九游(中国)娱乐 - 官方网站

　　新一代信息通信技术的出现和应用，极大地推动了工业互联网的落地。随着大数据、云计算、物联网、5G、数字孪生、人工智能等技术与工业互联网同时应用在工业企业的生产服务场景中，工业互联网在数据采集和传输、海量数据计算处理速度、行业知识模型化等方面的技术瓶颈被打破，应用范围不断拓宽，加速了工业互联网的技术发展和应用落地。主要表现有：工业大数据使得数据存储与管理实现变革，云计算技术给工业互联网带来了具有压倒性优势的性价比，物联网技术使得工业互联网有了更多的应用场景，5G技术促进了工业互联网的新模式与新业态，数字孪生技术提升了工业互联网的价值创造能力，人工智能技术全面提升了工业互联网智能化水平。

　　掌握6种工业互联网基础技术的概念；了解数字孪生技术和人工智能技术的发展历程；掌握工业大数据技术、云计算技术和物联网技术的特征；了解网络通信技术、数字孪生技术和人工智能技术中的相关概念；掌握工业互联网基础技术的应用场景；理解数字孪生技术体系；了解网络通信技术、人工智能技术等的分类。

　　开阔视野，掌握工业互联网基础技术的相关理论，提升追求真理的动力；培养严谨认真、刻苦钻研的学习精神，树立科技报国之志；通过学习案例，了解工业互联网基础技术在企业发展中的重要作用，激发学习兴趣；培养动手实践能力，学习与工业互联网基础技术相关的技能。

　　能叙述工业互联网基础技术的应用场景；能描述工业大数据区别于大数据的特点和用途；能介绍几种典型的网络通信技术；能描述数字孪生的建模实施流程；能介绍云计算技术的发展现状和发展趋势。

　　云计算、大数据、人工智能、物联网和 5G 通信等新信息技术的发展推动了传统工业企业的智能化转型，促进形成了近年来工业大数据的研究热点。工业和信息化部发布的《“十四五”大数据产业发展规划》中指出，“数据是新时代重要的生产要素，是国家基础性战略资源”“加快培育数据要素市场”。工业大数据（IndustrialBigData，IBD）技术是指以工业大数据应用技术为主的工业大数据相关技术。本节围绕工业大数据的内涵、来源、特征、核心技术、应用场景展开介绍。

　　工业大数据是指在工业领域中，围绕典型智能制造模式，从用户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大地延展了传统工业数据范围，同时包括工业大数据的相关技术和应用。

　　工业互联网产业联盟在《中国工业大数据技术与应用白皮书》中指出，工业大数据可以分为3类，即企业信息化数据、工业物联网数据以及外部跨界数据。

　　企业内部信息系统保存了大量的高价值核心业务数据。自20世纪60年代以来，信息技术在工业领域发展非常迅猛，形成产品生命周期管理、企业资源计划、供应链管理以及客户关系管理、制造执行系统等一系列的企业信息管理系统。这些系统中所存储的产品研发数据、生产数据、出货数据、物流数据以及客服数据等，存在于企业的内部或整个产业链的内部，这些数据是工业领域的无形资产。

　　通过将设备联网，可以实时自动采集生产设备与交付产品的状态及工况数据。一方面，机床等生产设备联网数据能为智能工厂生产调度、质量控制和绩效管理提供数据依据；另一方面，在装备使用过程中，通过传感器采集的规模化时间序列数据，包括设备的状态参数、工况负载与作业环境等数据，不仅可以帮助企业提高设备的运行效率，还可以用于拓展新的制造服务。

　　21世纪初，日本部分企业已经开始利用互联网数据分析和获取用户的产品评价。随着互联网与工业的融合和发展，我国小米公司等企业利用社交媒体数据实现产品的创新研发。此外，外部互联网还存有海量的跨产业链数据，如影响设备作业的气象数据、影响产品市场预测的宏观经济数据以及影响企业生产成本的环境法规数据等。

　　数据量大是大数据的首要特征，表4-2所示的数据存储单位及换算关系可更形象地表现出大数据庞大的数据量。通常认为，处于吉字节（GB）级别的数据为超大规模数据，太字节（TB）级别的数据为海量级数据，而大数据的数据量通常在拍字节（PB）级别及以上，可想而知大数据的体量是非常庞大的。

　　进入大数据时代之后，数据类型也变得多样化了。数据的结构类型从传统单一的结构化数据变成以非结构化数据、准结构化数据和半结构化数据为主的结构类型。

　　大数据虽然在数据量上十分庞大，但其实有价值的数据相对较少。在通过对数据的获取、存储、抽取、清洗、集成、挖掘等一系列操作之后，能保留下来的有效数据不到数据总量的20%。

　　大数据中的内容是与真实世界中发生的事件息息相关的，反映了真实的、客观的信息，因此大数据拥有线工业大数据的特征

　　大数据的产生速度很快，变化的速度也很快。在高速生成大量数据的同时，由于大数据相关技术逐渐成熟，数据处理的速度也很快，各种数据在线上可以被实时地处理、传输和存储，以便全面地反映当下的情况，并使人从中获取有价值的信息。

　　强关联：强关联主要体现在物理世界中对象之间和过程的语义关联上，这不只是数据字段的关联，更是一种更深层次的关联。

　　高通量：高通量主要体现在内嵌传感器的智能设备/工业产品与测点规模大、数据采集频率高、数据总吞吐量大、数据采集持续时间长等方面。

　　协同性：协同性主要是为了满足工业系统的动态协同需求，通过整个企业、产业链、价值链上多业务相关方的数据集成与协同，促进数据和信息的自动流动，应对工业系统的不确定性，提升业务决策的科学性。

　　多因素：多因素是由工业对象的特性所导致的，指影响某个业务目标的因素特别多。

　　强机理：强机理是保证分析结果可靠性高的关键。机理作为“先验知识”，能够帮助排除众多因素的干扰，厘清复杂的关联关系，实现数据降维，达到去伪存线工业大数据的特征

　　工业大数据技术参考架构以工业大数据的全生命周期为主线，从纵向维度分为平台/工具域和应用/服务域。

　　数据采集是挖掘和展现工业大数据价值的基础。数据采集与治理的目标是从企业内部和外部等数据源获取各种类型的数据，并围绕数据的使用，建立数据标准和管理机制的流程，保证数据质量，提高数据管控水平。

　　数据采集以传感器为主要采集工具，结合射频识别（Radio Frequency Identification，RFID）读写器、条码扫描器、生产和检测设备、人机交互设备、智能终端等采集制造领域多源、异构数据信息，并通过互联网或现场总线等技术实现原始数据的实时准确传输。

　　基于传感器的工业大数据采集技术：传感器是一种检测装置，能检测到被检测量的信息，并能将检测到的信息按一定规律转换为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。

　　基于自动识别感知的工业大数据采集技术：RFID 技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关的数据信息，利用射频方式进行非接触双向通信，达到识别目的并交换数据。

　　基于PLC的工业大数据采集技术：PLC实时数据采集系统实现的难点是数据采集的高速实时性与上机位非实时操作系统数据处理之间存在时间差，此时间差容易造成数据损失。这要求采集硬件需具有数据缓存功能。目前PLC在处理模拟量、数字运算、网络和人机接口各方面的能力都已大幅提高，成为工业控制领域的主流控制设备。

　　基于工业计算机的工业大数据采集技术：工业计算机首选嵌入式工控机，运用工业数据采集网关，可以快速实现数控机床设备状态的数据接入和远程监测，进行集中一体化监控，对告警与控制设备进行联动。

　　工业大数据存储与管理技术是针对具有多样性、多模态、高通量和强关联等特性的工业大数据，实现高吞吐量存储、数据压缩、数据索引、查询优化和数据缓存等功能的关键技术。下面主要介绍多源异构数据管理技术和多模态数据集成技术。

　　多源异构数据管理技术：多源异构数据是指数据源不同、数据结构或类型不同的数据集合。

　　通过物料清单（BOM）图数据可以追溯设备的制造情况，从而发现哪些零部件出现问题导致异常运行情况；

　　通过非结构化数据可以有效管理设备故障时的现场照片、维修工单等数据；键值对数据作为灵活补充，能便于记录一些需要快速检索的信息。

　　多源异构数据管理需要突破的是针对不同类型数据的存储和查询技术，并在充分考虑多源异构数据的来源和结构随着时间推移不断增加与变化的特定情况下，研究如何形成可扩展的一体化管理系统。

　　多模态数据集成技术：数据集成是指将存储在不同物理存储引擎上的数据连接在一起，并为用户提供统一的数据视图。数据集成的核心任务是将互相关联的多模态数据集成到一起，使用户能够以透明的方式访问这些数据。

　　在数据生命周期管理中，多模态数据存储分散、关系复杂，在研发、制造周期以 BOM 为主线，在制造、服务周期以设备实例为中心，BOM和设备的语义贯穿工业大数据的整个生命周期。因此，以BOM和设备为核心建立数据关联，可以使产品生命周期的数据既能正向传递又能反向传递，形成信息闭环，而对这些多模态数据的集成则是形成数据生命周期信息闭环的基础。

　　时序模式分析技术：工业企业的生产加工设备、动力能源设备、运输交通设备、信息保障设备、运维管控设备上都加装了大量的传感器，对这些设备的传感器时序数据进行分析，可实现设备故障预警和诊断、利用率分析、能耗优化、生产监控等。

　　工业知识图谱技术：工业生产过程中会产生大量的日志文本，利用文本分析技术能够实现事件实体和类型的提取、事件线索抽取，通过专家知识的沉淀形成专家知识库。

　　工业场景中，需要构建特定领域的行业知识图谱（工业知识图谱），并将工业知识图谱与结构化数据图语义模型融合，实现更加灵活的查询和一定程度上的推理。

　　多源数据融合分析技术：在企业生产经营、营销推广等环节，会有大量的管理经营数据，其中包括众多不同来源的结构化和非结构化数据，通过对这些数据的分析，能够极大地提高企业的生产加工能力、质量监控能力等。

　　但需要一些技术手段去有效融合多源数据。多源数据分析技术主要包括统计分析算法、深度学习算法、回归算法、分类算法、聚类算法、关联规则等。

　　工业大数据具有实时性高、数据量大、密度低、数据源异构性强等特点，这导致工业大数据的分析不同于其他领域的大数据分析。

　　工业大数据的分析需要融合工业机理模型，以“数据驱动+机理驱动”的双驱动模式来进行工业大数据的分析，从而建立高精度、高可靠性的模型来真正解决实际的工业问题。

　　运用大数据技术，将产品生命周期设计所需大数据与各种设计过程集成，以高度有序化的方式展示产品生命周期大数据与设计的关系，提高产品的设计效率和质量。

　　通过智能系统及设备升级改造与融合，促进制造过程自动化、流程智能化。工业大数据通过采集和汇聚生产现场数据，利用大数据技术对其进行分析并反馈结果，并在具体场景中应用，实现生产过程的优化。

　　基于工业大数据，驱动制造全生命周期从设计、制造到交付、服务、回收各个环节的智能化升级，推动制造全产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节。

　　工业大数据与新一代技术的融合应用，赋予产品全生命周期服务全新内容，不断催生制造业新模式、新业态，从大规模流水线生产转向规模化定制生产，从生产型制造向服务型制造转变，推动服务型制造业大步发展。

　　工业大数据技术基于用户的动态需求，指导需求准确地转化为订单，满足用户的动态需求变化，最终形成基于数据驱动的工业大规模个性化定制新模式。

　　云计算（Cloud Computing，CC）的概念是谷歌公司率先提出的，它是一种全新的信息处理技术，具有超级计算和海量存储能力。云计算可以为各行各业提供有效的计算与分析功能。本节主要介绍云计算的概念与特征、云计算的优势以及云计算在工业互联网中的应用实例等内容。

　　云计算是一种能够通过网络以便利的、按需付费的方式获取计算资源（包括网络、服务器、存储、应用和服务等）并提高其可用性的模式。这些资源来自共享的、可配置的资源池，并能够以最省力和无人干预的方式获取与释放。

　　云计算的出现是继20世纪80年代大型计算机到客户端/服务器的转变之后的又一次巨变。它是分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡、热备份冗余等传统计算机和网络技术发展融合的产物。

　　平台即服务为用户运行程序提供环境，平台即服务自身负责资源的动态扩展和容错管理，用户应用程序不必过多考虑节点间的配合问题。

　　软件即服务将某些特定应用软件功能封装成服务，它只提供某些具有专门用途的服务做应用调用。

　　云计算的优势在于它的技术特征和规模效应带来的高性价比。詹姆斯·汉密尔顿（James Hamilton）的数据，一个拥有5万台服务器的特大型数据中心与拥有1000台服务器的中型数据中心相比，特大型数据中心的网络和存储成本只相当于中型数据中心的1/7～1/5，而每个管理员能够管理的服务器数量则扩大到7倍之多。

　　云计算和传统计算模式相比，云计算平台提供的是有弹性的服务，它根据每个租用者的需要，在一个超大的资源池中动态分配和释放资源，而不需要为每个租用者预留峰值资源。

　　云计算能够大幅节省成本，规模是极其重要的因素，但如果企业要建设自己的私有云，规模不大，仍会有相差数倍的成本优势。

　　九游娱乐 九游娱乐官网入口

　　对于云计算用户而言，他们不需要开发软件，不用安装硬件，用低得多的使用成本就可以快速部署应用系统，而且可以动态伸缩系统的规模，可以更容易地共享数据。

　　谷歌是最大的云计算技术使用者，谷歌搜索引擎就建立在分布于200多个站点、超过100万台的服务器的支撑之上，而且这些设施的数量正在迅猛增长。

　　亚马逊的云计算称为AWS，它率先在全球提供了弹性计算云和简单存储服务，为企业提供计算和存储服务收费的项目。

　　阿里巴巴已经在中国的北京、杭州、青岛、香港、深圳等地拥有云计算数据中心，并在德国、新加坡和日本建设数据中心

　　物联网（Internet of Things，IoT）技术是21世纪最重要的技术之一，因为它几乎可应用于所有行业，并帮助各方面做出改进。物联网技术有着巨大的应用前景，被认为是将对21世纪产生巨大影响的技术之一。物联网从最初的军事侦察等无线传感器网络，逐渐发展到环境监测、医疗卫生、智能交通、智能电网、建筑物监测等应用领域。随着传感器技术、无线通信技术、计算技术的不断发展和完善，各种物联网将遍布人们的生活。

　　通过各种信息传感设备及系统（如传感网、RFID系统、红外感应器、激光扫描器等）、条形码与二维码、全球定位系统等，按约定的通信协议，将物与物、人与物、人与人连接起来，通过各种接入网、互联网进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种信息网络。

　　联网终端规模化：物联网时代的一个重要特征是“物品触网”，每件物品均具有通信功能，成为网络终端。

　　感知识别普适化：作为物联网的末梢，自动识别和传感网技术近年来发展迅猛，应用广泛。

　　异构设备互联化：各种异构设备（如不同型号与类别的RFID标签、传感器、手机、笔记本计算机等）利用无线通信模块和标准通信协议可构建成自组织网络。

　　管理处理智能化：物联网将大规模数据高效、可靠地组织起来，为上层行业应用提供智能的支撑平台。

　　应用服务链条化：以工业生产为例，物联网技术覆盖从原材料引进、生产调度、节能减排、仓储物流到产品销售、售后服务等各个环节，成为提高企业整体信息化程度的有效技术。

　　网络层由各种私有网络、互联网、有线和无线通信网、网络管理系统及云计算平台等组成，负责传递和处理感知层获取的信息。物联网的网络层包括接入网与互联网的融合网络、网络管理中心和信息处理中心等。

　　应用层由各种应用服务器（包括数据库服务器）组成，其主要功能包括对采集数据的汇聚、转换、分析，以及用户层呈现的适配和事件触发等。

　　感知层相当于整个物联网体系的感觉器官，主要负责两项任务，即识别物体和采集信息。

　　识别物体是通过物品编码来确定物品是什么；采集信息是利用传感器来感知物品怎么样。

　　通过传感技术对传输的信息进行整合分析，并通过科学的统计与计算辅助电力运输，能够在系统中对电网各个用电节点的用电情况进行监控。

　　利用传感器设备与射频识别设备对物流商品进行扫描物流商品的信息标签，之后利用网络通信技术将获得的信息数据传送到物流终端，所有的传送点都能通过物流终端获取相应的信息。

　　采用智能停车引导系统和智能交通预警系统，解决交通拥堵、事故以及停车难等问题

　　物联网技术在生产方面能够提高工业化生产的安全性，进而提升工业化生产水平。

　　网络通信技术（Network Communication Technology，NCT）是产业发展的重要推动力量，是工业互联网的基础设施，是连接先进信息技术（如物联网、大数据、云计算等）与工业全要素的桥梁。本节将介绍网络通信技术的分类、网络通信技术在工业互联网中的应用现状等。

　　网络通信技术是指通过计算机和网络通信设备对图形与文字等形式的资料进行采集、存储、处理和传输等，使信息快速传送并达到充分共享的技术。

　　工业互联网通信连接技术包括有线通信与无线通信两大类别，其中无线通信技术因部署简单、功能强大、使用便捷、组网灵活、覆盖区域大而在工业互联网中被广泛使用。

　　（1）传感器级总线和设备级总线属于较低层次的工业网络，用于处理传感器、行程开关、继电器、接触器和阀门定位器这类工业设备。

　　（2）现场总线是指以工厂内的测量和控制机器间的数字通信为主的通信网络，是一种较高层次的工业网络，用于完成一些过程控制器或者现场仪表之间的通信。

　　（3）由于设备级总线与现场总线有时实现相同的功能，因此它们之间是相互关联的，并且可以同时存在于同一系统中。

　　以太网是指符合IEEE 802.3标准的局域网（LAN）产品组，IEEE 802.3是电气与电子工程师协会（IEEE）发布的一组标准，用于定义有线以太网媒体访问控制的物理层和数据链路层。以太网支持多台计算机通过一个网络连接，使用电线电缆将多台计算机、设备、机器等通过企业的单个网络连接在一起，以便所有计算机彼此通信。

　　多样化的业务场景对5G网络有多样化的性能要求和功能要求。5G网络具备向业务场景适配的能力，针对每种业务场景提供恰到好处的网络控制功能和性能保证，实现按需组网的目标。

　　5G网络是人们所熟知的一种无线网络通信技术。第三代合作伙伴计划（3GPP）的5G定义了3类应用场景：eMBB、海量机器类通信（mMTC）、URLLC。

　　无线通信网络由于具有覆盖范围广、速率高、网络可靠性高和产业链成熟等特点，已经越来越多地被用于工业生产中，极大地扩展了传统工业网络的内涵和外延，为工业互联网的发展提供了良好基础。

　　格力工厂生产设备存在生产现场复杂、场地狭小、无多余布线管道、施工难度大等问题，传统有线网络的灵活性不足，易受干扰，导致大部分设备处于独立控制、分散管理的模式，无法实现生产数据的共享和生产过程的统筹管理以及满足规模生产设备管理和系统交互的需求。

　　格力专网整体采用5G SA（独立组网）架构，其中的核心网部分，控制面采用广东联通5GC大区商用网络，与普通用户共享，用户面MEC（UPF）下沉到格力园区部署，由格力园区独占，本地分流园区内专网用户流量。

　　通过5G专网，格力园区内5G终端到企业内网的时延从原来的20 ms降低到9 ms。格力已完成无线、核心网、传输等网络及配套设施建设，上线G+自动导引车（AGV）、关键数据采集等应用，实现无纸化首检、视频监控业务端到端切片验证。

　　数字孪生（Digital Twin，DT）技术也被称为数字双胞胎和数字化映射技术，该技术在产品设计、产品制造、工程建设等领域有着广泛的应用。美国通用电气公司将数字孪生技术作为工业互联网中的一个重要概念，力图通过大数据分析，可以完整地透视物理世界机器实际运行的情况。数字孪生技术正引导着人们穿越虚实界墙，在物理模型和数字模型之间自由交互。

　　连接层：具备采集感知和反馈控制两类功能，是数字孪生闭环优化的起始和终止环节。通过深层次地采集感知物理对象全方位数据，利用高质量反馈控制完成物理对象最终执行。

　　映射层：具备数据互联、信息互通、模型互操作3类功能，同时数据、信息、模型三者间能够实时融合。

　　决策层：决策层在连接层和映射层的基础上，通过综合决策实现描述、诊断、预测、处置等不同深度应用，并将最终决策指令反馈给物理对象，支撑实现闭环控制。