1.3.2 大数据平台

在大数据驱动的智能制造工业实践中，大数据平台是重要的使能技术，是连通工业资源要素的重要枢纽，是工业数据管理分析的重要载体，是支撑制造系统自学习、自进化的重要基础，正在成为智能制造体系的“操作系统”。如何构建工业大数据平台，连接设备、物料、人员、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，提高资源利用率，是亟待解决的问题。本节结合具体过程管控业务，论述工业大数据平台架构，如图1-2所示。

1.多模式异构的边缘层

边缘层包含制造过程中的资源要素（底层装备、传感器等）、系统集成与信息融合3部分。边缘层实现对生产装备、物流设备、质检设备、传感器等资源要素的接入、管理与优化。从制造执行的角度来看，边缘层通过设计 RFID 标签、条码、智能联网装置来实现资源要素的唯一标识，并增加配置各类传感器实现生产过程状态的智能感知，并根据工业以太网、蓝牙、OPC UA与Ether CAT等技术实现互联互通与互操作。制造业细分种类众多，其工业大数据平台的边缘层受产业的影响而呈现出流程离散混合的结构。此外，生产过程优化控制的高时效性要求，对优化应用中处理与分析的时延提出了更高的要求，从而催生了边缘计算在平台底层的应用。

1）流程离散混合的边缘层结构

工业产品制造是经历材料位移、流体动力学、物质热交换、化学反应等过程，以及借助工艺设备按顺序或并列完成的工艺过程。总体上，产品制造模式包括流程制造模式、离散制造模式及流程制造和离散制造混合模式。对于不同的制造模式，各企业采用的设备、工艺流程、数据采集系统、ERP、MES等企业信息系统各不相同，不同型号的设备、企业信息系统的网络接口、通信协议、数据库也各不相同，所以工业大数据平台边缘层将兼容多种协议类型，不仅包括生产制造各流程中多样性装备间的水平互联，还包括制造过程中传感器、控制层、设备层、车间生产层和企业层的垂直互联，以及与互联网、物联网的连接，依托协议转换兼容技术实现多源异构数据的边缘集成和汇聚融合，形成流程离散混合的边缘层结构。

2）低时延应用催生边缘计算应用

随着产品制造节奏日益加快，对于数据计算与分析的时效性要求越来越高，生产过程实时监控、质量在线检测、决策调控等优化应用都对计算的时效性有很高的要求。在高时效性的应用要求下，传统的由传感器采集数据，通过工业以太网实现数据传输，并在企业私有云中实现参数优化和指令下发的方式将难以满足要求。边缘计算由边缘节点实现优化运算，在低时延应用中具有明显的优势，是云计算体系的有力补充。

因此，随着低功耗计算技术的进一步发展，边缘节点的分析能力将进一步增强，并承担制造过程中低时延分析中的计算任务，边缘计算节点的功能模型如图 1-3 所示。从横向来看，该功能模型具有如下几个特点。

① 数据驱动的业务编排与统一服务框架。通过制造全流程中的产品设计、流程制造、离散加工、整体装配和测试等环节的业务关系，构建业务矩阵，进而定义端到端的业务流，实现工业互联网中的业务流。

② 边缘计算微服务实现架构极简化。边缘计算的微服务专注于底层边缘节点的优化分析，屏蔽底层生产组织结构的复杂性，可实现基础设施部署运营自动化、可视化及跨域的资源调度，形成统一的服务框架，支撑车间生产过程分析与可视化。

③ 边缘计算节点适配多种工业总线和工业以太网协议。边缘计算节点兼容多种异构连接，从而实现向下对接传感器、智能设备，向上对接企业信息系统，实现数据的流通传输。

2.面向全流程的工业PaaS层

工业大数据的 PaaS 层向下兼容边缘层的智能硬件与装备，向上服务于应用层的工业App，基于通用PaaS平台进一步客制化形成制造行业数据主线、工业大数据系统、工业数据建模和分析、行业应用开发组件和工业微服务组件库等功能，形成可扩展的开放式云操作系统。制造行业是一个涵盖众多领域的极长的产业链，为了进一步发挥全产业链优势，在行业上下游形成合力，工业大数据应当突破某一工厂或某一车间的限制，形成面向整个行业生态链的数据主线，从而进一步构造跨细分行业的大数据平台，不仅能扩大自身服务盈利范围，而且能汇聚行业资源，有助于整个行业水平的快速提升。

面向制造行业生态链的数据主线（见图 1-4）是指为实现制造过程数字化、网络化、智能化而定义的生产过程元数据，包含企业内部数据主线与行业内部数据主线两部分。企业内部数据主线是指围绕企业运行过程中的财务、库存、供应链、物料、计划、制造过程管控等主题构建纵向的元数据统一描述，明确各细分行业中从下层的制造执行到上层的企业资源管理的数据描述规范。行业内部数据主线是指从原料生产到产品设计、零件加工、整机装配直至最终消费者整个行业从上游到下游各阶段产品信息，实现整个产业链的横向数据规范化描述。通过该数据主线，制造过程中的全流程数据可实现对应与关联，不仅使外部资源服务于内部，又可对外输出服务，促使行业内部不同企业之间充分发挥各自资源和技术方面的专长，从而在制造过程分析与优化中实现更大的价值，最大化生产资源（包括技术资源）的有效利用。例如，在产品设计过程中，为实现特定的任务设计目标，通过所在行业生态链数据主线实现上下游多主体之间数据交互及知识协同，使得设计流程中的知识、活动和主体在实时统一的状态下推动个性化设计任务向前进行，与传统的群组交流方式相比，更加强调整体全流程的协同效果，而非个体之间的优化效果。

3.互联多样的应用层

工业大数据的应用层面向制造行业内的特定作业场景，提供设计、生产、管理、服务等各类适合企业自身特点的业务应用。互联多样的应用层针对制造行业多流程并行、上下游企业之间产品关系紧密的特点，与传统的ERP、MES等工业应用App仅在各自的应用范围内独立工作不同，工业大数据下的App不仅纵向与企业内其他工业App数据互通，相互协调工作，具有全局视野，跨越各部门信息孤岛及鸿沟，而且横向与产业链上下游其他企业的工业App建立安全数据联系，实现信息共享与知识互补，快速响应供求关系变化及业务调整，帮助制造企业实现智能计划与调度、高效制造过程管控、产品全生命周期管理等，发展个性化定制、网络化协同制造等新模式，促进产品质量、生产效率及经济效益等多方面综合生产力的跃升。工业大数据平台中的工业App从总体上可分为业务协同类App、分析优化类App、过程管控类App、流程执行类App 4类，具体细分及描述如表1-3所示。

1）业务协同类App

业务协同类App是指在同一软件框架或平台体系下，不仅企业内部从设计到生产、质检等各部门能全面参与产品设计或生产，而且企业外部包括供应商、采购商在内都能实时掌握产品设计与生产进程，并即时共享信息和需求变更，从而实现全方位参与、多方共同协作的内外部协同生产体系。

2）分析优化类App

分析优化类App针对产品或车间的具体性能指标，如产品质量、生产工期、资源能耗等，利用大数据技术、智能算法等分析存在的问题及产生的制约与限制，并对生产流程中的可控要素（如工艺参数、生产计划、资源调度）提出优化措施和调度策略，进而实现对整个生产过程的优化。

3）过程管控类App

过程管控类App以实时生产过程数据为依据，面向产品全生命周期，对主要生产要素，如产品位置及状态、设备运行状态、车间环境、物流状态、生产进度等制造过程信息进行全方位监控，以全面、直观地反映车间实时运行状况，形成可追溯的生产过程信息链条。

4）流程执行类App

流程执行类App能够迅速响应并有效执行计划控制层的计划排程、生产调度等一系列生产指令，当车间生产状态发生变化或生产计划发生变更时，及时做出反应、报告，并用当前的准确数据对它们进行处理，防止能产管理混乱，提高控制执行的精准度。