工业互联网平台技术体系

《工业互联网平台技术体系》由会员分享，可在线阅读，更多相关《工业互联网平台技术体系（51页珍藏版）》请在装配图网上搜索。

1、工业互联网平台技术体系编写说明工业互联网平台作为工业全要素链接的枢纽与 工业资源配置的核心，在工业互联网体系架构中具有至 关重要的地位。近期，国务院深化“互联岡先进制 造业”发展工业互联网的指导意见明确将构建网络、 平台、安全三大功能体系作为其重点任务。在工业和信 息化部信息化和软件服务业司的指导下，工业互联网平 台白皮书希望加强研究与交流，与业界共同推动工业互 联网平台发展。白皮书主要分为五个部分。第一部分重点提出了 工业互联网平台的体系架构与关键要素，明确了工业互 联网平台是什么，有哪些功能和作用。第二部分提出了 工业互联网平台的技术体系，并重点对平台层、边缘 层与应用层的主要技术创新趋势

2、进行了探讨。第三部分明确了工业互联网平台的产业体系，提出当前平台布 局的四种路径，以及平台与应用生态构建的主要模式。 第四部分提出了工业互联网平台的主要应用场景及案 例。第五部分则重点面向平台企业，提出了平台发展的 相关建议。目录把握工业互联网平台发展的战略机遇6工业互联网平台技术体系 17（一）工业互联网平台七大核心技术交织融合17（二）平台架构，PaaS以其开放灵活特性成为主流选择.21（三）应用创新，工业机理与数据科学走向融合25（四）功能下沉，边缘与云端协同成为平台重要发展方向29（五）开发框架，微服务等新型架构大幅降低开发难度与创 新成本33一、把握工业互联网平台发展的战略机遇工业互

3、联网是新一代信息通信技术与现代工业 技术深度融合的产物，是制造业数字化、网络 化、智能化的重要载体，也是全球新一轮产业竞 争的制高点。党的十九大报告指出，“加快建设 制造强国，加快发展先进制造业，推动互联网、 大数据、人工智能和实体经济深度融合。” 2017 年10月30日，国务院常务会审议通过深化“互联网+先进制造业”发展工业互联网的指导 意见，促进实体经济振兴，加快转型升级。工 业互联网通过构建连接机器、物料、人、信息系 统的基础网络，实现工业数据的全面感知、动态 传输、实时分析，形成科学决策与智能控制， 提高制造资源配置效率，正成为领军企业竞争的 新赛道、全球产业布局的新方向、制造大国竞

4、争 的新焦点。作为工业互联网三大要素，工业互 联网平台是工业全要素链接的枢纽，是工业资源 配置的核心，对于振兴我国实体经济、推动制造 业向中高端迈进具有重要意义。工业互联网平台是面向制造业数字化、网络 化、智能化需求，构建基于海量数据采集、汇 聚、分析的服务体系，支撑制造资源泛在连接、 弹性供给、高效配置的工业云平台。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，实现工业技术、经验、 知识的模型化、标准化、软件化、复用化，不断 优化研发设计、生产制造、运营管理等资 源配 置效率，形成资源富集、多方参与、合作共赢、 协同演 进

5、的制造业新生态。关于工业互联网平 台有四个定位：第一，工业互联网平台是传统工业云平台 的迭代升级。从工业云平台到工业互联网平 台演进包括成本驱动导向、集成应用导向、能 力交易导向、创新引领导向、生态构建导向五 个阶段，工业互联网平台在传统工业云平台的 软件工具共享、业务系统集成基础上，叠加了 制造能力开放、知识经验复用与开发者集聚的 功能，大幅提升工业知识生产、传播、利用效 率，形成海量开放APP应用与工业用户之间相 互促进、双向迭代的生态体系。第二，工业互 联网平台是新工业体系的“操作系统”。工业互 联网的兴起与发展将打破原有封闭、隔离又固 化的工业系统，扁平、灵活而高效的组织架构 将成为新

6、工业体系的基本形态。工业互联网平 台依托高效的设备集成模块、强大的数据处理 引擎、开放的开发环境工具、组件化的工业知 识微服务，向下对接海量工业装备、仪器、产 品，向上支撑工业智能化应用的快速开发与部 署，发挥着类似于微软ffindows.谷歌 Android系统和苹果iOS系统的重要作用，支 撑构建了基于软件定义的高度灵活与智能的工 业体系。第三，工业互联网平台是资源集聚共 享的有效载体。工业互联网平台将信息流、资金流、人才创意、制造工具和制造能力在云端汇聚，将工业企业、信息通 信企业、互联网企业、第三方开发者等主体 在云端集聚，将数据科学、工业科学、管理科 学、信息科学、计算机科学在云端融

7、合，推动 资源、主体、知识集聚共享，形成社会化的 协同生产方式和组织模式。第四，工业互联 网平台是打造制造企业竞争新优势的关键抓 手。当前，GE、西门子等国际领军企业围绕“智能机器+云平台+工业APP”功能架构，整 合“平台提供商+应用开发者+海量用户”等 生态资源，抢占工业数据入口主导 权、培育 海量开发者、提升用户粘性，不断建立、巩固 和强化以平台为载体、以数据为驱动的工业 智能化新优势，抢占新工业革命的制高点。说得形象一点，工业互联网平台是两化融合的“三明治”版。第一，底层是由信息技术企业主导建设的 云基础设施laaS层，在这一领域，我国与发达 国家处在同一起跑线，阿里、腾讯、华为等云

8、计算基础设施已达到国际先进水平。第二，中间层是由工业企业主导建设的工 业PaaS层，其核心是将工业技术、知识、经 验、模型等工业原理封装成微服务功能模块， 供工业APP开发者调用，因此工业PaaS的建 设者多为了解行业本身的工业企业，女ICE、西 门子、PTC以及我国的航天科工、三一重工、海 尔集团均是基于通用PaaS进行二次开发，支持 容器技术、新型API技术、大数据及机器学习 技术，构建了灵活开放与高性能分析的工业 PaaS产品。第三，最上层是由互联网企业、工业企 业、众多开发者等多方主体参与应用开发的工 业APP层，其核心是面向特定行业、特定场景 开发在线监测、运营优化和预测性维护等具体

9、 应用服务。对于工业互联网平台，可以用三句话来概括：第一句，数据采集是基础。其本质是利用 泛在感知技术 对多源设备、异构系统、运营环 境、人等要素信息进行实时高效采集和云端汇 聚。当前数据采集面临的突出问题是，受制于 传感器部署不足、装备智能化水平低，工业现 场存在数据采集数量不足、类型较少、精度不 高等问题，无法支撑实时分析、智能优化和科 学决策。无论是跨国公司，还是国内平台企 业，都把数据采集体系建设和解决方案能力建 设作为工业互联网平台建设的基础：一方面通 过构建一套能够兼容、转换多种协议的技术产品 体系，实现工业数据互联互通互操作，另一方 面通过部署边缘计算模块，实现数据在生产现 场的

10、轻量级运算和实时分析，缓解数据向云端 传输、存储和计算压力。第二句，工业PaaS是核心。其本质是在 现有成熟的IaaS （基础设施即服务）平台上构 建一个可扩展的操作系统，为工业应用软件开 发提供一个基础平台。工业PaaS面临的突出 问题是开发工具不足、行业算法和模型库缺 失、模块化组件化能力较弱，现有通用PaaS 平台尚不能完全满足工业级应用需要。当前， 工业PaaS建设的总体思路是，通过对通用 PaaS平台的深度改造，构造满足工业实时、可 靠、安全需求的云平台，将大量工业技术原 理、行业知识、基础模型规则化、软件化、模 块化，并封装为可重复使用和灵活调用的微服 务，降低应用程序开发门槛和开

11、发成本，提高 开发、测试、部署效率，为海量开发者汇聚、 开放社区建设提供支撑和保障。工业PaaS是 当前领军企业布局的重点，是平台核心能力的 集中体现，也是当前生态竞争的焦点。第三句，工业APP是关键。主要表现为 面向特定工业应用场景，激发全社会资源推 动工业技术、经验、知识和最佳 实践的模型 化、软件化、再封装（即工业APP）,用户通 过对工业APP的调用实现对特定制造资源的优 化配置。工业APP面临的突出问题是，传统 的生产管理软件云化步伐缓慢，专业的工业 APP应用较少，应用开发者数量有限，商业模 式尚未形成。工业APP发展的总体思路是，一 方面，传统的CAx、ERP、MES等研发设计工

12、具和运营管理软件加快 云化改造，基于工业PaaS实现了云端部署、集 成与应用，满足企业分布式管理和远程协作的 需要；另一方面，围绕多行业、多领域、多 场景的云应用需求，大量开发者通过对工业PaaS层微服务的调用、组合、封装和二次开 发，开发形成面向特定行业特定场景的工业 APPo从全球工业互联网平台发展的总体情况来 看，技术体系初步形成，产业生态逐渐成熟，应用场景日趋 丰富。在技术体系方面，数据集成和边缘处理 技术、IaaS技术、平台通用使能技术、工业数 据建模和分析技术、工业大数据计算技極用 开发和微服务技术、平台安全技术共同构成了 工业互联网平台的技术体系，边缘数据集成处理、 通用平台二次

13、开发、工业机理与大数据融合、微 服务组件调用是当前工业互联网平台构建的主 要方式。在产业生态方面，五大支撑、四大主 体、两类用户共同构成了工业互联网平台的产 业体系，工业企业、信息技术企业、垂直领域 企业、软件企业、互联网企业结合自身优势从 不同路径开展平台产业布局，基于平台提供开 发环境、工业知识积累、微服务组件、大数据分 析引擎，成为跨界企业与第三方开发者共同 构建平台产业生态的关键支撑。在应用场景 方面，工业现场的生产过程优化、企业管理的 运营决策优化、企业间协同的资源配置优化、 产品全生命周期的管理服务优化是工业互联 网平台的四大典型应用，平台的应用领域正 从单个设备、单个工艺、单个企

14、业向全要素、 全产业链、全生命周期领域拓展，带动传统产 业实现智能化转变。当前，全球领先企业工业互联网平台正 处于规模化扩张的关键期，而我国工业互联 网建设仍处于起步阶段，发展基础和能力薄 弱，跨行业、跨领域的综合性平台尚未形成， 面向特定行业特定领域的企业级平台影响力不强，亟需加强统筹协调，充分发挥政府、企业、研究机构等各 方合力，把握 全球工业互联网平台市场格局、 技术标准未定的战略窗口期，抢占基于工业互 联网平台的制造业生态发展主动权和话语 权，打造新型工业体系，加快形成培育经济增 长新动能。下一步，要从“供给侧”和“需求 侧”两端发力，坚持“建平台”与“用平台” 双轮驱动，培育一批跨行

15、业、跨领域的综合能 力平台和解决企业数字化、网络化、智能化发 展需求的企业级平台，开展工业互联网平台技 术验证与测试评估，组织实施百万工业企业上 云和百万工业APP培育工程。要坚持“补短板”与“建生态”相互协调，实施工业 技术软件化工程，促进软件技术与工业技术深 度融合，构建工业互联网的产业支撑体系。要 坚持“保安全”与“促发展”相互促进，加 快形成发展工业互联网的安全保障体系。工业互联网平台是推动制造业与互联网 融合发展的重要抓手，基于工业互联网平台 的制造业生态正成为产业竞争的“风口”，发 展的机遇稍纵即逝，需要在技术研发、标准研制 和产业应用等方面尽早部署。为此，编撰形成了 工业互联网平

16、台白皮书(2017)。本白皮书 在编写过程中集众人之智、采众家之长，是对 新形势下工业互联网平台技术演进、产业发展 和应用模式的阶段性提炼和总结。下一步，要 围绕工业互联网平台培育、测试验证、能力评 估及标准体系建设等方面，统筹开展工作。希 望能够通过白皮书为相关人员提供参考， 通 过社会各界共同努力，为我国工业互联网平台 的发展贡献一份力量，共同推动我国工业互联 网平台产业进步、应用繁荣。工业互联网平台技术体系（一） 工业互联网平台七大核心技术交织融合工业互联网平台需要解决多类工业设备接入、 多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一

17、系列问题，涉及七大类关键技 术，分别为数据集成和边缘处理技术、laaS技术、平台樓能支术全技术管理技术、应用开发和微服 图2：工业互联网平台关键技术体系 图1数据集成与边缘处理技术务技术、工业数据协作企业设备接入：基于工业以太网、工业总线等工应用层ZEJlLSaaS3G/4(业务运行APP管理 APP平台层议，以太网、光纤等通用协议,、nB-iot等无线协议将工业现场设备接入到平台边缘层。协议转换：一方面运用协议解析、中间件等技 术兼容ModBus. OPC、CAN、Profibus等各类工业 通信协议和软件通信接口，实现数据格式转换和统 一。另一方面利用HTTP、MQTT等方式从边缘侧将 采

18、集到的数据传输到云端，实现数据的远程接入。边缘数据处理：基于髙性能计算芯片、实时 操作系统、边缘分析算法等技术支撑，在靠近设 备或数据源头的网络边缘侧进行数据预处理、存 储以及智能分析应用，提升操作响应灵敏度、消 除网络堵塞，并与云端分析形成协同。2. IaaS技术基于虚拟化、分布式存储、并行计算、负载 调度等技术，实现网络、计算、存储等计算机资 源的池化管理，根据需求进行弹性分配，并确保 资源使用的安全与隔离，为用户提供完善的云基 础设施服务。3. 平台使能技术资源调度：通过实时监控云端应用的业务量 动态变化，结合相应的调度算法为应用程序分配 相应的底层资源，从而使云端应用可以自动适应 业务

19、量的变化。多租户管理：通过虚拟化、数据库隔离、容 器等技术实现不同租户应用和服务的隔离，保护 其隐私与安全。4. 数据管理技术数据处理框架：借助Hadoop、Sparks Storm等分布式处理架构，满足海量数据的批处理和流处理计算需求。数据预处理：运用数据冗余剔除、异常检测、 归一化等方法对原始数据进行清洗，为后续存储、 管理与分析提供髙质量数据来源。数据存储与管理：通过分布式文件系统、 NoSQL数据库、关系数据库、时序数据库等不同 的数据管理引擎实现海量工业数据的分区选择、 存储、编目与索引等。5. 应用开发和微服务技术多语言与工具支持：支持Java,Ruby和PHP 等多种语言编译环境

20、，并提供Eclipse integration, JBoss Developer Studio、和Jenkins等各类开发工具，构建髙效便 捷的集成开发环境。微服务架构：提供涵盖服务注册、发现、通 信、调用的管理机制和运行环境，支撑基于微型 服务单元集成的“松耦合”应用开发和部署。图形化编程：通过类似Labview的图形化编 程工具，简化开发流程，支持用户采用拖拽方式进 行应用创建、测试、扩展等。6. 工业数据建模与分析技术数据分析算法：运用数学统计、机器学习及 最新的人工智能算法实现面向历史数据、实时数 据、时序数据的聚类、关联和预测分析。机理建模：利用机械、电子、物理、化学等领 域专业知识

21、，结合工业生产实践经验，基于已知工业机理构建 各类模型，实现分析应用。7. 安全技术数据接入安全：通过工业防火墙技术、工业 网闸技术、加密隧道传输技术，防止数据泄漏、 被侦听或篡改，保障数据在源头和传输过程中安 全。平台安全：通过平台入侵实时检测、网络安 全防御系统、恶意代码防护、网站威胁防护、网 页防篡改等技术实现工业互联网平台的代码安全、 应用安全、数据安全、网站安全。访问安全：通过建立统一的访问机制，限制 用户的访问权限和所能使用的计算资源和网络 资源实现对云平台重要资源的访问控制和管理， 防止非法访问。在上述七大类技术中，通用平台使能技术、 工业数据建模与分析技术、数据集成与边缘处理

22、技术、应用开发和微服务技术正快速发展，对工 业互联网平台的构建和发展产生深远影响。在平 台层，PaaS技术、新型集成技术和容器技术正加 速改变信息系统的构建和组织方式。在边缘层， 边缘计算技术极大的拓展了平台收集和管理数据的 范围和能力。在应用层，微服务等新型开发框架驱 动工业软件开发方式不断变革，而工业机理与数据 科学深度融合则正在引发工业应用的创新浪潮。（二）平台架构，PaaS以其开放灵活特性成为 主流选择仁基于通用PaaS的二次开发成为工业PaaS 主要构建方式PaaS能够为上层工业APP开发屏蔽设备连 接、软件集成与部署、计算资源调度的复杂性，大 部分领先平台都依托通用PaaS向用户提

23、供服务。 例如GE Predix基于对Cloud Foundry的二次 开发支持Spring、.NET等开发框架，提供 PostgreSQL SQL Server、Redis 以及来自第三 方和开源社区的应用服务，还包tgitHub代码 库、Node, js、Bower 包管理器、Gulp、SASS、 Web Component Tester等多种开发工具，以便 支持开发人员快速实现应用的开发与部署。其他 主流平台也均采取类似策略，IBM Bluemix.西 门子 MindSphere、BoschloT Suite、航天云网 INDICS等平台均基于Cloud Foundry搭建，树 根互联根

24、云RootCloud.海尔COSMOPlat平台、 寄云科iJeuSeer平台则分别基于docker、 Openshift等进行构建。2.新型集成技术成为平台能力开放的重要手段借助REST API等一系列Web API技术，大部 分工业互联网平台中的设备、软件和服务通过 JSON、XML等统一格式实现不同业务系统的信息交 互和调度管理，为企业内外协同、云端协同、能力 开放、知识共享奠定基础。新型API技术为多源异 构系统的快速集成提供有效支撐 实现边缘设备与云端的集成、传统工业软件与云端的集成、平台内部不同软件和功能的集成。目前Ayla、Intel IoT、Zatar Xively Eurot

25、ech 等平台 更是以REST协议为核心手段实现设备、应用程序、 后端系统的全要素集成，此外， PredixThingWorxWatson IoT 等绝大部分平台也 都集成了 RESTAPI技术。基于API技术的能力开放是平台发展 的重点方向。发那科FIELDsystem平台目前已经 200多家公司开放API,支持用户灵活调用平台 的相关服务来开发个性化应用。Predix基于 REST API技术提供资产管理和位置控制的微服 务，基于区块链技术提供数据完整性验证API, 基于大数据技术提供数据统计分析APIo IBMWatson I0T平台基于REST API技术为工业应用 提供连接、认知分析

26、、实时分析、信息管理和风险管理等功能。3容器技术支撑平台及应用的灵活部署通过引入容器和无服务器计算等新型架构， 能够实现平台和工业应用的灵活部署和快速迭代, 以适应工业场景中海量个性化开发需求。容器技 术简化了硬件资源配置的复杂性，一方面实现了 平台中服务和应用的灵活部署。例如IBM将 Watson I0T平台中的采集服务Watson Service 平台中的分析服务以容器形式封装后，可以实现 图形化的快速应用构建。GE Predix平台中训练 形成的智能模型，利用容器技术可以直接部署在PredixMachine设备上。另一方面，容器技术实现了平 台自身的快速部署。例如PTC ThingWor

27、x平台 2017年6月发布的8.0版本增加了基于Docker 的部署方式，支持平台在不同公有云、私有云、 混合云等多种基础设施上的快速构建和灵活迁移。SAP 在 dockerstore中提供HANA的应用速成(express)版， 打包内存计算引擎和数据分析算法，使应用开发 者可以在本地或云端快速开发基于HANA平台的 数据分析应用和软件。(三)应用创新，工业机理与数据科学走向融 合仁对工业机理的深入理解是工业数据分析的重 要前提在长期工业发展过程中，工业企业面向不同行 业、不同场景、不同学科积累了大量经验与知识， 这些工业机理的理解和提炼能够对生产现象进行精 准描述和有效分析，对传统工业生产

28、和管理的优化 起到重要作用。随着新型数据科学的兴起，这些工 业机理又能够有效指导数据分析过程中的参数选择 和算法选择，使其更加贴合工业生产特点。因此，以GE、西门子、博世笔匸业巨头均将自身工业经验 知识进行提炼和封装，作为其工业互联网平台的 核心能力与竞争优势。例如，GE公司将以往由工 程师智囊团完成的飞行数据分析工作“搬 上Predix平台，专家在Predix平台的帮助下 构建一个检测程序来根据航程的长短自动对比飞 机起飞前后发动机滑油量，实现滑油消耗的提前 告警和运维，从而将其航空发动机领域的专业知 识和经验转化为平台上面向用户特殊应用需求的 专业服务能力。2. 大数据、机器学习技术驱动工

29、业数据分析能 力跨越式提升工业互联网带来工业数据的爆发式增长，传统数学统计与拟合方法难以满足海量数据的深度挖掘，大数据与机器学习方法正在成为众多工业互联网平台的标准配置。Spark.Hadoop Storm等大数据框架被广泛应用于海量数 据的批处理和流处理，决策树、贝叶斯、支持向量 机等各类机器学习算法，尤其是以深度学习、迁移 学习、强化学习为代表的人工智能算法，正成为工 业互联网平台解决各领域诊断、预测与优化问题的 得力工具。例如，IBM公司将人工智能系统Watson引入Bluemix中打造出具备“AI+IoT” 特色的 Watson IoT Platform,借助 物联网强大的数据连接汇聚

30、能力为智能系统 Watson提供数据支撑,Watson系统则凭借优势明 显的认知、推理和学习功能寻找数据与结果之间的 内在关联，并形成新的洞察力以帮助企业进行最优 决策。3. 数据科学与工业机理结合有效支撑复杂数据 分析，驱动数字季生发展基于工业互联网平台，数据分析方法与工业机 理知识正在加速融合，从而实现对复杂工业数据 的深度挖掘，形成优化决策。例如，上海隧道工程 股份有限公司通过与寄云合作，借助平台采集工业 检测设备中的各类图像、距离、位置、转速、倾角、 压力、流量、扭矩、功率等全部数据，基于岩土知 识、功率曲线、扭矩曲线、屈服强度等工业知识机 理标记（或提取）异常信息，对历史数据进行特

31、征提取与模型训练，再接入实时数据进行异常预 警，从而解决盾构硬岩掘进机TBM施工过程中的 难题，突破传统解决方案的极限。随者融合的不断 深化，基于精确建模、高效分析、实时优化的数字孪生快速发展，实现对工业对象和 工业流程的全面洞察。东方国信基于非稳态、多相、多物理场 的数值模拟仿真技术、热力学和动力学模型、以 及工业大数据分析技术等，建立虚实映射、实时 监控、智能诊断、协同优化的数字李生，实现对 工业实体设计和工艺流程的仿真及优化，在炼铁， 工业锅炉，水电，空压机，能源等多个行业或领域 落地。4. 工业知识正基于平台快速积累并实现高效传 播与复用通过数据积累、算法优化、模型迭代，工业互 联网平

32、台中将形成覆盖众多领域的各类知识库、 工具库和模型库，实现旧知识的不断复用和新知 识的持续产生。借助这种方式，传统分散于不同企 业、不同系统、不同个体的工业经验将能够获得有 效沉淀和汇聚起来，并通过平台功能的开放和调用 被更多企业共享。例如，索为SYSWARE平台通过 打造统一的工程中间件，实现对各类知识经验、工 业机理、算法模型的集成，目前已在航空、航天、船 舶、兵器、核工业、电子等行业构建工业知识库上百 个，知识条目500万以上。（四）功能下沉，边缘与云端协同成为平台重 要发展方向仁基于边缘的多协议转换强化平台数据接入能力大部分平台均提出了协议转换和云端协同技术方案，实现设备、传感器、PL

33、C、控制系统、管 理软件等不同来源的海量数据在云端的集成与汇 聚。基于网关的多协议转换正获得普遍应用，GE通过将数据采集转换模块 Predix Machine 部署在现场传感器、控制器和网关，利用OPC UA技术实现工业以太 网、工业总线等不同协议的转换。Oracle IoT Cloud Service面向设备远程管理业务，通过 “软件网关”实现对行业通信协议的支持。西门 子通过在设备端部署数据采集模块MindCormect Nano,实现通用协议兼容和私有协议转换。基于 操作系统和芯片的原生集成正成为重要创新方 向。如 Intel 推出 Wind River Edge Management

34、System嵌入式管理系统，实现设备与Intel IoT Platform 的直接互联oAyla IoT Platform 与博 通、髙通、意法半导体等芯片巨头合作，将平台 接口内嵌在芯片中，直接从芯片层面支持边缘与 云端的互联。2.边缘数据处理和缓存技术有效提升平台承载能力工业生产过程中髙频数据采集，往往会对网 络传输、平台存储与计算处理等方面带来性能和 成本上的巨大压力，在边缘层进行数据的预处理和 缓存，正成为主要平台企业的共同做法。一莊边 缘层进行数据预处理，剔除冗余数据，减轻平台负 载压力。例如， SAP Leonardo Edge Platfonn 与 Dell边缘网关集成，实现边缘

35、数据的实时预处 理。华为推出EC-IoT解决方案基于敏捷网关能够 大幅缩短业务上线时间，降低运营成本50%以上。 二是利用边缘缓存保留工业现场全量数据，并通 过缓存设备直接导入数据中心，降低网络使用成 本。例如亚马逊推出的AWS Snowball Edge微软Azure数据盒、以及谷歌的TransferAppliance,以100TB级别的容量支持现场数据临时存储，通过实 体运输将数据上传到数据中心，简化数据传输过程并尽可能减 少设置与集成工作。在风电场的实际应用中， Snowball Ede主要解决无网络偏远地区的数据 存储上云问题。在制造企业的实际应用中， Snowball Edge主要替

36、代上位机或私有云保存 现场数据。3.边缘分析技术显著增强平台实时分析能力为了更好满足工业用户的实时性、可靠性要 求，越来越多的平台运营企业开始将计算能力下 放到更为靠近物或数据源头的网络边缘侧。一是 边缘层直接运行实时分析算法，例如微软2017年 5月更新Azure IoT Edge服务，新增了机器学 习、认知服务、流数据分析等功能，支持在嵌入式 边缘设备上运行复杂分析和人工智能算法，微软与 金属切削刀具企业andvik Coromant合作，基于 Azure IoT Edge在边缘实现了流数据分析和机器 学习算法，使故障处理时延从云端处理的2秒缩 短到边缘处理的0. 1秒。二是边缘与平台协同

37、， 实现模型不断成长和优化。例如，PTC在 ThingWorx平台中集成能够实时发现边缘 设备异常的模块，并与云端分析交互 共享，实现模型迭代生长。（五）开发框架，微务等新型架构大幅降低开 发难度与创新成本仁基于微服务架构的开发方式大幅提升工业APP开发效率基于微服务的开发方式支持多种开发工具 和编程语言,并通过将通用功能进行模块化封装和复用，加快应用部署速度，降低应用维护成本。例如GE Predix平台基于微服务提 供资产绩效管理、运营优化、资产建模、数据获取等 180多种微服务供开发者调用，简化了部署应用程 序开发、部署与运维的复杂性。IBM Bluemix平台 推出可用于微服务开发的软件

38、工具，如 IBM MQ Liht for Bluemix提供灵活、易于使用的消息传 递机制，IBM Bluemix DevOps Services 则帮助用户 降低部署和运维应用程序的难度。此外，西门子 MindSphere 航天云网 INDICS、寄云NeuSeer 等平 台也都通过微服务架构帮助用户快速构建个性化应用 程序。2基于图形拖拽的开发方式有效降低工业APP开 发门槛基于图形拖拽的开发方式降低了对开发人员编 程基础、开发经验的要求，使其可以专注于功能设计， 从而降低应用开发的门槛。例如PTC ThingWorx平台 基于ThingWorx Foundation为开发人员提供模型驱 动的应用程序开发服务，开发人员无需使用编写代码即 可连接所有的ThingWorx组件，使用拖拽工具就可 以开发髙质量、可扩展的应用程序，相较传统方式 能减少10倍的开发时间。SAP Cloud Platform通 过Fiori. BUILD. WeblDE等预制开发工具苗基于图 形扌娥的开发方式，用户通过使用这些工具可进行轻量级 云端开发，无需后台任何定制，就可实现应用的快速上 线，将开发时间从几个月缩短到几周。