WellinCloud工业互联网平台--赋能工业
发布者:浏览次数:
2020年3月20日,工信部发布的《关于推动工业互联网发展的通知》,首次正式提出了工业互联网是新型基础设施(即“新基建”)。4月9日,中共中央、国务院公布的《关于构建更加完善的要素市场化配置体制机制的意见》里又明确指出了数据是一种新型生产要素。
2017年12月27日,国务院发布的《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》提出:“到2020年,培育30万个面向特定行业、特定场景的工业APP,推动30万家企业应用工业互联网平台开展研发设计、生产制造、运营管理等业务。到2025年,培育百万工业APP,实现百万家企业上云。”工业App是工业互联网的重要组成部分,是工业知识沉淀、转化和应用的重要载体。
建设面向新型生产要素的工业APP开发系统,突破工业领域智能生产面临的关键需求和技术问题,实现工业App在生产制造领域的重大进展突破,完成工业生产从“经验驱动”向“数据驱动”的转变,是我国从工业“制造”迈向“智造”的关键。
长期的实践证明,工业互联网平台在生产制造环节的应用落地无法绕过企业智能生产面临的几大难题:
1、工业数据处理的复杂性
(1)数据来源及构成的复杂性--工业数据来自现场不同的设备、系统,包含各种数值型、结构化、非结构化、音视频等几十种数据类型。边云协同首先需要解决工业现场多源、异构数据采集、解析的难题。
表1 丰富的数据类型
数据分类 |
数值型数据 |
非结构化数据 |
视音频数据 |
关系型数据 |
数据类型 |
Disc、Char、Short、Word、Long、DWord、Float、String、Blob、Double、Int64... |
办公文档 文本 图片 XML HTML 各类报表 图像 |
音频 视频 |
结构化数据 |
(2)数据处理方法的复杂性--工业现场数据从时间维度上可以划分为实时数据、历史数据、控制数据,这三种时态的数据需要采取差异化处理方式,才能更好满足工业生产的具体业务要求。
表2 时态数据的处理
时态类型 |
实时数据 |
历史数据 |
控制数据 |
处理要求 |
保障及时性 |
保障完整性 |
保障准确性 |
(3)三种时态数据边云协同的传递方向--三种时态的工业数据需要分类分级,在企业内外网之间、工业互联网的云边端进行及时、有效的互通、互传,以满足工业数据在企业内和企业间的存储、计算分析和协同的业务需求。
表3 时态数据的处理和传递
时态类型 |
实时数据 |
历史数据 |
控制数据 |
传递方向 |
从端到边到云 从云到边到端 从云到端 从内网到外网 |
从边到云 从内外到外网 |
从云到边 |
2、工业模型积累的漫长性
工业模型是对工业技术、知识和经验的积累,需要针对各行业特定场景的工业需求进行量身定制,解决重点行业痛点问题。工业模型的落地需要经历理论推理、实验验证、模拟择优、大数据分析四个阶段才能真正掌握工业模型的内在机理,整个过程既漫长又异常复杂。
需攻克工业模型训练和现有工业人的知识经验融合难题,可有效缩短模型训练周期。工业模型根据其所在的行业应用场景,可以分为通用模型、专业模型和工程模型,其中通用模型可以作为共性技术重复使用;行业模型具有某个细分行业的广泛适用性;工程模型是针对特定产线设备构建的专门服务特定企业生产制造的工业模型。
3、工业场景需求的多样性
工业生产场景的多样性指的是智能生产环境下企业的供应链协同,生产调度、设备管理、能耗预测分析、质量检测等业务的需求各异,不同业务所产生的工业数据和所使用的工业模型千差万别。
图1 多样化的工业场景
以设备管理为例,为了达成设备寿命预测的业务目标,就需要对设备的启停状态、加工的产品、加工的时间、刀具振动、标准作业、加工音视频等上百种结构化和非结构化数据进行采集,构建基于高端设备的寿命预测工业模型,通过长时间的验证和迭代训练,在边缘侧部署工业模型进行验证,实现对设备的寿命预测。
1、雄厚的边缘计算技术积累
图2 中国HMI市场报告(来自ARC)
自主边云技术超越国际巨头。2018年,亚控科技已经成为中国市场占有率排名第一的SCADA\HMI软件厂商。从1995年-2020年,亚控科技监控组态产品部署在30多万个工业生产监控现场。
据统计,截至2019年底:
v 全国346有生产许可的钢厂的能源管理数据采集项目有一半以上采用亚控的组态王;
v 长庆油田石油当年总产量占全国总产量1/8,而长庆油田8个采油厂76个生产作业区全部使用亚控的KingSCADA;
v 全国每10家热力集团公司有6家的调度中心使用亚控的KingSCADA;
v 南水北调中线工程,80%的泵站、管理站、调度中心采用了亚控的KingSCADA;
v 从2017到2019年,60%以上的军方的舰船(包括航空母舰)的“损管(即‘损害管制’)”监控系统,都使用了亚控的组态王;
边缘数据接入和协议解析能力全球领先。聚25年研发成果,亚控积累了5000多种数据采集驱动和支持的369种主流通讯协议数量双双排名世界第一,覆盖国内工业设备种类90%以上。形成了中国独有的数字技术财富宝库。
2018年,硅谷动力评出的工业互联网平台及解决方案提供商,TOP10有8家,Top50中有29家采用亚控的采集产品。目前,亚控已经与浪潮、阿里、华为、百度、树根互联、徐工、三一重工等工业互联网平台达成战略合作协议,为其提供设备接入服务。
2018年9月,工业互联网产业联盟发布的《工业数据采集产业研究报告》,其中第六章数据采集典型产品和案例介绍部分提及的12家企业案例,有9家与亚控进行了数据采集方面的合作。
图3 驱动服务数量对比
2019年,亚控以《面向异构协议兼容的亚控WellinCloud工业互联网平台测试床建设项目》申报的工信部组织的工业互联网创新发展工程,创新性提出了解决工业互联网平台异构协议兼容能力的建设方案,得到了专家的高度认可,最终以第一名中标。
2、独创的边云一体化建模技术方案
“一物一名通云边”是将面向不同行业的物理实体,组态构建为与数据结构无关的数字映射体。该数字映射体将物理实体的多种数据和模型进行打包,并在边云实现自由同步。用户无论在何时、何地只需通过物理实体的唯一名称(ID),就可以对这些数据和模型进行检索、调用,而不需要关心这个映射体存储在边缘侧还是云端,更不需要关注它们被存储在哪个数据库的哪个表里。用户只需要简单的培训就可以使用这一先进的边云协同技术。该技术系国内首创。
图4 “一物一名通云边”
工业模型云端一体化配置化。工业互联网平台自2014年发展至今,一直使用高级语言编程开发工业模型,开发周期长,维护难,质量差。2019年,亚控成功把配置化(组态)技术应用到了云边协同的工业模型开发,工业人只需要通过可视化“拖、拉、拽”配置的方式就能自主完成开发,从此摆脱对IT人的依赖。目前,公司为联通全要素连接平台开发了包含机加、电子等十个行业人、机、料、法、环全要素300余个工业模型;为川能智网能源管理平台面向设备级、系统级、管理级开发了200余个工业模型,实现对十余种能源介质的用能计划、实时监测、报警分析、能耗预测。该技术系国内首创。
3、创新性的模型训练技术
针对不同的工业场景需求,提供亚控科技独创的“开环”“闭环”模型训练技术:
图5 “闭环”边云协同训练模式
“闭环”边云协同的训练模式是工业模型在云上构建和训练,部署到边缘验证,最终在云上聚合。与传统的以云中心为核心的训练验证方式不同,边缘验证不需要收集工业现场的数据,只是收集最新的模型训练更新,从而避免用户信息泄露。
图6 “开环”边云协同训练模式
“开环”边云协同的训练模式是工业模型在云上构建和初步训练,部署到边缘验证和深度训练,最终在边缘聚合。这种方式可以充分利用和继承“闭环”边云协同训练结果,在边缘侧继续进行深度训练,满足用户个性化应用需求。
三、生产制造类工业App开发的难点
自2014年GE推出全球首款工业互联网平台以来,国内也涌现出许多优秀的工业互联网平台,以索为云网为代表的在研发设计领域、以三一根云为代表的在管理运营领域,都开发了数千个工业APP,为工业企业赋能,在研发和运维方面实现了业务模式的应用创新。
到目前为止,国内工业互联网平台上可用的生产制造类工业APP还很少,政府有号召,企业有需求,为什么生产制造类工业APP积累依然这么慢?因为现有工业互联网平台开发生产制造类工业APP都面临三大难点:
1、复合型开发人才奇缺
工业APP的本质是工业机理模型和工业技术的软件化,工业know-how是核心。中国拥有世界上最齐全的工业门类,所涉及的工业知识非常丰富,这些工业知识在工业人脑子里,而信息技术掌握在IT人手中,据CSDN网站统计,中国IT人有600万,在工业领域的预计50万,工业人有4500万,既有工业知识又掌握信息技术的复合型人才非常稀少。
2、工业APP通用性差、优化迭代困难
现有的工业APP大多面向单个客户定制开发,客户需求情况有变化或新增一个客户又需要根据新需求再定制开发新的工业APP,这样的工业APP使用率很低,标准化、通用化的可能性极小,优化迭代和复用都很困难。
解决问题的思路是把工业APP分解成若干可以复用的基础共性类APP,根据客户需求组装,只需要定制不具有共性的部分,这样就解决了通用性差、迭代困难的问题,然而“打散容易、重构难”,原因在于工业APP接口没有标准化,工业APP的接口很容易发生变化,很难找到所有工业APP的共性把接口固化下来。
3、工业APP支撑系统集成困难
生产制造按经典的普度模型分五层:
图 7 生产制造系统普度模型
L0-现场设备,L1-自动控制,L2-车间监控,L3-制造执行,L4-业务管理。理想情况下,五层系统之间联动,从上而下形成PDCA(Plan,Do,Check,Action)的闭环,成为一个有机整体,数据自动流动,实现“看不见的自动化”,让生产制造从固化、僵硬变得离散、轻灵。模型在实际应用过程中,几乎在每一层都遇到阻碍数据自动流动的问题,原因在于:
L0级存在问题 – 设备繁杂
设备“万国牌”——目前中国工业设备保有量世界第一、设备种类数量世界第一、设备使用跨度时间长,存量大;同时中国也是工业设备增长最为迅猛的国家,增量大。加之现场设备大都是相对封闭的系统,接口缺失,这就给工业设备接入工业互联网带来了非常巨大的挑战。
L1级存在问题 – 协议多样
“最后一米”不通——工业互联网连通设备的“最后一米”就是采集设备中的数据。工业设备的数字化通过安装各种工业控制器和采集器完成,数据采集通过和这些控制器或采集器以多达300余种通讯协议实现。由于设备种类繁多,数据链路、接口不一,协议多样,顺畅、稳定地采集数据比较困难。
L2级存在问题 – 各自为战
国内外有数十家监控软件厂家,国外以西门子、霍尼韦尔、罗克韦尔、横河为代表,国内以亚控、力控、中控、和利时为代表,各厂家产品接入的设备实时、历史数据有各自的存储格式,互相之间不能统一,工业互联网平台只能分别和每一款产品通过OPC(OLE for Process Control)的方式进行整合。
L3级存在问题 – 烟囱林立
工厂制造执行有“空间离散”、“时间异步”的特点,异构系统集成过程中,存在大量的“信息孤岛”、“烟囱林立”的情况,相互之间在功能上不能关联互助,信息难以共享互换,信息与业务流程和应用相互脱节。
L4级存在问题 – 难以集成
业务管理层各系统相互构成协同关系。只有集成在一起,才能提高产品附加值,缩短开发周期,加快投入市场速度,从根本上提高制造业的竞争力。
各系统间的集成工作已经开展40年,至今未能很好解决,主要难点在于:各系统间的数据接口不一致,需要通过接口程序、中间库表等方式做转换传递;各系统的数据发生变化时,需要通过全量、数据比较方式实现,繁琐低效;业务数据种类繁多,包括物料、BOM(Bill of Material)、工艺数据、工序库等,集成工作量大;各系统之间数据、功能有重叠,集成时难以妥善处理。
四、亚控发明了独特的云原生技术
1、国内首款工业APP全配置(组态)产品
2019年,亚控发布了KingAppPlatform(亚控产品),开发者只需要通过可视化“拖、拉、拽”配置的方式就能完成工业APP的配置(组态)开发。
图 8 传统开发方式VS云原生技术
2、与工互平台全面合作
2019年8月,工信部发布的“2019 年跨行业跨领域工业互联网平台清单公示”文件公示了十家“双跨”工业互联网平台, 其中海尔、航天云网、浪潮云、华为、阿里等8家和亚控达成了战略合作协议。
3、工业APP积累提速
KingAppPlatform虽推出不到一年时间,但已吸引了一批合作伙伴和开发者,并在机加、电子、建筑等多个行业积累了进度、质量、设备、物料、能源、安全、人员绩效等方面500余个工业APP。
五、亚控WellinCloud工业互联网平台
图 9 WellinCloud工业互联网平台赋能工业
亚控科技2019年推出的WellinCloud工业互联网平台,分数据数据采集边缘层-工业PaaS平台层-工业APP应用层三层架构,采用了独创的数据采集和解析技术、边云协同技术、云原生技术和App隔离技术,通过共享公司25年积累下的5000余种工业设备驱动解决工业数据接入问题,提供让4000万工程师很容易掌握的工业App开发平台和方法,帮助懂工业、懂制造,懂车间生产场景的工业人熟练、流畅、配置化地开发工业APP,彻底解决工业App“打散容易重构难”、工业企业制造模型创新等一系列技术和业务难题,实现工业互联网在制造领域的应用落地,赋能企业实现数字化转型升级。