加完善的要素市場化配置體制機制的意見》里又明確指出了數據是一種新型生產要素。

2017年12月27日，國務院發布的《國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》提出：“到2020年，培育30萬個面向特定行業、特定場景的工業APP，推動30萬家企業應用工業互聯網平臺開展研發設計、生產制造、運營管理等業務。到2025年，培育百萬工業APP，實現百萬家企業上云。”工業App是工業互聯網的重要組成部分，是工業知識沉淀、轉化和應用的重要載體。

建設面向新型生產要素的工業APP開發系統，突破工業領域智能生產面臨的關鍵需求和技術問題，實現工業App在生產制造領域的重大進展突破，完成工業生產從“經驗驅動”向“數據驅動”的轉變，是我國從工業“制造”邁向“智造”的關鍵。

一、工業領域智能生產面臨的困難

長期的實踐證明，工業互聯網平臺在生產制造環節的應用落地無法繞過企業智能生產面臨的幾大難題：

1、工業數據處理的復雜性

（1）數據來源及構成的復雜性--工業數據來自現場不同的設備、系統，包含各種數值型、結構化、非結構化、音視頻等幾十種數據類型。邊云協同首先需要解決工業現場多源、異構數據采集、解析的難題。

表1 豐富的數據類型

（2）數據處理方法的復雜性--工業現場數據從時間維度上可以劃分為實時數據、歷史數據、控制數據，這三種時態的數據需要采取差異化處理方式，才能更好滿足工業生產的具體業務要求。

表2 時態數據的處理

（3）三種時態數據邊云協同的傳遞方向--三種時態的工業數據需要分類分級，在企業內外網之間、工業互聯網的云邊端進行及時、有效的互通、互傳，以滿足工業數據在企業內和企業間的存儲、計算分析和協同的業務需求。

表3 時態數據的處理和傳遞

2、工業模型積累的漫長性

工業模型是對工業技術、知識和經驗的積累，需要針對各行業特定場景的工業需求進行量身定制，解決重點行業痛點問題。工業模型的落地需要經歷理論推理、實驗驗證、模擬擇優、大數據分析四個階段才能真正掌握工業模型的內在機理，整個過程既漫長又異常復雜。

需攻克工業模型訓練和現有工業人的知識經驗融合難題，可有效縮短模型訓練周期。工業模型根據其所在的行業應用場景，可以分為通用模型、專業模型和工程模型，其中通用模型可以作為共性技術重復使用；行業模型具有某個細分行業的廣泛適用性；工程模型是針對特定產線設備構建的專門服務特定企業生產制造的工業模型。

3、工業場景需求的多樣性

工業生產場景的多樣性指的是智能生產環境下企業的供應鏈協同，生產調度、設備管理、能耗預測分析、質量檢測等業務的需求各異，不同業務所產生的工業數據和所使用的工業模型千差萬別。

圖1 多樣化的工業場景

以設備管理為例，為了達成設備壽命預測的業務目標，就需要對設備的啟停狀態、加工的產品、加工的時間、刀具振動、標準作業、加工音視頻等上百種結構化和非結構化數據進行采集，構建基于高端設備的壽命預測工業模型，通過長時間的驗證和迭代訓練，在邊緣側部署工業模型進行驗證，實現對設備的壽命預測。

二、亞控積累了獨特的邊云協同技術

1、雄厚的邊緣計算技術積累

圖2 中國HMI市場報告（來自ARC）

自主邊云技術超越國際巨頭。2018年，亞控科技已經成為中國市場占有率排名第一的SCADA\HMI軟件廠商。從1995年-2020年，亞控科技監控組態產品部署在30多萬個工業生產監控現場。

據統計，截至2019年底：

v  全國346有生產許可的鋼廠的能源管理數據采集項目有一半以上采用亞控的組態王；

v  長慶油田石油當年總產量占全國總產量1/8，而長慶油田8個采油廠76個生產作業區全部使用亞控的KingSCADA；

v  全國每10家熱力集團公司有6家的調度中心使用亞控的KingSCADA；

v  南水北調中線工程，80%的泵站、管理站、調度中心采用了亞控的KingSCADA；

v  從2017到2019年，60%以上的軍方的艦船（包括航空母艦）的“損管(即‘損害管制’)”監控系統，都使用了亞控的組態王；

邊緣數據接入和協議解析能力全球領先。聚25年研發成果，亞控積累了5000多種數據采集驅動和支持的369種主流通訊協議數量雙雙排名世界第一，覆蓋國內工業設備種類90%以上。形成了中國獨有的數字技術財富寶庫。

     2018年，硅谷動力評出的工業互聯網平臺及解決方案提供商，TOP10有8家，Top50中有29家采用亞控的采集產品。目前，亞控已經與浪潮、阿里、華為、百度、樹根互聯、徐工、三一重工等工業互聯網平臺達成戰略合作協議，為其提供設備接入服務。

2018年9月，工業互聯網產業聯盟發布的《工業數據采集產業研究報告》，其中第六章數據采集典型產品和案例介紹部分提及的12家企業案例，有9家與亞控進行了數據采集方面的合作。

圖3 驅動服務數量對比

2019年，亞控以《面向異構協議兼容的亞控WellinCloud工業互聯網平臺測試床建設項目》申報的工信部組織的工業互聯網創新發展工程，創新性提出了解決工業互聯網平臺異構協議兼容能力的建設方案，得到了專家的高度認可，最終以第一名中標。

2、獨創的邊云一體化建模技術方案

“一物一名通云邊”是將面向不同行業的物理實體，組態構建為與數據結構無關的數字映射體。該數字映射體將物理實體的多種數據和模型進行打包，并在邊云實現自由同步。用戶無論在何時、何地只需通過物理實體的唯一名稱（ID），就可以對這些數據和模型進行檢索、調用，而不需要關心這個映射體存儲在邊緣側還是云端，更不需要關注它們被存儲在哪個數據庫的哪個表里。用戶只需要簡單的培訓就可以使用這一先進的邊云協同技術。該技術系國內首創。

圖4 “一物一名通云邊”

工業模型云端一體化配置化。工業互聯網平臺自2014年發展至今，一直使用高級語言編程開發工業模型，開發周期長，維護難，質量差。2019年，亞控成功把配置化（組態）技術應用到了云邊協同的工業模型開發，工業人只需要通過可視化“拖、拉、拽”配置的方式就能自主完成開發，從此擺脫對IT人的依賴。目前，公司為聯通全要素連接平臺開發了包含機加、電子等十個行業人、機、料、法、環全要素300余個工業模型；為川能智網能源管理平臺面向設備級、系統級、管理級開發了200余個工業模型，實現對十余種能源介質的用能計劃、實時監測、報警分析、能耗預測。該技術系國內首創。

3、創新性的模型訓練技術

針對不同的工業場景需求，提供亞控科技獨創的“開環”“閉環”模型訓練技術：

圖5 “閉環”邊云協同訓練模式

“閉環”邊云協同的訓練模式是工業模型在云上構建和訓練，部署到邊緣驗證，最終在云上聚合。與傳統的以云中心為核心的訓練驗證方式不同，邊緣驗證不需要收集工業現場的數據，只是收集最新的模型訓練更新，從而避免用戶信息泄露。

圖6 “開環”邊云協同訓練模式

“開環”邊云協同的訓練模式是工業模型在云上構建和初步訓練，部署到邊緣驗證和深度訓練，最終在邊緣聚合。這種方式可以充分利用和繼承“閉環”邊云協同訓練結果，在邊緣側繼續進行深度訓練，滿足用戶個性化應用需求。

三、生產制造類工業App開發的難點

自2014年GE推出全球首款工業互聯網平臺以來，國內也涌現出許多優秀的工業互聯網平臺，以索為云網為代表的在研發設計領域、以三一根云為代表的在管理運營領域，都開發了數千個工業APP，為工業企業賦能，在研發和運維方面實現了業務模式的應用創新。

到目前為止，國內工業互聯網平臺上可用的生產制造類工業APP還很少，政府有號召，企業有需求，為什么生產制造類工業APP積累依然這么慢？因為現有工業互聯網平臺開發生產制造類工業APP都面臨三大難點：

1、復合型開發人才奇缺

工業APP的本質是工業機理模型和工業技術的軟件化，工業know-how是核心。中國擁有世界上最齊全的工業門類，所涉及的工業知識非常豐富，這些工業知識在工業人腦子里，而信息技術掌握在IT人手中，據CSDN網站統計，中國IT人有600萬，在工業領域的預計50萬，工業人有4500萬，既有工業知識又掌握信息技術的復合型人才非常稀少。

2、工業APP通用性差、優化迭代困難

現有的工業APP大多面向單個客戶定制開發，客戶需求情況有變化或新增一個客戶又需要根據新需求再定制開發新的工業APP，這樣的工業APP使用率很低，標準化、通用化的可能性極小，優化迭代和復用都很困難。

解決問題的思路是把工業APP分解成若干可以復用的基礎共性類APP，根據客戶需求組裝，只需要定制不具有共性的部分，這樣就解決了通用性差、迭代困難的問題，然而“打散容易、重構難”，原因在于工業APP接口沒有標準化，工業APP的接口很容易發生變化，很難找到所有工業APP的共性把接口固化下來。

3、工業APP支撐系統集成困難

生產制造按經典的普度模型分五層：

圖 7 生產制造系統普度模型

L0-現場設備，L1-自動控制，L2-車間監控，L3-制造執行，L4-業務管理。理想情況下，五層系統之間聯動，從上而下形成PDCA（Plan,Do,Check,Action）的閉環，成為一個有機整體，數據自動流動，實現“看不見的自動化”，讓生產制造從固化、僵硬變得離散、輕靈。模型在實際應用過程中，幾乎在每一層都遇到阻礙數據自動流動的問題，原因在于：

L0級存在問題 – 設備繁雜

設備“萬國牌”——目前中國工業設備保有量世界第一、設備種類數量世界第一、設備使用跨度時間長，存量大；同時中國也是工業設備增長最為迅猛的國家，增量大。加之現場設備大都是相對封閉的系統，接口缺失，這就給工業設備接入工業互聯網帶來了非常巨大的挑戰。

L1級存在問題 – 協議多樣

“最后一米”不通——工業互聯網連通設備的“最后一米”就是采集設備中的數據。工業設備的數字化通過安裝各種工業控制器和采集器完成，數據采集通過和這些控制器或采集器以多達300余種通訊協議實現。由于設備種類繁多，數據鏈路、接口不一，協議多樣，順暢、穩定地采集數據比較困難。

L2級存在問題 – 各自為戰

國內外有數十家監控軟件廠家，國外以西門子、霍尼韋爾、羅克韋爾、橫河為代表，國內以亞控、力控、中控、和利時為代表，各廠家產品接入的設備實時、歷史數據有各自的存儲格式，互相之間不能統一，工業互聯網平臺只能分別和每一款產品通過OPC(OLE for Process Control)的方式進行整合。

L3級存在問題 – 煙囪林立

工廠制造執行有“空間離散”、“時間異步”的特點，異構系統集成過程中，存在大量的“信息孤島”、“煙囪林立”的情況，相互之間在功能上不能關聯互助，信息難以共享互換，信息與業務流程和應用相互脫節。

L4級存在問題 – 難以集成

業務管理層各系統相互構成協同關系。只有集成在一起，才能提高產品附加值，縮短開發周期，加快投入市場速度，從根本上提高制造業的競爭力。

各系統間的集成工作已經開展40年，至今未能很好解決，主要難點在于：各系統間的數據接口不一致，需要通過接口程序、中間庫表等方式做轉換傳遞；各系統的數據發生變化時，需要通過全量、數據比較方式實現，繁瑣低效；業務數據種類繁多，包括物料、BOM(Bill of Material)、工藝數據、工序庫等，集成工作量大；各系統之間數據、功能有重疊，集成時難以妥善處理。

四、亞控發明了獨特的云原生技術

1、國內首款工業APP全配置（組態）產品

2019年，亞控發布了KingAppPlatform（亞控產品），開發者只需要通過可視化“拖、拉、拽”配置的方式就能完成工業APP的配置（組態）開發。

圖 8 傳統開發方式VS云原生技術

2、與工互平臺全面合作

2019年8月，工信部發布的“2019 年跨行業跨領域工業互聯網平臺清單公示”文件公示了十家“雙跨”工業互聯網平臺， 其中海爾、航天云網、浪潮云、華為、阿里等8家和亞控達成了戰略合作協議。

3、工業APP積累提速

KingAppPlatform雖推出不到一年時間，但已吸引了一批合作伙伴和開發者，并在機加、電子、建筑等多個行業積累了進度、質量、設備、物料、能源、安全、人員績效等方面500余個工業APP。

五、亞控WellinCloud工業互聯網平臺

圖 9 WellinCloud工業互聯網平臺賦能工業

亞控科技2019年推出的WellinCloud工業互聯網平臺，分數據數據采集邊緣層-工業PaaS平臺層-工業APP應用層三層架構，采用了獨創的數據采集和解析技術、邊云協同技術、云原生技術和App隔離技術，通過共享公司25年積累下的5000余種工業設備驅動解決工業數據接入問題，提供讓4000萬工程師很容易掌握的工業App開發平臺和方法，幫助懂工業、懂制造，懂車間生產場景的工業人熟練、流暢、配置化地開發工業APP，徹底解決工業App“打散容易重構難”、工業企業制造模型創新等一系列技術和業務難題，實現工業互聯網在制造領域的應用落地，賦能企業實現數字化轉型升級。