石家庄app开发学习工业互联网平台的技术体系与关键技术
工业互联网平台能感知与生产相关的原材料、产品、智能加工设备、生产线、工厂、工人、供应商和用户信息，通过互联网将信息关联起来，并利用数据分析技术，为智能制造提供决策支持，最终利用工业APP推送给用户和各智能设备。因此，工业互联网技术体系包括4个部分：①全面互联的工业系统信息感知技术；②信息传输技术；③数据分析平台；④工业APP开发技术。
1、信息感知技术
工业互联网平台需要实现跨部门、跨层次、跨地域、跨领域的工业系统信息全面感知，因此，数据采集要以自感知技术为主，同时，需要研究多源异构数据融合技术，将多来源、多形式的数据整合，来准确描述生产要素状态。然而，边缘层数据采集困难重重。
首先，工厂里有许多性能参差不齐的老旧设备没有配置传感器，如何将老旧设备联网，采集到聋哑设备的数据非常关键；其次，随着加工过程和生产线精益化、智能化水平的提高，必须从多角度、多维度、多层级来感知生产要素信息，因此，需要广泛部署智能传感器，来对生产要素进行实时感知。而传感器、仪表或PLC控制器往往来自不同厂商，所支持的通讯协议也不同，如何将不同传感器信息进行整合同样非常重要。此外，车间面积广设备量多，传统人员巡检模式效率低、速度慢，如何对设备及人员进行远程管理也是边缘层需要解决的问题。因此，可以理解边缘层的3个要点：
（1）设备接入——对海量设备进行连接和管理；
（2）协议解析——利用协议转换实现海量工业数据的互联互通和互操作；
（3）边缘数据处理——通过运用边缘计算技术，实现错误数据剔除、数据缓存等预处理以及边缘实时分析，降低网络传输负载和云端计算压力。
为了解决上述问题，以研华WISE-PaaS工业物联网云平台为例，如图2所示，介绍工业互联网平台解决方案。
智能制造的核心技术之工业互联网平台
图2 研华WISE-PaaS 2.0架构
在边缘层，研华WISE-PaaS工业物联网云平台提供WebAccess、WISE-PaaS/EdgeSense、WISE-PaaS/VideoSense解决方案。以工厂应用较多的WebAccess来讲，其中包括SCADA、EdgeLink等，其帮助用户解决工厂讯息孤岛、改善制造流程，省时、省力、省成本的同时，向下可连接多种品牌的控制设备与仪器，向上整合至数据库系统与MES，无缝整合MES和SCADA系统，可让双方都能灵活运用各种资源，优化工厂制造流程并落实实时、可视又无纸化的生产管理，提升自身的市场竞争力。
2）信息传输技术
工业互联网平台需要完成工业数据集成、实时存储与传输。物联网的传输层主要负责传递和处理感知层获取的信息，分为有线传输和无线传输两大类，其中无线传输是物联网的主要应用。无线传输技术按传输距离可划分为两类：一类是以Zigbee、WiFi、蓝牙等为代表的短距离传输技术，即局域网通信技术；另一类则是LPWAN（low-power Wide-Area Network，低功耗广域网），即广域网通信技术。
传感器和设备信息需要通过各种不同的协议实现数据接入的。协议转换分为两个方面：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讯接口，实现数字格式转换和统一。另一方面利用HTTP、MQTT等方式从边缘层将采集的数据传输到云端，实现数据的远程接入。
在转换协议中，主要有协议即用于短距离设备连接的本地协议 Modbus 以及支持物联网进行远程全局通信的可扩展互联网协议MQTT。
3）数据分析平台
工业互联网平台需要实时高效处理不断产生的工业数据，从中挖掘出对工业生产有价值的决策方案。工业互联网平台需要借助大数据分析技术、人工智能方法等，基于专家经验，结合物理、数学等基础学科知识，从工业大数据中获得有价值的经验。
与其他领域大数据相比，工业大数据有“3B”挑战。
（1）Broken：工业对于数据的要求并不仅在于量的大小，更在于数据的全面性。在利用数据建模的手段解决某一个问题时，需要获取与被分析对象相关的全面参数，而一些关键参数的缺失会使分析过程碎片化。举例而言，当分析地铁发动机性能时需要温度、空气密度、功率等多个参数，而当其中任意一个参数缺失时都无法建立完整的性能评估和预测模型。因此对于企业来说，在进行数据收集前要对分析的对象和目的有清楚的规划，这样才能够确保所获取数据的全面性，以免斥巨资积累了大量数据后发现并不能解决所关心的问题。
（2）Bad Quality：在工业大数据中，数据质量问题一直是许多企业所面临的挑战。这主要受制于工业环境中数据获取手段的限制，包括传感器、数采硬件模块、通信协议、和组态软件等多个技术限制。对数据质量的管理技术是一个企业必须要下的硬功夫。
（3）Background：数据受到设备参数设定、工况、环境等背景信息的影响,除了对数据所反映出来的表面统计特征进行分析以外，还应该关注数据中所隐藏的背景相关性。对这些隐藏在表面以下的相关性进行分析和挖掘时，需要一些具有参考性的数据进行对照，也就是数据科学中所称的“贴标签”过程。这一类数据包括工况设定、维护记录、任务信息等，虽然数据的量不大，但在数据分析中却起到至关重要的作用。
因此，工业互联网平台大数据分析，不仅需要利用常用的大数据分析技术，还需要研究数据清洗、数据融合，并且要将各学科、各领域、不同背景知识抽象、固化，形成规则，与大数据分析技术结合，以提供更准确的分析结果。
4）工业APP开发技术
工业互联网平台需要将分析出的结果实时推送给用户，同时也需要接口将决策传输到智能设备。工业互联网平台需要根据用户需求和实际生产需要，定制化APP推送消息，因此，需要工业互联网平台开发面向新模式场景、个性化需求的APP。
工业 APP 的构建是工业互联网平台协作模式转换的核心，通过对工业知识的提炼与抽象，将数据模型、提炼与抽象的知识结果通过形式化封装与固化形成 APP。封装了工业知识的工业 APP，对人和机器快速高效赋能，突破了知识应用对人脑和人体所在时空的限制，最终直接驱动工业设备及工业业务。
工业APP开发运用互联网技术性优点，打破传统式运营模式的时空局限性，在智能制造系统中很好的将手机互联的易用性、便携性与易传播性利用起来，不仅大大地拉近生产商、供应商、经销商与顾客的距离，也提高了制造行业销售市场敏感度与信任感。
