科创中国

问题概述：
不同于传统工业中被动的信息采集方式，工业互联网通过“物-物”相连的通信方式实现人、机器和系统三者交互式连接，实现自动、准确、及时地采集生产、销售、物流等各环节参数，汇集海量数据，再通过挖掘分析、处理、应用，最终实现价值创造。
1.什么是工业互联网
工业互联网的架构主要分为三个层次：感知层、网络层和应用层。其中，感知层利用RFID、传感器、二维码等获取物体的信息；网络层通过通讯网络传递物体的实时信息；应用层将信息进行处理，如进行智能化识别、定位、监控和管理等。相比传统工业自动化，工业互联网的信息采集范围更广，从产品生产到销售并延伸至最终用户；工业互联网更强调数据交互与互联传输；工业互联网可以进行更智能的数据处理，深入挖掘数据价值。
工业互联网平台是工业互联网实施落地的关键载体，其本质是通过构建精准、实时、高效的数据采集互联体系，建立面向工业大数据存储、集成、访问、分析、管理的开发环境和应用环境，支撑工业技术、经验、知识模型化、软件化、复用化。除此之外，工业互联网平台还包括用以支撑数据传输交换的网络基础设施，以及涵盖整个工业系统的安全管理体系，这些构成了工业互联网平台的重要保障和支撑。工业互联网平台涉及七类关键技术，包括平台使能技术、IaaS技术、数据集成和边缘处理技术、数据管理技术、工业数据建模和分析技术、应用开发和微服务技术以及安全技术。
2.当前研究进展
工业互联网平台中数据集成和边缘处理技术是关键技术之一。当前，边缘计算成为研究热门领域。边缘与云端协同成为工业互联网平台重要发展方向。
强化协议转化能力。工业互联网将连接工厂各异构设备，实现设备互联互通。如何解决各设备的通讯协议不统一问题是近年来研究重点之一，例如GE Predix Machine利用OPC UA技术实现不同工业网络协议的转换，国内企业也开发出工业数据采集网关，容纳多种不同工业网络协议，实现统一数据采集和存储转发。
强化边缘计算能力。面对大量联网的终端与设备，利用分布式信息处理的方式实现物端的智能和自治。其中涉及大量数据在网络边缘侧分析、处理与储存。例如SAP Leonardo利用边缘网关剔除冗余数据，Azure IoT在边缘侧运行分析算法，实现实时反馈控制。研发具备工业互联网接口的工业控制系统也是一个重要方向。
强化边缘与云端协同能力。云计算聚焦非实时、长周期数据的大数据分析，在周期性维护、业务决策支撑等领域发挥特长。边缘计算聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。例如ThingWorx平台将云端模型导入边缘设备进行实时分析，并根据反馈数据进一步优化云端模型，实现双向迭代。
3.未来面临的关键难点与挑战
在数据集成和边缘计算技术方面，首先面临的是国内企业两化融合水平不高、工业数据采集和分析能力不足的问题。
中国工业企业两化融合发展水平较低。美国、德国在工业知识经验软件化、平台化能力、产品研发、装备和自动化系统、工业控制和工艺流程等领域处于领先地位，中国工业化发展历程短，制造技术与管理知识经验积累不足，企业两化融合发展水平参差不齐。
中国在设备数字化、网络化方面与美国、德国等差距较大。2017年我国企业设备数字化率为44.8%、数字化设备联网率为39.0%，尤其是中小企业基础薄弱，设备改造和数据采集难度较大。
发达国家工业设备产品在全球市场仍占据主导地位。GE、西门子等龙头企业依托自身产品可采集跨区域、跨行业、跨领域的海量数据。
中国具有工业背景的数据分析企业较少。美国、德国具有大量资深和初创的具有工业背景的数据分析企业，通过合作能帮助平台快速提升能力，中国有很多互联网企业，但具有工业背景的数据分析企业尚不多。
边缘计算技术近年来兴起，国内已有诸多企业关注该技术的发展，并开展研究工作，机会和挑战并存。
重要意义：
随着工业互联网在行业领域的逐步深入，数据集成和边缘处理已经成为很多行业应用实施落地的前提，并得到越来越多的关注。数据采集和边缘处理技术可以带来诸多价值：通过边缘端的采集、分析处理功能，实现数据的实时采集、处理，满足业务实时性；通过网络边缘对传感侧协议和标准的统一、适配，解决不同行业设备的多样性和异构性问题，降低集成难度和成本；通过边缘的分布式智能和自治系统相互协同，去中心化，保障本地的基本控制能力，提高系统的可靠性；通过网络边缘的安全防护，建立加密通道、加/解密机制，提高行业系统的安全性。
中国工业企业发展的市场需求巨大，一旦解决数据集成等基础问题，应用市场效应优势将非常明显。利用工业互联网平台作为大中小企业互通发展的载体，将大企业成熟有效的技术、管理、应用等方面的知识经验，快速向中小企业复制推广，通过平台技术模块化和知识经验软件化，降低技术门槛和应用成本，推动工业领域整体发展。